Al in 1996 lanceerde Overtoom een programma om het klantenbestand te segmenteren volgens een RFM-model (recency, frequency, monetary value) en zo de omzet in het zog van marketingcampagnes te vergroten. De impact van het model was erg positief, maar het systeem stootte onderhand op zijn grenzen. "We hebben het tot twee keer toe verbeterd, maar om nog verder te kunnen gaan, moesten we een beroep doen op nieuwe technieken", zegt Mario De Bauw, directeur communicatie bij Overtoom. "Onze eerste doelstelling was een toename van de 'reactiviteitsgraad' - het aantal bestellingen dus - binnen de globale klantenpopulatie. Om ons aanbod nog relevanter te maken, konden we ons echter niet meer beperken tot het afbakenen van doelgroepen en moesten we overstappen naar een heuse one-to-one-communicatie."
...

Al in 1996 lanceerde Overtoom een programma om het klantenbestand te segmenteren volgens een RFM-model (recency, frequency, monetary value) en zo de omzet in het zog van marketingcampagnes te vergroten. De impact van het model was erg positief, maar het systeem stootte onderhand op zijn grenzen. "We hebben het tot twee keer toe verbeterd, maar om nog verder te kunnen gaan, moesten we een beroep doen op nieuwe technieken", zegt Mario De Bauw, directeur communicatie bij Overtoom. "Onze eerste doelstelling was een toename van de 'reactiviteitsgraad' - het aantal bestellingen dus - binnen de globale klantenpopulatie. Om ons aanbod nog relevanter te maken, konden we ons echter niet meer beperken tot het afbakenen van doelgroepen en moesten we overstappen naar een heuse one-to-one-communicatie." De onderneming heeft daarop Python Predictions, een partner van SAS, onder de arm genomen om in eerste instantie de reacties van de klanten en hun koopgedrag te analyseren en daar vervolgens voorspellende-analysemodellen uit te puren (technologie van SAS). Omdat het model vooral afhangt van de periode waarin de klant en zijn reacties worden gemeten, heeft Python twee modellen uitgedokterd. Ze komen overeen met de twee belangrijkste marketingacties van Overtoom, namelijk de verzending van de jaarlijkse catalogus en die van de maandelijkse brochures. Elk model kan potentieel tot 850 variabelen in de analyse betrekken (bv. informatie over aankopen, de onderneming, klachten, producten, kanaal, seizoenschema enz.). "Met statistische technieken kunnen de meest doeltreffende variabelen worden bepaald." Voor de analyse van de impact en de efficiëntie (scoring) van de brochures werden 24 variabelen weerhouden waaronder 10 voor de Bedrijfsgids en 8 voor de Kantoorgids. Python classificeert de klanten op basis van de behaalde scores en bepaalt voor elke klant de ideale marketingactie. Volgens Overtoom is het positieve effect van deze voorspellende-analysemodellen nu al duidelijk. "In plaats van te mikken op het 'beste segment' kunnen we nu gewoon de 'beste klanten' identificeren (die nog meer omzet zullen genereren) en dat niet enkel in de beste segmenten, maar ook in andere segmenten. Die laatste konden we met ons RFM-model niet bereiken. Dat zijn twee grote voordelen die een boost kunnen betekenen voor ons omzetcijfer. Zelfs als we onze marketinginspanningen een tijdje op een lager pitje zetten, moeten we resultaten kunnen boeken die vergelijkbaar of (veel) beter zijn. We hebben na de nodige controles vastgesteld dat het voorspellende model ook doeltreffender is om de klanten te bereiken die het meest, het vaakst of het dichtst tegen de lancering van een marketingactie bestellen. Dankzij het voorspellende model kunnen we nu de scoring individualiseren en onze selectie verbeteren." De scores worden elke maand door Python Predictions aan Overtoom geleverd. Na de verbetering van de reactiviteitsgraad bij klassieke marketingcampagnes wil Overtoom nu elke klant op maandelijkse basis een aanbod kunnen presenteren dat het best bij die klant past. Sinds april 2009 is de brochure gepersonaliseerd. Elke klant krijgt een productgamma voorgeschoteld dat hem of haar in het bijzonder zou moeten boeien. De lay-out gaat zelfs zo ver dat de meest in het oog springende items ook de items zijn die de klant in principe het meest interesseren. Daarvoor heeft de onderneming een gepersonaliseerd digitaal drukproces moeten implementeren dat aanzienlijk duurder is dan een klassieke mailing. "Daar staat echter tegenover dat we het marketingbudget dankzij de voorspellende targeting kunnen optimaliseren en we zullen de omvang van het klantenbestand dat bereikt wordt via de targeting allicht nog wat kunnen verkleinen zonder veel aan omzet in te boeten. We hopen dat het surplus aan personalisering op termijn de omzet aanzwengelt." Over enkele maanden zal Overtoom voor de online mailings dezelfde motor gebruiken als die voor de geoptimaliseerde verzending van de gepersonaliseerde brochures. "Op termijn willen we een uitbreidend rooster van klantenprofielen, producttypes en communicatiekanalen uitwerken. Bepaalde producten zullen immers makkelijker de interesse van een bepaalde klant wekken als die hem worden aangeboden via een bepaalde marketingondersteuning." De e-mailcampagnes dienen om meer onmiddellijke aankoopimpulsen te genereren. Door het plaatsgebrek (schermomvang) is het aantal producten dat we kunnen aanbieden wel een stuk kleiner", benadrukt Mario De Bauw. "Omdat de klant elke dag al wordt gebombardeerd met talloze e-mailadviezen, hebben we er dus alle belang bij nog doelgerichter te werken en de online-informatie zo relevant mogelijk te maken." Brigitte Doucet