zoeken
+31(0) 40 304 0070bel ons
Contactmail ons
menu

Hoe je met slimme dataoplossingen kosten bespaart

Terug naar alle blogberichten
Daag ons uit!
  1. Home
  2. Blog
  3. Hoe je met data kosten bespaart

We merken allemaal dat veel organisaties door de ontwikkelingen rondom het coronavirus de hand op de knip houden. Of het nu gaat om het uitzetten van generieke campagnes, het terugschroeven van campagnebudgetten of zelfs het on hold zetten van volledige marketingcampagnes. Veel organisaties worden geraakt door de uitbraak van het virus dat over het land heen raast. De vraag is: hoe kunnen we onze klanten in deze periode zo goed mogelijk blijven bedienen? Waar sommige offline werkzaamheden volledig stil liggen, valt er online nog genoeg te halen. Zo kunnen we door middel van dataoplossingen beperkte budgetten zo efficiënt mogelijk inzetten. Wij bij Happy Idiots hebben bijvoorbeeld ruime ervaring in het definiëren van de meest kansrijke doelgroepen, waardoor je met een beperkt budget toch maximaal resultaat behaalt.

Hoe definiëren we die kansrijke doelgroepen?

Zodra we weten wie je huidige klanten zijn en welke kenmerken een gemeenschappelijke deler zijn, kunnen we nieuwe (potentiële) klanten benaderen met dezelfde kenmerken. Door de jaren heen hebben we een database verzameld van meer dan 250 kenmerken over alle postcodegebieden binnen Nederland, zoals inkomen, gezinssamenstelling, huur- of koopwoning, lifestyle segmentaties en politieke voorkeur. Deze kenmerken leggen we over de klantendata heen, waardoor we de belangrijkste kenmerken van de klant kunnen definiëren. De combinatie van deze kenmerken leidt tot een klantprofiel. Op basis van dit profiel kunnen we de look-a-likes in de rest van Nederland aanwijzen. De kans dat deze look-a-like-doelgroep converteert is aanzienlijk groter, doordat deze groep dezelfde kenmerken vertoont als de huidige klanten.

Hoe gaat dat precies in zijn werk?

Per kenmerk hebben we Nederland verdeeld in verschillende klassen (1 = bovengemiddeld laag en 5 = bovengemiddeld hoog). Door de relatieve frequenties van het aantal Nederlandse huishoudens en het aantal klanten van een kenmerk per klasse met elkaar te vergelijken, bepalen we door middel van een index of er een kenmerk uitspringt dat bovengemiddeld hoog of bovengemiddeld laag voorkomt onder klanten. Vervolgens baseren we een model op deze kenmerken waarbij de combinatie van kenmerken leidt tot een voorspelformule. Op basis van deze formule definiëren we de postcodegebieden waarin zich de meest kansrijke look-a-likes bevinden (huishoudens die dezelfde kenmerken vertonen als de huidige klanten). Bovenstaande is beschreven vanuit het perspectief van een retailer of webshop, maar dit kunnen we ook toepassen op goede doelen of leadgerelateerde ondernemingen (vereiste is wel dat er een waarde aan de lead(s) toegekend kan worden).

De data koppelen aan ad platforms

Nu de kansrijke look-a-likes zijn geïdentificeerd/gedefinieerd is het zaak deze te koppelen aan ad platforms. Zeker nu veel budgetten worden gekort is het slim de focus te leggen op die profielen die de hoogste kans (high potentials) hebben om te converteren. Binnen Facebook is het mogelijk postcodedata in een bulk te uploaden als custom audience. Deze custom audience kun je inzetten als targetingoptie en kan eventueel nog uitgebreid worden met extra demografische gegevens uit Facebook. Hetzelfde geldt voor YouTube- en Google Ads-campagnes. Misschien vraag je je af wat de toegevoegde waarde is van het beperken van het afzetgebied van searchcampagnes. Want wanneer iemand een latente behoefte heeft en online op zoek gaat naar een product, dan wil je die toch altijd bedienen? Door deze targetingtoepassing zet je het budget efficiënter in met maximaal resultaat.

Wat levert het op?

Door het toepassen van het model zien we een verlaging in de kosten per 1000 impressies in Facebook en een verlaging van de CPV (Cost per View) in YouTube. Daarnaast blijkt uit verschillende A/B-testen dat de sample groep beter scoort op conversieratio’s en het aantal conversies vergeleken met de controlegroep. Ook zien we dat de testgroep meer opbrengsten weet te halen uit conversies. Kortom: het model heeft dus een positieve invloed op het rendement en de effectiviteit van (online) marketingcampagnes waardoor de kosten kunnen verlagen en tegelijkertijd een maximaal resultaat behaald wordt.

Download hieronder onze genomineerde DSA business case voor Prinses Beatrix Spierfonds en zie hoe we deze slimme dataoplossing toepassen.

Case Prinses Beatrix Spierfonds

Data als basis voor een 318%-groei in donaties

Download de case

Sneak Preview

Normaliter is een uitgebreide data-analyse een behoorlijke investering. Dat kun je tijdens deze bizarre tijden waarschijnlijk niet gebruiken. Maar met deze uitgeklede variant waarbij we 7 van de meest voorkomende/voorspellende kenmerken meenemen, brengen wij de kosten van dergelijke analyses drastisch omlaag. Deze data sneak preview geeft je de eerste (basis)inzichten in de kenmerken van je klanten. We vertalen deze inzichten naar een overzichtelijk rapport (presentatie), inclusief een dataset die te gebruiken is voor online platformen.

Hulp nodig?

Wil je meer weten over de mogelijkheden van het toepassen van third party data om je huidige marketingbudget efficiënter in te zetten? Neem contact op met Nienke of Paul of vul onderstaand contactformulier in.

Verzenden

Blog

Relevant blog posts

Bedrijfscontinuïteit behouden tijdens de coronacrisis

31 maart 2020

Daag jij ons uit voor je volgende project?

Daag ons nu uit!

Op de hoogte blijven van het laatste online nieuws?

Schrijf je in voor de nieuwsbrief

Druk op ENTER om te zoeken of ESC om de zoek overlay te sluiten.