Slim segmenteren van online bezoek: input vanuit Web Analytics

Het is een aloude marketingwet: mensen met een ander profiel moet je anders benaderen. Weet je online bezoekers in zinnige segmenten onder te verdelen, dan biedt dat de kans om de voorheen anonieme bezoeker gerichter te benaderen en zo meer effect te behalen in bijvoorbeeld sales. Hoe herken je een Ajaxfan, yup, hondenbezitter of gadgetfreak in je webstatistieken? En hoe speel je hier vervolgens op in?

One size doesn’t fit all

Een goede marketeer houdt in het bepalen van het assortiment, maar ook in zijn marktbewerking, rekening met de segmenten die hij wil bedienen.

Steeds meer CMS pakketten bieden je nu ook de mogelijkheid om in te spelen op het profiel van je bezoekers. Dus niet langer ‘one size fits all’, maar een site op maat voor verschillende bezoekerssegmenten.
Voordat je voor verschillende segmenten een site op maat inricht is het zaak de vraag te beantwoorden: hoe herken ik mijn segmenten online? En wellicht ook: zijn er segmenten in onze online bezoekers die we nog niet (h)erkend hebben?

De basis: bestaande klantsegmenten

Bijna elke organisatie met een marketingafdeling heeft de CRM database in een aantal klantsegmenten ingedeeld. Bijvoorbeeld op basis van demografische gegevens, interessegebieden en aankoophistorie. Twee relevante segmenten in de categorie voetballiefhebbers kunnen bijvoorbeeld zijn:

• Feyenoordfans ouder dan 15 jaar
• Ajaxfans jonger dan 15 jaar

Voor andere organisaties kunnen relevante segmenten zijn:

• Werknemers uit de creatieve industrie
• Werknemers uit de maakindustrie
• Werkzoekenden in de IT

Maar ook een spannender klinkende indeling is mogelijk (zie afbeelding Urban Outfitters):

• Tree hugger (bijv.: woont buiten de grote stad, koopt biologisch)
• Gadget Geek (bijv.: vervangt jaarlijks telefoon en laptop)
• Mountain man (bijv. mannen die minstens eens per jaar een actieve vakantie boeken)
  

  Segmentering van Urban Outfitters

De toets: herken je segmenten online

De kenmerken van bestaande klantsegmenten lijken in je statistiekenpakket niet altijd te achterhalen. Denk aan de leeftijd, of waar iemand werkt. Hoe ben je dan in staat de klantsegmenten online te herkennen?

De volgende cijfers over je bezoekers zijn in nagenoeg alle statistiekenpakketten wél beschikbaar:

• Aankoopgedrag (welke producten, welk bonbedrag, conversie,…)
• Geografie (vanuit welk land, regio of stad)
• Tijdstip van site-bezoek
• Bezoekgedrag (aantal bezoeken, bekeken pagina’s, bezoekduur,…)
• Herkomst (zoekmachine, bannercampagne, affiliate site,…)
• Systeemkenmerken (browserversies, besturingssysteem, bandbreedte,…)

Op basis van (combinaties van) bovenstaande segmenten kan je bijvoorbeeld de volgende hypotheses opstellen:

Feyenoordfans ouder dan 15 jaar zijn bezoekers die:

• binnen een maand meer dan 3 artikelen over Feyenoord lazen
• de site vanuit de regio Rotterdam bezochten
• de site op een doordeweekse dag minstens tweemaal tussen 23-05 uur hebben bezocht

Werknemers uit de creatieve industrie zijn bezoekers die:

• tijdens kantooruren de site bezoeken
• afkomstig zijn van blogs als Frankwatching of Marketingfacts
• afkomstig zijn uit de regio Amsterdam of Utrecht
• en/of wellicht: dit deden met een Mac of iPhone

In bijvoorbeeld Google Analytics kan je op vrij eenvoudige wijze nagaan hoe groot de groep bezoekers is die binnen dit segment valt (zie screenshot en video over het maken van ‘Advanced segments’).

