Posts Tagged “Online klantgedrag”

Een tijdje geleden schreef ik hier over het uitkomen van het boek Multichannel Marketing van Akin Arikan. Een echt geweldig boek dat iedere marketeer zou moeten lezen! Unica Benelux heeft Akin uitgenodigd om in Nederland zijn verhaal te vertellen en nodigt alle lezers van M.I.B. en de leden van de LinkedIn groep Marketing Intelligence Netherlands uit om hierbij aanwezig te zijn.

Zet dus snel 23 maart om 18.30 in je agenda voor een niet te missen marketing intelligence event!

Bij veel bedrijven bestaat de behoefte om traditionele marketing te integreren met de groeiende mogelijkheden van online marketing. Bedrijven die hierin slagen kunnen de komende jaren een groot concurrentievoordeel behalen en daarmee zal de integratie van on en offline marketing in 2009 één van de belangrijkste onderwerpen zijn binnen het marketingdomein.

Akin’s ervaringen met het combineren van on en offline marketing worden gecomplementeerd door Daniël Markus van ClickValue, die zijn ervaringen zal delen met betrekking tot de trends en innovaties binnen online marketing.

Beide sprekers zullen ingaan op het personaliseren van web interacties door middel van het genereren van “behavioral insights” van iedere individuele webbezoeker. Daarnaast leert u hoe deze informatie gebruikt kan worden om interacties over andere kanalen aan te sturen en een significante verbetering te behalen in de communicatie met uw klanten en een hogere conversie van uw geïnvesteerde marketing Euro.

Het seminar wordt gehouden in het Mediaplaza in Utrecht. Meer informatie over het programma en de sprekers is hier te vinden. Registreer je snel voor dit geweldige event. Voor de eerste 100 gasten van dit evenement ligt het boek “Multichannel Marketing” van Akin Arikan klaar. Aan het event zijn verder geen kosten verbonden.

Ik hoop je te zien op de 23ste!

Tags: , ,

Comments 1 Reactie »

Zoals afgelopen week op Design for Conversion ook weer bleek, begint online marketing steeds volwassener te worden. Het belang van meten en optimaliseren wordt steeds meer onderkent, waardoor de webanalist een steeds grotere rol krijgt.

De ontwikkeling van de web analitics industrie vertoont veel paralellen met de business intelligence industrie van pakweg 10 jaar geleden. Niet alleen vanwege de manier waarop de overnames binnen de branche elkaar in hoog tempo opvolgen, maar vooral de ontwikkeling van reporting naar analyse. In de eerste jaren lag de nadruk op het bouwen van mooie rapportage, terwijl pas veel later meer naar analyse werd gekeken.

Binnen web analytics gebeurt een beetje hetzelfde. De afgelopen jaren draaiden vooral om het gebruik van webanalytics te vergroten en werd de KPI rapportage het toverwoord voor optimale sturing van je website. Heel langzaam komt nu het besef dat de analyse van (online) klantgedrag lastig in een standaardrapportage is te vatten en dus aanvullende analyses nodig zijn.

Deze ontwikkeling heeft ook consequenties voor de webanalist. Het maken van rapportages en het analyse van klantgedrag vereisen verschillende vaardigheden. Er zullen twee type analisten zijn die zich met webdata gaan bezighouden.

Type 1: Ontwikkelt rapportages en KPI dashboards. Zorgt voor de dagelijkse aansturing op basis van data. Doel van de functie: websiteoptimalisatie.

Type 2: Genereert inzichten uit online klantgedrag. Zorgt voor integratie online en offline marketingactiviteiten. Maakt analyses van klantwaarde per wervingskanaal of instrument. Doel van de functie: klantoptimalisatie.

De huidige webanalist zit vooral een type 1 analist. Het analyseren van online klantgedrag vereist andere vaardigheden, zoals datamining. Deze werkzaamheden sluiten veel beter aan bij de werkzaamheden van de databasemarketeer. Het is dan ook niet meer dan logisch als dat de analyse van online klantgedrag bij de databasemarketeer wordt belegd en uit het takenpakket van de webanalist verdwijnt.

Tags: ,

Comments 3 Reacties »

Een online-aankoop is vaak het resultaat van een aantal bezoeken aan de website. Meerdere onlinemarketinginstrumenten spelen daarbij een rol. De kosten van onlinemarketing moeten daarom op klantniveau worden bepaald en niet op sessieniveau.

