Daan Versteeg nieuwe managing director DAN DNA

Dentsu Aegis Network haalt Daan Versteeg weg bij Sanoma’s Scoupy om leiding te geven aan de Nederlandse datatak DAN DNA.

Versteeg komt aan boord, omdat Walter Flaat afgelopen voorjaar het lokale kantoor verliet voor Canada om daar als Chief Data Officer van Dentsu Aegis Canada te beginnen.

De nieuwe managing director heeft een marketing- en strategieachtergrond bij onder meer Shell, Heineken en Google. Ook werkte hij bij start-up- en technologiebedrijf Wakoopa en diens latere koper Netquest. Daarna werkte hij ruim anderhalf jaar bij Scoupy, het marketingplatform van Sanoma voor FMCG A-merken en retailers.

Uniqlo herlanceert webshop in Nederland

Het Japanse kledingmerk Uniqlo vernieuwt volgende week zijn webwinkel. Er komt veel meer in de schappen te liggen dan nu en de shop wordt gelokaliseerd.

De opening van de op Nederland gerichte webshop valt samen met de opening van het eerste fysieke filiaal van Uniqlo. Dat vindt plaats in Amsterdam, volgende week donderdag. De zaak is gevestigd aan het begin van de Kalverstraat.

Details over de Nederlandse webwinkel wil het concern uit Japan niet geven. Alle aandacht gaat uit naar de fysieke winkel. Er worden internationale bestuurders ingevlogen om het lokale evenement meer gewicht te geven. En hoewel het bereik van de webshop in Nederland groter is dan de locatie in de hoofdstad worden vragen daarover naar de toekomst weggewuifd.

Uniqlo is actief in zeven Europese landen. Nederland wordt het achtste. Wereldwijd heeft het een kleine tweeduizend filialen in bedrijf.

Foto: Alper (cc)

Amazon lanceert Storefronts voor online MKB’ers

Amazon lanceert internationaal een webwinkelportal voor MKB’ers die eigen collecties aan de man willen brengen. Nederlandse belangstellenden kunnen een pui huren op de Duitse versie van Amazon.

Onder de naam Amazon Storefronts neemt de e-commercegigant een nieuwe dienst in bedrijf. Het gaat om een apart portal waar Amazon items laat zien van ondernemers die zelfgemaakte of exclusief ingekochte producten onder de aandacht brengt. Anders bekeken is het een andere blik op bestaand assortiment.

In de VS begint het bedrijf vandaag ook een landelijke reclamecampagne op televisie om zijn klanten te wijzen op de nieuwigheid. Er zouden zo’n twintigduizend ondernemers uit het MKB zijn die hun items in Storefronts kunnen terugvinden.

Volgens Amazon is de helft van de items die het verkoopt afkomstig van middelgrote en kleine bedrijven.

Om de marketingexercitie ‘persoonlijker’ gaat het e-commerceplatform de gezichten tonen van ondernemers achter de digitale puien. Daarnaast belicht het wekelijks een aantal storefronts. Dat moet de winkelervaring persoonlijker maken.

Storefronts gaat vandaag live in Amerika, Engeland en Duitsland. De laatste wordt steeds vaker door Nederlanders ingezet als onderdeel van een platformstrategie.

Zo maak je met guerrilla marketing je event onvergetelijk

Hoe zorg je ervoor dat bezoekers nog dagen napraten over jouw evenement? Een ijzersterk inhoudelijk programma dat perfect aansluit op de behoeften van je doelgroep is de hoeksteen van elk event. Maar naast de inhoud zijn er nog andere belangrijke ingrediënten voor succes. Denk aan de totaalbeleving, een creatief thema dat de zintuigen prikkelt en […]

Spotify breidt samenwerking met Nielsen uit

Nielsen Brand Effect wordt toegevoegd aan de advertertentie-oplossingen van muziekdienst Spotify in de Verenigde Staten, Duitsland, Canada, Mexico, Spanje, Frankrijk, Nederland, Japan en Australië. Marketeers kunnen met deze tools hun advertenties optimaliseren.

De integratie van Nielsen Brand Effect door Spotify is een nieuwe stap in de samenwerking tussen beide bedrijven.

