Eind januari gingen drie van onze top data analysten, Remco Weijers, Joyce Thomas en Chris Ankomah, naar de DDMA data dag om zich te laten inspireren door alle sprekers en cases. En speciaal voor degene die er niet bij konden zijn hebben zij de belangrijkste en meest interessante inzichten even op rij gezet.
Customer obsessed companies
Reineke Reitsma van Forrester Research bevestigde in haar key-note waar wij bij Merkle sterk in geloven: het inspelen op de snel veranderende verwachtingen van klanten is essentieel om de klanten te blijven boeien en binden. Het gedrag van de klant verandert constant, wat een uitdaging vormt voor het personaliseren van het aanbod en de experience. Ongeveer 20% van de klanten kunnen omschreven worden als "empowered customers,", dit zijn klanten die hyper personalisatie verwachten. Terwijl de resterende 80% het juist eng vindt wanneer bedrijven websites, aanbiedingen en mailings extreem personaliseren. Naast het vinden van de juiste balans hiertussen, benoemde Reitsma hier ook de uitdaging van predictive analytics: in hoeverre zijn historische data de juiste bron voor het voorspellen van toekomstig gedrag?
In diverse onderzoeken ziet Reitsma dat de CX-scores afnemen, terwijl de benchmark verder stijgt. Er ontstaat een wedstrijd om de verwachtingen te overtreffen, maar juíst het laten stijgen van CX vereist de beschikbaarheid van data.
Een oplossing kan worden gevonden in het versterken van de relatie met de klant. Het bouwen van een loyale relatie, waarbij de klant ook het vertrouwen heeft om (meer) persoonlijke informatie te delen. Zodra een organisatie dat kan realiseren, dan zijn ze volgens Reitsma een ‘customer obsessed companies’. Wij bij Merkle noemen het ‘people-based marketing’.
Learning to learn
De presentatie van Pim Nauts van Bol.com riep zowel herkenning als vraagtekens bij ons op. Zijn oproep om engineering en data science meer te combineren om uiteindelijk de effectieve ontwikkeling van voorspelmodellen te realiseren, is bij Merkle al de praktijk. Bij ons werken deze disciplines, al dan niet in agile teams, veel met elkaar samen.
Zijn oproep om meer energie te steken in de verrijking van de data en het optimaliseren van modellen sprak ons aan. Hij benoemde hierbij dat we het als twee ‘flywheels’ kunnen zien, waarin de front-end voornamelijk representatief is voor het verzamelen van (meer) data en het verbeteren van de customer experience en de back-end in het gebruiken van deze data en het verbeteren van de voorspellingen. Daarnaast sprak zijn visie met betrekking tot het lerend vermogen aan: “fouten maken betekent veel leren”.
Wat wellicht vanzelfsprekend is voor Bol.com, kan voor andere organisaties echter een uitdaging zijn. De looptijden van analysetrajecten bij Bol.com vergen een investering, waar niet alle organisaties de diepe zakken voor hebben. Daarom kiezen wij eerder voor ‘proof of concepts’, waarmee we de impact van data en advanced analytics in de praktijk aantonen. Ook zetten we meer in op de methode van ‘design sprints’, waarmee we de initiatie en implementatie van voorspelmodellen in een relatief korte periode realiseren.
Next-best-action marketing
De case van DELA – over relevante communicatie door next-best action marketing – bewijst de uitdaging om, met behulp van data en analyse, de klant centraal te kunnen zetten in een traditionele omgeving. DELA maakt gebruik van een gelaagd model met data, decisions en delivery. Dit model bewijst dat het mogelijk is om data daarin leidend te laten zijn en daarmee realiseert het gepersonaliseerde multi-channel marketing. Plus, het combineert offline en online media op een slimme manier. Een aanpak welke we herkennen door de inzet van een DMP.
DELA erkent dat klantherkenning, vooral bij prospects, nog een uitdaging is. De koppeling van media en het stroomlijnen van de experience is een interessante uitdaging. DELA geeft ook toe dat er nog zeker sprake is van work-arounds, bijvoorbeeld het digitaal verzenden van de polis via een link naar de MijnDela omgeving.
