Hoe goed ken jij je klant?

Zonder data van je klanten, abonnees of gebruikers ben je tegenwoordig nergens. Het helpt je bij het beantwoorden van vragen als: wie zijn mijn klanten precies? En waarom zie je sommige klanten niet terugkomen? Door informatiebronnen aan elkaar te koppelen kun je inzichten naar boven halen die deze vragen beantwoorden. Deze koppeling is een verrijking van je data.

img

Verzamelen van data

Het verzamelen van klantgegevens ging voorheen op papier, tegenwoordig digitaal. Denk aan het delen van gegevens bij online aankopen, ‘cookies’ bij het bezoeken van websites, of de bonuskaart van de Albert Heijn. Door economisch deel te nemen, laat je sporen van data achter. Als organisatie verzamel je ook data van je klanten, abonnees of gebruikers. Maar hoe gebruik je deze data om tot inzichten of voorspellingen te komen?

Mosaic model

Iedereen heeft zijn eigen ‘life journey’. Na de middelbare school ga je mogelijk studeren. Je studie bepaalt voor een groot deel je inkomen. Je gaat een woning huren of wellicht een woning kopen. Is dit een nieuwbouwhuis, een rijtjeshuis of een sociale huurwoning? Krijg je een gezin? Waar ga je naar toe op vakantie en waar doe je je boodschappen? Stel dat je deze informatie tot je beschikking hebt, dan kun je dankzij data-analyses weten wie je klant echt is.

Als AnalyseCentrum werken we met data van het Mosaic model. Alle gedragingen van alle huishoudens in Nederland zijn hierin vanuit verschillende databronnen in kaart gebracht. Deze data zijn deels registratiedata zoals demografische gegevens en deels gemodelleerde data uit diverse onderzoeken. Deze data geven voorspellingen over bijvoorbeeld het merk koffie dat je drinkt. De gedragingen zijn ingedeeld in 50 groepen en noemen we profielen. Huishoudens binnen een groep vertonen sterk homogeen gedrag en bewegen zich op een bepaalde manier door het leven.

 

img

Mosaic-model

Voorbeelden van registratiedata:

 

  • Bruto gezinsinkomen
  • Opleiding
  • Werksituatie
  • Auto’s in huishouden

Voorbeelden van gemodelleerde data:

 

  • Vakanties
  • Interesses en activiteiten
  • Koopgedrag
  • Bezit van apparatuur

Toekomst voorspellen

De omgeving Amsterdam is anders dan de omgeving Enschede; er wonen mensen met andere profielen. Dit weten we dankzij onze data. We kunnen op basis van de ‘life journey’ ook voorspellingen maken. Als je van de wijkbewoners binnen een stad weet wat hun werkgebied is en welk type huishouden er woont, dan kun je meerdere zaken inzichtelijk maken door de databronnen aan elkaar te koppelen. Bijvoorbeeld: moeten er nog woningen worden bijgebouwd? Gaan de eenzame ouderen toenemen en blijven er nog jonge huishoudens wonen? Maar ook welke openingstijden moet ik hanteren en waar wonen mijn prospects? Vragen die middels het Mosaic-model beantwoord kunnen worden.

Datafundament

De koppeling van verschillende databronnen kan inzichten geven om tot een voorspellend beeld te komen rondom klanten, woonsituaties en werkgebieden. Onderbuikgevoelens worden bevestigd of ontkracht dankzij deze onderbouwing. Doelen en plannen krijgen hiermee een datafundament. Dit maakt de toekomst voorspellen wel heel gemakkelijk.

 

Adelien van Kootenvankooten@analysecentrum.nl

img

Adelien van Kooten