Met Data Science haal je uit miljoenen datapunten bruikbare informatie. Grote hoeveelheden data uit meerdere bronnen samenbrengen, combineren en analyseren: dat is de kern van data science. En dat kan zeer waardevolle marketinginformatie opleveren over bijvoorbeeld de customer lifetime value, of over de kans dat iemand binnenkort een aankoop gaat doen.
Gegevens over transacties. Informatie over contactmomenten met klanten. Persoonsgegevens. Als marketeer beschik je over grote hoeveelheden interessante datapunten. Die data analyseer je op verschillende manieren. Je draait wat eenvoudige spreadsheetanalyses of gebruikt analysetools in de verschillende applicaties waarin deze data is opgeslagen.
Er is echter meer mogelijk dan alleen die eenvoudige analyse. Je kunt veel interessantere en diepgravender analyses doen door in modellen verschillende databronnen bij elkaar te brengen. Denk bijvoorbeeld aan gegevens uit je customer data platform, je CRM, uit je e-mail service provider, aan data uit je advertisingkanalen en webapplicaties en aan je offline klantgegevens.
Een model is een vereenvoudigde weergave van de werkelijkheid die de relatie tussen bepaalde soorten data weergeeft en vervolgens ook kan voorspellen wat er bij bepaald gedrag gebeurt. Op basis daarvan kun je vervolgens zeer gerichte marketingacties doen. Je maakt je data dan dus bruikbaar, of, zoals data scientists zeggen, actionable.
Het CLV Model
Voor marketeers is bijvoorbeeld het customer lifetime value (CLV) model interessant. Zo biedt het combineren van transactionele data met profielgegevens verrassende inzichten. Denk aan voorspellingen hoe lang een klant, klant blijft, wat ze in die periode ongeveer besteden, wanneer ze een vervolgaankoop doen en in welke context — zowel online als offline — de kans op een specifieke vervolgaankoop het hoogst is.
Met die uitkomst kun je bijvoorbeeld doelgroepgerichte campagnes starten. Als verzekeraar kun je op basis van de CLV bijvoorbeeld bepalen of je veel of weinig gaat investeren om iemand klant te laten blijven. En als je als retailer weet dat een klant de meeste aankopen via zijn mobiel in de webshop doet kun je daar gerichter gaan adverteren of specifieke aanbiedingen doen.
Het RFM Model
Het Recency, Frequency, Monetary Value model zegt iets over de laatste aankoop die iemand deed, de waarde daarvan en de regelmaat waarmee iemand aankopen doet. In elk van die categorieën krijgt een klant een bepaalde score. Daarmee kun je specifieke segmenten samenstellen die je kunt gebruiken voor marketingacties gericht op bijvoorbeeld retentie of acquisitie.
Dat is de actionable data waar je als marketeer naar op zoek bent: in elk van de segmenten kun je vervolgens bepaalde acties ondernemen om de RFM-waarde te vergroten. Stel bijvoorbeeld dat je een groep hebt gedefinieerd waarvan de kans groot is dat het loyale klanten worden. Dan kun je hen bij hun volgende aankoop een extra korting of een extra product cadeau geven om ze nog meer aan je te binden.
Een segment kan ook bestaan uit klanten die al lang geleden hun laatste aankoop bij je deden, maar daarvoor wel regelmatig iets bij je kochten. Voor die groep kun je je marketingacties richten op het terugwinnen van vertrouwen.
Meer data science
Dit was deel 1 van een serie blogs over Data Science en wat het voor jouw organisatie kan betekenen. In de volgende afleveringen bespreken we nog meer interessante voorbeelden én duiken we ook de techniek in.
