Analyses

4orange staat voor: marketing efficiency en effectiviteit. Wij combineren klantinformatie en marketinginfrastructuur.

marketing-150x150Wij helpen onze relaties om (optimaal) gebruik te maken van data en maximaal rendement te halen. Ook helpen wij onze relaties meer prospects te bereiken. Dit doen wij o.a. door onze (consumenten)kennis te delen en een passende marketinginfrastructuur te bieden. Een belangrijk onderdeel hierbij zijn de analyses.
Om je marketing efficiency en effectiviteit te vergroten, is het van belang inzicht te hebben in de klanten, campagnes en resultaten. Om resultaten te verbeteren zijn analyses van data nodig. Waar het om draait is om (veelal grote hoeveelheden) data te vertalen naar bruikbare informatie.

Voor meer informatie over deze analyses en waar ze voor gebruikt kunnen worden, verwijzen wij naar onderstaande analyses.

Onderstaand een (niet uitputtende) lijst van diverse analyses.

Data Analyse:
Met data-analyse is het mogelijk een set van digitale gegevens integraal en efficiënt te analyseren. Voor de analyse kunnen groeperingen, vergelijkingen en berekeningen op de betreffende gegevens worden uitgevoerd. Afhankelijk van de gekozen data analysetools kunnen de analyses met scripts worden geautomatiseerd en kunnen de activiteiten en resultaten hiervan worden gelogd. Dit vergemakkelijkt de verificatie van de uitgevoerde analyses die worden uitgevoerd en verkleint de kans op fouten. De interpretatie van deze gegevens is de vertaling van data naar informatie.

Profielanalyse:
Een profielanalyse wordt gemaakt om een goed beeld te krijgen van een groep huishoudens. Dit kunnen klanten zijn, maar ook prospects. Ondanks dat de groep veel overeenkomsten vertoont (bijvoorbeeld allen zijn golfer), zijn er toch onderscheidende segmenten te ontdekken. Door inzicht te hebben in deze segmenten wordt inzicht verkregen in de motivatie van een groep. Deze kennis wordt gebruikt om de (marketing/communicatie)boodschap zo goed mogelijk aan te laten sluiten bij de bewuste groep op de juiste tijd via het juiste kanaal.

Responsanalyse: 
Met de responsanalyse wordt primair gekeken of de business case van een campagne daadwerkelijk is behaald. Het is een belangrijk onderdeel van de evaluatie van een campagne en geeft input aan de business case voor toekomstige campagnes. Door de responsanalyses op een uniforme manier te maken, bijvoorbeeld middels een standaardrapportage, kan worden bepaald welke campagnes het beter doen dan anderen. Daarnaast wordt inzichtelijk binnen een campagne welk kanaal, communicatieve uiting, of segment betere resultaten hebben behaald dan anderen. Deze analyse biedt inzichten in welke acties het beste kunnen worden gebruikt om het marktaandeel te versterken en welke actie financieel het meest rendabel is.

In- en uitstroom analyse:
In-en uitstroom analyses bieden inzicht in de duur en de opbrengsten van de relatie met klanten. Concreet wordt per wervingscampagne het instroomkanaal of de klantgroep in kaart gebracht wanneer iemand klant wordt. Vervolgens wordt gekeken hoeveel klanten er een periode na de instroomdatum weer uitstromen. Aan de hand van deze analyse kan worden gekeken op welk moment na instroom de uitstroom verwacht wordt. Deze analyse biedt aanknopingspunten voor een campagne op dat moment. Daarnaast kan op basis van deze analyse de gemiddelde klantduur van respondenten op campagnes-, segmenten of instroom kanalen worden berekend. Aan de hand van de gemiddelde klantduur kan worden bepaald hoe veel geld mag worden besteed aan vergelijkbare campagnes voor de werving van nieuwe klanten.

Wervingsmodel: 
met een wervingsmodel wordt voorspeld welke prospects de meeste kans maken op een conversie naar klant worden. Hiermee wordt voorspeld welke mensen meer kans maken om klant worden dan anderen (in dezelfde groep of selectie). Het wervingsmodel geeft weer, wat de kans is dat iemand gaat reageren op een communicatieve uiting. Door de selectie (en campagne) te richten op de mensen met de hoogste kans wordt het responspercentage van de groep hoger dan wanneer er random wordt geselecteerd. Dit levert een verbetering van de CPO en uiteindelijk de RO(M)I op.

Intrinsiek klantwaarde model – Pareto analyse:
is een veel gebruikte methode om te bepalen van welke onderwerpen de kosten het hoogst zijn. Vaak komt hier een Paretoverdeling uit; de zogenaamde 80-20 regel. Volgens deze methode worden per kostenplaats de kosten en per product(categorie) de opbrengsten geaggregeerd. Door deze kosten en opbrengsten ieder te aggregeren en het verschil tussen beiden te bepalen, ontstaat er per klant een intrinsiek klantwaarde bedrag in euro’s. Vervolgens kunnen alle klanten worden ingedeeld in klassen op deze klantwaarde.

Churn modellen of switch modellen: 
Churn modellen of switch modellen kunnen op verschillende manieren worden aangepakt en geïnterpreteerd. Enerzijds wordt met een churn model door middel van een statistische methode voorspeld welke klanten de grootste kans hebben om weg te gaan. Hierbij gaat het met name om een voorspelling van het switchgedrag van de eigen klanten in de toekomst. Anderzijds wordt een churn model ingezet om het feitelijke switchgedrag (al vertrokken klanten) te verklaren. Door vooraf te weten welke klanten een verhoogde kans hebben op overstappen, kan  bepaald worden deze klanten wel of niet over te halen toch te blijven. Aan de hand van interne kenmerken uit de marketingdatabase  in combinatie met externe (socio demografische) data kan worden berekend welke kenmerken een voorspeller zijn voor overstappers. Het totaal van deze voorspellers geeft de kans weer dat iemand overstapt en wordt berekend met een voorspelmodel (bijvoorbeeld: CHAID analyse, regressie analyse of discriminant analyse).

CHAID analyse:
Beslisboom. CHAID analyse breidt de beslisboom uit totdat er geen significant verschillende groepen meer gevonden kunnen worden. Het is een combinatie van verschillende kruistabellen. Door telkens binnen een gevonden subgroep een kruistabel te maken, wordt de boom steeds dieper en ontstaan steeds gedetailleerdere groepen klanten.

Regressie analyse: 
Regressieanalyse geeft aan hoe groot de invloed is van één variabele of meerdere variabelen. Regressieanalyse wordt gebruikt voor het doen van voorspellingen.

Discriminant analyse:
Is een data-analyse techniek waarbij het indelen van informatie in groepen geschiedt, op basis van karakteristieken die hiervoor het meest bepalend zijn, de groepsindeling staat hierbij vast. In de database worden rechtstreeks scores aangemaakt om de relaties in de database te kunnen voorspellen en in te delen in groepen.