Op dit moment is voor Spotify adverteerders al Nielsen Digital Ad Ratings beschikbaar om het bereik van hun Spotify-campagnes te meten. Daanaast maakt Spotify gebruik van Nielsen Catalina Solutions de relatie met fysieke verkoop van cd’s te meten.

TomTom profiteert van prijsstijging Google Maps

De interesse voor de API’s van TomTom is met een dubbelcijferige percentage gestegen sinds de prijsverhoging van Google Maps. Het Nederlandse bedrijf reageert op die belangstelling door de prijzen te verlagen.

Op 16 juli jongstleden werd een nieuw tariefmodel van kracht voor zakelijk gebruik van Google Maps. De tarieven gingen met honderden tot soms duizenden procenten omhoog. Dat raakt onder meer retailers, transport- en vervoersbedrijven en vakantieorganisaties. Die zoeken naar alternatieve leveranciers van kaart- en verkeersinformatie en daar profiteert TomTom van.

Gregory de Jans, hoofd developer relations, bevestigt dat aan deze uitgave.

“Klanten zoeken naar betaalbare alternatieven. Bij TomTom zien we dubbelcijferige procentuele groei in bezoek aan het ontwikkelaarsportal, gebruik van onze API’s en vragen van klanten die willen migreren van Google Maps API’s to TomTom Maps API’s. We helpen hen daar zo goed mogelijk bij. Het gaat om start-ups maar ook enterprises, maar de vraag bij start-ups is het meest urgent.”

Sinds enkele dagen geeft TomTom de maps and traffic flow-tegels weg. Gebruik van die data in Mobile Maps SDK voor Android en iOS is gratis.

Foto: Jonathan Kosread (cc)

Met het Recommender System personaliseer je je digitale productaanbod

Gepersonaliseerde aanbevelingen geven, van zowel producten die gelijkgestemd zijn aan de initiële zoekopdracht, als additionele producten. Dat voorkomt dat consumenten na een online zoektocht nog weken achtervolgd worden door misplaatste targeting. Het Recommender System biedt uitkomst.

Voor het eenvoudig vinden van een product hebben we een oplossing: door het gebruiken van big-data en machine learning kunnen we op persoonsniveau producten aanraden, volledig gepersonaliseerd en specifiek aangepast op de smaak en de wensen van de klant. Deze product recommendations, ofwel productaanbevelingen, kent twee werkwijzen die als zodanig ingezet en gebruikt worden:

1. Het voorspellen van alternatieve producten, gepersonaliseerd en aangepast op de wensen van de klant (1-op-1 communicatie, algoritmisch en geen business rules). Denk hierbij aan het aanbieden van een gelijkwaardig doch ander product naar aanleiding van je zoekopdracht.
– Deze toepassing draagt bij aan het verhogen van de user ervaring. Hierdoor vindt de klant sneller en gemakkelijker een product waar hij of zij naar op zoek is.
2. Het voorspellen van aanvullende producten, ook gepersonaliseerd en aangepast op de wensen van de klant (1-op-1 communicatie, algoritmisch en geen business rules). Denk hierbij aan het aanbevelen van aanvullende items die passen bij de initiële zoekopdracht. Of het aanbevelen van producten die populair zijn en vaak verkocht worden samen met het item dat de klant op het oog heeft. Deze worden ook wel Frequently Bought Together’s (FBT’s) genoemd.
– Deze toepassing komt neer op cross-selling: het proberen te verkopen van andere producten. Let wel: beide toepassingen zijn van waarde omdat ze gepersonaliseerd zijn en dus aangepast op de smaak van de klant.

Een custom made recommender system

Door het bouwen van een custom recommender system is het mogelijk de twee toepassingen te integreren in één model. Het recommender system maakt gebruik van machine learning en ruwe clickstreamdata waarmee de aanbevelingen in real-time worden gedaan. Wat je ermee bereikt? 1-op-1 communicatie van een gepersonaliseerd productaanbod. Deze 1-op-1 communicatie vindt plaats op je website of in je mediakanalen.

