“Segmenten op basis van intentie, converteren twee keer zoveel”

In gesprek met Colruyt Group over slimme segmenten

Veel producten, grote concurrentie, sturen op de marge: segmenteren in retail kan een uitdaging zijn. Zelfs met gedetailleerde data kan het nog best een kunst zijn de juiste marketingstrategie te implementeren. Kan clustering daar iets aan bijdragen? Voor dit artikel gingen onze afstudeerders Data Driven Business (Hogeschool Utrecht), Mark Stammes en Martijn van Campen, daarover in gesprek met Klassewijnen, het topmerk van de Belgische retailketen Colruyt Group voor de betere wijnen. Hun doel: clusters betrouwbaar en duurzaam inzetten voor marketing, op basis van de data van Colruyt, waarmee zij slimme segmenten inzetten voor een gerichtere klantenbenadering.

Marketing wordt steeds meer datagedreven, bewijst ook Klassewijnen. Al lang past men daar het welbekende RFM-framework toe in haar strategieën. “We werken momenteel hoofdzakelijk met aankoopgedrag. Mensen die recent hebben gekocht, frequent hebben gekocht of een bepaalde aankoop doen. Daarop gaan we aan de slag met onze marketing acties”, aldus Nadia Vandebotermet, Category Coach bij Klassewijnen. Daar clickstream data aan toevoegen zou na dit project wel eens een volgende stap kunnen zijn. Dit past ook in de bredere strategie van Colruyt Group om informatie beschikbaar te maken voor al haar merken.

Vincent Dumon (Project Manager bij het Service Center Informatie): “Je moet dan werken aan integratie van al die databronnen, zorgen dat het op 1 plaats bereikbaar wordt. Het is in die optiek niet alleen een manier vinden om data aangeleverd te krijgen, maar ook zorgen dat je die gaat integreren op een manier dat je er met je analytics vlot mee aan de slag kunt.”

Segmenteren werkt, maar is niet zonder kosten

Bij wijn is het segmenteren van het aanbod vooral op regio en druif, maar het is toch wel complexer dan het lijkt. “In de organisatie kun je dat opdelen in twee stukken. Enerzijds is er een insteek naar de klant toe. Je wil vermijden dat je irrelevante communicatie stuurt, anders krijg je opt-outs en verlies je contact. Anderzijds is er een insteek naar marketingkost. Klassewijnen werkt nu nog veel met catalogi. Daarin is er veel focus op beleving, met beschrijvingen over productieproces en het château. Da’s uiteraard niet goedkoop, dus de juiste doelgroep aanspreken heeft direct impact op de centen die je investeert in je marketing. ”, licht Vincent toe. “Dat zijn oefeningen die we vroeger ook al gedaan hebben. Bijvoorbeeld bij Collishop (voormalig Colruyt Group merk, red.) , waar we 30% hebben kunnen besparen door beter te targeten, zonder een euro minder omzet te draaien”.

Nadia: “Werving van klanten is nog moeilijker. Het is nu moeilijk om te proberen uit al die kassabonnen van heel de groep, precies die klanten te vinden die genoeg een (latente) passie voor wijn hebben om ze ons online assortiment te gaan aanbieden. Nu staan we daarom vaak met degustaties in de winkels van andere Colruyt merken, omdat we anders met analytische tools in een vijver van 2 miljoen mensen moeten gaan vissen.”

“Bij Collishop hebben we 30% kunnen besparen door beter te targeten, zonder een euro minder omzet te draaien”

Clustering in de praktijk

Hoe clustering precies werkt, hebben we eerder al eens beschreven. Theoretisch interessant, maar hoe zet je daar nu stabiele marketingdifferentiatie op? Martijn en Mark hebben de data van Colruyt kunnen gebruiken om hier invulling aan te geven.

Mark: “Mijn onderzoek gaat over de houdbaarheid van segmenten. Het gebeurt gewoon dat segmenten over tijd veranderen: mensen stromen erin, maar vallen er ook weer uit. Zo kan het zijn dat je strategie van vorig jaar, dit jaar niet meer werkt.”
Bij Klassewijnen werkt marketing al met het meest actuele aankoopgedrag, maar toevoeging van clickstream data kan daar wellicht nog verdieping in aanbrengen, maar op een schaalbare manier.

Mark legt uit: “Vroeger, als je werkte bij een wijnhandel, dan zag je je klant binnenkomen, wat kopen en weer naar buiten gaan. Je wist precies hoe ze eruit zagen. Online zijn ze vaak meer een nummertje. Maar met de data die we kunnen verzamelen, kunnen we wel zien waar ze vandaan komen, hoe vaak ze komen, waar ze naar keken. Het moeilijke is om dan te kiezen: wat doen we daar dan mee? En daar komt clustering om de hoek kijken.”

