In e-commerce? Zo start je met datagedreven opereren en groeien!

Zet je e-commerce in? Wil je verder groeien met je marketingorganisatie door datagedreven te gaan werken? Dan moet je onze nieuwe blogserie gaan volgen (en whitepaper downloaden). Want wij onthullen de 5 stappen die je moet zetten om dit te realiseren. Vandaag starten we met de eerste stap.

MDSaaS voor e-commerce: een blogserie van 5 waarmee je datagedreven kunt gaan werken

Marketing data science is geavanceerde aanpak van je marketing wat big data & marketing automation combineert tot een ijzersterke, datagedreven marketing machine. De kansen zijn enorm. In een serie van 5 blogs verkennen we een aantal specifieke gebieden waar je zoal kan winnen. Vandaag blog 1/5.

Stap 1: Inventariseer welke data je nodig hebt

Datagedreven werken betekent dat je heel doelgericht je data in kan zetten om daar volop van te profiteren. Om dit voor je e-commerce activiteiten in te zetten – of dat nu een B2B of B2C webshop is – heb je een plan van aanpak nodig.

Dat plan begint bij het inventariseren van de benodigde data. Hoe compleet moet (en vanuit regelgeving mag) je hebben van je prospects en klanten om voor betere conversie te zorgen?

Om te beginnen hangt alles samen met wat je verkoopt. Staan er fysieke producten in je webshop en heb je bijvoorbeeld aan een voornaam, achternaam, e-mailadres, factuuradres en verzendadres voldoende?

Of verkoop je alleen digitale artikelen of productized services en heb je niet eens een verzendadres nodig? Of heb je juist nog meer data nodig als telefoonnummers, bedrijf waar ze werken of eigenaar van zijn of geslacht als je bijvoorbeeld aparte producten voor mannen & vrouwen verkoopt?

Dit soort data staat meestal in je CRM of deels in je e-mailmanagementsoftware. Maar afhankelijk van de mate van automatisering en fragmentatie van je systemen, kan het ook in verschillende spreadsheets staan bij verschillende collega’s, op geeltjes gekrabbeld op iemands beeldscherm of de privé contactlijst op de smartphone van weer iemand anders.

Daarna kijk je idealiter naar de beschikbare gegevens binnen je webshop. Wat voor data wordt verzameld binnen dit systeem? Is er een profielpagina aan te maken voor het bijwerken van gegevens of het volgen van bestellingen? Worden analytics rondom surfgedrag verzameld? Betaalgegevens? IP-adressen? Zijn er favorietenlijstjes? Kunnen klanten reviews achterlaten? En doen ze dat? Worden verlaten winkelmandjes bijgehouden? Kun je daar herinneringsmails achteraan sturen? En hebben deze enig effect? Kan er getest worden met productpagina’s en e-mails en doen jullie dat ook? Waar is die data opgeslagen?

Vervolgens kijk je naar zowel je facturatie als order- & voorraadbeheersystemen voor zover die niet geïntegreerd zijn met je webshop.

Kijk bij de facturatiesoftware naar factuur- en betaaladressen, betaalgegevens en trends. Hoe betalen klanten? Per creditcard, iDEAL, bankoverschrijving, PayPal of een achterafbetaaldienst als Klarna? En gaat dat altijd goed? Of worden betalingen soms afgekeurd? En waarom? Als ze achteraf betalen, betalen ze dan altijd op tijd of niet? Welke factuurtermijn hanteer je in zo’n geval? Is een creditcheck geïntegreerd in de software? Nu is dat vooral relevant als je in B2B werkt of bijvoorbeeld financiële producten verkoopt, maar hier kun je veel trends rondom de financiële posities van je klanten verzamelen.

Bij order- en voorraadbeheersystemen zie je welke klanten wanneer orders plaatsen. Dit is handig om in de toekomst in te kunnen spelen op markttrends.

Want relevante data en automatisering is key

Bij data-gedreven werken geldt dat alle data gedigitaliseerd is en niet opgesloten zit een datasilo. Alleen dan kun je zo verfijnd werken. Hoe meer relevante data je hebt, hoe beter je vooruit kan kijken. Het sleutelwoord is relevant – alleen omdat je gegevens over iets hebt, betekent niet dat het noodzakelijkerwijs iets hoeft te zeggen.