De techniek achter het recommender system

Het recommender system is gebaseerd op de bewezen collaborative filtering techniek, een techniek die ons in staat stelt om de smaak van iedere individuele klant te bepalen door het gebruik van product engagement data. Product engagement data bevat alle touchpoints tussen iedere individuele klant en de producten waarmee zij in aanmerking komen. Door deze data vindt het systeem andere klanten met een vergelijkbare smaak en bestempelt deze als lookalikes. Lookalikes zijn van cruciale waarde, omdat dezelfde interesse in producten kan leiden tot hetzelfde aankoopgedrag. Het systeem kan dus op basis van gegevens van deze lookalikes producten selecteren die zij interessant hebben gevonden of waarmee zij een bepaalde interactie mee hebben gehad, en deze vervolgens aanbevelen aan de klant.
Een specifiek voorbeeld: er is sprake van een huwelijk en verschillende genodigden zoeken online naar inspiratie voor een outfit. Gast 1 lijkt op gast 2 van het huwelijk, omdat zij beiden dezelfde interesse hebben getoond in gelijke producten. De twee gasten worden door het recommender system beschouwd als lookalikes van elkaar. Gast 1 heeft product X gekocht, dus product X wordt vervolgens ook aan gast 2 bevolen door het systeem.

De data: gebruik en interpretatie

Voor het maken van gepersonaliseerde productaanbevelingen kan gebruik gemaakt worden van alle soorten beschikbare engagement data tussen klant en product. Denk hierbij aan productClick, productView (zowel lang als kort), addToCart, addToWishlist, transacties en alle andere mogelijke interacties die er kunnen plaatsvinden tussen een product en een consument. De interacties worden echter op een andere manier geïnterpreteerd in het recommender system, omdat via een ander algoritme unieke gewichten aan elk soort interactie toegedragen worden. Het gewicht per soort interactie bepaalt hoeveel het de smaak van de klant beïnvloedt. De aankoop van het product geldt hier als zwaarst tellend gewicht en meest bepalend voor de smaak, terwijl het terugsturen van een product juist als meest negatief en dus als minst zwaar gewicht wordt gezien door het systeem.

De unieke waarde van het recommender system

Bij de bouw van het gepersonaliseerde recommender system hebben we rekening gehouden met een aantal veelvoorkomende uitdagingen. Door deze mee te nemen heeft het recommender system een unieke waarde gekregen. De uitdagingen:

Een van de belangrijkste uitdagingen is het meenemen van het cold-startprobleem. Wanneer nieuwe producten in de catalogus of website opgenomen worden, worden deze nieuwe producten niet automatisch aanbevolen aan andere klanten. Logisch ook, gezien het feit dat maar enkele tot helemaal geen klanten ooit een interactie hebben gehad met deze nieuwe producten. Hierdoor weten we niet voor welke klanten precies en voor welke soort smaak dit product relevant is. We lossen dit op door gebruik te maken van productkarakteristieken (denk aan merk, prijs, categorie et cetera). Deze productkarakteristieken worden gebruikt voor het matchen van nieuwe producten aan bestaande producten. Met deze informatie kunnen we de smaak bepalen van alle gebruikers ten opzichte van het nieuwe product. En dat is niet alles, we zijn in staat om proactief de cold-start items te pushen wanneer de aanbevelingen real-time berekend worden.

Een tweede uitdaging is dat het wel eens voorkomt dat gelijknamige of additionele producten helemaal niet aanbevolen kunnen worden bij een specifiek product. Dit komt door bijvoorbeeld gebrek aan statistische relevantie. De oplossing die wij hiervoor hebben gebruikt is backfilling: het aanbevelen van most-popularproducten.

Een derde uitdaging is dat sommige producten trendgevoelig zijn, zoals kleding. Andere producten, zoals bloemen, groenten of fruit zijn juist erg seizoensgebonden. Deze trendgevoeligheid of seizoensgebondenheid kunnen we ook meenemen in het recommender system. Dus bevelen we alleen producten aan op de momenten dat het ook daadwerkelijk kan en in de markt ligt.

Het vierde punt is geen uitdaging, maar een extra toevoeging aan het systeem. Het algoritme van het recommender system kunnen we zodanig op een andere wijze kneden dat aan producten met een grote marge een hogere prioriteit kan worden gegeven. Let wel: dit wordt enkel gedaan wanneer dit ook relevant is voor de klant. Het is immers het doel om het productaanbod te personaliseren.