Naast deze gerichte vertaling van klantsegmenten naar hypotheses in Analytics is het ook interessant eens te grasduinen in de Analytics segmenten die niet direct terug te vertalen zijn naar je klantgroepen. Je kan op interessante uikomsten stuiten. Zo bleek dat op de site van ABN AMRO Safarigebruikers nauwelijks geïnteresseerd zijn in verzekeringen. Hier kan ABN AMRO met het plaatsen van triggers op bijv. de homepage rekening mee houden.

Site inrichten naar bezoekerssegment

Zoals gezegd bieden steeds meer CMS-pakketten de mogelijkheid om de website in te richten naar het profiel van de bezoeker. Het profiel wordt met behulp van een cookie opgeslagen op de pc van de gebruiker. Tijdens het bezoek, of bij een volgend bezoek, deelt de software de bezoeker in bij een segment en kan je hem of haar een andere variant van een pagina tonen. Bijvoorbeeld:

De Feyenoordfan

Bij Feyenoordfans weet je één ding zeker: ze zullen niet snel Ajax merchandise kopen. In Feyenoord shirts, sjaals of aanstekers (alleen voor 15+) zijn ze waarschijnlijk wel geïnteresseerd. Je kunt deze merchandise bijvoorbeeld aanbieden naast het nieuwsoverzicht. Kan een Feyenoordshirt dan niet standaard naast een Feyenoord nieuwsartikel? Nee, want een artikel over de verloren wedstrijd tegen NEC kan ook heel goed door een Ajaxfan gelezen worden. Als deze Ajaxfan het juiste oormerk heeft gekregen krijgt hij naast hetzelfde Feyenoord artikel bijvoorbeeld kaarten voor de eerstvolgende match tegen Ajax.

Werknemers uit creatieve industrie

Werknemers uit de creatieve industrie zijn wellicht meer geïnteresseerd in gadgets dan de doorsnee bezoeker. Op de homepage van je retailsite maak je wellicht meer kans met een Macbook-aanbieding dan met een bankstel.

Gokken of zeker weten?

Het op deze manier ‘ongemerkt’ aanpassen van de site aan het profiel van de bezoeker brengt risico met zich mee. Het blijft immers een gok. Maar wel een gecalculeerde. Risico´s zijn:

• De wensen en interesses van de doelgroep in het segment zijn verkeerd ingeschat. De meeste creatievo’s blijken bijvoorbeeld allang een Macbook te hebben, maar hun huisinrichting tot dat moment volledig genegeerd te hebben. Totdat ze op jouw bankstel worden gewezen.
• De bezoeker kan ten onrechte in een segment zijn geplaatst;
  • omdat de gemaakte hypotheses niet blijken te kloppen: 15 jarigen liggen tegenwoordig tot 01:00 uur met hun laptop in bed en worden dus onterecht bij de 15+-ers ingedeeld
  • omdat meerdere mensen gebruik maken van dezelfde pc (en dus cookie)

Het risico verklein je door niet de gehele site aan te passen aan het bezoekersprofiel. De Ajaxfan moet nog steeds een Feyenoordshirt kunnen kopen als hij dat wil. Wellicht is zijn Rotterdamse neefje volgende week jarig.

Pas je wel de gehele site op het bezoekerssegment aan, laat dat dan expliciet zien. Zodat de gebruiker zelf zijn profiel aan kan geven en/of wijzigen. Zie bijvoorbeeld de Belgische Bank Degroof (afbeelding hieronder).

Maar het beste werkt het nauwgezet volgen van het effect van segmentering met a/b-tests. Ga altijd na wat het effect is van de aangepaste variant ten opzichte van de standaardconfiguratie bij een controlegroep.

Stappenplan:

1. Pak je bestaande klantsegmenten erbij
2. Kijk hoe je deze kunt vertalen/benaderen met de segmenten uit Web Analytics
3. [Doe eens gek, en probeer een aantal minder waarschijnlijke combinaties uit]
4. Denk na over verschillende siteconfiguraties voor verschillende segmenten
5. Voer gedegen a/b-tests uit, en verbeter zo je segmentatie-strategie