Kennis

Begrijpt je data je klant wel?

down-arrow

Voor: marketing managers, digital en insight managers
Leestijd: 10 minuten

Dit artikel is onderdeel van een blogserie over herkenbare signalen voor organisaties die zich oriënteren op een meer datagedreven marketingaanpak. Om via bijvoorbeeld een Customer Data Platform en Marketing Automation leads en klanten beter te begrijpen en helpen. Van deze signalen is ook een verkorte whitepaper beschikbaar met klantvoorbeelden en eenvoudige business case.

Het draait om je data, het gáát om je klant

Gegevens van klanten verzamelen is relatief eenvoudig. Die gegevens goed ontsluiten lastiger, maar met hulp steeds beter te doen. Ze zo gebruiken dat je klant er ook echt iets mee opschiet, via bijvoorbeeld marketing of proces automation, is nog steeds een enorme uitdaging.

En dat levert dan weer heel veel leermomentjes en discussies op. Maar ook voordelen voor iedereen. Het is maar net vanaf welke kant en op welk moment je het bekijkt. In het weekend en bij de borrel maken we ons druk over wat er met onze data gebeurt. De retargeting banner die je online blijft achtervolgen staat inmiddels symbool voor communicatie die onprettig aanvoelt. Waarna je vervolgens vrolijk op maandagavond tijdens het online shoppen -op weg naar dat leuke jurkje met 10% korting- in no-time al die vervelende advertentiecookies hebt geaccepteerd en alle formuliervelden hebt ingevuld. Niets menselijks is ons vreemd.

Je zou soms bijna vergeten dat het bij het delen van gegevens gaat om het bekendmaken van klantwensen. En bij het verzamelen van gegevens om het begrijpen van klanten. Geen tegengesteld belang. Want als je geen zicht hebt op wat klanten willen, hoe kun je ze dan helpen? En als je geen inzicht geeft in wat je wilt, hoe kun je dan goed geholpen worden? Zolang het maar helder en duidelijk is, want vertrouwen is de basis van iedere relatie. En daarmee de spil waarop het omgaan met data draait. Er spelen regelmatig privacy issues op dat gebied. Die zijn belangrijk en interessant, maar gaan meestal vooral over gevallen waarin er bewust of onbewust verkeerd gebruik van data gemaakt wordt. Laat dat vooral niet het uitgangspunt zijn als je prospects beschouwt als toekomstige klanten, en je met klanten graag aan een goede relatie werkt. Door een persoonlijke aanpak, dat is het hele principe achter datagedreven werken.

Om echt meerwaarde uit je data te halen zul je dus –ook als je daarmee al bezig bent- nog veel meer aan de slag moeten met het begrijpen van je klantdata, ga daar maar vanuit. Elke stap die je zet, toetsen aan wat het je klant en jullie relatie oplevert. Ook als dat niet direct een commercieel belang dient. Hoe doe je dat aan de hand van je klantdata?

Hoe betrouwbaar is klantdata?

Bij het verzamelen van veel gegevens is het de kunst om in de massa’s data van heel veel klanten de individuele klant(wens) nog te begrijpen. Ik schrijf massa’s, maar het punt waarop dat een kunst wordt is al best snel bereikt. Bedenk zelf eens: hoeveel personen uit jouw 500+ LinkedIn netwerk ken je echt goed? Of een beetje goed? En wat is goed? Je brein verzamelt een serie ‘harde’ en ‘zachte’ waarden. Tenminste, zo rationeel denken we vaak. Je collega’s, ex-collega’s, bazen, relaties en vrienden worden aan de nodige herinneringen gekoppeld. De data bij hun profiel vertelt de rest. Betrouwbaar? Laten we zeggen, min of meer. Ook dat is belangrijk om in het achterhoofd te houden bij de data die je krijgt van klanten. De data vertelt je niet alles. Niet zomaar. Tijd om je volgende stap te zetten. Of om je huidige datamodel en activatie grondig te heroverwegen.

Data helpt je, logisch nadenken ook

Als je hersenen al moeite hebben met het interpreteren van zogenaamde feiten of wensen, dan geldt dat zeker voor al die ‘harde klantgegevens’ in je klantdatasystemen. Die vertellen je ook nooit exact wat een klant wil. Alleen, zonder die data ben je aangewezen op het behandelen van iedere klant als vage kennis. Elke afdeling in je organisatie behandelt dezelfde klant naar eigen inzicht en ervaring. Compleet gescheiden van de andere communicatie vanuit je organisatie. Herkenbaar?

