Een kind gekregen? Promotie gemaakt op het werk? Uit de stad verhuisd? Stuk voor stuk triggers om een nieuwe wagen te kopen. Die aankoop is dan weer een trigger voor de aanschaf van winterbanden, fietsendragers of kinderzitjes. Bedrijven kunnen steeds accurater voorspellen wanneer consumenten een bepaalde aankoop plannen. Volgens Miquel Matthys, die voor Bisnode digitale advertentieproducten ontwikkelt, moeten ze die voorspellende data-analyses alleen nog vertalen naar slimmere marketingacties. “Hoe kleiner de kans dat je een groep consumenten kan converteren, hoe minder tijd en geld je er aan moet besteden. Het grote voordeel vandaag is dat het mathematisch mogelijk is om te voorspellen hoe groot die kans is. Zo kunnen adverteerders de perfecte gerichte campagne voeren, als echte scherpschutters.”
Hoe groter en impactvoller een aankoop, hoe beter die te voorspellen valt, zegt Miquel Matthys. “Voor je een pakje boter koopt, ga je waarschijnlijk niet online de boterprijzen vergelijken. In dat soort aankopen zit geen duidelijk patroon. Een grote aankoop als een huis hangt meestal samen met een bepaalde levensfase. Om dat soort aankopen te voorspellen, heb je eigenlijk geen realtime data en geen behavorial analysis nodig. Je komt al een heel eind als je kan doorgronden in welke levensfase iemand zit.”
Als je stabiele data van een hele populatie naast real time triggers legt, kan je accuraat voorspellen welke consumenten meer geneigd zullen zijn dan anderen om iets te kopen
Zo’n grote aankoop is volgens Matthys een heel erg sterke voorspeller voor andere uitgaven. “Koppels die kinderen krijgen en een groter huis zoeken, gaan hoogstwaarschijnlijk ook de woonleningen en de verzekeringen van verschillende banken vergelijken. Maar wie een huis zoekt, gaat vermoedelijk niet ook nog eens een nieuwe wagen kopen. Veel mensen gaan in het jaar dat ze een huis kopen ook een keertje een reis overslaan. En stel dat de wasmachine het onverwacht begeeft, dan gaan ze misschien eerder op zoek naar een ‘wit’ product dan naar een duur merk.”
‘De geschiedenis kan de toekomst uitstekend voorspellen’
Maar elke consument is anders en koopgedrag is zeker geen waterdichte voorspeller voor andere aankopen, waarschuwt Miquel Matthys. “Als een koppel voortdurend verre reizen boekt, ben je geneigd te denken dat ze veel geld verdienen. Maar misschien geven ze amper geld uit om met het uitgespaarde bedrag zo vaak mogelijk op reis te kunnen gaan? Iemand die elk jaar de nieuwste iPhone koopt, kan behoorlijk welvarend zijn maar kan evengoed tech savvy zijn en op een piepkleine studio wonen.”
“Je mag je nooit beperken tot één databron. Je moet voor de hand liggende data combineren met een meer diepgaande analyse. Je moet ook voorbij die ene consument kijken, naar de hele populatie en naar de geschiedenis. Je hebt mensen die elke drie jaar een nieuwe auto kopen, zodat ze nog voldoende geld krijgen voor hun oude wagen. Je kan er je klok bijna op gelijk zetten. Je hebt er ook die met hun auto blijven rondtuffen tot hij helemaal klaar is voor de schroothoop, en dan pas een nieuwe kopen. De leeftijd van de wagen lost dus maar een deel van de puzzel op. Daarnaast moet je ook naar de persoon zelf, of de daarbij passende ‘persona’ kijken om echt een accurate voorspelling te doen over de aanschaf van een nieuwe wagen.”
“Aan de hand van de geschiedenis kan je de toekomst behoorlijk goed voorspellen. Dat geldt ook voor consumentengedrag. Als je stabiele data van een hele populatie naast real time triggers legt, kan je accuraat voorspellen welke consumenten meer geneigd zullen zijn dan anderen om iets te kopen. Als je net een tweeling hebt gekregen, is de kans behoorlijk groot dat je op zoek zal gaan naar een gezinswagen. Als je géén kinderen hebt, is de kans heel erg klein dat je een gezinswagen zal kopen. Het komt er dan op aan om je marketingbudgetten slim in te zetten, en geen geld te verspillen aan consumenten die je product hoogstwaarschijnlijk toch niet kopen.”
