Wie wil er nou niet kunnen voorspellen welke klanten het meest warm zijn voor zijn producten of diensten?
Bij Leadgate zijn we al een tijdje aan het nadenken over het voorspellen van gedrag op basis van data. Met een dure omschrijving heet dit ‘het toepassen van predictive analysis in marketing’. Iets wat wij voor onze toekomst absoluut zien als noodzakelijk om ervoor te zorgen dat de data die we nu al verzamelen extra toegevoegde waarde gaat leveren voor onze klanten. Een reis van gedrag naar data…
Nu predictive analysis nog relatief in de kinderschoenen staat, zijn we al wel op onderzoek gegaan naar wat er momenteel mogelijk is op dit gebied. Zo hebben we een Data Scientist van een bevriende organisatie uitgenodigd om die eens stevig aan de tand te voelen, hebben we vele webinars gevolgd en flink wat whitepapers verslonden. Uiteindelijk zijn we voor de korte termijn op een vijftal maatregelen gekomen om in ieder geval te beginnen met iets wat op Predictive Analysis begint te lijken. Hieronder volgen ze:
Aan enkel de data uit je marketing platform heb je uiteindelijk te weinig voor predictive analysis. Met een predictive analytics platform kun je alle bedrijfsdata vanuit je marketing-, sales-, financiële-, technische-, support- en productafdeling samenvoegen om een overkoepelend beeld van je klanten of eventueel prospects te kunnen vormen.
Wanneer je eenmaal toegang hebt tot al je data, maak dan gebruik van je analytics platform om verschillende profielen (mogelijk buyer persona) te creëren van je beste klanten. Welke klantreis legden zij af en hoe loyaal of ‘raving’ zijn ze ten opzichte van je organisatie? Hebben ze eerst een demo van je product bekeken of een blog op Linkedin gelezen? Kortom, op welke marketingactiviteiten hebben ze gereageerd, wat waren de redenen dat ze bij je kwamen en waarom zijn ze uiteindelijk tot aanschaf overgegaan?
Met een predictive analytics platform kun je vervolgens uitrekenen welke eerder genoemde gedragingen optimaal combineren en correleren om te zien hoe het beste van een prospect een klant gemaakt kan worden. Wanneer dit duidelijk is, is het belangrijk om deze informatie om te zetten in klantreizen, deze te testen en ten slotte te meten wat het beste werkt, waarna je later eventueel een nieuwe, geoptimaliseerde, voorspelling kunt doen.
Door op basis van het gedrag je klanten en prospects cijfers te geven, creëer je een model waarmee je aan de hand van cijfers kunt voorspellen hoe warm een prospect is. Wanneer je een profiel hebt gecreëerd van je beste klanten, kun je op basis van deze data voorspellen welke prospects de grootste kans hebben om tot een aanschaf bij jouw organisatie over te gaan. Je salesafdeling houdt nu al van je!
Nu je hebt uitgerekend wanneer een prospect warm is voor je organisatie, kun je door het creëren van nieuwe data in de vorm van workflows gaan voorspellen welke klantreizen het snelst overgaan in de aanschaf van een product of dienst. Maak meerdere klantreizen (workflows) door er telkens kleine stukjes aan te wijzigen en probeer steeds nieuwe soorten content om te zien wat voor het beste resultaat zorgt.
Een nieuwe klant kost altijd meer dan een bestaande klant. Naast dat je op basis van het gedrag van je bestaande klanten kunt uitrekenen welke je heetste prospects zijn, kun je ook de loyaliteit van je huidige klanten berekenen. Kijk naar het traject dat een huidige klant, die je heeft aanbevolen aan een nieuwe klant, heeft afgelegd. Probeer ook deze reis weer opnieuw uit bij andere bestaande klanten en bekijk weer of zij je aanbevelen. Kortom volg je dezelfde stappen als bij een prospect, maar pas het toe op je bestaande klantenset.
Hierbij een eerste reis van gedrag naar data. Hopelijk komen we bij Leadgate de komende jaren nog veel verder dan dit en halen we overal data vandaan om nog meer te kunnen voorspellen. Ik houd je graag op de hoogte…