Een self-learning system

Het is van cruciaal belang dat het recommender system frequent wordt geüpdatet. Dit zorgt ervoor dat het systeem leert van zijn fouten en nieuwe informatie direct meeneemt. Dit is van belang om zo accuraat mogelijk aanbevelingen te kunnen doen aan de klant. Dit leerproces vindt plaats in Azure ML (de machine learning stack van Microsoft) waar het volledige systeem draait en ook alle data is opgeslagen. Het leerproces (ook wel de retraining-cycle genoemd) bevat vijf stappen stappen, zoals weergegeven in onderstaand figuur:

Dit trainingsproces wordt op een wekelijkse of dagelijkse basis uitgevoerd; afhankelijk van het soort business en de turnover van nieuwe producten, klanten of verkeer. Hierdoor worden nieuwe producten en klanten opgenomen in het systeem en kan het systeem ook erg snel trends, seizoenen of andere patronen oppikken. Daarnaast kan het systeem compleet worden geïntegreerd in de Azure stack van de business (indien Azure wordt gebruikt), maar het kan uiteraard ook gebruikt worden als een stand-alone-solution.

Het gebruik van het recommender system: on-site of in je media

Het Recommender System kan on-site worden gebruikt. Dat betekent dat gepersonaliseerde alternatieve aanbevelingen worden gegeven op bijvoorbeeld de productpagina, de homepage of op de categoriepagina, terwijl de aanvullende producten pas in het winkelwagentje aanbevolen worden. Door het systeem on-site te gebruiken en producten aan te raden, willen we klanten zowel inspireren als helpen met het sneller en gemakkelijker vinden van producten waar ze naar op zoek zijn. Hiermee wordt de user experience dus verhoogd, evenals de gemiddelde orderwaarde door cross- en up-selling.


Het recommender system hoef je niet alleen on-site te gebruiken, maar kan ook worden ingezet in de media. Denk hierbij aan alternatieve of aanvullende producten als gepersonaliseerde e-mail content. Of denk aan dynamische remarketing met gepersonaliseerde alternatieve of additionele producten, op basis van de producten waar de consument interesse in heeft getoond tijdens zijn of haar websitebezoek. We kunnen deze productaanbevelingen dus ook gebruiken in onze retargeting campagnes, zodat we klanten met alternatieve producten kunnen targeten in plaats van alleen producten die ze al eens eerder bekeken hebben en niet hebben gekocht – dit is de traditionele dynamische retargeting werkwijze. Zo wordt de klant ook via advertenties geïnspireerd.


Bovendien kan het recommender system voor meerdere industrieën worden ingezet. Denk hierbij aan B2B, B2C, productgerelateerde of service gerelateerde diensten. Dus het voorbeeld dat in deze longread is gebruikt – het pak voor het huwelijk – is specifiek productgerelateerd. Maar het recommender system kan ook ingezet worden om diensten, FAQ of bijvoorbeeld content aan te bevelen. Een veelzijdig systeem dus.

Hogere user experience en meer productverkoop

Het recommender system is door de real-time productaanbevelingen onmisbaar voor website en media personalisatie. Wat je hiermee bereikt? Een hogere user experience én meer productverkoop. Een hogere user experience omdat het de klanten makkelijker en sneller wordt gemaakt in het vinden van het juiste product. En meer productverkoop (cross-sell items) omdat de klanten worden geattendeerd op bijpassende, additionele producten.

Door tijdens de bouw van het recommender system meerdere uitdagingen mee te nemen zoals cold-start, backfilling, seizoensgebondenheid en de functie om hogere marge producten voorrang te geven, is het recommender system absoluut een van de nieuwste trends en technologieën op het gebied van e-commerce.

Grote namen bij lancering European netID Foundation

Data-alliantie European netID Foundation presenteert zich formeel tijdens de onlinezakenbeurs Dmexco, die morgen start. Tot de eerste partners behoren RTL, Zalando, OTTO en Gruner + Jahr.

Begin dit jaar sloegen de Duitse mediabedrijven ProSiebenSat.1, RTL en United Internet de handen ineen. Ze besloten gezamenlijk een alternatief inlogsysteem op te richten. Dat moet het gebruik van Duitse en Europese diensten vereenvoudigen, omdat gebruikers met één inlognaam en wachtwoord bij alle aangesloten sites terecht kunnen. Vergelijkbaar met hoe Google- en Facebook-log-ins worden gebruikt.

