Verbeterde B2B verkoop met segmentatie in de detailhandel
Context en doelstellingen
De CRM-gegevens van een groeiende Belgische voedingsdistributeurvan slechte kwaliteit beperkten hun B2B-verkoopgroei.
Het verkrijgen van een nauwkeuriger inzicht in de klant was cruciaal voor de retailer om de middelen voor acquisitie en retentie beter te kunnen toewijzen.
Ze wendden zich tot Agilytic om de dataset van hun potentiële klanten te verrijken, hun CRM op te schonen en prospects te segmenteren op basis van transactiegedrag en bedrijfskenmerken. Het gewenste resultaat - de gemiddelde uitgaven van klanten verhogen, klantloyaliteit vergroten en nieuwe klanten werven.
Met deze doelstellingen in gedachten hebben we een segmentatie van klanten uitgevoerd om hun koopgewoonten te begrijpen en manieren aan te bevelen om de verkoopaanpak aan te passen.
Benadering
We werkten samen met de retailklant en hun verkooppartner om de relevantie van de resultaten te maximaliseren.
Eerst hebben we de gegevens opgeschoond om de kwaliteit van de analyse te verbeteren (bijv. verwijderen van duplicaten op basis van opgeschoonde TVA-nummers).
Vervolgens hebben we, voordat we de segmenten ontwikkelden, een gegevensvalidatie uitgevoerd om de reikwijdte van het project te valideren. Daarnaast konden we klanten/transacties uitsluiten die niet relevant waren voor de campagnes die onze klant wilde uitvoeren. Daarna hebben we voor de gegevensverrijking BCE- en BNB-gegevens geëxtraheerd om de informatie over klanten te verrijken (bijv. BCE: om sectoren, startdatum, potentiële e-mail- en telefoonnummers te krijgen, en BNB: om financiële rapporten te krijgen met het aantal FTE's, bruto operationele marge of winst/verlies).
Vervolgens kwam de segmentatie. We identificeerden kenmerken en tags op basis van transacties en creëerden BCE- en BNB-informatie. Op basis van categorieën van hoge en lage transacties bij klanten (gebaseerd op het gemiddeld jaarlijks uitgegeven bedrag), identificeerden we de clusters in sectoren, klantleeftijden en klantgroottes waar we een hogere waarschijnlijkheid hadden van klanten met hoge transacties. Vervolgens extraheerden we de lookalikes in de BCE-dataset op basis van de geïdentificeerde clusters.
Na deze segmentatiefase gingen we verder met het consolideren van outputs voor het importeren in CRM. Zo werden kenmerken, tags en segmenten op basis van bestaande en potentiële klanten geconsolideerd in bestanden die in hun CRM konden worden geïmporteerd.
Tot slot leverden we documentatie om kennis over te dragen aan het team van onze klant en hen te helpen eigenaarschap te nemen. We schreven documentatie om de aanpak en scripts te beschrijven die werden gebruikt om de segmentatie op te bouwen. De documentatie bevatte ook de procedure voor het toepassen van de segmentatie op nieuwe gegevens.
Resultaten
Aan het einde van het project hebben we geleverd:
Verrijkte en geconsolideerde dataset van hun klanten
Segmenten toegewezen aan hun klanten
Verrijkte en geconsolideerde dataset van potentiële klanten (lookalike)
Beschrijving van geïdentificeerde segmenten
Documentatie over aanpak en procedure om de outputs te creëren
Na afronding van het project in 12 dagen begreep de klant snel welke vervolgacties nodig waren om zijn commerciële potentieel te vergroten. Dankzij ons model kon de verkooppartner van de klant de segmenten gebruiken voor toekomstige verkoopcampagnes.
