Slimmere segmentatie om de klantervaring in de detailhandel te verbeteren
Context en doelstellingen
Een groeiende Belgische foodretailer had te maken met hevige concurrentie in de biologische retailsector. Ze wendden zich tot Agilytic om segmentatie te gebruiken om de gemiddelde uitgaven van klanten te verhogen, klantentrouw te vergroten en nieuwe klanten te werven.
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.
Daarom zijn we begonnen met het uitvoeren van een gedragssegmentatie van klanten om hun koopgedrag beter te begrijpen.
Vervolgens hebben we de verschillen in gedrag tussen winkels geïdentificeerd om de marketing- en verkoopaanpak lokaal aan te passen.
Tot slot ontwikkelden we een dashboard zodat de retailer de analyse kan verkennen en er dynamisch van kan profiteren.
Benadering
Eerst begonnen we met het valideren van gegevens en de reikwijdte. Dit hielp ons beschrijvende analyses op te stellen en de omvang van klanten, gegevens en transacties te valideren met het team (bijv. gedrag per winkel, het volume van onbekende klanten en producten).
Vervolgens hebben we gegevens geconsolideerd, wat bestaat uit het opbouwen van variabelen voor segmentatie en het beschrijven van segmenten. In dit project gebruikten we hoeveelheden per type product voor de segmentatie.
Daarna volgde de segmentatie. We gebruikten een algoritme (silhouet score) om het optimale aantal clusters te vinden en voerden een segmentatie uit op basis van de resultaten. Deze methode bestond uit een mix van "zakelijke" en "machine learning" (ML) segmentatie: ML-algoritme gebruikt voor segmentatie op basis van variabelen die vooraf waren geselecteerd.
In dit project was het aantal optimale clusters tien. Omdat tien clusters een uitdaging kunnen vormen voor marketingacties, stelden we twee segmentaties voor: de eerste met tien segmenten en de tweede met vijf clusters. We ontwikkelden een rapport over de segmenten om de segmenten te valideren met de retailer.
Na deze segmentatiefase gingen we verder met visualisatie. De klant was van plan om op de lange termijn zijn eigen dashboard te gebruiken en te bouwen. Daarom ontwikkelden we een tijdelijke oplossing in de vorm van een dashboard in Power BI. We maakten eerst een mock-up om de dimensies, metriek en het type visualisatie dat de klant nodig had te valideren voordat we het dashboard in Power BI ontwikkelden.
Tot slot leverden we documentatie om kennis over te dragen aan de retailer en hen te helpen eigenaar te worden van ons model. We schreven documentatie om de aanpak en de 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.
Aanvullende post-analyse
We identificeerden kritieke kansen voor marketingcampagnes na de COVID-crisis op basis van eerdere analyses. We deden dit tijdens de eerste lockdown en na de eerste lockdown en hielden rekening met statistieken zoals het winkelverkeer, de evolutie in klantsegmenten, klanten die vertrokken en nieuwe klanten. Dit resulteerde in bruikbare, tijdgevoelige, effectieve marketingcampagnes voor de klant.
Resultaten
Aan het einde van het project hebben we geleverd:
Geconsolideerde en verrijkte dataset met segmenten en berekende velden om de segmentatie op te bouwen
Segmentatierapport met de benadering en beschrijving van segmenten
Dynamisch dashboard dat het gedrag globaal, per segment en/of per winkel laat zien
We ontwikkelden scripts om de segmenten te maken, de segmentatie toe te passen op nieuwe gegevens en de dataset voor het dashboard te maken.
Documentatie van het project
Een gedetailleerd rapport over de analyse van het gedrag van klanten voor, tijdens en na de eerste lockdown
Een lijst met aanbevelingen om te testen, gebaseerd op de soorten producten die bij specifieke klanten/segmenten moeten worden gepromoot
Met ons model kon de klant de segmenten gebruiken voor toekomstige marketingcampagnes.
Dankzij de gegevensanalyse en segmentatie ziet de klant nu verbeteringen in klantloyaliteit door slimmere beslissingen te nemen over het coördineren van commercialiseringsinspanningen. Na afronding van het project in twee weken begreep de klant al snel welke vervolgacties nodig waren om de klantenbinding en het commerciële potentieel te vergroten.