Morgen presenteert de European netID Foundation zich in Keulen tijdens Dmexco. Dat is een marketing- en technologiebeurs die woensdag en donderdag plaatsvindt en wordt bezocht door ongeveer veertigduizend man.

Behalve genoemde uitgevers worden nu meer namen bekend van bedrijven die meedoen aan het initiatief.

In het e-commercedomein zijn dat onder meer Otto Group, Zalando, het Handelsverband Oostenrijk (leden), DPD, C&A, Conrad Elektronik, Douglas en de labels van Scout24 Group.

Deelnemers uit de mediabranche zijn onder meer: Süddeutsche Zeitung, Spiegel Verlag, Gruner + Jahr en Ippen Digital. Aan de kant van de reclamebureaus en exploitanten: Ströer Digital Media, iq digital, Kupona (Q division), Mediascale (met PREX), Pilot Gruppe en GroupM Germany.

Vooral deze laatste groep laat zien dat netID niet louter om federated log-ins gaat, maar een data-alliantie is. Internetgebruikers en online consumenten kunnen aangeven dat aangesloten partijen hun profielinformatie mogen onderling mogen gebruiken voor betere targeting van reclame. Via deze constructie hopen de leden van netID een gewichtig alternatief te bieden voor de reclamenetwerken van Facebook en Google.

NetID werd opgericht in maart en staat open voor toetreding van andere Europese media- en techbedrijven.

In oktober gaan de eerste sites live met netID.

Foto: Hühnerauge (cc)

5 persoonlijke levenslessen voor jou als marketeer én je doelgroep

Ons werkveld gaat niet alleen over SEO, SEA, Adwords of remarketing. Het gaat ook over mensen, hun emoties en hoe zij balans vinden. Hoe vind je een goede work-life-balance? Bij deze presenteer ik een aantal levenslessen voor marketeers- en niet-marketeers! Op Dept Festival werd uitgebreid aandacht besteed aan deze onderwerpen. Wat kunnen we bijvoorbeeld van Tibetaanse monnik […]

Influencer marketing in het jaarplan 2019

Het is voor marketeers nu al het moment om de jaarplanning op te maken, en om te bedenken wat er in 2019 veranderd kan worden aan de strategie. Zo kunnen zij volgend jaar nóg meer succesverhalen creëren. De hamvraag is dus ook: hoe kun jij als marketeer influencer marketing het beste in je jaarplan verwerken? […]

Amazon-specialist factor-a van start in Nederland

De naar eigen zeggen grootste Europese specialist in marketing op Amazon, factor-a, opent een kantoor in Amsterdam.

Meer dan honderd man werkt in Keulen al voor producenten en merken die handelen op Amazon. In Nederland begint door te dringen dat de internationale marktplaatsen van Amazon een handig kanaal zijn voor snelle internationale expansie. Die bedrijven wil factor-a vanuit Nederland gaan helpen. Het werkt voor meer dan honderd internationale merken, waaronder Montblanc, BIC en Fissler.

Factor-a is sinds afgelopen voorjaar onderdeel is van het bureaunetwerk Dept.

Dimi Albers, managing director bij Dept: “Amazon Advertising ontwikkelt zich in een enorm tempo, ook in Nederland. Het wordt voor merken steeds belangrijker om een goede strategie te ontwikkelen en zichtbaar te blijven op het meest succesvolle e-commerce platform ter wereld.”

Zeer recent ging een andere specialist in Amazon Advertising van start in Nederland. Tim van der Bilt bouwt met The Valley het bureau Maze-One op.

Sanoma en Scoupy zetten FMCG team op

Mediabedrijf Sanoma en Scoupy, naar eigen zeggen het grootste marketing- en activatieplatform voor fabrikanten en retailers in de supermarktwereld, hebben een gezamenlijk zogenoemd FMCG-team opgezet.

A-merken in de fast moving consumer goods-markt zetten in hun marketingstrategie altijd twee dingen centraal: branding en bereik en marktpenetratie (verkopen realiseren). Tot nu toe werden deze zaken los van elkaar ingekocht. Awareness bij de mediabedrijven en penetratieondersteuning veelal bij de retailers. Beide partijen hopen nu samen een ‘unieke totaaloplossing’ te bieden.

