Bedrijven weten steeds meer van hun klanten. Wanneer de klant denkt 'dat is handig', is dat geen toeval. Podiumauteur Gijs Louter vraagt zich af hoe ver deze ontwikkeling gaat.
Telkens wanneer ik het blauw en geel van een IKEA-winkel achter me laat, verbaas ik me over alle producten die in mijn mandje zitten die niet op mijn lijstje stonden. Het is opmerkelijk hoe vaak ik gedurende het winkelen een product zie en denk: “Dat is ook handig, laat ik het voor de zekerheid maar meenemen”. Bij de aanschaf van een lamp koop ik bijvoorbeeld een setje spaarlampen, ook al weet ik dat ik er maar eentje nodig heb. Daarbij komt dan ook nog de spontane aanschaf van nieuwe batterijen voor mijn wandklok, omdat ik er niet zeker van ben of ik deze thuis nog heb liggen.
Ongeveer hetzelfde gebeurt online. Neem Amazon.com : Bij het zoeken naar een biografie van Steve Jobs komt een lijst met aanbevolen artikelen tevoorschijn onder het item 'Customers who bought this item also bought'. De biografieën van Albert Einstein, Richard Branson en Benjamin Franklin worden getoond, en ik moet toegeven dat deze mij ook erg interessant lijken om te lezen. Voorheen klikte ik recensie na recensie aan om boeken te vinden die mij echt aanspreken. Tegenwoordig krijg ik zonder te zoeken de boeken onder ogen die ik normaal gesproken zelf nooit zou hebben gevonden. Het resulteert echter wel in het kopen van meer boeken dan in eerste instantie de bedoeling was; net als bij de IKEA.
Haal info uit koopgedrag en klantprofiel
Hoe weten deze ondernemingen zo goed wat hun klanten willen? Hoe weet Google wat ik wil gaan zoeken als ik maar twee letters heb getypt. En hoe weet ‘Target’ dat een meisje zwanger is voordat haar vader het weet? Door middel van datamining: een mix tussen kunstmatige intelligentie, statistiek en database technologie.
Het ontdekken van een statistisch verband tussen de aanschaf van product A en product B kan erg nuttig zijn voor een retailer. Wal-Mart gaat met het doen van aanbevelingen op basis van informatie zelfs nog een stapje verder. WallMartLabs, de innovatieafdeling van de onderneming, heeft Shopycat uitgebracht. Shopycat is een Facebookapp die consumenten helpt om een leuk kado te vinden voor zijn of haar vrienden. Door klantdata van koopgedrag te combineren met klantprofielen van sociale media (die vol zitten met ‘likes’ en ‘interests’), kan een gepersonaliseerd kado worden aanbevolen.
Bouw 'rijke' profielen op
Internetadverteerders gebruiken hetzelfde principe. Als je een 28 jarige man bent die reizen erg leuk vindt, is de kans groter dat je op een advertentie zult klikken van een goedkope reis naar New York dan op een advertentie van vrouwenkleding. Specialistische bedrijven volgen het online klikgedrag van internetgebruikers en weten hier zeer ‘rijke’ profielen mee op te bouwen. Deze persoonlijke profielen, die continu ververst worden, zijn te (ver)kopen op een aandelen-achtige beurs.
Voorheen kochten adverteerders advertentieruimte op een specifieke website – bijvoorbeeld een advertentie van een auto op een autowebsite. Tegenwoordig betalen adverteerders een premie om consumenten te ‘achtervolgen’ met advertenties op het internet. Waar de consument ook heen surft, dezelfde specifieke advertenties blijven hen achtervolgen, mits de cookies niet zijn uitgeschakeld.
Toekomstgedrag voorspellen
Wat als je zou kunnen voorspellen wat er in de toekomst gaat gebeuren? Wat als je op basis van winkelbezoeken van afgelopen jaar kan voorspellen wat het toekomstig koopgedrag van een klant is. Dunnhumby heeft voor Kaggle een competitie opgezet waarbij deelnemers moesten voorspellen wanneer het volgende bezoek van klanten zou plaatsvinden en hoeveel zij vervolgens zouden uitgeven. De deelnemers kregen toegang tot een dataset met details van winkelbezoeken van 100.000 klanten gedurende een jaar. Op basis van deze data moesten deelnemers voorspellen wanneer elk van de 100.000 bezoekers terug zou komen en hoeveel zij dan zouden uitgeven. Het winnende model was 208% accurater dan de huidige benchmark (en heeft een Russische professor $10.000 opgeleverd).
Bedenk eens wat dit zou kunnen betekenen. Men kan op basis van onze bezoeken (veelal geregistreerd via klantenkaarten) voorspellen wanneer wij terugkomen in een winkel. Ik weet zelf niet eens wanneer ik weer iets ga kopen. En als het model een afname van het aantal bezoeken of uitgaven voorspelt, dan stuurt de winkel een persoonlijke kortingsbon om mij alsnog naar de winkel te lokken. Dunnhumby heeft al bewezen dat zij waarde toevoegt met analytics. Mr. Humby, een van de oprichters, heeft er zelfs een boek over geschreven: Scoring Points: How Tesco is winning customer loyalty.
Shoppen is geen toeval
De volgende keer dat je een kortingsbon ontvangt, het basilicum naast de tomaten vindt, of denkt “dat is ook handig” als je een advertentie ziet, bedenk dan dat dit geen toeval is. Maar de uitkomst van een, door getalenteerde datajunkies gecreëerd, complex model wat jouw gedrag middels een vergelijking vaststelt. Stel je eens voor hoe je in de toekomst een pizza gaat bestellen. Nog een paar stappen verder en het zal voelen als een inbreuk op je privacy.
Over de auteur:
Dit artikel is geschreven door Podiumauteur Gijs Louter, uit naam van Competing on Information, een initiatief van Nolan, Norton & Co, dat ontstaan is vanuit de overtuiging dat ook traditionele bedrijven in toenemende mate de informatie waarover zij (kunnen) beschikken zullen inzetten binnen hun waardeproposities en dat de bedrijven die dit succesvol doen de outperformers van de toekomst zullen zijn.
Over het Podium:
Ook uw visie geven op ontwikkelingen binnen uw vakgebied? Plaats een artikel op MT Podium. Log in op mt.nl/profiel en voeg onder 'activiteiten' uw artikel toe. Interessante bijdragen worden meegenomen in de nieuwsbrief en op home geplaatst. MT Magazine publiceert bovendien periodiek 'Het beste van MT Podium'.
