Naar inhoud

"Datakwaliteit is meer dan een schoon bestand"

Pieter Hallewas (links) en Bob Hoogewind (rechts) van WDM Nederland
Datakwaliteit gaat in eerste instantie om hygiëne van je database, maar dat is enkel het begin. Het gaat volgens Pieter Hallewas, directeur consumer insight, en Bob Hoogewind, marketingmanager, van adviesbureau WDM Nederland ook om wat de gegevens betekenen. De vraag die zij stellen: wat wil een bedrijf doen met zijn database? "Wie heb je nou daadwerkelijk voor je? Dat is echte datakwaliteit."

Pieter Hallewas: "Datakwaliteit gaat in eerste instantie om hygiëne. Het gaat erom dat adressen kloppen. Als de database voor twintig procent vervuild is, dan moet je daar eerst mee aan de slag. Het is een onderdeel van de basis bedrijfsvoering. Het minimum wat je kunt doen. Je moet het op orde hebben, maar het is niets slims. Je weet nog maar vrij weinig. Je klantendatabase is pas echt goed van kwaliteit als je weet waar je klant behoefte aan heeft en of hij echt wil hebben wat jij hem aanbiedt."

Bob Hoogewind: "Het diagnosticeren van een database, het bepalen welke gegevens goed en fout zijn, is niet spannend. Het is eigenlijk vrij plat. Weet je bijvoorbeeld ook een inkomen te koppelen aan een naam, weet je de gezinssamenstelling? Wie heb je voor je? Dat is pas echte datakwaliteit."

Wat wil je doen?

Hallewas: "De vraag die we klanten stellen is: wat wil je doen met de database? Er kloppen bedrijven bij ons aan die allemaal klanten in hun database hebben staan die één keer iets gekocht hebben en ergens de klok hebben horen luiden om data op orde te brengen. Maar wat wil je met de data? Wil je campagnes doen? Telemarketing of huis-aan-huis? Wil je dat per post gaan doen? Dan is het belangrijk om je data op orde te hebben om kosten te besparen. Het wordt pas echt waardevol als je meer informatie bij een adres kan vinden om een relevantere boodschap te maken. Of als je een klant weet te traceren die verhuisd is."

Hoogewind: "Per branche en per bedrijf is het verschillend wat ze willen doen. Data is bijvoorbeeld belangrijker bij een factuurrelaties dan bij het versturen van een gepersonaliseerde brief. Ook zitten er natuurlijk veel kosten verborgen in slechte datakwaliteit.

Hallewas: "Er is niet één standaard pil die alles wat betreft datakwaliteit oplost. Je moet je dan ook afvragen: wie is de klant? Is hij het waard om persoonlijk benaderd te worden? Dan kun je aan de slag met het RFM (recentheid, frequentie, monetaire waarde) model (zie kader), maar je kunt ook een eigen profiel maken om de klant te definiëren."

Meer tijd investeren

Hoogewind: "Datakwaliteit wordt maximaal als je alle bronnen waar klantdata instaat combineert. Zowel intern als extern. Daar liggen complexe beslisregels aan ten grondslag. Als iemand verhuisd, kun je het type huis waar iemand in woont niet meenemen. De gezinsfase wel, maar die muteert ook. Je moet naar verschillende niveaus kijken, namelijk de bron, het kenmerk en het individu. Het koppelen van de oplossingen is een uitdaging waar veel tijd in geïnvesteerd zou moeten worden."

Hallewas: "We denken verder met de klant mee dan alleen de campagne. We willen rendement mogelijk maken voor de lange termijn. Daarbij doen we veel onderzoek met WDM, waarmee bedrijven hun klantendatabase kunnen analyseren en verrijken. We doen twee keer per jaar een consumentenenquête, doorlopend buurtonderzoek en combineren dat met veel verschillende feitelijke databronnen, zoals woninginformatie. We blijven de onderzoeksresultaten actueel houden, zodat we veranderingen kunnen weergeven. Ook bij ons staat de kwaliteit centraal; we blijven onze database uitbreiden."

De groene hobbyist

Hoogewind: "We hebben hieruit twintig lifestyle types gedistilleerd, van bijvoorbeeld de groene hobbyist, die zichzelf goed weten te vermaken en veel tijd buitenshuis doorbrengen, tot gulle donateurs die zeer begaan zijn met het lot van anderen. We kunnen een combinatie maken tussen de database van de klanten en de types in onze landelijke database, waardoor ze hun klantbeeld kunnen uitbreiden. Er hangt veel techniek en intelligentie achter, het is geen makkelijk vakgebied, maar door de personages gaan de data meer leven en krijg je leuke gesprekken met de uiteindelijke gebruiker van de data, onze klanten. Datakwaliteit geven we op die manier een hele andere dimensie. Marketing en communicatie krijgen er meer gevoel bij, maar het gaat ook om de bewustwording die anders wordt."

Bob Hoogewind geeft een voorbeeld: "Kijk naar de vastgoedmarkt. Ze gaan anders werken, meer vraaggestuurd. Gemiddeld verhuizen mensen vijftien kilometer. In Groningen en Amsterdam is dat natuurlijk weer anders. Projectontwikkelaars gaan niet zomaar meer bouwen in de hoop dat het verkocht wordt. Ze gaan beter kijken naar wie waar zou willen wonen en passen daar hun bouwinvesteringen op aan."

RFM-model

 Het recency, frequency en monetary value model is een methode om een klant te definiëren. Er wordt een standaard gesteld over wie de klant is. Er wordt daarbij gekeken naar hoe lang geleden het is dat een klant iets heeft gekocht (recency), hoe vaak een klant iets heeft gekocht (frequency) en hoeveel geld hij daarbij heeft uitgegeven (monetary value). Dit model vertelt niet alleen of iemand klant is, maar ook wat voor soort klant iemand is. Het model is vaak een uitgangspunt waarbij wordt gekeken naar andere onderwerpen waarmee een klant gedefinieerd kan worden. Zo heeft Otto ook gekeken naar hoeveel een klant retourneert.

Bron: Customer Talk
0

Reacties

Logo CustomerTalk

Cookie-instellingen

CustomerTalk maakt gebruik van cookies voor een optimale gebruikerservaring.

Graag vragen wij je toestemming voor het plaatsen van deze cookies.

Accepteren Meer informatie