Herbert Ochtman van Pyramids Analytics 'Van big data naar interactieve customer journey'

Voor online en winkelverkoop kan analyse van grote hoeveelheden data nut hebben voor marketing, sales en klantondersteuning. Dit is ook precies waar klanten de meeste interacties met een bedrijf hebben. Ochtman: ‘Elke klant doorloopt normaliter verschillende touchpoints, voordat hij aan het einde van de customer journey tot aankoop overgaat. Als een bedrijf zijn klanten en hun verwachtingen beter wil begrijpen, dan is het nodig om verder in te zoomen op deze touchpoints.'

Analyse klantgedrag
De analyse van het klantgedrag helpt om deze touchpoints - en daarmee ook de customer journey - te ontwerpen, zodat die beter aansluit op de wensen van de klant. Ochtman: 'Big data analytics biedt veel potentieel bij het ontwerpen van de customer journey. Of het nu gaat om een hoger succespercentage voor de webshop, een toename van het aantal items per ticketverkoop of in het boodschappenmandje, of de versterking van de klantloyaliteit on- en offline.’

In 4 stappen naar een interactieve customer journey
Om dit potentieel te verwezenlijken en de customer journey zo goed mogelijk af te stemmen op nieuwe en bestaande klanten, is data-analyse essentieel. Maar wil je klanten echt begrijpen en data-analyse op een winstgevende manier toepassen, dan is het nodig om eerst een aantal fundamentele principes te overwegen. Ochtman geeft een viertal viertal waar op gelet moet worden:

1. Definieer een big data-strategie
Een big data-strategie is cruciaal om bruikbare resultaten te behalen, maar er is geen kant-en-klaar recept voor. Zelfs de concrete voordelen zijn niet universeel. Belangrijk is dat elke strategie gebaseerd is op een grondige analyse van de status quo, waarbij de volgende vragen worden opgehelderd. Wat willen we bereiken met big data analytics? Wat zijn de problemen? Is er ruimte voor verbetering? Welke gegevens verzamelen we nu al? Welke niet? Hoe kunnen deze worden samengevoegd? En wat is er nodig om ons doel te bereiken? Veel winkeliers willen de relatie met hun klanten op lange termijn te verbeteren, maar weten niet waar ze moeten beginnen. Het is daarom nuttig in het begin een consultant of data-analist in te huren die de juiste vragen kan stellen en de organisatorische randvoorwaarden onderzoekt. Dit zijn onmisbare factoren voor het ontwikkelen van een succesvolle strategie.

2. Creëer de database
Naast de strategie is het creëren van een degelijke database van essentieel belang. Big data bestaat altijd uit een multidimensionale datapool. Veel retailers verzamelen al grote hoeveelheden gegevens, bijvoorbeeld van de klantenservice, marketing, inkoop en distributie, en die moeten nu samengevoegd worden. Er is namelijk geen ruimte voor aparte datasilo’s in de wereld van big data analytics. Het potentieel ervan kan alleen waargemaakt worden door al deze gegevens te koppelen. Daarom is het nuttig om een ​​data warehouse te bouwen. Dit is een centrale verzameling van bedrijfsgegevens en content, afkomstig uit verschillende bronnen. Dit kan data zijn van webshoptransacties, sociale media, websiteverkeer of POS- of ERP-data. De integratie hiervan in een data warehouse maakt niet alleen centraal gegevensbeheer mogelijk, maar ook het gebruik van een front-end voor analyse, ofwel een Business Intelligence (BI) platform, dat optimaal ingericht is voor dit doel.

3. Kies de juiste oplossing
Voor het analyseren van data zijn er verschillende soorten BI-tools beschikbaar. Voor retailers die flexibel en toekomstgericht willen zijn, wordt een self-service oplossing aanbevolen. En dan in het bijzonder een die naast data-analyse ook rapportagemogelijkheden heeft voor elke werknemer in het bedrijf, op basis van eenvoudig instelbare toegangsrechten. Gebruiksvriendelijkheid is hierbij heel belangrijk, zodat gebruikers snel, eenvoudig en zelfstandig analyses kunnen doen, én hun inzichten kunnen delen met anderen. Dynamische en interactieve visualisatiemogelijkheden zijn ook een must. Ze helpen om complexe analyses en correlaties te illustreren, waardoor trends en patronen in een oogopslag duidelijk worden. Dit helpt uiteindelijk om snel de juiste beslissingen te kunnen nemen. Een flexibele front-end voor analyses en rapportages kan onder meer gebruik maken van Microsoft SQL Server Analysis Services of andere onderliggende gegevensbronnen. Op deze manier kan een multichannel-bedrijf direct zien welke producten beter online verkocht kunnen worden en welke in fysieke winkels. Het heeft immers geen zin om een product fysieke winkelruimte te laten innemen als het toch niet wordt verkocht.

4. Evalueer de resultaten, optimaliseer processen
Om de best mogelijke output van big data op lange termijn te garanderen, is het nodig om de resultaten en parameters te evalueren en de processen te optimaliseren op basis van de resultaten. Er moet ook goed gereageerd worden op veranderd klantgedrag en nieuwe klantgroepen. Het analyseren van de resultaten is niet alleen zinvol voor de customer journey, maar ook voor de tools die je gebruikt.

Data-analyse van een supermarktketen
Een handelsonderneming die big data succesvol heeft ingevoerd in de customer journey is volgens Ochtman een bekende, wereldwijd opererende Britse supermarktketen. ‘Het bedrijf vertrouwt op realtime data-analyse en predictive analytics om zijn klanten en hun consumptiepatroon beter te begrijpen, waardoor de efficiëntie toeneemt en de kosten worden verlaagd. De gebieden waar predictive analytics met name worden gebruikt, zijn bij de verkoop en verkoopprognoses. De supermarktreus analyseert welke producten het populairst zijn en op welke dagen. Dit voorkomt bottlenecks bij de bevoorrading en het verbetert de klantenservice. Naast het verbeteren van de verkoop worden verliezen ook geminimaliseerd. Met name bederfelijke goederen leiden vaak tot financiële verliezen in de levensmiddelenhandel. Met predictive analytics en realtime data-analyse, kunnen betrouwbare voorspellingen gemaakt worden over het gedrag en de vraag van de consument. Op basis van die gegevens is vervolgens een betere orderplanning mogelijk, waarmee te hoge voorraden of tekorten voorkomen kunnen worden.’

Conclusie
Tot slot concludeert Ochtman: ‘Big data analytics is de moeite waard voor zowel kleine, middelgrote als grote retailers. Ook al is de implementatie gemakkelijker voor grote bedrijven, omdat ze immers meer tijd, personeel en financiële middelen beschikbaar hebben, toch moeten kleine winkeliers het onderwerp niet naast zich neerleggen. De beslissende succesfactor - ongeacht de grootte van het bedrijf - is echter de holistische visie. Daarnaast zijn een zorgvuldige, strategische planning, en goed onderbouwde gegevens van essentieel belang. Retailers moeten daarom eerste al hun beschikbare gegevens uit marketing, sales, verkoop, marktonderzoek, sociale media, klantenservice en inkoop consolideren. Vervolgens moeten zij een analytics-oplossing kiezen die het beste past bij hun bedrijf, en bij voorkeur een die self-service analyse ondersteunt. Dit levert een ​​gedetailleerd beeld van klanten op, waarmee een interactieve customer journey op maat ontworpen kan worden. Deze investering in tijd, middelen en mensen kan echter kan een groot strategisch concurrentievoordeel opleveren in de sterk concurrerende retailmarkt.’