Hoe je DMP je helpt bij klantbehoud

En hoe je niet te veel betaalt voor je klantcontact

Het gebruik van datamanagementplatformen (DMP’s) binnen organisaties is allesbehalve universeel. Om de toegevoegde waarde voor de klant te begrijpen, is het daarom belangrijk te praten in concrete toepassingen in plaats van abstracte mogelijkheden. Toen ik met mijn collega’s sprak over het gebruik van DMP’s binnen dienstverleners in verschillende sectoren, waaronder zorgverzekeraars, concludeerden we dat daar nog veel te winnen valt – zeker als het gaat over het vormen van een 360-gradenklantbeeld, het formuleren van een passende aanbieding en het stroomlijnen van de communicatie over verschillende kanalen. Daarom ga ik in dit artikel in op de vraag hoe je DMP jou kan helpen bij het behouden van je klant. Als praktijkcase nemen we de piek aan klanten die overstappen van zorgverzekeraar aan het het eind van elk kalenderjaar.

Voordat je begint met communiceren

Afgelopen jaar wisselden 1,2 miljoen Nederlanders van zorgverzekering en ongetwijfeld zullen er ook in de laatste maanden van dit jaar weer veel mensen gaan overstappen. Het behoud van klanten is dan ook cruciaal gedurende deze periode. Het bombarderen van alle klanten met de boodschap om vooral bij jou als zorgverzekeraar te blijven, is een voor de hand liggende optie, maar uiteraard geen optimale. Stel jezelf dus, voordat het zorgseizoen begint, eerst de volgende vragen:

• Welke klanten zijn eerder geneigd over te stappen en welke klanten juist niet? Wie moet ik benaderen?
• Wat is een potentieel overstappende klant waard voor jou als zorgverzekeraar om te behouden? Iedere klant heeft immers een andere waarde voor jou als bedrijf.
• Welk aanbod moet ik de klant doen? De ene klant is gebaat bij meer service, terwijl de andere klant zeer prijsbewust is.
• Hoe zorg ik voor een eenduidige communicatie over de verschillende kanalen naar de klant?

Het antwoord op deze vragen vormt het kader voor je activiteiten. In de volgende stappen laten we zien hoe je dit op een datagedreven manier aanpakt. Bijkomend voordeel: je bespaart kosten en verbetert de verbetert de klant ervaring. Daarvoor is het belangrijk om eerst de churnkans en daarna de ‘next best action’ te bepalen.

1. Bepalen van de churnkans

Begin met het verzamelen van alle relevante historische en realtime klantinformatie binnen het 360-gradenklantbeeld. Het DMP extraheert de klantinteractie uit de verschillende digitale kanalen en voedt hiermee dat beeld. Andere relevante klantkenmerken in het klantbeeld, beschikbaar vanuit andere bronnen, zijn onder andere het klantprofiel, klantwaarde, (historisch), productbezit en -gebruik (denk aan claims), transacties, interacties per kanaal en klanttevredenheid.

Door het toepassen van voorspelmodellen kunnen de klanten worden geselecteerd waarvan je het het meest kunt verwachten dat ze gaan uitstromen. Deze modellen kunnen met een bepaalde frequentie worden geüpdatet, afhankelijk van de manier waarop je de scores toepast (maandelijks, wekelijks tot en met realtime). Door de churnkans te combineren met de huidige klantwaarde, kun je afleiden welke klanten het belangrijkst zijn om te behouden.

2. Bepalen van de next best action

Een next best action (NBA) is een passend aanbod of andere actie die relevant is voor de betreffende klantsituatie. Op het moment dat een (hoogwaarde)klant een relatief hoge kans heeft om zijn verzekering op te zeggen, is het van belang te bepalen welk aanbod je deze klant gaat doen. Gebruik predictive analytics om voor iedere klant de actie te bepalen op basis van het volledige klantbeeld. Houd hierbij rekening met de verwachte waarde van iedere next best action. De verwachte waarde van een behoudaanbod wordt opgebouwd uit de verwachte conversiekans maal de extra verwachte klantwaarde.

De NBA kan uiteraard ook iets anders zijn dan een specifiek product offer. Klanten met een hoge churnkans die servicegevoelig zijn, zijn wellicht eerder te behouden door een goede servicecall en een bepaald serviceniveau als zij ervoor kiezen klant blijven, dan door een goed aanbod. Overigens kan géén actie richting een klant óók de next best action zijn.

Houd naast verwachte opbrengsten ook rekening met de kanaalvoorkeur en de kosten – sommige kanalen zijn duurder dan andere. Denk hierbij aan bijvoorbeeld outbound telefonie versus e-mail binnen owned kanalen, maar ook aan paid-mediakanalen waarbij je moet bieden om een aanbod aan de klant te mogen doen.

Bepalen van een NBA in de praktijk

Hoe ziet een next best action er in de praktijk uit? Op basis van het profiel weten we dat een klant, zeg de heer Jansen, op dit moment verzekerd is voor een aanvullende zorgverzekering en in het afgelopen jaar daarvan geen gebruik heeft gemaakt. Hij heeft op de website naar verschillende alternatieve pakketten gekeken, maar nog geen keuze gemaakt. Op basis van deze gegevens berekent de analyse-omgeving dat de heer Jansen een grote kans heeft om naar een andere zorgverzekeraar over te stappen. Aangezien Jansen een actieve sporter is en weinig claimt, is voor deze klant een zorgverzekering met extra fysiotherapie de beste keuze. Naast de goede dekking is deze ook nog eens 10 procent goedkoper dan de huidige zorgverzekering. Op basis van alle informatie die bekend is van de klant, is het aanbieden een zorgverzekering met extra fysiotherapie de next best action.

