KPI’s voor klantloyaliteit
We herhalen hier nog een keer de belangrijkste KPI’s voor klantloyaliteit. Dit zodat je weet hoe je effectief jouw klantenbestand kunt activeren en hoe je loyale klanten kunt maken.
Dit zijn de overkoepelende KPI’s. De uitdaging is om dieper te kijken en te onderzoeken welke specifieke klantgroepen jij kunt identificeren op basis van de data. Je kan ze dan namelijk op een relevantere manier benaderen zodat ze vaker en meer bij je kopen.
Basis van segmentatie
Segmentatie is essentieel voor personalisatie. Eerder hebben we al het maturity model toegelicht en nu focussen we ons op de tweede en derde fase. Segmenteren betekent het identificeren van kleinere groepen klanten met vergelijkbare kenmerken die je beter wilt bedienen. Dit kan gebaseerd zijn op verschillende aspecten waaronder:
- Demografische kenmerken zoals leeftijd en geslacht;
- Geografische kenmerken zoals adres, regio of land;
- Psychografische kenmerken zoals maatschappelijke status, lifestyle, interesses en waardes;
- Gedragskenmerken zoals koopgedrag, klikgedrag en mediaconsumptie.
De mogelijkheden zijn eindeloos, hierdoor het kan lastig zijn om te bepalen waar je moet beginnen. Misschien ben je al begonnen met vooral de demografische en geografische segmentatie. Wat kan helpen is om een klantsegmentatie onderzoek uit te laten voeren. Een partij die daarbij kan helpen is Whooz. Voor leden van INretail is dit onderzoek gratis en aan te vragen bij jouw brancheadviseur.
Wanneer jouw klantenbestand bestaat uit meer dan één lifestyle-groep heb je jouw klantenbestand direct al gesegmenteerd. Je kunt dan verschillende benaderingen kiezen waarbij je bijvoorbeeld verschillende producten benadrukt of juist compleet andere producten laat zien in de communicatie. Daarnaast kan je aan de slag met logische segmenten op basis van gedrag, zoals klanten die bepaalde merken of productcategorieën kopen.
RFM-analyse
Een bekende methode die direct kan worden toegepast voor segmentatie is de Recency, Frequency & Monetary value analyse, oftewel de RFM-analyse. Deze methode is gebaseerd op het gedrag van klanten en dan met name hun koopgedrag. Als je deze methode effectief weet toe te passen voorkom je het verlies van klanten en maak je klanten loyaler.
Hoe pak je de RFM-analyse aan?
Stap 1: Basis-segmenten
Je begint met het indelen van je klanten op basis van 1. hoe recent (R) ze bij jou hebben gekocht, 2. hoe vaak (F) ze hebben gekocht en 3. hoeveel (M) ze hebben uitgegeven. Je verdeelt je complete klantdatabase in vijf gelijke delen op deze drie assen (recent, vaak en hoeveel), wat resulteert in vijf segmenten per variabele en vijftien segmenten in totaal. Dus de omvang van deze segmenten is ongeveer hetzelfde qua aantal klanten: namelijk 20% per segment. Waar de absolute grenzen tussen de segmenten liggen verschilt dus per retailer.
Vervolgens kijk je welke 20% van de klanten het vaakst gekocht hebben, de volgende 20% daaronder, en ga zo maar door. Zo worden alle klanten verdeeld over de 5 ‘bakjes’, en dat voor alle 3 de aspecten. Je zou er ook nog voor kunnen kiezen om klanten niet in 5 gelijke bakjes op te delen maar in 3, met 1 = laag, 2 = gemiddeld en 3 = hoog.
Stap 2: RFM-score
Nu kun je een totaalscore gaan berekenen op basis van de RFM-variabelen om klanten in te delen naar loyaliteit: .
- Je geeft een score van 100 tot 500 voor het segment waar een klant zich in bevindt qua Recency. 500 wanneer een klant in het meest recente segment valt, en 100 wanneer hij in het bakje valt wat het langst geleden heeft gekocht.
- Je geeft en score van 10 tot 50 voor het aantal aankopen. 50 wanneer een klant het vaakst aankopen heeft gedaan en 10 voor het laagste segment die het minst vaak aankopen heeft gedaan.
- Je geeft een score van 1 tot 5 voor de totale besteding. 5 voor de hoogste besteding en 1 voor de laagste.
