12 september 2016 543 woorden, 3 min. gelezen

Big Data: laat uw klanten helpen om de segmentering van uw database te verbeteren

Door Pierre-Nicolas Schwab Gepromoveerd in marketing, directeur van IntoTheMinds
Welk bedrijf zou in deze tijd van Big Data (« massale gegevens », Frans) niet nog meer informatie over zijn klanten willen hebben om een beter gedragsprofiel te krijgen? Weinigen denken er echter aan om de kracht van de co-creatie te gebruiken en gegevens aan […]

Welk bedrijf zou in deze tijd van Big Data (« massale gegevens », Frans) niet nog meer informatie over zijn klanten willen hebben om een beter gedragsprofiel te krijgen? Weinigen denken er echter aan om de kracht van de co-creatie te gebruiken en gegevens aan te vullen door de klant voor u te laten werken.

In deze blog geven we u twee voorbeelden uit de online pers, die aangeven hoe klanten door hun acties nieuwe segmenten kunnen creëren en aanbevelingen nog verder kunnen verbeteren.

Van iets houden of het verafschuwen: een klassieke, maar krachtige binaire segmentering

Aantrekkingskracht en aversie zijn de twee meest elementaire en binaire methodes om de interesse van uw klant voor een bepaald product of bepaalde dienst te segmenteren. Als iemand iets graag heeft, kunt u ervan uitgaan dat die persoon het zal blijven gebruiken. Bij de online diensten wordt een indicator van aversie zelden gebruikt (behalve op YouTube waar een knop van het type
«duim omlaag » of « thumb down » beschikbaar is). Toch is dit type indicator een krachtig instrument om aanbevelingen en tegelijk de klantentevredenheid te verbeteren. Spotify zou een dergelijk functie wel kunnen gebruiken.

Emotionele segmentering

Zoals we in een eerder artikel (Frans) al uitlegden heeft Facebook een meer verfijnde segmentering ingevoerd door het gebruik van emoticons. Het effect van die emoticons op uw Facebookpagina blijft echter ondoorzichtig voor ons. Het aanbevelingsalgoritme van Facebook blijft een zwarte doos. Dit soort emotionele segementering is echter voordelig voor transparantere doelen op andere websites. Laten we er twee bekijken.

Gebruik # 1: Voici.fr

Voici.fr (Frans) is een « people » persmagazine. De online versie geeft lezers de mogelijkheid om inhoud te evalueren op basis van 5 categorieën: “Fun”, “Sniff” (wat voor droefheid staat), “Buzz”, “WTF” en “Sexy”. Wanneer de lezers hun stem uitbrengen, verrijkt de inhoud zich automatisch met nieuwe metagegevens. Met andere woorden, er wordt een nieuwe variabele gecreëerd waarmee tal van dingen gedaan kunnen worden.

Als een lezer bijvoorbeeld voor “fun” heeft gekozen, kunt u artikels aanbevelen die andere lezers ook leuk vonden.
De stemmen van de lezers maken het ook mogelijk om een nieuwe indeling van uw inhoud te maken. Dat werd al toegepast door Voici.fr, zoals u kunt zien op het screenshot hieronder. De inhoud wordt ingedeeld op basis van de emotie die ze teweegbrachten.

Gebruik # 2: 7sur7.be

Het Belgisch nieuws 7sur7.be (Frans) past een gelijkaardige methode toe om inhoud in te delen. Het gebruikt een methode van GraphyStories (Engels) om inhoud te « taggen » in zes categorieën: “interessant”, “amusant”, “opvrolijkend”, “vervelend”, “verontrustend”, “deprimerend”.

De stemmen worden vervolgens gebruikt om – hoe verrassend – de 5 beste artikels uit elke categorie aan te bevelen.

Tips voor uw Big Data-strategie

Ook al is de keuze van de tags die VoicI.fr en 7sur7.be gebruiken redelijk ondoorzichtig, het is nog altijd een poging ominhoud in te delen op basis van een emotieschaal. Bedrijven die Big Data-technologieën gebruiken om inhoud of producten te promoten moeten zich ervan bewust zijn dat ook hun klanten kunnen meehelpen aan een betere indeling. Dat is wat men co-creatie noemt. Die nieuwe categorieën kunnen op hun beurt bijdragen aan uw segmenteringsstrategie en u helpen om nieuwe verbanden te ontdekken.



Posted in big data, Marketing.

Plaats uw mening

Je e-mailadres zal niet getoond worden. Vereiste velden zijn gemarkeerd met *