Klanten segmentatie & kanaal optimalisatie verbeteren met MDSaaS

Hoe goed heb jij je klanten gesegmenteerd? En optimaliseer jij je marketingkanalen wel goed genoeg? Als jij marketing data science nog niet inzet dan is de kans heel groot dat er een enorme verbeterslag te maken valt. Hoe? En waarom? Dat verkennen we in dit blog.

MDSaaS voor beginners: een blogserie van 5 over de onbenutte kansen voor je marketingorganisatie

Marketing data science is de geavanceerde aanpak van je marketing die big data en marketing automation combineert tot een ijzersterke, data-gedreven marketingmachine. De kansen zijn enorm. In een serie van 5 blogs verkennen we een aantal specifieke gebieden waar je winst kan boeken. Dit is blog 1/5.

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

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

Sales- en marketingafdelingen verzamelen tegenwoordig namelijk 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 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 salesmanager 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.

Waarom betere klantensegmentatie hard nodig is voor marketing

De gemiddelde marketeer zal zeggen dat er flink wat gepersonaliseerd wordt in hun campagnes. Zo zijn er persona’s gemaakt en weten ze meestal zaken als leeftijd, woonplaats, geslacht en zowel het bedrijf waar ze werken als de functienaam.

Maar het zegt nog steeds weinig. Neem nu de persona’s. Meestal zien ze eruit als volgt: Victoria, is 40 – heeft 2 kids en haar partner Frank, woont in Baarn, rijdt een BMW, leest de Linda en Telegraaf en is DGA van een middelgroot recruitment agency in het mkb.

Dat zijn niet genoeg gegevens

Wat kun je daar nu eigenlijk mee? Eerlijk gezegd te weinig want het is te algemeen, zelfs al ben je marketeer bij Linda of BMW.

Om op Victoria terug te komen: je weet niet waar ze ‘s nachts van wakker ligt, wat haar ideale doelen zijn op persoonlijk en zakelijk gebied (haar uitdagingen & dromen), of ze de papieren of online Linda of Telegraaf leest (hoe bereik je haar), hoe de onderlinge taken zijn verdeeld in het huishouden en ga zo maar door.

En hoe ga je soortgelijke mensen als Victoria vinden en segmenteren? Als DGA? Als mkb’er in professional services? Als doorsnee gezin met 2 kids? En wat zeg je daarmee?

Een grappige vergelijking

Er zwerft een post rond op social media over waarom demografische gegevens niet voldoende zijn. Het gaat om een man, geboren in 1948, opgegroeid in het Verenigd Koninkrijk, die twee keer getrouwd is, in een kasteel leeft en zowel rijk als wereldberoemd is. Lijkt heel specifiek toch? Nee, het is nog steeds niet voldoende. Want dit kun je op zowel Kroonprins Charles – lid van het Britse koningshuis – én larger-than-life metalgrootheid Ozzy Osbourne toepassen. De verschillen tussen de twee kunnen bijna niet groter zijn.

Hoe segmentatie dan wel aanpakken?

Je hebt in ieder geval twee zaken nodig om beter te segmenteren: meer gegevens én een systeem om de Victoria’s statistisch gezien bij vergelijkbare maar onderscheidende segmenten te plaatsen.

Gegevens die je nodig hebt voor dataverrijking zijn niet alleen socio- en geodemografische gegevens maar ook sociale, culturele, historische en situationele factoren én de levensfase waarin de klanten zich bevinden. Databases als Personicx hebben dit alles verzameld zodat verrijking (en segmentatie – maar daar over zo meer) verrassend makkelijk is.

Ten tweede zijn er een aantal segmentatiesystemen zoals Personicx, BSR en Omniportraits nodig. Neem nu Omniportraits. Dat zijn 9 verschillende groepen huishoudens die – op basis van wetenschappelijke en statistische data – gegroepeerd zijn op gelijksoortige sociodemografische, lifestyle- én psychografische kenmerken. Deze 9 groepen zijn helder en sterk onderscheidend.

Spreek je Martin, Anne en de kids aan (9,2% van Nederland), richt je je op Habib (7,2%) of zijn Ria en Frank (10,8%) je doelgroep? De Omniportraits bieden data enrichment zoals nooit tevoren. Daardoor zijn ze makkelijk aan te spreken!

Hiermee zorg je voor een mooie balans tussen zo persoonlijk mogelijk aanspreken en praktische segmentatie én uitvoerbaarheid van je marketingplannen.

Kanaaloptimalisatie is ook een must

Daarbij laat je een geautomatiseerde analyse los op hoe ze social kanalen als YouTube, TikTok, Instagram of Facebook gebruiken. Verder kun je ook andere kanalen zoals e-mail analyseren en op basis van data optimaliseren. Zo ontdek je waar je ideale klanten zich bevinden en waar jij moet zijn om ze te bereiken.