Scoren met de juiste clusters

Soms klinkt het alsof daarbij machine learning technieken al het werk voor je doen. Toch zit dat wat anders, ook bij clustering. Natuurlijk zorgt een algoritme voor de clusterindeling, maar je moet wel goed nadenken over hoe je de beste clusters krijgt, en niet gewoon maar willekeurige groepen gaan targeten. Martijn kon daar met zijn onderzoek veel inzicht in bieden:
“Ik heb een stuk of 25 variabelen bekeken, om te zien: welke kun je nou het beste gebruiken om betrouwbare clusters te maken, die ook nog waarde toevoegen voor de marketeer. Zodat je niet alleen maar leeftijd overhoudt, waar de marketeer mee aan de gang moet” Waarom dit dan je segmentatie verder helpt?
“Het is net als met voetbal. Je kunt hele mooie tactieken en spelsituaties bedenken, maar uiteindelijk gaat het erom dat je de elf beste spelers op het veld neerzet. Zo is het met clusteren ook: als je de beste variabelen selecteert, weet je dat je op goede clusters komt.”

Wat voor variabelen zijn dit dan? “De eerste resultaten toonden al: hoe minder variabelen, hoe beter voor betrouwbare clusters. Maar: hoe minder variabelen, hoe minder inzicht voor de marketeer. De beste balans blijkt zeven variabelen. Over tijd wisselt het wel eens, maar je kunt wel iets zeggen over welke variabelen dit vaak zijn. Belangrijk is vaak het type device – laptop, mobiel – en het merk. Maar ook hoe lang er tussen bezoeken zit, hoe vaak ze je website bezoeken. En: komen bezoekers nou veel binnen op een homepage, of op een productpagina, en van waar gaan ze weer weg?”

“Als je de beste variabelen selecteert, weet je dat je op goede clusters komt”

Thibaut de Topper: tenminste houdbaar tot

Geen nadelen tot dusver, zou je kunnen denken. Met de juiste variabelen weet je waarop je moet zoeken, en vind je zo welke klanten potentievol zijn. Maar: hoe vaak ga je dan clusteren? Je wilt tenslotte niet iedere week nieuwe content moeten genereren omdat je clusters al onbruikbaar zijn. Mark focuste in zijn onderzoek daarom op hoe de kwaliteit van die clusters bleef over tijd.

“Iedere week, of zelfs maar iedere maand zo’n analyse uitvoeren kost veel tijd. Dat kan interessant zijn, maar het is zonde van je tijd, als je al weet dat als je die analyse in maart uitvoert, je segmenten in augustus ook nog bruikbaar zijn. Dus ik heb bij Klassewijnen gekeken, hoe zien iedere maand dan die ideale clusters eruit. Dat heb ik vergeleken met een soort voorspelling enkele maanden vooruit. Op die manier kon ik berekenen dat de segmenten waarschijnlijk drie maanden houdbaar zijn en kun je daarop je marketing communicatie inrichten.”

Opvallend bij Klassewijnen zijn over al die tijd twee typen segmenten, die bijna iedere periode wel terugkomen. “Aan de ene kant heb je de groep van de soort ‘Gemiddelde Gerda’”, vertelt Mark. “Een groot deel van de bezoekers, die op alle factoren ook rond het gemiddelde scoren. Niet al te vaak online, kopen gemiddeld, komen vooral uit de grote steden. Daarnaast is er vaak het segment met Thibaut de Topper. Ze komen via goedkope kanalen op de website, komen ook vaker, en hebben een hogere mandwaarde, met veelal rode wijn uit Frankrijk.”

Volgende stappen in segmentaties bij Colruyt

Het onderzoek van Mark en Martijn sluit mooi aan bij de ambities van Klassewijnen. Nadia legt uit: “Als we met statistische, duurzame clusters kunnen werken, is dat altijd interessant. Nu werken we ad hoc, met het boerenverstand. Door deze andere kijk toe te voegen, op basis van andere data, dat helpt om een volgende stap te zetten in de marketing communicatie. Dit is dus zeker een meerwaarde als we met zulke segmentaties aan de slag kunnen.”.

De materie klinkt wellicht wat complex, maar Vincent heeft vaker met dit bijltje gehakt:
“Het is ook heel belangrijk de leercurve van je organisatie en maturiteit van zo’n oplossing naast elkaar te leggen. Een voorbeeld zien we bij Dreamland, de speelgoedtak van Colruyt. Daar hebben we met de OnMarc Segmentation Engine getest wat het verschil is tussen segmenten gebaseerd op kenmerken en segmenten gebaseerd op intentie. En dan blijkt: segmenten die je maakt op basis van realtime interesse en intentie, in plaats van op bijvoorbeeld gezinssamenstelling, converteren twee keer zoveel. Ook niet gek: een zestiger valt niet snel in een segment met kleine kinderen, maar kan wel op zoek gaan naar speelgoed voor de kleinkinderen.  Dat kun je iedere marketeer uitleggen. Maar dan komt de vraag: kunnen we dat met nog meer parameters? Menselijk gezien wordt het dan niet meer te beheersen en moet je naar data science gaan kijken. De stap die we met dit onderzoek nu zetten, is een logische eerste stap die ook marketeers prima snappen. En dan zal de honger naar betere modellen alleen maar stijgen”.