Door die 3 scores bij elkaar op te tellen krijgt iedere kant krijgt een totaalscore, bijvoorbeeld 135: waarbij deze fictieve klant dus erg lang geleden heeft gekocht, een redelijk gemiddeld aantal keren, maar wel behoort tot de meest-spenderende klanten.
Spoiler: dit is dus een klant waarbij het risico heel hoog is dat je die gaat verliezen, terwijl het dus een goede klant was die heel veel omzet heeft opgebracht. Dat moet je zien te voorkomen!
Stap 3: Deel je klanten in de RFM-segmenten in
Klanten worden ingedeeld in RFM-segmenten op basis van hun scores. Meestal zijn dit 5 tot 10 segmenten waar je daadwerkelijk mee aan de slag gaat. Hieronder een voorbeeld:
Tip: Veel tools zoals CDP’s en/of marketing automation systemen kunnen RFM-analyses en segmentaties steeds vaker (grotendeels) automatisch voor je maken, mits je jouw klantenbestand in dat systeem hebt staan.
Stap 4: Bepaal je tactieken per segment
Nu komt het belangrijkste werk: het bepalen van de communicatietactieken voor elk segment om klantgedrag te beïnvloeden. Deze tactieken zijn afhankelijk van het specifieke doel van elk segment, maar het uiteindelijke doel is om klanten aan te moedigen vaker en meer te kopen. Dit kan variëren van exclusieve kortingen voor topklanten tot heractiveringscampagnes voor slapende klanten. Gelukkig zijn er al een behoorlijk aantal best practises en tools die AI gebruiken om zowel automatisch te segmenteren als ook te voorspellen welke tactiek voor die klant het beste gaat werken.
Wanneer we uitgaan van dezelfde segmenten, kun je denken aan de volgende tactieken:
De aloude wijsheid dat het aantrekken van nieuwe klanten vele malen duurder is dan het behouden en uitbouwen van bestaande klantrelaties is er niet voor niets. Dus zorg dat je bestaande klanten niet verliest en die toekomstige omzet veiligstelt door de bovenstaande technieken toe te passen.
Customer Cohorts
Een andere manier om je database te analyseren is door gebruik te maken van zogeheten 'cohorts'. Dit houdt in dat je je klanten indeelt op basis van wanneer ze hebben gekocht en vervolgens kijkt naar opvolgende periodes, zoals jaren of kwartalen. Dit kan inzicht geven in trends in klantgedrag over de tijd en kan leiden tot gerichte acties om klantenbestedingen te vergroten en klantenverloop te verminderen. Je kan analyseren hoe effectief een bepaalde actie was in een bepaalde periode om vervolgens het aantal aankopen of de bestedingen van bestaande klanten te boosten. Ook kan je analyseren of nieuwe klanten meer kopen dan klanten die vorig jaar voor het eerst iets kochten. Of in welk tijdvak van een customer lifecycle je een dip in bestedingen ziet.
Zo zie je bijvoorbeeld in de fictieve cohort analyse hiernaast dat het initiële bedrag van de eerste aankoop nu al 3 jaar daalt. Klanten die in 2022 voor het eerst kochten, besteden in hun 2e jaar wel meer dan klanten die in 2021 klant werden. Je ziet na 2 jaar bestaande klanten ineens fors minder besteden (ofwel veel bestaande klanten doen na 2 jaar helemaal geen aankopen meer). Hoe voorkom je dat dit bij de klanten die in 2022 en 2023 voor het eerst kochten ook gaat gebeuren?
Zo’n zelfde analyse kun je uiteraard ook doen voor het aantal aankopen, of bijvoorbeeld het percentage klanten dat een herhaalaankoop doet in de opvolgende periodes. Dit levert interessante inzichten op, waarop je specifieke tactieken kunt loslaten op deze tijdsgebonden segmenten zoals we ook bij de RFM-analyse doen.
Aan de slag
Er zijn talloze mogelijkheden om klantdata te analyseren en te segmenteren. Het belangrijkst is om te beginnen met kleine stappen en geleidelijk uit te breiden met behulp van beschikbare tools en inzichten. Hier nog kort de stappen:
- Begin klein met een enkele, logische variabelen uit één of twee van de verschillende soorten aspecten.
- Ga geleidelijk verder uitbreiden in je segmentatie met dataverrijking (gratis klantenrapportage!).
- Maak een RFM-analyse en ga vervolgens aan de slag met de verschillende tactieken.
- Monitor het effect van jouw acties.
Door het toepassen van effectieve segmentatiestrategieën kun je klantervaringen verbeteren, loyaliteit vergroten en toekomstige omzet veiligstellen!