En we wilden onze klanten toch juist beter begrijpen. 360 graden, om een hippe term te gebruiken. Beter begrijpen betekent meer inzicht krijgen hoe je een betere relatie kunt opbouwen. Met prospects, want die kennen we nog niet goed. Met klanten, want die willen we graag behouden. Inzicht dus. Dat begint wel met het krijgen van gegevens. Het maakt nogal uit welke gegevens. Ook daarin geldt de wet van logica.

Heel concreet: een geboortedatum vragen als iemand even een rapport wil downloaden of een accessoire in je webshop bestelt… Echt? Zou je dat in een fysieke omgeving doen? “Kijk meneer, hier is het oplaadkabeltje dat u zoekt. Trouwens, mag ik vragen wanneer u geboren bent?” Stel jezelf voor ieder gegeven dat je vraagt of verzamelt alsjeblieft de vraag of het bijdraagt aan de relevantie in je communicatie met klanten en het vertrouwen in je organisatie. Dit artikel focust op het bouwen aan inzicht uit die data. Inzicht dat echt iets zegt over je prospect en klant. Zodat je dat inzicht kunt gebruiken.

Personalisatie is een business case | Ternair
Lees ook
Personalisatie is een business case

Verzamelen, ontsluiten, automatiseren van je data

Hoe is klantdata bij jullie georganiseerd? Bij 9 van de 10 organisaties die ik tegenkom wordt data van klanten op meerdere plekken verzameld. Kan ook bijna niet anders. Zelfs een CRM of Datawarehouse dat vrijwel alle relevante informatie zou moeten bevatten, doet dat niet. De meeste systemen zijn uiteraard gemaakt om heel efficiënt een specifiek proces af te handelen. En bij de helft daarvan is er ook nog wat maatwerk klantinteractie software gebouwd. Handig toch? Niet per se. Overal waar interactie is, ontstaan stukjes informatie. Fragmenten van een puzzel. Het bezoeken van de website, het contact met klantenservice, met sales. Bestelhistorie in het ERP, facturatiemomenten, de e-maillijst en het klikgedrag op verzonden e-mails.

Allemaal vertellen ze iets over je klant of prospect op dat moment. En met een beetje pech schuiven we dagelijks druk al die fragmenten naar verschillende databases en kanalen, met veel onnodig handwerk, programmeerwerk en kans op fouten. En zo is dan de kennis van onze klant georganiseerd, zo geven we de communicatie vorm en dat is dan onze klantrelatie…

Toch zijn al die systemen natuurlijk wel degelijk met de juiste insteek ontworpen. Dagelijks is iedereen druk in zijn of haar systeem, klantenservice doet de klantenservice, sales doet de sales, en de CRO-marketeer beheert en verbetert de website en webshop. Als het goed is, proberen we op al die plekken informatie op te slaan die helpt bij het begrijpen van een klant. Of we verstevigen en verbeteren een specifieke ervaring of relatie. Maar waar gebeurt dit integraal? Wie heeft het overzicht? Het blijft een optelsom van losse waarheden.

 

Ontsluiten van je data

Dit alles maakt het ontsluiten van al die klantdata op een manier waarop je er iets aan hebt een van de meest onderschatte onderdelen als het gaat om het einddoel. Inzicht, het begrijpen van je klant. Het is het ultieme snijvlak van IT en Business waar misverstanden, verschillende doelstellingen en leveranciers met ultieme alles-in-één-oplossingen zich ophopen. Want ja, zo’n mooie, alles overstijgende heilige graal, dat wil iedereen. Menig implementatie consultant herkent het. De marketingafdeling en ‘digital’ willen zo snel als mogelijk naar het populaire 360 gradenbeeld van de klant. Wie wil dat niet? Maar wat houdt het in?

Kun je benoemen hoe je aan 100, 250 en 360 graden komt? Veel projecten lopen al stuk in deze fase. De beoogde alles-in-één oplossing blijkt net niet alles te kunnen en ook niet in-één. Frustraties alom. Het belang van een partner die in deze fase met je mee denkt en die een flexibele ontsluiting biedt en houdt, is groot. Met flexibel bedoel ik dat je er blijvend in kunt sleutelen. Immers, je data geeft niet direct alle inzicht, daar moet je echt heel hard aan werken.

