6min

Big data, je hebt er vast weleens van gehoord. Om een indruk te geven van de aantallen waar we het hier over hebben:

  • 188 miljoen verstuurde e-mails
  • 4,5 miljoen weergaven op YouTube
  • 390.030 appdownloads
  • 55.140 geposte foto’s op Instagram
  • Bijna 10.000 Uber-ritten

Dat is elke minuut, dag in dag uit.

Klanten zijn tegenwoordig best bereid om hun persoonlijke gegevens af te staan als daar een hoogwaardige interactie met de verkopende partij tegenover staat. Die schat aan klantinformatie is voor marketeers een geweldige kans om eindelijk dat ongrijpbare ‘complete klantbeeld’ te realiseren. Maar met de oude, vaak nog handmatige datamining- en analysemethoden gaan ze dat niet redden, gezien de gigantische hoeveelheid data die ze moeten verwerken en de snelheid waarmee er steeds weer nieuwe data bijkomt.

Kunstmatige intelligentie (AI) biedt uitkomst. De krachtige modellen en algoritmen van AI bieden marketeers en marketingorganisaties inzicht in de vele petabytes aan data waarmee ze vandaag de dag te maken hebben.

In het bedrijfsleven zijn al compleet nieuwe bedrijfstakken ontstaan die zich bezighouden met het produceren, vastleggen, opslaan en benutten van al die data. Zo kunnen marketeers voor het samenstellen van hun marketingstrategie nu al meer dan 7000 gespecialiseerde bedrijven inschakelen. In 2019 gebruiken marketingorganisaties gemiddeld vijftien databronnen (in 2017 waren dat er nog tien). Hieronder volgen drie manieren waarop je met AI een compleet klantbeeld kunt realiseren én benutten.

1. Achterhaal de identiteit van je klanten om hen te bereiken, in plaats van hun apparatuur

Een 360 graden klantoverzicht is altijd op identiteit gebaseerd. Marketeers moeten eerst weten met wie ze te maken hebben, anders kunnen ze geen doeltreffend gesprek voeren. En dan hebben we het niet alleen over klanten die hun persoonsgegevens al hebben afgestaan. Identiteitsdata kan ook deels uit surfgedrag en gebruikte apparatuur bestaan.

Conceptueel gezien is het bepalen van iemands identiteit heel simpel, want dat is een kwestie van twee datapunten aan elkaar koppelen (zoals een e-mailadres, telefoonnummer of klantenkaartnummer). Lastiger wordt het als consumenten via allerlei verschillende kanalen contact met een merk hebben zonder zich op de een of andere manier kenbaar te maken. En dat is precies wat er tegenwoordig steeds vaker gebeurt. Als je dan bedenkt dat bijna twee derde van alle klanten een transactie op het ene apparaat begint en op het andere afrondt, begrijp je vast voor welke enorme uitdaging marketeers staan (State of the Connected Customer).

Het goede nieuws is dat er dankzij AI krachtigere algoritmen beschikbaar zijn die ook patronen kunnen herkennen als er geen persoonsgegevens voorhanden zijn voor een rechtstreekse, deterministische match. Dit wordt probabilistische matching of ‘fuzzy matching’ genoemd. Marketeers kunnen hiermee het potentiële bereik van hun content vergroten en die beter op de ontvanger toespitsen. Stel, iemand heeft vanaf hetzelfde IP-adres op twee verschillende apparaten, bijvoorbeeld een telefoon en een tablet, naar soortgelijke websites en content zitten kijken. Normaal gesproken zou deze persoon op elk apparaat een standaardmarketingboodschap te zien krijgen, omdat er twee profielen zijn, een voor elk apparaat. Maar als je AI binnen een bepaalde waarschijnlijkheidsmarge haar magische werk laat doen, kan de identiteit van deze persoon aan beide apparaten worden gekoppeld. Dat betekent dat we nu met de persoon achter het apparaat te maken hebben, in plaats van met alleen het apparaat. Hierdoor is het mogelijk om deze persoon een gerichtere aanbieding te sturen, ongeacht op welk apparaat die zit te browsen. Het enige wat hiervoor nodig is, zijn de data die op de verschillende apparaten van deze persoon zijn verzameld.

Als je voor de keuze tussen deterministische of probabilistische identiteitsbepaling staat, stel jezelf dan de volgende vragen:

  • Wil je een 100% match? (Zo ja, kies dan voor de deterministische variant)
  • Is het voldoende als een match zeer waarschijnlijk correct is, waarbij je zelf de waarschijnlijkheidsmarge bepaalt? (Zo ja, dan is de probabilistische variant of een mix van beide waarschijnlijk een goede keuze)
  • Zou een verkeerde match nadelige gevolgen hebben voor wat je gaat sturen? (Zo ja, houd het dan bij de deterministische variant)

2. Kies voor een voorspellende vorm van progressive profiling

Je weet nu wat de identiteit van je klanten is. Dat betekent dat je ze gepersonaliseerde content kunt gaan sturen. Marketeers maken hiervoor gebruik van segmentatie, zodat ze heel gericht op basis van klantprofielen en gedragskenmerken kunnen werken.

