Als online verkoper is het lastig om een goed beeld van je klanten te krijgen. Een bakker kent bijvoorbeeld zijn klanten. Hij benadert ze op persoonlijk niveau en steekt meer energie in de terugkerende klanten dan in de koopjesjagers. Om deze inzichten ook in een online omgeving te krijgen, labelen we klanten op basis van bepaalde kenmerken. Zo zetten we jouw mediabudget veel efficiënter in!
“Don’t find customers for you products, find products for your customers.”
-Seth Godin
Bij deze methode segmenteren we klanten aan de hand van de productcategorieën van de producten die zij aanschaffen. Een supermarkt heeft bijvoorbeeld verschillende productcategorieën. Denk daarbij aan categorieën als vleesproducten, vleesvervangers, wijn en babyvoeding.
Door productsegmentatie weten we wie van vlees houdt, wie vleesvervangers lekker vindt en wie de wijnliefhebber is. In onze vervolgcampagnes ziet de vegetarische wijnliefhebber geen vleesproducten meer, maar targeten we hem juist met vleesvervangers en wijnaanbiedingen.
Je kunt je klanten ook segmenteren op basis van algemene en demografische kenmerken. Dit is bijvoorbeeld handig voor een verkoper van zitmaaiers. Hij wil graag een doelgroep creëren aan wie hij hopelijk meer zitmaaiers kan verkopen. Daarvoor kijkt hij eerst naar zijn huidige klanten.
Door de postcodes van huidige klanten en leads te verrijken met data van het CBS (omgevingsadressendichtheid en gemiddeld woonoppervlak), ontstaat er een waardevol geheel. Een lage omgevingsadressendichtheid en groot woonoppervlak wijzen op grote tuinen. En juist die mensen kunnen wel een zitmaaier gebruiken. Die inzichten zetten onze marketeers vervolgens in voor betere targeting.
Door klantsegmentatie sluit jouw boodschap voortaan nog beter aan bij de behoefte en kenmerken van zowel bestaande als nieuwe klanten. Door de juiste mensen te benaderen, zetten we jouw marketingbudget gerichter in. Daardoor boeken we betere resultaten met minder mediabudget.
Het door PauwR ontwikkelde proces verloopt volledig automatisch dankzij machine learning (een zelflerend systeem van wiskundige modellen). Dit maakt het proces herhaalbaar en maakt handwerk overbodig.
Chapter Lead Data & Optimization
Data Scientist
SEO Specialist
Conversion Specialist & Economisch Psychologe
De acht (afwijkende) content marketing trends voor 202019 december 2019 - 10:23
Jouw advertenties efficiënter en slimmer optimaliseren? Ontdek Channable!10 december 2019 - 08:59
