Deze website maakt gebruik van cookies. Lees meer of klik hier om te accepteren. Accepteren Lees meer

VCMB - Verbonden door creditmanagement kennis!
VCMB

Predictive analytics: de toekomst van uw organisatie

Als data ergens geschikt voor is, dan is het wel om toekomstige gebeurtenissen te voorspellen. Met predictive analytics krijgt u inzicht in toekomstig klantgedrag. Denk bijvoorbeeld aan de hoeveelheid producten die gekocht gaat worden, hoe een doelgroep reageert op een marketingactie of hoe lang iemand klant bij u blijft. Waardevolle informatie voor uw organisatie dus.

De voorspellende kracht van look-a-likes

Klanten lijken op elkaar. Als u weet welk gedrag klanten in het verleden hebben vertoond, is de kans groot dat nieuwe klanten die op hen lijken, look-a-likes, hetzelfde gedrag zullen vertonen. Dat is precies het principe achter predictive analytics. U gebruikt klantgedrag uit het verleden om gedrag van andere vergelijkbare klanten in de toekomst te voorspellen. Met predictive analytics krijgt u het antwoord op vragen zoals:
* Met welke aanbieding krijgt u de hoogste respons van een specifieke doelgroep?
* Welke klanten zeggen hun abonnement op of komen niet meer bij u terug (churn)?
* Welke klanten zullen hun rekeningen gaan betalen?
Overeenkomsten tussen klanten kunnen heel eenvoudig zijn. Vrouwen kopen bijvoorbeeld vaker een jurk dan mannen. Het wordt echter ingewikkelder en waardevoller als u meer variabelen meeneemt, zoals aankoophistorie, hobby’s of inkomen. Als u bijvoorbeeld weet dat klanten die eerder product x gekocht hebben in 60% van de gevallen product y kopen, kunt u daarop inspelen.

De kans dat iemand reageert

Een bekende vorm van predictive analytics is de responseanalyse. Hierbij onderzoekt u marketingacties die u in het verleden heeft uitgevoerd en kijkt u welke variabelen bijdragen aan de respons. U deelt eenvoudigweg het aantal behaalde respondenten door het aantal verstuurde uitingen. Vervolgens kijkt u welk onderscheid te maken is, bijvoorbeeld de manier van aanschrijven. Reageert een bepaalde groep beter op e-mails of op papieren mailings?
Kijk ook naar de aankoopgeschiedenis. Misschien komt u tot de conclusie dat personen die eerder een boek hebben gekocht, beter converteren op uw aanbieding voor een televisie dan personen die eerder kleding hebben gekocht. Met deze informatie kunt u in toekomstige marketingcampagnes uw acties afstemmen op wat look-a-likes in het verleden tot conversie heeft gebracht.

Voorspel welke klanten weglopen

Een ander goed voorbeeld van predictive analytics is de mogelijkheid om te voorspellen welke klanten u gaan verlaten, de churnkans. Door de historische gegevens van klanten die snel weg zijn gegaan te analyseren, kunt u voorspellen welke kenmerken bepalend zijn voor een hoge churnkans. De klanten met een hoge churnkans kunt u vervolgens benaderen met een speciale actie of attentie. Zo is de kans dat ze weggaan kleiner.

Hoe pakt u predictive analytics aan?

De basis van predictive analytics is data. In eerste instantie is het dus zaak om uw data op orde te krijgen; de datakwaliteit moet goed zijn. Er mogen geen dubbele records tussen de gegevens staan of foutieve informatie. Bovendien heeft u voldoende informatie nodig. Als u bijvoorbeeld het verschil in respons tussen bepaalde doelgroepen wilt onderzoeken, heeft u wel verklarende variabelen nodig. U kunt uw data hiervoor aanvullen, onder andere met CBS-gegevens of data van een externe partij.
Geef vervolgens aandacht aan uw onderzoeksopzet. Welke groepen gaat u met elkaar vergelijken? Stel dat u een e-mailing verstuurd heeft naar twee verschillende groepen klanten: kopers van product x en kopers van product y. U heeft bovendien twee verschillende e-mails gestuurd. Eén met de boodschap “Tweede artikel halve prijs” en de ander met “25% korting”. In dit geval zijn er vier verschillende groepen die u met elkaar gaat vergelijken.
Vervolgens gaat u aan de slag met analyseren. Idealiter doet u dit met softwarepakketten speciaal voor statistische analyses. Daar kunt u vele variabelen in meenemen en uitgebreide analyses en modellen mee opstellen. Met de juiste analyses kunt u bepalen welke verschillen significant zijn en een voorspeller voor toekomstig klantgedrag.

Relevant zijn voor de klant

Predictive analytics geeft belangrijke informatie voor de toekomst. U kunt uw marketingacties efficiënter maken en huidige klanten langer behouden. Zo kunt u beter sturen op wie, wat, wanneer en hoe. Daarmee maakt u uw aanbod relevanter voor de klant.
Bron : Focum

Gerelateerde artikelen

© 2018 VCMB Maatwerk software door Way2Web

Wanneer onderneemt u actie bij het signalen van betalingsachterstanden?

Laden ... Laden ...