Gedragssegmentatie online bezoekers van De Persgroep

10 juli 2018 om 14:29 door PIM Redactie

Gedragssegmentatie online bezoekers van De Persgroep

De digitalisering heeft een belangrijk nieuw element toegevoegd aan het marketingvak: accountability. Margot Roozendaal, manager customer intelligence bij De Persgroep, licht toe.

Het afleggen van verantwoording over de geboekte resultaten is niet langer een intuïtieve bezigheid, het is een serieuze aangelegenheid met glasheldere cijfers geworden. Niet langer kunnen marketeers zich verschuilen achter het aloude credo dat de helft van het marketingbudget geldverspilling is, maar dat onduidelijk is welke helft dat is.

Data en analyse hebben marketing getransformeerd van een dwarsliggende puber naar een volwassen gesprekspartner, die relevantie, tijdigheid en juistheid hoog in het vaandel heeft staan. In dat werkveld is Margot Rozendaal actief als manager customer intelligence bij De Persgroep Nederland. Tijdens de pim themasessie 'Data science: the wizards aan het woord'  schetst zij een beeld van haar werkzaamheden

De inhoud van de werkzaamheden

“Hoewel begrippen als data science en data analytics voor menigeen een ver-van-mijn-bed-show vormen, is eenvoudig uit te leggen waar deze digitale termen voor staan. Het betreft het bij elkaar zoeken van de belangrijkste gegevens. In het geval van De Persgroep betekent dat met deze analysetechnieken bijvoorbeeld het aantal abonnees wordt vastgesteld en de hoeveelheid nieuwe abonnees wordt bepaald na afloop van een campagne of een actie.”

“We zoeken echter ook gericht naar mensen die graag een abonnement op een papieren of digitale krant willen. Dergelijke inzichten stellen ons in staat exact de juiste personen een e-mail of brief te sturen. Om te kwantificeren wie serieuze interesse heeft in een krantenabonnement vergelijken we allerlei kenmerken van deze prospects met die van kort geleden geworven klanten. Denk daarbij aan variabelen als de leeftijd, eerdere abonnementen en de specifieke kranten van mogelijke abonnementen.”

“Deze kennis biedt ons de mogelijkheid potentiële nieuwe abonnees te benaderen die grote gelijkenis vertonen met mensen die recent een abonnement hebben afgesloten. Anders gezegd, we zijn op zoek naar look-a-likes. Daarnaast bekijken we de mogelijkheid om groepen mensen te traceren die hetzelfde gedrag vertonen en die we daarom op een identieke manier kunnen benaderen. In een notendop is dat de definitie van segmentatie.”

De voorliefde voor analyse als vak

“Mijn voorliefde voor analyse als vak is al in een vroeg stadium ontstaan. Op de middelbare school toonde ik een duidelijke voorkeur voor talen. Niet vanwege de literatuurstudies die daar bij hoorden, maar juist vanwege de grammatica, het systeem dat achter taal zit. Later ontstond ook mijn belangstelling voor de systemen en patronen binnen de economie. Na het voorbereidend onderwijs ben ik, via een kleine omweg langs het Zweeds, Algemene Taalwetenschappen gaan studeren.”
“Op het eerste gezicht lijkt dat zogezegd heel talig. Feitelijk is dit echter de studie naar de achtergrond van talen en taalsystemen. Tijdens mijn promotie heb ik een taalpsychologisch onderzoek gedaan naar de taalontwikkeling bij jonge kinderen. Toen wist ik zeker dat ik, ook buiten de academische wereld, verder wilde werken met cijfers. Een baan als beleidsmedewerker of projectmanager is niets voor mij. Ik wil gewoon graag rekenen!”


De kracht van data en analyse

“De kracht van data en analyse heb ik al in een vroeg stadium van mijn studie ontdekt. Door het gebruik van modellen als neural networks kun je bijvoorbeeld de leercurve van onregelmatige werkwoorden bij kinderen simuleren. Dat deze technieken je ook in de gelegenheid stellen te voorspellen welke klanten je het beste een up-selling aanbieding doet, is tijdens mijn studie natuurlijk niet aan de orde gekomen.”

“Dat heb ik geleerd gedurende mijn eerste baan als data scientist, al spraken we destijds nog over data miner. Daar heb ik een breed scala aan toepassingsmogelijkheden van data voorbij zien komen – van rapportage en analyse tot predictive modelling. In die periode heb ik voorspelmodellen gebouwd voor bijvoorbeeld marketing en aanvraag- en transactiefraude, toepassingen die in de praktijk hun waarde hebben bewezen.”

“Ik denk echter vooral met veel plezier terug aan de eerste segmentatie die ik heb ontworpen en uitgewerkt. In dat traject heb ik de creditcardgebruikers onderverdeeld in 7 types. Deze ontwikkeling heeft mij geleerd wat een krachtig instrument het eigenlijk is. Je kunt namelijk een gigantische bak data opdelen in kleinere groepen die je – met behulp van de juiste inrichting en analyse – heldere en waardevolle inzichten kunnen geven.”

De invloed van de linguïstische achtergrond

“Lachend zeg ik weleens dat de invloed van mijn linguïstische achtergrond op mijn manier van werken zich momenteel met name beperkt tot het weghalen van spaties waar deze niet horen. In de serieuze werkelijkheid heb ik echter met name in het verleden veel baat gehad van deze achtergrond. In het team was ik indertijd specialist op het gebied van text mining. Dat houdt in dat je patronen en sentimenten haalt uit grote hoeveelheden tekst.”