Voorbeeld: Bij het surfen op internet stuit u op een banner van Transavia.com waarbij aanbiedingen voor vluchten naar Europese steden worden getoond. Verbaasd over de lage prijzen besluit u een weekendje naar Rome te gaan. Om ook de prijzen bij andere aanbieders te controleren typt u in Google ‘vlucht Rome’ in. Nadat u thuis hebt overlegd over het geschikte weekend probeert u via ‘aanbiedingen vlucht Rome’ de meest gunstige prijs voor dat weekend te vinden. U klikt op een aantal aanbieders en nadat u hebt geconcludeerd dat Transavia de beste aanbieding heeft, typt u in Google ‘Transavia’ in en maakt een boeking op de website.

Bovenstaand beslisproces zal u niet onbekend voorkomen. Wat opvalt, is het feit dat het beslisproces van een klant zich uitspreidt over meerdere contactmomenten en dat verschillende onlinemarketinginstrumenten hierin een rol spelen. In dit voorbeeld is de aankoop niet alleen toe te wijzen aan het zoekwoord ‘Transavia’, maar hebben ook de banner en de andere zoekwoorden een rol gespeeld in de uiteindelijke boeking, zij het niet direct.

Onderwaardering
Op dit moment worden de resultaten van de ingezette onlinemarketinginstrumenten vaak op sessieniveau geanalyseerd en gerapporteerd. Dit leidt echter tot een onderwaardering van instrumenten die belangrijk zijn in het begin van het beslisproces en een overwaardering van die instrumenten die belangrijk zijn aan het eind van zo’n beslissingsproces. Dit is te zien in het volgende voorbeeld:

Klant A bezoekt de website vier keer en maakt daarna een boeking.
Klant A: MSN banner – Google ‘vlucht Rome’ – Google ‘aanbieding Rome’ – Google
‘Transavia’ (boeking).

Klant B bezoekt de website drie keer en maakt geen boeking.
Klant B: Yahoo ‘weekend Rome’ – Google ‘vlucht Rome’ – Google ‘Transavia’ (geen boeking).
Klant C bezoekt de website vier keer en maakt daarna een boeking.
Klant C: MSN banner – Google ‘Transavia’ – Google ‘Transavia’ – Google ‘Transavia’ (boeking).

Analyse op sessieniveau

Kliks Boekingen Conversie%
MSN banner 2 0 0%
Yahoo ‘weekend Rome’ 1 0 0%
Google ‘vlucht Rome’ 2 0 0%
Google ‘aanbieding Rome’ 1 0 0%
Google ‘Transavia’ 5 2 40%

Op basis van deze analyse is de conclusie dat bannering niet werkt en dat alleen het woord ‘Transavia’ hoeft te worden ingekocht. De analyse op klantniveau laat echter een ander beeld zien.

Analyse op klantniveau

Kliks Boekingen Conversie%
MSN banner 2 2 100%
Yahoo ‘weekend Rome’ 1 0 0%
Google ‘vlucht Rome’ 2 1 50%
Google ‘aanbieding Rome’ 1 1 100%
Google ‘Transavia’ 5 2 40%

Uit de analyse op klantniveau blijkt dat er meerdere instrumenten voor de conversie hebben gezorgd. Op basis van dit inzicht zal worden besloten de investeringen in de banner en in de woorden ‘Transavia’, ‘aanbiedingen Rome’ en ‘vlucht Rome’ bij Google te vergroten. Deze woorden en de banner leveren klanten op die uiteindelijk een boeking gaan maken, ofwel kwalitatieve traffic.

De grote vraag is natuurlijk op welk moment in het beslisproces de werkelijke beslissing wordt genomen om een product aan te schaffen op een website. Vaak is dit het bezoek waarin het hoogste aantal pagina’s wordt geraadpleegd gedurende een reeks bezoeken. Blijkbaar nemen klanten vaak toch de moeite om een bedrijf en een product goed te leren kennen voordat de definitieve aankoopbeslissing valt.

Conclusie
Wees bewust van het feit dat een aankoop het resultaat is van verschillende sessies en dat meerdere onlinemarketinginstrumenten hierbij een rol spelen. Tot op heden wordt een online aankoop in vele gevallen maar aan één onlinemarketinginstrument toegekend. Dit is echter in tegenspraak met het feit dat het beslisproces van een klant zich vaak uitspreidt over meerdere contactmomenten.

Het resultaat van elk onlinemarketinginstrument afzonderlijk dient op klantniveau te worden vastgesteld. De analyse op sessieniveau leidt tot verkeerde inzichten waardoor verkeerde beslissingen worden genomen ten aanzien van het onlinemarketingbudget. Door het analyseren van klantgedrag op klantniveau, in plaats van sessieniveau, wordt het werkelijke resultaat van de onlinemarketinginspanningen duidelijk. Alleen zo ben je in staat de onlinemarketingstrategie stap voor stap werkelijk te optimaliseren.

