+31 (0)30 636 39 70 | info@onmarc.nl

Je klantreis beter analyseren

OnMarc

Customer journey analyses kunnen beter

Je klantreis beter analyseren

 

Volgens ‘De staat van Marketing Automation in 2024’ van Deployteq maakte de datadriven wereld een mooie stap vooruit: we geven onze datakwaliteit gemiddeld een 7, en meer dan de helft gaf zelfs een 8 en hoger. In deze blog gaan we dieper in op hoe die juiste data enorm bijdraagt aan customer journey analyses. Want betekent dat vertrouwen in onze data dan ook dat we onze klantreis beter analyseren met data?

Nee, kort door de bocht. Want hoewel in bovenstaande survey dus de respondenten (voor een groot deel marketingbureaus) sterk in hun data gelooft, gaf even geleden het DDMA Data Driven Marketing Onderzoek 2023 heel wat anders aan: “Een minderheid van de Nederlandse organisaties die zich bezighouden met marketing geeft aan dat marketingteams data toepassen (42%)”. Specifieker: “Slechts de helft van de bedrijven (51%) hanteert data bij het sturen op klant-KPI’s.” En als je KPIs al niet echt met dergelijke data worden gemonitord, is de kans klein dat we diepgravender analyses doen.

”het grootste risico bij klantreisanalyses is dat je teveel uitgaat van wat je dénkt dat de customer journey is”

Op tijd beginnen

Nu is niet iedere klantreis hetzelfde natuurlijk. Als veel via Sales verloopt of buiten je eigen touchpoints, is 1st party marketing data lastig (of zelfs onnodig). Maar als je eigenlijk diep vanbinnen weet dat je klantreis nog te ongrijpbaar voor je is, kun je je er beter verder in verdiepen. Zolang de klanten blijven komen, is er niks aan de hand, maar veel bedrijven constateren daardoor vaak pas dat ze echt te weinig (goede) data hebben, op het moment dat er bottlenecks optreden.

Maak het niet té simpel

Als je je klantreis beter in kaart wilt brengen, kun je op allerlei manieren beginnen. Path analysis in GA4 of een soortgelijke tool is een optie, of funnelrapporten in bijvoorbeeld tools als Hotjar. Maar om dat goed te doen, moet je nadenken over hóe je die analyse inricht. Waar start je klantreis nou eigenlijk? Zijn er meerdere startpunten? Hoe ga ik om met drop-off? Als je daar meer over wilt weten, lees dan vooral deze blog over ‘Vijf dimensies om je klantreis beter in kaart te brengen’.

Om het simpel en overzichtelijk te houden, kiezen veel organisaties vaak voor een versimpelde weergave van de customer journey. Het grootste risico bij klantreisanalyses is daarmee dat je teveel uitgaat van wat je denkt dat de customer journey is, in plaats van hoe je klanten echt hun pad doorlopen. Nu moet je zeker niet iedere dwalende bezoeker onderzoeken, maar net als bij iedere analyse ligt er bias op de loer als je te gemakkelijk data terzijde schuift.

 

Oplossing

De oplossing is vaak het combineren van beiden: gebruik het simpele model – bijvoorbeeld zo’n funneldiagram – om te zien waar de kansen liggen. Wellicht zit er ergens tussen je product detailpagina en de basket overview een flinke drop, of tussen je calculatortool en inschrijving. Als je daarop dieper inzoomt door alle bezoekers die daar afhaakten te bekijken (en dan wel hun echte customer journey), krijg je de juiste inzichten.

Meer weten over dit onderwerp?

Customer journey analyses bieden kansen voor allerlei bedrijven, en soms zit de winst in hele kleine dingen. Je klantreis beter analyseren met data biedt dus als snel voordelen. Twijfel je of je de juiste data(kennis) hebt, of weet je niet waar je moet beginnen? Schakel dan vooral hulp in!

Contact E-Book Waarde Halen uit Data
A portrait of a smiling man with short dark hair, wearing a dark blue shirt with a dotted pattern, against a white background.
Kevin van Kalkeren combineert een achtergrond in sociale psychologie met data science. Daarmee snapt hij niet alleen hoe je met data moet werken, maar ook dat die data meer betekent dan enen en nullen. Bij OnMarc zet hij zich dan ook in om (bezoekers)gedrag tastbaarder te maken, om relevanter te zijn voor gebruiker én de klant van OnMarc zelf. Zo bouwt zijn team aan machine learning oplossingen voor exit detectie, clustering en andere diepgaande (marketing) analytics. Kevin is daarnaast betrokken als docent bij de Hogeschool Utrecht, heeft een eigen AI-boekenplatform en werd in 2023 genomineerd als Data Professional van het Jaar.

0 Comments

Leave a reply

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

*