Online marketing bestaat niet
Door de hoge penetratie van internet is het onderscheid tussen online en offline klanten verdwenen. Er is slechts een klant en daarmee heb je zowel online als offline contact. Maar veel organisaties hebben nog steeds twee verschillende afdelingen die zich onafhankelijk van elkaar op dezelfde klant richten. Een belangrijke reden hiervoor is het ontbreken van een integraal klantbeeld. Wanneer dit er wel is kunnen online en offline marketing elkaar versterken en ontstaat een centrale afdeling direct marketing. Internet is daarmee weer gewoon een van de kanalen geworden, en meer is het natuurlijk ook niet.
I Hoe je met online gedrag de resultaten van offline marketing kunt verbeteren
Het toepassen van inzichten in online klantgedrag bij offline direct marketingcampagnes staat bij veel organisaties nog in de kinderschoenen. Hierbij worden klanten niet alleen gesegmenteerd op basis van profielkenmerken, zoals leeftijd of geslacht en het offline gedrag van de klant, maar ook op basis van het online (surf)gedrag van de klant.
Case: Event driven marketing bij een uitgeverij
Uitgangssituatie
Een uitgever van een dagblad heeft de laatste jaren steeds meer moeite om abonnees te behouden. Om de uitstroom te verlagen wil de uitgever graag tevoren weten welke abonnees een verhoogde kans hebben om de krant op te zeggen. Hiervoor wordt een churnmodel ontwikkeld. Het is bekend dat gedrag uit het verleden de beste voorspeller is van gedrag in de toekomst, maar de enige gedragsvariabele die ter beschikking is, is de betaling. En dat is te weinig voor het churnmodel.
Werkwijze
Veel van zijn klanten maken gebruik van de website van het dagblad om op de hoogte te blijven van het laatste nieuws. Gemiddeld wordt de website ongeveer drie keer per dag door een abonnee bekeken. Op internet zijn voor abonnees extra diensten gratis beschikbaar gesteld. Hiervoor moet wel op de site worden ingelogd, waardoor bekend is wie, wanneer, hoe vaak en wat op de site bezoekt. Deze gegevens kunnen worden gebruikt om opzeggers te voorspellen.
Resultaa
Er wordt een analyse gemaakt van de klanten die opzeggen en het blijkt dat weglopers in de maand voordat zij opzeggen meerdere keren de contactpagina met de algemene voorwaarden bekijken. Het webgedrag blijkt aldus een belangrijke voorspeller te zijn van het opzeggedrag. Klanten die dit gedrag online laten zien, worden tijdig offline benaderd met een speciaal aanbod waardoor het opzegpercentage sterk terugloopt.
Conclusie
De toevoeging van online klantgedrag aan offline direct marketing geeft interessante inzichten in de fase van het beslisproces waar de klant zich bevindt. Online klantgedrag is op die manier een uitstekende voorspeller van toekomstig (offline) gedrag van de klant. Offline direct marketing kan hierdoor erg relevant zijn en ook nog op het juiste moment: vlak voor de beslissing tot het opzeggen van een abonnement of een aankoop van een product wordt genomen. Dit levert significante verbetering in resultaten op, zowel bij toepassing in event driven marketing campagnes als bij het gebruik van voorspellende modellen bij offline direct marketing.
II Hoe je met offline gedrag de resultaten van online marketing sterk kunt verbeteren
Het toepassen van inbound online marketing wordt ook wel behavioral targeting genoemd. Hierbij wordt het aanbieden van content gedifferentieerd naar (behoeften van) klant(groep)en. De segmentatie van klanten gebeurt niet alleen op basis van profielkenmerken, zoals leeftijd of geslacht, maar ook op basis van het gedrag van de klant. Dit kan zowel offline als online gedrag zijn.
Behavioral targeting vindt haar oorsprong in real time direct marketing dat offline al jaren wordt toegepast door banken, verzekeraars en telecomoperators. Bij deze vorm wordt de website tijdens de sessie aangepast aan het klikgedrag van een klant en zijn offline gedrag (transactiegedrag, belgedrag, productafname, etc.). De website wordt dus tijdens de sessie geoptimaliseerd voor de klant, en dit is voor elke klant(groep) verschillend. Aan de hand van een case van een grote Europese bank laten we zien hoe deze variant succesvol kan worden toegepast.
Case: Behavioral targeting bij een bank binnen de beveiligde internetbankierenomgeving
Uitgangssituatie
Een bank heeft vijf producten waar het gedurende het hele jaar campagne mee voert. Op de website worden voor deze vijf producten banners ingezet. De banners worden random getoond, zodat iedere banner ongeveer 20 procent van de zendtijd krijgt. In offline campagnes wordt gebruik gemaakt van voorspelmodellen, waarmee voor ieder product de best scorende doelgroep wordt geselecteerd. Op internet schiet de bank echter nog steeds met hagel. Bestaande klanten krijgen hierdoor aanbiedingen te zien voor producten die voor hen niet relevant voor ze zijn of voor producten die ze zelfs al afnemen.
Werkwijze
Door de offline voorspelmodellen te koppelen aan de website kan de voor de bezoeker relevantste banner worden getoond op het moment dat deze uitlogt van internetbankieren. Om te testen of deze werkwijze echt tot hogere resultaten leidt wordt een testopzet gemaakt. Hierbij krijgt de helft van de bezoekers willekeurig een de vijf banners te zien en de andere helft van de bezoekers krijgt de banner die voor hen het relevantst is te zien. Relevantie wordt bepaald door gebruik van voorspelmodellen op offline gedragsgegevens. Het product waarvoor we inschatten dat de verkoopkans het grootst is per klant wordt aan de betreffende klant getoond.
Resultaat
Na de testperiode worden de conversiepercentages van de beide groepen met elkaar vergeleken. Van de groep die de gerichte banners kreeg voorgeschoteld, heeft bijna twee keer zoveel klanten gereageerd op de banner. De online verkoop voor deze producten steeg hierdoor met meer dan 50 procent. Doordat ook een risicoprofiel meegenomen is in de voorspelmodellen daalde het percentage afwijzingen voor kredietproducten daarnaast ook nog eens met bijna 30 procent.
Conclusie
Toepassing van analyse van offline klantgedrag bij online marketing geeft interessante inzichten in gedragskenmerken, profielen en behoeften van klanten. Gerichte online advertising kan hierdoor erg relevant zijn, op het moment dat de klant contact zoekt met de organisatie. De resultaten uit online marketing zullen hierdoor significant verbeteren.
Bedenk je dat er slechts een klant is, die zowel online als offline contactmomenten met een bedrijf heeft. Het beslisproces van deze klant strekt zich uit over meerdere contactmomenten in meerdere kanalen. Zorg daarom dat alle (marketing)activiteiten ook op klantniveau gebeuren, en niet op kanaalniveau.
Uit de cases zien we dat de beste voorspeller van toekomstig gedrag nog altijd gedrag uit het recente verleden is. Uit transactiesystemen zijn echter niet altijd voldoende gedragsvariabelen te destilleren. Het internetkanaal biedt een schat aan informatie over het gedrag van je klant. Ook andersom geldt dat er bij veel bedrijven al veel klantinformatie beschikbaar is. Gebruik deze informatie dan ook online. Het is niet nodig om online het wiel opnieuw uit te vinden. Gebruik informatie uit beide kanalen om een optimale dialoog met de klant op te bouwen, en krijg zo volledig grip op de grillen van de 'onvoorspelbare' klant.
Download Online marketing bestaat niet in PDF (170kb)