Bovenstaande artikel verscheen in het nov 2007 nummer van het Tijdschrift voor Marketing en werd geschreven door Bart Clement & Bram van Essen. Het volledige artikel in pdf is hier te downloaden

Tags: , , ,

Comments Geen reacties »

In de offline kanalen begint het besef door te dringen dat klanten zich vaak volkomen irrationeel en onlogisch gedragen. Slechts 50% van de consumenten blijkt bijvoorbeeld een folder van voor naar achter door te nemen, de andere 50% neemt de folder van achter naar voor door. Om de aandacht van de lezer vast te houden moet er dus niet alleen een pakkende verhaallijn van voor naar achter in de folder worden verwerkt, maar ook van achter naar voren. Analogie met het ‘doornemen’ van een website is duidelijk.

In Paul Postma’s ‘Neurologie Berooft Marketing van Logica’ wordt aangetoond dat klantgedrag volkomen irrationeel is. In dit artikel worden vier onderzoeksmethoden behandeld waarmee het mogelijk is om het werkelijke onlogische klantgedrag te achterhalen. Een van deze vier onderzoeksmethoden waarmee werkelijk klantgedrag te achterhalen is, is emphatic design, oftewel gewoon waarnemen wat klanten doen. Peter Merholz, partner van Adaptive Path heeft aan de hand van deze methode aangetoond dat een klant zich ook op internet volkomen irrationeel en onlogisch gedraagt.

Merholz geeft aan dat het beslisproces dat hij keer op keer ziet tijdens het bestuderen van mensen die op het internet beslissen welk product zij willen aanschaffen volkomen non-lineair is en dat ook op een website als gevolg hiervan geen logische klikpaden worden gevolgd. Er bestaan dus ook geen dominante klikpaden, en al helemaal geen funnels. Een voorbeeld van een beslisproces van een klant is het aankoopproces van een digitale camera. Wat Merholz observeert is dat mensen zich eerst laten ‘vallen‘ op een camera die ze wel aardig lijkt. Ze nemen enkele specificaties tot zich en leren het domein beter kennen (digitale camera’s in dit geval), ‘stuiteren‘ weer terug en gaan nadenken welke specificaties ze eigenlijk nodig hebben, laten zich vallen op een andere camera, leren weer iets en stuiteren vervolgens minder hoog op. Dit houdt men vol totdat er uiteindelijk een keuze is gemaakt. De plek waar de bal terechtkomt, is volgens Merholz geheel toevallig en irrationeel.


Toepassing van een andere behandelde onderzoeksmethode, database gestuurde marketing, ofwel het analyseren van vertoond klantgedrag uit het recente verleden (datamining op webdata), laat zien dat er inderdaad in webdata vaak geen dominante klikpaden op een (grote) website te vinden zijn. Ook online blijkt een klant zich irrationeel te gedragen. En is gedrag niet te vangen in een logisch model. Internet marketeers die toch proberen klantgedrag in logische modellen te vangen om het voor zichzelf verklaarbaar te maken slaan volledig de plank mis. De klant beweegt zich op Internet dus als een stuiterende tennisbal die overal kan neerkomen.

Wanneer we slechts klantgedrag op sessieniveau bestuderen, zijn er daarom inderdaad geen patronen te vinden die voorspellende waarde kunnen hebben. Vaak wordt hier toch een poging toe gedaan door verklaringen als ‘fouten in de website’ of ‘een slechte ecommerce-strategie’. Aanpassing hiervan zal echter niet leiden tot een ander gedragspatroon van consumenten. Indien we een stap verder gaan en een reeks sessies van een klant bestuderen, blijken er wel degelijk stabiele patronen met voorspellende waarde in het online klantgedrag te ontstaan. De patronen die hier gevonden worden, hebben een hoge mate van voorspelbaarheid en verschaffen uitstekend inzicht in het gedrag van consumenten.

Deze wetenschap is bij directmarketing in de offline kanalen al jaren gemeengoed. Op basis van voorspellende waarde van reeksen aan contactmomenten worden in de Telecom-sector en in de financiële wereld al jaren complete geavanceerde contactstrategieën ontwikkeld op basis van voorspellende modellen en het maximaliseren van klantwaarde. Nu blijkt dat ook online een soortgelijke aanpak mogelijk is, omdat het klantgedrag, zowel online als offline, dezelfde kenmerken vertoont. Dit is niet zo vreemd, omdat door de enorm hoge penetratiegraad van internet tegenwoordig de offline klant dezelfde is als de online klant.

Tags: , ,

Comments 2 Reacties »