Die totaaloplossing voorziet in het verzamelen van gedetailleerde en relevante data over merk- en categoriekopers. ‘Daarmee kunnen we schitterende data-insights maken, die onze klanten zeer waardevolle inzichten over kopers en hun gedrag geven,’ zegt Sanoma. Naast (branded) content in de tijdschriften zijn ook winkelvloer- tot beursvloer-activaties denkbaar.

Aan het begin van de zomer werd al bekend dat Sanoma een nieuwe FMCG-strategie zou gaan uitrollen, onder andere door haar belang in Scoupy verder te vergroten.

Op de foto directeur Maurits Priem van Scoupy en Kees Wilbrink, commercieel directeur van Sanoma.

Locatiemarketingspecialist Uberall lijft Nevads in

Het Berlijnse Uberall heeft niet alleen 25 miljoen dollar aan financiering opgehaald, maar ook een concurrent Nevads ingelijfd. Daarmee is het de grootste locatie marketing platform na het Amerikaanse Yext.

Novads kan bogen op grote klanten als Shell, BP en McDonalds. Uberall, opgericht in 2013, heeft met zijn cloudoplossing ruim 1500 klanten.

Het platform sluit aan op online kaarten als die van Bing, Google Maps, HERE en Apple Maps, maar ook op diensten als Facebook, Foursquare, Yelp en Instagram, Waze, Navmii en TomTom.

Tot op heden hebben de Duitsers 250 miljoen aan financiering binnengesleept.

LevelUp lanceert MKB-bureau Grow Up Digital

LevelUp Group gebruikt de kennis en middelen van zijn labels Netprofiler en ClickValue om voor het MKB een toegankelijk digitaal bureau op te richten: Grow Up Digital.

“Het nieuw label maakt gebruik van automatisering, tooling en kennis die normaalgesproken alleen toegankelijk is voor bedrijven met enorme budgetten”, leggen de oprichters in een persbericht uit. “Het is een idee van Peter Maas, Erwin de Jong en Marco Koghee die gezamenlijk al meer dan tien jaar bij ClickValue werken.”

Het drietal merkte in hun dagelijkse praktijk dat middelgrote- en kleine bedrijven wel willen investeren in online marketing, maar niet weten hoe ze die wens moeten invullen. Werken in de cloud wordt belangrijker, de website wordt onderdeel van de vaste bedrijfsprocessen en zaken als machine learning kunnen de operaties versnellen. Als je weet hoe ermee om te gaan.

Grow up Digital kijkt met een datagedreven blik naar het werk van zijn klanten en belooft directe impact op de online resultaten. “Er is negen op de tien keer veel te verbeteren”, aldus Maas.

Bij moederbedrijf LevelUp Group werkt negentig man. Er worden voorbereidingen getroffen voor het opichten van een vierde label.

Zo zorgt betere segmentatie voor meer rendabiliteit op je marketingeuro

Wie zit er in je database, welke voorkeuren en intenties hebben die personen en voor welke boodschap zijn ze het meest ontvankelijk? De juiste groepen maken op basis van een set aan gecombineerde eigenschappen en factoren is de kunst van segmentatie.

Juist op het vlak van segmentatie zit een enorme hoeveelheid onaangeboorde potentie. De hoeveelheid data waarmee we segmenten kunnen voeden is enorm en met de juiste tools worden die geavanceerde segmenten steeds makkelijker actionable. Niet alleen om op detailniveau persoonlijk te communiceren, maar ook om meer waarde uit je gespendeerde marketingeuro te halen. 

Segmentatie anno 2018 is al lang niet meer alleen de data uit je CRM-systeem. Tegenwoordig hebben we de beschikking over data van het klikgedrag van klanten die je website bezoeken, wat hun gedrag is ten aanzien van online advertising en hun gedrag op verschillende kanalen. Een combinatie maken van die verschillende databronnen rondom een klant en daar marketingacties uit distilleren is tegelijkertijd de uitdaging en de kans.

Empower je marketeer

Met de toenemende rol van technologie in het marketingbedrijf kan het lastig zijn voor een marketeer om de data uit de beschikbare bronnen zelf te gebruiken om segmenten aan te maken. Daar is ofwel veel technische kennis voor nodig ofwel de doorlooptijd om zo’n segment te maken is (te) lang omdat marketing afhankelijk is van IT om het segment op te leveren. Daarnaast lenen de interfaces die de data ontsluiten zich vaak niet om exploratief te experimenteren met de beschikbare data.

