Datamining: schotel je klant de meest relevante informatie voor

Hogere verkoopcijfers door de ontwikkeling van klantprofielen

De afgelopen jaren is de transitie van papier naar de digitale wereld zo snel gegaan, dat een digitale omgeving voor bedrijven eerder noodzaak is dan een luxe. Het gevolg hiervan is een enorme berg aan data, die een schat aan informatie bevat. Het kritisch bekijken van alle verzamelde informatie kan ons immers helpen om nieuwe gebruikers sneller te voorzien van de juiste informatie.

Auteur: Maaike Blok

Advertorial
Language Lover

Hoe werkt dat dan?
De overvloed aan data zorgt voor een overvloed aan keuzes. Zo geeft Google al snel 365.000.000 resultaten wanneer je alleen zoekt naar het weer. Er is onduidelijk wat het verschil tussen al deze opties is en wat de beste website is voor de gebruiker. Google gebruikt hiervoor een algoritme dat de populariteit van de verschillende websites analyseert en legt dit vervolgens naast de gebruikte zoektermen. Gesorteerd op relevantie verschijnen de websites onder elkaar.

Een ander voorbeeld van een organisatie die deze overvloed aan keuzes ook goed weet te managen, is Netflix. Zij gebruiken een algoritme dat een selectie aan films of series laat zien, die vergelijkbaar is met wat de gebruiker of vergelijkbare gebruikers voorheen hebben gekeken. In dit filmpje van de NOS leggen ze precies uit hoe dat algoritme werkt.

Van zoektermen naar zoekcriteria
Voor mijn afstuderen heb ik geprobeerd een vergelijkbaar en toepasbaar algoritme te ontwikkelen voor Tix.nl, een e-commerce bedrijf dat vliegtickets verkoopt. Het bleek niet mogelijk om de algoritmes van Netflix en Google blind over te nemen voor Tix.nl. Tijdens het invoeren van een zoekopdracht voor een vliegticket worden geen specifieke zoektermen gebruikt, maar moeten de resultaten aan zoekcriteria voldoen. Bovendien wordt er geen profiel aangemaakt tijdens het invullen van de zoekcriteria, waardoor het vinden van vergelijkbare gebruikers of vluchten niet mogelijk is.

Ter illustratie: wanneer iemand een vlucht wil boeken, voert hij het aantal medereizigers inclusief de leeftijd in, de bestemming, de aankomst- en vertrekdatum en de gewenste reisklasse. Hier komt dus geen account aan te pas. Iedereen kan zoeken naar specifieke vluchten, maar pas tijdens het boeken zelf wordt om de benodigde gegevens gevraagd. Er is dus geen historie bekend van de gebruiker op het moment dat de zoekcriteria worden ingevoerd en de bijbehorende vluchten zullen dan ook nooit op een Netflix-algoritme gerangschikt kunnen worden.

Vliegtuig

De ontwikkeling van klantsegmenten
Met deze kennis bekeek ik of het mogelijk is om vanuit deze zoekcriteria klantsegmenten te creëren. Voorheen werd bijvoorbeeld regelmatig onderscheid gemaakt tussen zakelijke en particuliere vluchten. Dit zijn twee vrij brede reizigersgroepen en binnen de groepen bestaan dan ook verschillende behoeftes. Zo kun je je voorstellen dat een familie met kinderen andere vluchtbehoeftes heeft dan een backpacker, terwijl beide in eerste instantie onder de particuliere reizen vallen. De klantsegmenten kunnen worden verkregen door onderscheid te maken tussen groepen met of zonder kinderen, te kijken naar het aantal personen per vlucht, maar ook door de afstand tot de eindbestemming te bepalen. Deze gegevens zijn vooraf bekend en hiermee is het probleem dat er geen gebruikershistorie bekend is, verholpen.

Mijn onderzoek heeft hierin 6 verschillende reisdoeleinden gevonden: een vakantie met de partner, een vakantie met vrienden, backpacken, zakelijk reizen, de stedentrip en de familievakantie. Al deze segmenten geven voorkeur aan verschillende aspecten van een vlucht. Hieruit bleek dat onder andere de mensen die een stedentrip boekten, bovenmatig geïnteresseerd waren in de kosten van de vlucht. Hoe goedkoper, hoe beter. Voor de zakemensen bleek dat het tijdstip van vliegen een relevante variabele was voor het kiezen van een vlucht.

Resultaten op basis van segmentering
Doordat het vanuit de zoekopdracht al mogelijk is om een nieuwe klant in een van de segmenten te plaatsen, kunnen de vluchten direct gesorteerd worden op de voorkeur van dat segment. Op die manier is de kans groter dat de gewenste vlucht van de klant bovenaan komt te staan en dat de klant kiest voor een van de voorgestelde vluchten. Dit vergroot de tevredenheid van de klant, want er hoeft minder tijd te worden besteed aan het vinden van de juiste vlucht. Gezien vanuit het bedrijfsperspectief verhoogt deze manier van vluchten aanbieden bovendien de kans dat er uiteindelijk een vlucht wordt geboekt.

Veel bedrijven focussen zich op het verkrijgen van zoveel mogelijk persoonsgegevens om vervolgens gericht in te spelen op de verschillende wensen. Dit blijkt niet nodig, als we naar de resultaten van dit onderzoek kijken. Uit de verschillende gebruikspatronen kunnen ook voldoende conclusies getrokken worden, om zo de klant te voorzien van enkel de meest relevante informatie. Dit onderzoek maakt duidelijk dat het mogelijk is om behoeftes van individuen te verkrijgen uit een anonieme dataset.

0Shares
Stuur ons een bericht:

Not readable? Change text. captcha txt

Start typing and press Enter to search