‘Zelfs Amazon beveelt de foute producten aan’
Bij die overgang tussen smart data en predictive analysis aan de ene kant, en marketingacties aan de andere kant, knelt volgens Miquel Matthys het schoentje. Daar is in de toekomst nog heel wat winst te boeken. “Het begint al bij de silo’s binnen één en hetzelfde bedrijf. De data zijn gefragmenteerd, niemand heeft het totaalplaatje. Als je niet weet of een bezoeker op je website een klant of een prospect is, dan is de kans groot dat je de verkeerde actie onderneemt en die bezoeker meteen weer wegjaagt.”
Een branding campagne mag geen excuus zijn om niet gericht te werk te gaan, en waste te elimineren
“Maar zelfs bij Amazon, samen met de andere GAFA’s toch dé datagoeroe, zie ik nog heel veel marge voor verbetering. Als ik een kinderboek bestel, stelt Amazon mij nog weken aan een stuk andere kinderboeken voor. Maar als ik zelf geen kinderen heb en gewoon een kerstcadeau zocht voor een neefje ga ik alleen maar gefrustreerd raken door dat bombardement aan kinderboeken. Als Amazon wéét dat ik geen kinderen heb, kunnen ze me na die ene aankoop met rust laten en me in de aanloop naar het volgende kerstfeest opnieuw kinderboeken voorstellen. Véél efficiënter.”
Weggegooid geld
“Bedrijven zijn vandaag ontzettend slim, ze weten enorm veel over consumenten. Maar ze benutten dat potentieel nog niet altijd voldoende”, benadrukt Matthys. “Dan investeren ze miljoenen in data-analyse, om vervolgens een televisiespotje te bestellen bij hun reclamebureau. Ze weten redelijk nauwkeurig welke groep waarschijnlijk wél en waarschijnlijk niét geneigd gaat zijn om hun producten te kopen. Met een televisiespotje dat zich op elke kijker tussen 8 en 64 jaar richt, ga je je ook richten op heel veel consumenten waarvan de kans heel klein is dat je ze converteert. Dat is natuurlijk geen optimale aanwending van je advertentiebudget.”
“Technologie leent zich perfect voor de sniper-aanpak, waarbij je de juiste consumenten op het juiste moment gaat viseren. Als een echte scherpschutter. Maar toch blijven veel adverteerders kiezen voor de bazooka. Branding campagnes en op conversie gerichte campagnes gaan idealiter hand in hand. Maar een branding campagne mag geen excuus zijn om niet gericht te werk te gaan, en waste te elimineren. Er zal immers altijd een aanzienlijk deel van de populatie zijn dat die noch nu (conversie), noch in de toekomst (branding) tot een aankoop over zal gaan. Met de mioderne technologie kan je perfect vermijden dat je fors investeert in een groep die je waarschijnlijk toch nooit converteert.”
Oplossing gezocht voor windowshoppers
Een van de grootste obstakels waar marketeers nog op stuiten, is dat consumenten ook online windowshoppers zijn. “Dat steekt een doeltreffende campagne nog te vaak stokken in de wielen”, stelt Miquel Matthys vast. “Als je nieuwe loopschoenen wil kopen, ga je misschien op drie webshops modellen en prijzen vergelijken. Maar alleen die ene shop waar je je schoenen uiteindelijk bestelt, wéét dat je ze hebt gekocht. De algoritmes van de twee andere webshops denken dat je nog altijd aan het zoeken bent en blijven dus adverteren. Vanuit ROI-perspectief is dat perfect logisch, maar het is natuurlijk contraproductief.”
“Voorlopig bestaat daar nog geen oplossing voor. Maar die zal er de komende jaren zeker komen. En dan kunnen bedrijven niet alleen accuraat voorspellen op welk moment welke consumenten welke producten gaan kopen, maar kunnen ze daar ook veel beter – en veel minder storend – op anticiperen.”
Wil jij ook aan de slag met al je data én doordachte beslissingen nemen? Zet samen met Bisnode de eerste stap en verhoog vandaag nog de impact van je marketingacties met de juiste klanteninformatie!