Een aantal jaar geleden zou het een kostbare exercitie zijn om zo’n berekening te realiseren. Het vergde dure infrastructuur, kostbare software en schaarse datascientists. We zagen dan ook dat alleen de grote corporates het zich konden permitteren om hierin te investeren. Door de technologische vooruitgang is er een scala aan open-source- en gratis oplossingen beschikbaar gekomen die door iedereen eenvoudig te gebruiken zijn – gratis tools zijn bijvoorbeeld R, KNIME, BigML. Belangrijkste startpunt is het verzamelen van de klantdata. Ook als je nog geen compleet 360-gradenklantbeeld hebt, is het al mogelijk te beginnen.

De kracht van predictive analytics combineren met een DMP

Op basis van het 360-gradenklantbeeld en de verschillende voorspellende modellen kom je tot de beste vervolgstap in de klantdialoog. Inzicht is mooi, maar het gaat erom dit daadwerkelijk te realiseren op de verschillende klantcontactkanalen. Hier komt het DMP om de hoek kijken. De kracht van een DMP is op individueel niveau de juiste communicatie aan de klant te sturen, zowel op je eigen (owned) media als op externe (paid) media. Door het DMP te voeden met de inzichten uit je predictive-analyticsomgeving ben je in staat om nog slimmer en beter de dialoog met je klant aan te gaan.

3. Bepalen van relevante triggers

Naast de voorspelmodellen spelen (near-)realtime triggers een belangrijke rol bij het aanscherpen van de next best action. Deze kunnen de timing, het kanaal, en de actie zelf bepalen. Wat zorgverzekeringen betreft, is de communicatie van de concurrentie al een trigger. Er kunnen echter ook bepaalde klantspecifieke triggers zijn, zoals de informatie dat een klant zich op een bepaald kanaal aan het oriënteren is voor een product van de concurrent, de trigger dat een klant in de mijnomgeving zoekt naar ‘opzeggen’ of de trigger dat een klant informatie over extra dekking opzoekt.

Communicatie naar outbound kanalen op basis van de NBA

Klanten die via een e-mail een bepaald aanbod krijgen, moeten uiteraard datzelfde aanbod krijgen als ze zich op de website begeven. Belt de klant vervolgens naar het callcenter, dan moet ook daar bekend zijn welk aanbod de klant al heeft gehad. Op basis van deze informatie kan de callcentermedewerker het juiste gesprek met de klant voeren. Gedurende het gesprek wordt er een aangepaste next best action berekend, die een callcenter medewerker in het gesprek direct kan meenemen. In alle vervolgcommunicatie wordt dit aanbod dan ook meegenomen.

Communicatie via inbound kanalen en online advertenties verloopt via het DMP

Naast de outbound channels, zoals e-mail, mobile app en callcenter, zal de customer journey ook op inbound kanalen plaatsvinden. Dit zijn naast de eigen website bijvoorbeeld ook de paid-mediakanalen, zoals Google Adwords of Facebook advertising. Om de veelvoud aan kanalen, met elk hun eigen opties en onhebbelijkheden, goed te beheersen, maak je gebruik van een DMP. Hieronder leggen we dit met een concreet voorbeeld uit.

Tijdens de klantreis wordt elke interactie vastgelegd en alle interacties worden, voor zover mogelijk, aan elkaar gekoppeld. Een klant zoekt bijvoorbeeld op Google naar ‘verzekering voor fysiotherapie vergelijken’, klikt op een Google AdWords-advertentie en logt in op de website van zijn zorgverzekeraar om zijn polis te checken.

Er ontstaat dus een digitale footprint van de klant die gebruikt kan worden voor websitepersonalisatie en advertentietargeting. Door gebruik te maken van de informatie uit de predictive-analyticsomgeving wordt de informatie die al beschikbaar is binnen het datamanagementplatform, zoals de browserhistorie, verder verrijkt met de klantwaarde, de churnkans en aanbod.

Hierdoor is de basis gelegd om op individueel klantniveau te bekijken of een aanbod wordt gedaan om de klant te behouden, en zo ja, welk bedrag geboden moet worden om jouw advertentie te tonen aan de betreffende persoon. Als vervolgens het bid gewonnen is, ziet deze klant jouw aanbod. Uit het eerdere voorbeeld zou dat het aanbieden zijn van een zorgverzekering met extra fysiotherapie. Zo bied je dus nooit te veel voor je advertentie-exposure en ben je relevant in de communicatie.

Balans tussen klantwaarde en kosten

Op basis van het beschikbare 360-gradenklantbeeld, triggers en voorspelmodellen wordt realtime de juiste klantdialoog gestart. Deze informatie wordt gebruikt voor de owned kanalen om de juiste en meest relevante communicatie naar de klant vorm te geven; zowel qua aanbod – in sales en service – als qua content.

Voor de kanalen die niet binnen de directe controle vallen, zoals Facebook of Google Adwords, gebruik je het datamanagementplatform om het optimale bod te bepalen. Dit gebeurt op basis van de klantwaarde zoals berekend in je predictive-analyticsomgeving. Op deze manier krijg je betere afweging tussen de waarde van de klant en de kosten die gemaakt worden in de communicatie. Daarnaast zal de uiteindelijk getoonde content aansluiten bij het aanbod zoals die ook via andere kanalen beschikbaar is.

Met andere woorden, de combinatie van een datamanagementplatform met predictive analytics geeft de best mogelijke klantervaring tegen optimale kosten.