OnMarc
[h
Van persona naar cluster:
Taskhero’s HoogFrequente Harry’s
De stap naar echt datagedreven werken
Binnen marketing wordt er steeds meer belang gehecht aan datagedreven werken. Maar gebeurt dit ook echt? We roepen graag dit te doen, maar de data wordt er in de praktijk vaak pas laat in de campagne bijgehaald. Met ons clusteringmodel wordt marktsegmentatie vanaf stap 1 al datagedreven.
Clustering is het indelen van personen in clusters op grond van hun kenmerken met behulp van een algoritme. Op basis van het gedrag dat bezoekers op de website vertonen, wijst het model ze aan clusters toe. Zo ontstaan verschillende clusters met daarin klanten die gedragsmatig onderling meer overeenkomsten hebben dan met klanten uit andere clusters. Op deze manier kan bottom up een model opgebouwd worden.
De data die is gebruikt, is door Celebrus gemeten op de website van TaskHero. Als basis van het model wordt het in marketingkringen wel bekende Recency, Frequency en Monetary Value (RFM) model gebruikt. Dus: hoe recent was het laatste bezoek, hoe vaak bezoekt iemand de website, en hoeveel geeft de klant uit. Dit wordt aangevuld met contextuele en gedragsmatige variabelen zoals geolocatie, aantal gebruikte devices, brand awareness, moment van bezoek, gemiddelde tijd tussen bezoeken en meer.
“Met het OnMarc clusteringmodel wordt marktsegmentatie vanaf stap 1 al datagedreven.“
Datagedreven Marktsegmentatie
Door op deze manier naar bezoekers te kijken, kunnen er nieuwe inzichten verworven worden. Daag je marketeers uit om hun persona’s naast deze clusters te leggen en test zo de bestaande verwachtingen over soorten bezoekers. Hoe verhoudt dit zich tot elkaar?
Door eens in de zoveel tijd te clusteren, worden veranderingen in de tijd zichtbaar. Zo wordt het mogelijk om door middel van (re)targeting te focussen op doorstroom tussen doelgroepen.
Fact-based segmentatie: Van persona naar cluster voor gerichte marketingcampagnes
Misschien kan er een marketingcampagne opgezet worden om HoogFrequente Harry’s te maken van Pasgeziene Petra?
Of willen we extra aandacht geven aan Harry, omdat hij zo’n goede klant is? Of stoppen we met adverteren aan Dure Dirk omdat zij geen converterende klanten zijn, maar wel veel geld kosten.
Op deze manier segmenteer je echt fact based en werk je van persona naar cluster.
Persona’s
Wil jij ook meer resultaat halen uit jouw marketingcampagnes? Leer dan hoe je jouw doelgroep effectief kunt indelen in clusters met behulp van Clustering – Fact based segmentatie.
Gerichte clustering leidt tot meetbare marketingresultaten
Door herhaaldelijke clustering is het effect van deze gerichte campagnes direct meetbaar. Zo wordt marktsegmentatie echt door de data gestuurd en ga je van persona naar cluster. Ben je benieuwd wat clustering kan beteken voor jouw bedrijf? Onze ervaren specialisten staan klaar om je te helpen! Neem vandaag nog contact met ons op.
Over de auteur: |
| Flora Boudewijnse is Data Scientist bij OnMarc. Haar achtergrond in Psychobiologie is van grote waarde bij het herkennen van patronen op het gebied van menselijk gedrag in data. Het onderzoek naar clustering binnen de doelgroepen van een bedrijf is één van de vooraanstaande projecten binnen OnMarc. De uitkomsten zullen de producten verder verrijken en meerwaarde voor klanten opleveren. |
Voor de liefhebber: |
| Het model gebruikt verschillende methoden om te clusteren. Zo is er K-means, clustering gebaseerd op het middelpunt van de clusters. Aan de hand van clustergemiddelden wordt gezocht naar de juiste configuratie of kan juist de nadruk worden gelegd op clusters van gelijke grootte. Verder kan je kiezen voor het aantal clusters dat de marketingliteratuur aanbeveelt of kan de keuze voor het aantal clusters beïnvloed worden door de afstand van datapunt tot middelpunt. Tot slot wordt er ook onderzocht of een hiërarchische, agglomeratieve (bottom up) approach de beste manier is om de data te clusteren. Al deze verschillende aanpakken worden toegepast en uiteindelijk kiest het model, door de kwaliteit van de gemaakte clusters te evalueren, welk algoritme de beste clusters maakt voor de huidige dataset. |