De "ensemble optimization" aanpak was dan ook zeker interessant. Hierbij vormt de gedeelde uitkomst van drie verschillende voorspellingsmodellen de input van de next-best-action strategie. Vragen die daarbij wel naar boven kwamen waren: "wat gebeurt er als je de variabele ‘contactdruk’ meeneemt in het bepalen van de next-best-action? Of als je niet het volgende contact wilt voorspellen, maar het eindresultaat van een opeenvolging van contacten, over meerdere kanalen of media?"
Customer Data Award
KPN werd bekroond met de DDMA Customer Data Award. Mark van der Vlies toonde aan dat KPN in staat is geweest om klantwaarde te laten stijgen door het toepassen van geautomatiseerde next-best-actions.
KPN profiteert sterk van de effectieve inzet van klantdata en van meer dan 30 analytische modellen voor het bepalen van de next-best-actions. Onder meer de toepassing van attribute modelling en van machine learning werden benoemd in de case.
De case van KPN is verder hét bewijs dat het beste resultaat wordt geboekt door mensen met data te laten werken. Dat betekent enerzijds dat KPN aandacht heeft gestoken in het bij elkaar brengen van mensen met relevante kennis en/of ervaring met analytics en toepassingen waarin (klant)data wordt verwerkt. Maar de kracht zit hem vooral in het samenstellen van multidisciplinaire teams: analisten en mensen uit de business samen brengen. Niet op je eigen eiland zitten maar van elkaar leren en elkaar uitdagen om zo tot de beste en meest efficiënte oplossing te komen.
Anderzijds betrekt KPN de klantenservice medewerkers bij het proces en ontwikkelen ze in samenwerking een effectieve user interface. Daarmee kan men effectief en efficiënt registreren welke acties de klant heeft ondernomen. Daardoor is men in staat in te spelen op de volgende vraag of wens van de klant.
Conversie attributie
Van de case en presentatie van Hyundai gingen we op het puntje van onze stoel zitten. Bewijs leveren voor een optimale media inzet door inzichten uit conversie attributie in te zetten.
Dit onderwerp staat namelijk steeds vaker op de agenda wanneer we spreken met adverteerders en marketeers. Merkle heeft de nodige ervaring hiermee dankzij de samenwerking met Dentsu Aegis Network.
En inderdaad, er kwam een interessante uitleg over ‘Conversion Attribution Modelling’. Er volgde een uiteenzetting van de onvolkomenheden van standaard conversie attributie modellen (i.e. first-click, indirect last-click etc), ter argumentatie voor het gebruik van een persoonlijk conversion attribution model. Zeker ook de integratie van de offline media kanalen in het model zijn interessant: wanneer voeg je deze toe in de customer journey? Exact kunnen we dat nog niet meten, dus dit zal altijd gaan op basis van aannames. Vervolgens gebruikt men de gehele data driven conversion attribution in combinatie met de marginal CPA om zo het media budget te optimaliseren. Iets wat bij ons bekend is onder de naam Media Mix Modelling.
Klantwaarde (CLV)
Misschien minder advanced in de toepassing van analytics, maar zeker niet minder inspirerend was de presentatie van Dina Awwad van Helloprint. Zij liet zien dat je de organisatie, met name marketeers, meer bewust moet laten zijn van de resultaten van alle (marketing)inspanningen door consequent af te rekenen op klantwaarde (CLV). Het streven is om de juiste balans te vinden tussen acquisitie en retentie. Deze bewustwording creëer je door de inzichten actionable en zichtbaar te maken en de reports, dashboards en belangrijke KPI’s overal zichtbaar te presenteren.
Goede tip van Dina: bepaal CLV niet op de eerste aankoop, want die is vaak niet representatief voor de vervolgaankopen.
Kortom, een inspirerende dag met goede cases en een waardige winnaar van de Customer Data Award!