 

Automatiseren op basis van data

De mogelijkheden om gegevens in context te plaatsen en er nieuwe inzichten uit te halen nemen toe. Kunstmatige intelligentie (AI) is populair voor het analyseren van gegevens van klanten. Toch is ook hier gezond verstand en logica het beste beginpunt. Het verkeerd interpreteren en gebruiken van gepersonaliseerde data leidde de afgelopen jaren tot de grootste missers en frustraties bij klanten. Start met het automatiseren van logische activaties op basis van je data. Denk als de slager op de hoek. Hoe gaat hij met de kennis van zijn klanten om? Daarvan leer je zo ontzettend veel over de impact van het datagebruik op je klantrelatie. In mijn ervaring levert het je twee dingen op:

(1) Zoek het dicht bij huis. Grote kans dat een of twee specifieke automatiseringen op basis van je data al de ROI-, conversieverhoging, efficiency of verbeterde klantervaring opleveren waar je naar op zoek was.
(2) Als het fundament eerst logisch is getest, vlieg je bij verdergaande automatisering niet uit de bocht. Laat technologie pas voor je werken als je zelf de meerwaarde van je klantdata begrijpt.

Data flexibel kunnen modelleren is zó belangrijk

We begrijpen onze klanten dus beter dankzij data, maar niet door ernaar te staren met specialisten. Zo simpel is het. Het is een leerweg. Net zoals jij mensen alleen echt leert kennen door met ze om te gaan. Dat maakt ook direct duidelijk dat het verzamelen, ontsluiten en gebruiken van data voortdurend met elkaar in beweging is. De meeste CRM en marketing automation software gaan nog uit van een model dat de volgorde Verzamelen – Ontsluiten – Gebruiken volgt. Met steeds meer en prachtige opties toegevoegd, maar binnen dat statische datamodel. Probeer als business gebruiker precies andersom te denken: het uitgangspunt is je klant leren kennen. Daarvoor is alles wat je bij het gebruiken van je data leert over je klant van invloed op WAT je verzamelt en HOE je het ontsluit. Zorg dus dat je daarin flexibel kan blijven. De gekozen techniek mag geen fait accompli zijn.

Hoe begin je?

We zijn niet allemaal Google of Facebook. Of wat dichter bij huis, Coolblue en Booking. Ook van oorsprong ‘fysieke’ organisaties hebben bij een klantenbestand van 5.000 of 10.000 al geen idee meer wat hun individuele klanten op elk moment bezighoudt. Terwijl de hoeveelheid off- en online data groeit, altijd groter en sneller uit te breiden is dan je denkt. Trouwens, als zelfs de techgiganten nog met koop-, kijk- en luistersuggesties komen die als een tang op een varken slaan, is er voor iedereen genoeg werk aan de winkel. Ook voor de gemiddelde retailketen, de producent van diervoeding en de beursorganisator. Daar heb je ook niet altijd een afdeling datascientisten, marketingspecialisten en database deskundigen voor nodig. Het begint met de uitgesproken wens om meer leads en klanten beter te willen bedienen, gevolgd door een plan voor een praktische data- en marketingaanpak en een business case. Dan kun je starten met je zoektocht naar een passende partner. Passend qua software en vooral ook DNA. Daarmee zet je eerst de meest logische personalisaties en geautomatiseerde klantprocessen in. Zo bouw je aan de business case, aan kennis en skills binnen je organisatie en aan beter begrip van je klanten.

Conclusie

Data is geen hype, geen trend, het is altijd al de taak van marketing geweest om klanten te leren begrijpen. Data helpt daarbij. Niet van zichzelf, maar als grondstof voor inzicht. Dat gaat bij grote aantallen klanten of databronnen simpelweg niet lukken zonder data en marketingtechnologie. Zolang je bij die technologie maar flexibel blijft en altijd voor ogen houdt dat het doel is de data te begrijpen. Data vertelt je niet alles in een keer, dat doen je vrienden ook niet. Maar eenmaal goed ontsloten leer je klanten beter kennen, kun je ze beter helpen. En dan is data niets anders dan een manier om een grote hoeveelheid relaties beter te bedienen. Niet omdat ze dat van je eisen. Al helemaal niet als ze daar geen zin in hebben. Maar omdat ze daar blij van worden!

Webinar 4 voorbeelden van Marketing Automation | Ternair.com
Meld je aan
4 concrete voorbeelden van Marketing Automation
Volgende

Marketing automation kiezen: in 4 stappen van oriëntatie naar selectie

Vorige

(E-mail)personalisatie, hoe pak je dat nou aan?