Door big data, het internet of things en kunstmatige intelligentie is business intelligence (bi) weer helemaal terug op de radar. Deze technologieën blijven zich in razendsnel tempo ontwikkelen en dat heeft impact op business intelligence. Hoe kunnen bedrijven hiervan profiteren?
Traditionele analytics, ooit the next big thing in bi, leverden historische data. Hiermee konden bedrijven trends en pieken uit het verleden onderzoeken en zelfs factoren inschatten die deze trends beïnvloedden. Het is zeker mogelijk om conclusies te trekken uit historische gegevens – deze data is zelfs van cruciaal belang voor het nauwkeurig vaststellen van prognoses -, maar bij het voorspellen van een mogelijke uitkomst gebaseerd op historische informatie, wordt geen rekening gehouden met de vele andere variabelen die het resultaat kunnen beïnvloeden.
Zo kan een klant bijvoorbeeld dezelfde customer journey volgen als veel klanten in het verleden hebben gedaan, waardoor het voorspelbaar gedrag lijkt. U zou hierdoor kunnen denken dat de klant de koop gegarandeerd zal afronden. Toch is er een kans dat u het mis hebt.
- Wat als de mogelijke klant een pijnpunt heeft dat wezenlijk afwijkt van de typische koper?
- Wat als de mogelijke klant op het punt staat een aanbod te krijgen van een concurrent dat hij of zij niet kan weerstaan?
- Wat als de behoeften van de mogelijke klant verschuiven en zijn situatie verandert?
Klanten willen worden behandeld als individuen en ze willen gepersonaliseerde ervaringen, maar dit zijn geen haalbare doelen als u te erg op één onderdeel van de ‘standaard’ customer journey focust. Ieder individu moet worden bekeken als een uniek persoon in een unieke situatie; dit is de enige manier om een echte gepersonaliseerde ervaring te bieden die aansluit op de behoeften van de klant.
Vooruitkijken
Dit kan op zekere hoogte met traditionele (historische) analytics. Echter, conclusies met écht bruikbare inzichten moeten ook gebaseerd zijn op de huidige behoeften en wensen van iedere individuele klant en daarvoor zijn predictive en prescriptive analytics nodig.
Met voorspellende analytics is het mogelijk om op basis van data-analyse het meest waarschijnlijke resultaat te bepalen. Met prescriptive analytics kunt u hypothetische scenario’s doorlopen en bepalen wat de meest waarschijnlijke uitkomst is als u een bepaalde actie uitvoert. Als actie A een ongewenst resultaat zal opleveren, kunt u deze plannen onmiddellijk stopzetten. En als actie B waarschijnlijk de gewenste resultaten genereert, kunt u hier alvast op inspelen.
Met meer merken die zich bezighouden met ervaringsgerichte marketing en soortgelijke strategieën, is het noodzakelijk om een sterke klantgerichte positie in te nemen. Dit kan alleen door gebruik te maken van geavanceerde analytics, waarmee men de klanten beter leert kennen dan ooit. In de huidige, competitieve omgeving is dit de informatie die er het meest toe doet.
Om een klantgericht bedrijf te zijn, is het nodig om te anticiperen op toekomstige behoeften door te kijken naar gedragspatronen, markttrends en gebruikerservaringen. Dit is mogelijk door op een nieuwe manier om te gaan met data en bi. Op basis hiervan kunnen proactief maatregelen worden genomen en een gepersonaliseerde, unieke ervaring worden aangeboden via meerdere kanalen. Hierdoor voelt de klant zich begrepen en gewaardeerd en zal deze meer geneigd zijn om loyaliteit te ontwikkelen die een goede basis vormt voor een sterke relatie.
Luc Burgelman, ceo bij NGData