Maar hoe goed ken je je klanten eigenlijk? En benut je alle beschikbare data en inzichten? Voor veel marketeers luidt het antwoord ‘nee’. En niet omdat ze dat niet willen, maar omdat ze daarvoor niet voldoende mankracht hebben en de hoeveelheid data om door te spitten gewoon te groot is.

AI kan op twee manieren uitkomst bieden. Allereerst kun je met voorspellende machine learning-modellen het klantprofiel aanvullen. Misschien ben je al bekend met  progressive profiling, een veelgebruikte techniek waarbij marketeers hun klanten vragen stellen en via hun expliciete antwoorden gaandeweg allerlei extra informatie verzamelen. Maar ook deze benadering kan niet voorkomen dat er hiaten ontstaan. Klanten reageren lang niet altijd op de veelgebruikte enquêtes die ze per e-mail, via het web of soms zelfs persoonlijk aangeboden krijgen.

Marketeers die in plaats daarvan de interacties en het gedrag van hun klanten observeren en daar vervolgens een of meer AI-modellen op loslaten, kunnen het gedrag en de voorkeuren van hun klanten afleiden en zelfs voorspellen.

Als je het gevoel hebt dat er hiaten zitten in wat je over je klanten weet, of als er bepaalde gegevens zijn waarmee je het klantprofiel wilt aanvullen, zijn de volgende stappen voor jou mogelijk interessant:

  • Stel eerst een strategie voor progressieve profilering op, om op gezette tijden iets van je te laten horen. Niet om iets te verkopen of te positioneren, maar om je klanten om aanvullende informatie te vragen en die vast te leggen
  • Als je doelgroep maar mondjesmaat op je berichten en enquêtes reageert, kun je kijken of voorspelde kenmerken de hiaten kunnen opvullen. Denk bijvoorbeeld aan het soort content of producten waarin een klant geïnteresseerd is, of het communicatiekanaal van zijn of haar voorkeur

3. Leg nieuwe persona’s binnen je doelgroep bloot

De tweede manier om je klanten met behulp van AI beter te doorgronden, is door met nog geavanceerdere tools en clusteranalysemodellen uiterst bruikbare inzichten uit hun data te distilleren. Marketeers kunnen op die manier niet alleen een bestaand segment verfijnen door er nieuwe kenmerken aan toe te voegen, maar zelfs complete persona’s in hun bestaande doelgroep blootleggen – persona’s waaraan ze niet eens hadden gedacht en waar ze dus ook niet naar op zoek waren. Dit heeft grote gevolgen voor de manier waarop marketeers hun klanten voor een bepaalde campagne benaderen. Ter illustratie een (fictief) voorbeeld:

De Buitensportgigant is een retailer in buitensportartikelen en outdoor kleding die zich op de actieve buitensporter richt. Deze retailer weet dat een groot deel van zijn klanten veelvuldig wandelt en stuurt die klanten gericht relevante content en aanbiedingen. Maar toen het bedrijf een AI-clusteranalyse uitvoerde, ontdekte het verschillende persona’s binnen het wandelaarssegment, zoals glampers, die een hoogwaardige uitrusting en het nodige comfort willen, en hightechwandelaars, die vooral in de laatste snufjes en innovaties geïnteresseerd zijn. De retailer kan zijn marketingstrategie nu dus aanpassen en de glampers en hightechwandelaars via twee verschillende campagnes relevante content sturen. Bijvoorbeeld reclame voor een draagbaar koffiezetapparaatje naar de glampers en informatie over het allernieuwste gps-horloge naar de hightechwandelaars.

Als je al aardig wat over je klanten weet en je je segmentatiestrategieën op orde hebt, zijn deze vragen relevant voor jou:

  • Zijn mijn huidige doelgroepen en segmenten groot en breed?
  • Zijn er mogelijk kleinere (maar nog steeds significante) segmenten met verwante kenmerken die een andere invalshoek vergen?

Als het antwoord op deze vragen ‘ja’ is, kun je het best de hulp van je  data-analist inschakelen (als je die hebt) of op zoek gaan naar speciaal ontwikkelde AI-tools waarmee je deze analyse kunt maken, allemaal met als doel om inzichten op te doen die voor je marketingstrategie van belang zijn.

De duiding van big data kan een enorme uitdaging zijn, vooral als je niet op een team met datawetenschappers kunt terugvallen. Maar AI-technieken zijn inmiddels ook doorgedrongen tot zakelijke tools, dus ook jij kunt de identiteit van je klanten achterhalen, je doelgroep beter leren kennen en effectievere campagnes opzetten.

Wil je weten hoe marketeers met behulp van big data en AI op een totaal andere manier aan klantenbinding doen en via één compleet klantbeeld veel meer inzicht in hun klanten hebben? Download dan de vijfde editie van het State of Marketing rapport. Daarin komen alle nieuwe trends aan bod.

Dit is een ingezonden bijdrage van Salesforce. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.