“Dergelijke werkzaamheden vereisen grondige kennis en inzichten van de manier waarop taal op de achtergrond in elkaar steekt. Overigens heb ik in algemene zin nog altijd aanzienlijk veel baat aan mijn achtergrond als wetenschappelijk onderzoeker. In die periode heb ik namelijk geleerd om de opzet, de methodiek en ook de onderzoeksresultaten duidelijk over te brengen aan de betrokken medewerkers en stakeholders.”

De segmentatie van de klanten bij De Persgroep

“Voor het segmenteren van het grote aantal klanten van De Persgroep gebruiken wij allereerst kansmodellen waarmee we onze prospects en voormalige abonnees kunnen rangschikken. Daarmee krijgen wij bijvoorbeeld zicht op de voorkeur voor een specifieke krantentitel en de mate van interesse in een abonnement. Daarnaast heeft onze afdeling marktonderzoek een grondige segmentatie gemaakt van de nieuwsbehoeften van Nederland.”
“Zo maken we in die segmentatie onderscheid tussen groepen die tijdens het lezen van een krant vooral vermaakt willen worden en groepen die met name wijzer willen worden van het lezen van een krant. Om een segmentatie evenwel daadwerkelijk te kunnen gebruiken in de marketingoperatie dienen we meer te weten over het gedrag van onze lezers. Tegenwoordig zijn we gelukkig in staat dat online te meten. Op basis van die data hebben we een segmentatie van online gedrag gemaakt.”

De barrières bij het segmenteren van klanten

“Een belangrijk inzicht dat ik heb verkregen tijdens de opmaak van klantsegmentaties is dat de intentie van de klant niet altijd strookt met zijn of haar gedrag. Ook hebben we geleerd hoe belangrijk het is om de afnemers te betrekken bij de ontwikkeling van een segmentatie. Hun inbreng kan jou tot op zekere hoogte sturen – bijvoorbeeld in het aantal segmenten. Dat ene extra segment kan voor een gebruiker juiste een interessante groep bevatten die de fragmentering nog tastbaarder maakt. In die zin geldt voor segmentatie: more art than science!”


De diepgaande segmentatie in het digitale domein

“In het analoge tijdperk hield het zicht op onze abonnees op zodra de krant op de deurmat gevallen was. Vanaf dat moment was het veelal gissen wat er met ons product gebeurde. Alleen via marktonderzoek waren we in staat achteraf die inzichten te verkrijgen. Tegenwoordig lezen steeds meer mensen het nieuws online en daardoor zijn de krantenlezer en vooral de websitebezoeker zonder abonnement steeds dichterbij gekomen.”

“Dat betekent dat we onze marketingactiviteiten alsmaar beter kunnen afstemmen op die online bezoekers die nog geen abonnees zijn om ze te benaderen voor een abonnement. Nu zijn we bijvoorbeeld bezig met het inzetten van bestaande banners op daarbij behorende segmenten. De volgende stap die we willen zetten, is het omdraaien van deze benadering. In die fase maken we nieuwe banners die aansluiten op de interesses van een specifiek segment.”

De opbrengsten van de segmentatie

“De segmentatie bij De Persgroep die ik tijdens de presentatie voor PIM aan de orde breng, is net afgerond. Met gebruik van deze ordening zijn we dus nog aan het experimenteren. Meer in het algemeen heeft de inzet van voorspelmodellen ons al aanzienlijke kostenbesparingen opgeleverd. Zo hanteerden we in het verleden de strategie om maar zoveel mogelijk prospects of voormalige klanten via direct marketing – denk bijvoorbeeld aan de huis-aan-huisfolders – te benaderen.”
“Die aanpak ging gepaard met hoge marketingkosten. Tegenwoordig selecteren we kansrijkere adressen op basis van het kansmodel. Door minder mensen te benaderen, besparen we op de kosten. En tegelijkertijd behalen we een gelijkblijvend of zelfs beter financieel resultaat. In deze toepassing zie je dus dat de gecombineerde inzet van data en analyse echt waarde toevoegt. Deze techniek passen we niet alleen toe in ons kanaal voor direct marketing, maar zo goed als in al onze wervingskanalen.”


De sprekende voorbeelden van data-analyse

“De analyse van data biedt een uitgelezen kans om de klant centraal te stellen. Dat zie je ook bij organisaties buiten onze branche. Als je bijvoorbeeld kijkt naar life cycle management, is de telecomsector een ware voorloper. Daar kunnen wij in de mediasector nog wat van leren, omdat we pas veel recenter – via digitale kranten – toegang hebben gekregen tot het gebruiksgedrag van onze abonnees.”


De aanbeveling voor de inzet van data en analyse

“Zorg eerst voor een datastructuur die op orde is! Dat is de belangrijkste aanbeveling die ik marketeers over data en analyse wil geven. Anders blijf je namelijk hangen in ad-hoc-analyses en ongestructureerde acties. Op die manier wordt het gebruik van data nooit een automatisme. Dat is een essentiële voorwaarde om het optimale resultaat te behalen. De uitdaging die je vervolgens als eerste aanpakt, is afhankelijk van de branche. Maar met niet al te moeilijke technieken kun je met een goede dataset altijd mooie eerste stappen maken!”

Andere trendrapporten

Ontvang onze laatste events en insights in je mailbox