Door een laagdrempelige segmentatietool in te zetten neem je die drempels weg. Zo kunnen marketeers zelf beter en sneller de afweging maken of segmenten het waard zijn om er een specifieke campagne op in te richten. Zo maakt toegankelijke marketingtechnologie marketeers minder afhankelijk en zorgt zo dus voor meer daadkracht en flexibiliteit. Dat zie je terug in de effectiviteit van je marketinginspanningen.

Meer waarde halen uit je bestaande klanten

Segmentatie laagdrempeliger en sneller maken stelt je bijvoorbeeld in staat om de waarde van je klanten veel nauwkeuriger te bepalen. Door bijvoorbeeld te kijken naar order-recency, order-frequency en de financiële waarde van die orders, krijg je inzicht in wie je nieuwe klanten zijn, wie je meest loyale klanten zijn, welke klanten de meeste waarde representeren en welke klanten in het verleden zijn afgehaakt.

Vervolgens kun je op elk van die segmenten een of meerdere campagnes inrichten die ervoor zorgen dat je klanten dan wel kunt terugwinnen, dan wel richting het meeste waardevolle segment kunt ‘duwen’ door ze een relevante boodschap of aanbieding te tonen. De praktijk wijst uit dat bij organisaties die segmentatie toepassen de omzet per bericht (revenue-per-message) significant hoger ligt.

Nieuwe klanten vinden die op je beste klanten lijken

Als je kunt identificeren wie je beste klanten zijn, kun je dat segment gebruiken om je acquisitiecampagnes online beter aan te sturen. Dat betekent dat je look-a-like-audiences, mensen die dezelfde kenmerken vertonen als jouw beste klanten, kunt gaan zoeken via platformen als Google en Facebook en die heel gericht een boodschap kunt tonen.

Zo kun je dus op een laagdrempelige manier op zoek naar potentiële klanten die mogelijk een hoge waarde vertegenwoordigen. Zo ga je ook slimmer om met je advertentiebudget door het voornamelijk uit te geven aan doelgroepen waarvan je kunt voorspellen dat de kans op conversie het hoogst is.

Die hogere rendabiliteit van je marketingeuro ligt ook in de bredere mogelijkheden om laagdrempeliger te experimenteren met segmentatie. Ten eerste is er een kortere doorlooptijd voor optimalisaties die gelijk impact genereren en zijn er meer variatie-mogelijkheden om mee te experimenteren.

Een experiment kan bijvoorbeeld ontstaan door het aansluiten van externe databronnen op een segmentatietool. Hiermee combineer je segmentatie met slimme marketing automation om effectief en event-driven te communiceren. Dat betekent trouwens niet zomaar in het wilde weg segmenteren. Werk met experimenten altijd met een controlegroep waar je je segmenten tegen afzet. Zo toets je zo goed mogelijk of je ook daadwerkelijk meer impact aan het genereren bent.

Op de korte termijn gaat het om resultaten boeken door je te richten op het laaghangende fruit. De winst op de lange termijn is dat je stelselmatig experimenteren en optimaliseren op al je campagnes om het resultaat te verbeteren echt onderdeel maakt van het dna van je marketingoperatie.

Klein beginnen en opschalen

De potentie van segmentatie aanboren en benutten begint bij weten waar de data in je organisatie zitten en hoe je die data kunt ontsluiten en combineren. Stap twee is het inzichtelijk maken van welke mate van segmentatie en personalisatie er al wordt toegepast binnen je huidige campagnes en analyseren wat de performance van die campagnes is. Stap drie bestaat uit het optimaliseren van de huidige campagnes om betere resultaten te behalen. Tot slot volgt een roadmap met alle toekomstige campagnes geprioriteerd op sales- en/of servicewaarde en de mate van complexiteit om het technisch uit te voeren.

De focus moet in het begin altijd liggen op campagnes die relatief gezien een hoge waarde representeren en technisch gezien relatief gemakkelijk te realiseren zijn. Zo boek je snel tastbare resultaten die bijdragen aan het marketingsucces.

Page generated in 1.209 seconds. Stats plugin by www.blog.ca