Voorbeeldcase:

Dit is misschien een beetje abstract als je niet in dit wereldje thuis bent. Daarom hebben introduceren we 2 hypothetische voorbeelden in deze serie. Eentje van een lokale bouwmarkt een eentje van een B2B groothandel in persoonlijke beschermingsmiddelen (PPE) met alle relevante data, stappen en systemen.

Vandaag starten we met de B2B-groothandel in PPE

Onze hypothetische B2B-groothandel ABC-PPE in persoonlijke beschermingsmiddelen die ook wel PPE (personal protective equipment) worden genoemd. Dit kan variëren van handschoenen en helmen, mondkapjes en veiligheidsbrillen tot aan speciale broeken en schoenen. ABC-PPE werkt voornamelijk met grote bouwbedrijven verspreid over Europa.

ABC-PPE wil 2 dingen: groeien in het B2B segment door meer (Europese) klanten te vinden, leveren aan de zorg én in het B2C-segment springen. De noodzaak voor FFP2-mondkapjes en hardnekkigheid van COVID-19 maakt dat het nog wel even rond zal waren. Naast FFP2-mondkapjes willen ze ook sportieve uitvoeringen van hun PPE aan klussende consumenten verkopen.

Het heeft een gunstige deal met een aantal leveranciers van white label PPE verspreid over Azië zodat lockdowns geen probleem (meer) zijn.

Wat ze zoal nodig hebben aan data:

Qua prospects:

– Profielen van grote EU-bouwbedrijven die interessant zijn als prospect

– Profielen van terugkerende consumenten die FFP2 mondkapjes bestellen

– Profielen van zorginstellingen en kleinere zorgverleners die interesse hebben in PPE

– Psychographics opstellen voor de doelgroepen die groot genoeg zijn om te benaderen

– Historische campagnes op vergelijkbare doelgroepen opdiepen en analyseren op verbeterpunten

Qua klanten:

– Upsellmogelijkheden huidige klanten inventariseren

– Meest- en minstverkochte producten over ‘normale’ jaren inzichtelijk maken

– Profielen opzetten van de stakeholders/bedrijven/consumenten die het meest inkopen

Wat is MDSaaS en waarom kunnen marketingorganisaties van nu niet zonder?

Laten we nog even een opfrisser geven over de problemen rondom marketingdata.

Sales- en marketingafdelingen verzamelen tegenwoordig bergen aan data. Alleen is de interpretatie en inzet ervan een probleem voor veel organisaties. Als je niet weet hoe je een solide data analyse doet van een grote dataset, dan is het onwaarschijnlijk dat je de juiste conclusies trekt.

Dat kan ernstige gevolgen hebben voor je sales- en marketingstrategie én je eigen reputatie intern. Wellicht richt je je op verkeerde groepen prospects, past de messaging van je laatste campagne totaal niet bij wat je prospects zoeken of sla je de plank zo mis dat je juist klanten wegjaagt.

Dat is allemaal weggegooid budget wat de andere interne stakeholders je niet in dank zullen afnemen. Wie wil er nu als een slechte sales of marketeer worden weggezet? Maar ja, zie maar eens een data scientist te krijgen voor je team. Als je ze al kan vinden, kan het vaak niet uit om er eentje vast aan te nemen.

Ook voor je e-commerce heeft dit grote gevolgen

Want de webshop optimaliseren is voor iedere organisatie die iets met e-commerce doet een uitdaging. De groeimogelijkheden zien de meeste stakeholders wel maar hoe realiseer je die groei met alle data die je hebt?

Op dit moment heb je een aantal datasilo’s als bestelorders, geautomatiseerde CRM-gegevens, nieuwsbriefinschrijvingen, input uit socials en historische marketingdata.

Deze datastromen zitten boordevol kennis en kansen die je helpen om je bedrijf sneller te laten groeien. Maar dat is makkelijker gezegd dan gedaan.

Daarom duiken we in deze serie dieper in op een structurele oplossing voor dit probleem: MDSaaS ofwel marketing data science as a service. Hierbij verzamel, analyseer en ontcijfer je de echte trends en inzichten uit je marketingdataberg. Dat voer je uit met data creatives en marketing automation experts op afroep die je bijvoorbeeld blijvend ondersteunen of alleen af en toe bijspringen.