ConzoomGuideOptimering

Vi ved hvem dine kunder er og hvor de bor

Det er naturligvis hvad alle bureauer påstår – men hvordan og hvor sikker kan man være på at det nu også er helt rigtigt. Kunden i dag ligner med høj sandsynlighed kunden i morgen og gennem kundedata er det muligt at finde husstande der ligner dine eksisterende kunde på en mangfoldighed af  demografiske variable sat i forhold til geografi og adfærd. 

Kunden i dag ligner kunden i morgen.

Det første skridt er dine kundedata. En adresseliste på 5.000 eller flere adresser kan fortælle meget. Ved at spejle listen op mod samtlige danske husstande, kan man rimelig præcist finde frem til de klynger, hvor koncentrationen af kunder der ligner dem du har i forvejen er størst. Vi taler klynger ned til 5 husstande.

Når vi taler statistiske fællestræk er der mange parametre i spil. Faktisk alle de data, der findes omkring danske husstande er i spil, f.eks.: bil, formue, indtægt, alder, uddannelse, job, parforhold, børn, ejer/lejer for blot at nævne nogle få.

Fremgangsmåden:

At finde frem til de potentielle kunder sker gennem tre stadier geografi, conzoom profil berigelse af kundebasen og justering er tværgående demografiske variable. Den bedste måde at forklare det på er gennem eksempler.

Hvor bor de? Geografi:

Case: Eksemplet går på at finde de postnr. med mest potentiale. For en større detailkæde blev der foretaget en geografisk optimering baseret på en eksisterende omdelingsstrategi. Ved at analysere målgrupper, penetration og beliggenhed blev der skabt overblik over omdelingen. Kæden sparede 5 millioner kroner på årsplan ved reduceret oplag og optimeret omdeling. Det lavere oplag påvirkede ikke salget negativt.

Hvem er de, demografisk profil – Conzoom berigelse

Berigelse af kundegruppen gennem Conzoom er det andet ben i optimeringsvejen. Conzoom er en statistisk model/klassifikation af de danske forbrugere. Ved at berige kundedata gennem Conzoom får vi et overblik over de klynger som kunderne befinder sig i. Conzoom inddeler Danmark i 9 hovedgrupper og 36 undergrupper (typer).

Case: Nedenstående figur beskriver sammensætningen af de 36 typer og 9 hovedgrupper (markeret med bogstav) for kunderne i en webshop. Index 100 repræsentere gennemsnittet i Danmark og søjlen vise afvigelsen fra normen.

Som man kan se viser figuren nogle træk hos de eksisterende kunder, som er alt andet end normen i Danmark. De kunder interesserer os mest er dem der er overrepræsenterede, f.eks. A2 & D2 m.fl. De øvrige vil næppe reagere på en husstandsomdelt reklame. Dem kan vi pille fra og spare endnu flere penge.

Demografiske variable på tværs af segmentet

Conzoom typerne kan i mange sammenhænge være nok til at afslutte en optimering, men ofte er der træk som går på tværs af typerne, som er vigtige i forhold til produktets karakter. F.eks. kunne produktet være vinterdæk, som går på tværs af conzoom typer, fordi bilejerskab naturligvis ikke er isoleret til en enkelt type. Der er bilejere i næsten alle Conzoom undergrupperne. Bilejerskabet er en af de demografiske variable der kan skrues på og man kan udelade de fleste husstande der ikke har bil.

Case: Nedenstående eksempel giver et andet indblik rent grafisk hvad der sker når vi finjusterer segmentet på tværgående demografiske variable. Kunden er i dette tilfælde en større international webshop, hvor den gennemgående variabel for kundegruppen på tværs af conzoom typer er husstandsindkomsten.

Markeret med blåt ser vi kundedatasen illustreret og den orange viser segmenteringen (look-a-likes) efter vi har udvalgt conzoom typer og stillet på variablen for husstandsindtægt. At kunne stille på variabler på tværs af conzoomtyperne betyder at vi nærmest har kirurgisk præcision i det bredeste medie der findes i Danmark.

Pointen er, at conzoom typer er en massebetegnelse af klynger med stærke fællesskabstræk og det er sjældent at der er et nærmest demografisk ”perfect match”. Det kan vi opnå ved at stille på individuelle variable på tværs af conzoom typerne.

Perspektiver: Muligheden for at stille på variable er relevant i mange sammenhænge. Det kunne være en virksomhed der sælger hvidevarer. En segmentering på conzoom typer vil indeholde både lejere og ejere i den samlede gruppe. Vi er derfor nødt til at rense segmentet for lejere, fordi lejere betaler ikke deres egne hvidevarer, det gør udlejeren. Det kunne også være en grænsehandelsbutik, som nok ikke er så interesseret i at sende ud til husstande der ikke har bil, da over 90% af deres kunder er bilejere.

 

  • Fordi vi geografisk optimerer udsendelsen efter hvor der bor flest kunder.
  • Fordi vi finder de profiler der matcher dine eksisterende kunde og fordi kunden i dag ligner kunden i morgen
  • Fordi vi er i stand til at foretage præcise tilpasninger helt ned på demografiske variable

 

 

Leave a Reply

Your email address will not be published. Required fields are marked *