Får i nok værdi ud af kundedata?

De fleste organisationer er efterhånden ved at få sat strøm til kundedata og har investeret i platforme til at lagre og aktivere dem. Vi har fået en fælles forståelse for, at data er vigtige. Vi ved, de kan bruges til at generere indsigter, til at målrette marketing indsatser og indhold, til at forudsige og nudge kunders handlinger, til at måle effekten af vores indsatser og meget mere.

Det store spørgsmål er nu: Hvordan? Altså, hvordan gør vi det helt konkret?
Det korte svar er: Segmentering!

I traditionel marketing er segmentering = målgrupper. Man bruger aggregerede indsigter til at skabe homogene grupper med veldefinerede karakteristika, som vi kan målrette vores indsatser og budskaber til, fordi det øger sandsynligheden for handling. I moderne datadrevet marketing kan vi et langt stykke henad vejen identificere den enkelte kunde og knytte relevante data og segmenter direkte til deres person, account eller ID.

Vi taler altså ikke længere (kun) om få homogene grupper, men om individuelle modtagere med hver deres mindset, behov, adfærd og relation til organisationen, og med hver deres unikke kunderejse. Modtagere som ovenikøbet kan vandre i segmenter, så de fx har én tilgang til jeres produkt i hverdagene og en anden i weekenden.

Potentialet for individualisering er uendeligt, men det skal selvsagt vejes op imod de ressourcer, som skal investeres i både udvikling og løbende håndtering og vedligeholdelse. Her kan I bruge segmenteringsmodeller til at prioritere imellem målgrupper, indsatser og content versionering, når I planlægger. Vi arbejder med 360-graders segmenteringsstrategier, hvor vi ser på, hvordan koblingen af forskellige typer af segmenteringsmodeller kan være med til at drive værdi for både kunderne og jeres organisation.

Når I laver jeres segmenteringsstrategi, så tag først stilling til, med hvilke formål I gerne vil segmentere. Det kan hjælpe til at beslutte, hvilke modeller, som skal i spil, hvad skal de fortælle om kunderne, og hvordan de kan kombineres for at skabe endnu dybere indsigt. Her kan I skiftevis tage kundens og virksomhedens perspektiv med i overvejelserne. Hvor et ’udefra-ind’ perspektiv i højere grad vil lede til kommerciel succes via en forbedret kundeoplevelse, vil et ’indefra-ud’ perspektiv centrere sig omkring optimering af indsatserne med fokus på planlægning, investering og optimering.

De vigtigste modeller i et ’udefra-ind’ perspektiv er:

• Det er den mest klassiske måde at segmentere på, og den er fortsat gyldig. Får vi stillet de rigtige spørgsmål, kan vi lægge personaerne ned over vores base, hvor modellen bidrager med indsigter omkring, hvilke budskaber og indhold, som modtageren med størst sandsynlighed vil finde relevant. Modellen hjælper os fint til, hvordan vi skal kommunikere, men ikke nødvendigvis til hvornår og heller ikke altid hvad, fordi den ikke siger noget om kundens konkrete situation.
  
• Her ser vi på, hvor parat kunden med al sandsynlighed er til at handle, det kunne fx være at købe et givent produkt. En parathedsmodel hjælper til at identificere, hvilke kunder som er mest konverterbare og hvilke kunder, som vil opleve en sælgende kommunikation som for hård, og derfor bearbejdes via digitale oplevelser, content, soft-sell etc. Der findes forskellige varianter af denne type modeller. Nogle måler alene på digital adfærd (fx engagementsscore eller lead score), nogle på købsadfærd (fx RFM eller predictive purchase behavior modeling). Vores erfaring er, at den bedste indsigt opnås, når adfærd kombineres med stamdata og evt. adspurgt data, som kan hjælpe til at afdække kundes konkrete situation.
  
• Helt overordnet, så ved vi, at en stærk kunderelation skaber øget tillid, og at øget tillid skaber øget omsætning i form af både mersalg og kundelivstid. Vi ved også, at kunder med en stærk relation til brandet med større sandsynlighed er ambassadører for brandet og skaber word of mouth. Så der er mange gode grunde til at vurdere den enkelte kundes relationsstyrke og prioritere de indsatsområder, som kan bidrage til at styrke kunderelationen over tid. Når vi måler relationsstyrken, er parametre som tilfredshed og tillid væsentlige; men I får et mere nuanceret billede at kundens tilknytning til brandet, hvis I måler på tværs af adfærd, køb, loyalitet og attitude. Krydses modellen med personaer og kompetent kreativ tænkning, får vi et godt indblik i, hvilke typer indsatser der skal til for at flytte konkrete segmenter op ad ’relationstrappen’.

Tager vi nu indefra-ud brillerne på, kan det være relevant at forholde sig til fx:

• Det er endnu en klassiker, som dog er blevet lettere at håndtere og automatisere med automation platforme og CDP’er. Her forholder vi os løbende til, hvordan vi kan optimere både indkøb i betalte digitale kanaler og henvendelser i egne kanaler, sådan at vi rammer mest præcist med vores budskab. Kobler vi indsigt omkring vores mest værdifulde kunder med indsigt omkring deres digitale adfærd, har vi også mulighed for at lave tvillinganalyser og på den måde målrette vores budskaber til lignende profiler.
  
• Værdi/potentiale. En værdi/potentialesegmentering ser på, hvilke kunder som bidrager med størst økonomisk værdi til virksomheden og kobler det til en gennemsnitbetragtning omkring den økonomiske værdi som kunden alt andet lige burde kunne bidrage med ifht dens profil. Her får I altså netop indsigt i, hvem der er jeres mest værdifulde kunder. Modellen er et stærkt værktøj til at bestemme, om en kunde fx skal sælges til, fastholdes eller nedprioriteres.
  
• Trigger-adfærd. Segmentering på trigger-adfærd gør det muligt at reagere hurtigt, når en kunde sender et digitalt signal om at have brug for opmærksomhed. Det kan være, kunden har brug for hjælp, ikke har fået gennemført et køb, er utilfreds eller er et sted i sin livscyklus, hvor der er stor risiko for at miste kunden. Her er ofte tale om simple triggers (det kan være lav NPS, varer i kurven, specifikke søgninger på web etc.), som dog kan have stor effekt og derfor er relevante at forholde sig til.

Uanset, hvilke modeller I beslutter, skal være en del af jeres strategi, så er de ikke meget værd, før de er implementeret. Derfor bør arbejdet med segmenteringsstrategien også forholde sig til, hvilke krav de valgte modeller stiller til data og teknologi.

• Hvilke konkrete data har vi brug for?
• Er de tilgængelige, eller fra hvilke kilder skal de komme?
• Hvordan vedligeholdes data over tid?
• Hvilke platforme skal i spil ifht. datalagring og -modellering?
• Hvordan skal output visualiseres og lagres, sådan at de kan bruges dynamisk?

Og husk: Der er mange muligheder med segmentering, og nøglen til succes er ikke nødvendigvis at bruge mange modeller. Vælg dem, som giver jeres virksomhed de bedste forudsætninger for løbende at prioritere, hvilke målgrupper og indsatser som vil bidrage bedst til at styrke kundeoplevelsen og nå jeres strategiske målsætninger.