Klantselectie
Een fashionretailer wilde weten wie de komende twee weken zou kopen. We legden vijf selectiemethodes naast elkaar op exact dezelfde data. Het verschil tussen de ruwste en de scherpste aanpak: een factor drie in omzet per klant.
Doelstelling
De retailer wilde één vraag scherp beantwoorden: wie koopt de komende veertien dagen? Niet "wie waren ooit onze grootste klanten", maar wie nu het meest waard is voor deze actie. De opdracht aan onze data-analist: aantonen, met echte cijfers en niet met een aanname, hoeveel een fijnmaziger of predictieve selectie oplevert tegenover een eenvoudige aanpak.
Uitdaging
Wie je beste klant is, hangt volledig af van je doel. De ene retailer wil vooral veel klanten activeren, de andere mikt op de grootste spenders. "Beste" is dus geen eigenschap van een klant, maar van een strategische keuze.
Toch gebeurt de selectie in de praktijk nog vaak op een arbitraire harde grens, een omzetdrempel bijvoorbeeld, zonder het volledige klantbeeld en zonder de effectieve doelstelling erbij. Zo laat je waarde liggen: je stuurt je actie naar wie toevallig boven een grens valt, niet naar wie ze het meest zal opleveren.
De Stratics aanpak
In plaats van een grens te kiezen, stelden we één concrete vraag centraal: wie koopt de komende veertien dagen? Daarna legden we vijf selectiemethodes naast elkaar op exact dezelfde data, van de ruwste tot de meest verfijnde. Elke stap voegt één laag klantbeeld toe. De scherpste laag is een predictief model dat per klant de aankoopkans inschat, gevoed vanuit het 360° klantbeeld in MIP.
Deze vijf niveaus zijn geen standaardrecept. Onze analist heeft de invulling doordacht en in overleg met de klant gekozen: welke drempels, welke variabelen, welke definitie van een aankoop. Er zijn tal van andere invullingen mogelijk om te testen. Deze waren voor deze klant het meest relevant, en dat werd pas duidelijk door echt met de klant in gesprek te gaan.
Aanpak
Resultaat
Omzet per klant bij een selectie van 50.000 klanten. Referentiepunt is willekeurig kiezen onder wie al ooit kocht (€5,31). Ter vergelijking: puur willekeurig uit de hele databank levert €2,68; die kopers-filter alleen al verdubbelt dat.
Simulatie op reële data bij een fashionretailer. Bron: eigen analyse Stratics, gevalideerd door Yann Cadoret.
"Je beste klant bestaat niet los van je doel. Stel de vraag scherp, en het verschil is meetbaar: drie keer meer omzet per klant."
De basis en het model vervangen elkaar niet, ze versterken elkaar. Een harde grens vangt de grofste winst, RFM en ranking scherpen die aan, en een predictief model bovenop een schoon 360° klantbeeld haalt eruit wat de rest laat liggen. De winst is cumulatief.
In beeld
Hoe scherper (kleiner) de selectie, hoe groter het verschil. Bij een selectie van 50.000 klanten haalt het predictieve model €16,16 per klant, tegenover €5,31 voor willekeurig kiezen onder je kopers.
Simulatie op reële data bij een fashionretailer. Bron: eigen analyse Stratics, gevalideerd door Yann Cadoret.
We stellen de vraag scherp en laten met je eigen data zien wat een fijnmaziger selectie oplevert.
Plan een gesprek