Fremmed eller Velkendt & Velkommen? Moderne DM skal i 4D-format for at realisere potentialet.

“Sometimes you wanna go where everybody knows your name”.

De fleste husker temaet fra tv-serien Sam’s Bar, hvor de faste stamkunder brugte det brune værtshus som deres anden dagligstue. Og hvor personale og gæster havde relationer, der næsten var familiære.

I dag er det er sjældent, at folk har den oplevelse, når de handler. Det, kunne man tro, var fordi, alt er blevet digitalt, og vi ikke længere benytter fysiske butikker i vores nærmiljø i samme omfang. Men det er det ikke.

Når vi som kunder oplever, at vi, næsten uanset hvor længe vi har ligget i kundekartoteket, bliver behandlet og adresseret som ukrainske turister, der lige er landet, er det ikke fordi, virksomhederne ikke har mulighed for at behandle os som stamkunder. Og det er ikke manglende data, der gør oplevet relevans, kundeloyalitet, genkendelse, fastholdelse og mersalg til kæmpe udfordringer. Vi mangler hverken redskaber eller muligheder, men alt for mange mangler at gøre brug af dem. Til DM i et helt nyt format.

Faktisk har vi i dag både tekniske løsninger og metoder, der sætter os i stand til at give langt tættere, mere givtige og længerevarende kunderelationer, end nogen lokal fysisk købmandsforretning nogensinde har været i stand til.

Berigelse af data: Fra 1, 2 og 3 til 4D

Berigelse af data er ikke nogen nyhed. Vi har været i stand til at berige kundedata med henblik på bedre DM i flere årtier. Men der er stor forskel på berigelse af data før og nu. Både hvad vi kan, og hvad vi må.

Hvad vi må – ikke mindst i lyset af nye og meget strammere regler for indhentning, opbevaring og håndtering af kundedata og permissions – vil blive behandlet i en kommende blog. Fokus nu er på, hvad vi kan.

1 & 2D

At berige kundedata kan sammenlignes med at pille et løg, hvor vi lag for lag kommer tættere på kernen og den optimale kundekommunikation. Så den bliver betydeligt mere relevans- og relationsstyret – til forskel fra segmenteret massebehandling.

Yderst har vi de rå kundedata. Kontaktdata: Fx navn og adresse.

Disse data kan beriges med et væld af data. Fra officielle registre kan vi berige med demografiske oplysninger på matrikelniveau om alt fra køn, alder, uddannelse, boligtype og -størrelse, bil, indkomst og IT-parathed. Disse oplysninger kan bruges til en mikro-segmentering i arketyper, der måske er særligt interessante for specifikke produktkategorier. Til brug for denne type segmentering, kender vi bl.a. Mosaic og Conzoom.

Arketyper og identifikation af mest sandsynlige positive respondenter løfter også kvaliteten af arbejdet med de såkaldte tvillinger, hvor potentielle kunder udpeges blandt emner, der ikke ligger i kundekartoteket, men har samme profil.

3D

Det næste lag kunne man kalde individualisering. Hér beriges de rå kundedata og de demografiske data med konkrete adfærdsdata. Det nuancerer naturligvis billedet af kunden – der går fra 2 til 3D – enormt, at hændelser over tid bliver tilføjet, og det åbner for såvel en analyse som en strategisk/taktisk tilgang på et helt andet niveau, hvor feltet af relevante modtagere ofte reduceres markant.

Individualisering er datastyret indhold og kræver betydeligt overblik over både data og indhold, men giver mulighed for at løfte kommunikationen. I indhold, udseende og formulering (tekst, beløb, billeder). Kunderne går fra at være arketyper til at være personaer, der også har en adfærds-/respons-historik.

Dette nedbringer ikke alene antallet af breve, der skal produceres og sendes. Det begrænser også mængden af henvendelser, som modtagerne vil opfatte som irrelevante og dermed støj. Hvilket på længere sigt vil øge sandsynligheden for, at de pågældende vil respondere positivt på en senere og mere relevant henvendelse.

Samlet set understøtter dette indsatsen for at flytte kommunikationen fra at være transaktionsbaseret til at være relevans- og relationsstyret, og resultatet vil udmønte sig i direkte besparelser og større respons.

4D

Løgets kerne – der hvor den optimale, mest lukrative og varige kunderelation kan realiseres – nås dog først, når sidste lag løftes, og kundeprofilen kommer i 4D. Igen er den statistiske analyse vigtig, men den suppleres med bl.a. mønstergenkendelse og hændelsesbaseret datagenerering fra alle touch points. Fysiske, på papir og digitalt. Her baseres timing og indhold i budskaber bl.a. på, hvor modtageren befinder sig i kunderejsen, fx i forhold til sidste køb af vare X.

På dette niveau begynder kundeoplevelsen at nærme sig den fra stamstedet eller den lokale købmand, hvor service og tilbud både tager udgangspunkt i den kendte historik og øjeblikkets adfærd. Personaerne i klynger antager individuel karakter, og virksomheden kan begynde at arbejde strategisk med at øge hver enkelt kundes livstidsværdi.

På den tekniske side forudsætter dette arbejde dels et fuldautomatiseret setup, hvor de individuelle kundedata kontinuerligt beriges og opdateres efter udviklingen i de demografiske data, samt at disse faktorer løbende bliver manifesteret i konkret materiale, der nøje er tilpasset i form, udseende og indhold. Målrettet indhold kan således genereres og eksekveres med en præcision, end ikke den lokale købmand ville kunne levere, flettes og udsendes på rette tid og sted. For optimal oplevet relevans og respons.