Je nieuwe B2B klant vind je met data driven sales.

In B2B-land is acquisitie nog altijd vaak een kwestie van Cold Calling. Verkopers die lukraak bedrijven bellen, een hele middag aan de telefoon om te proberen érgens een afspraak te maken. Oftewel: sales like it’s 1999. In de digital era is dat niet meer nodig: nieuwe klanten vind je met data. Sneller en kansrijker. Data driven sales; we deden het o.a. voor een fabrikant van horeca-apparatuur. Je leest er hier over. Een ding kan ik alvast verklappen: het werkt.


Allereerst dit. Mijn ervaring met onderzoek voor B2B-bedrijven heeft me geleerd dat de kwaliteit van databestanden vaak belabberd is in B2B. Simpel voorbeeld: prospects – toekomstige groei dus – zijn vaak totaal niet in beeld. Laat staan dat er inzicht is in de relevantie en aantrekkelijkheid van die prospects. Ik verbaas me er keer op keer over, want B2B-bedrijven manoeuvreren zich zo in een enorm afhankelijke positie. Teruggeworpen op die doodenkele klant die uit zichzelf belt of… die ene afspraak uit alle ‘lukraak-bellen- acties’.

Ok, ik chargeer, maar B2B-bedrijven laten zoveel kansen liggen. Kansen die haarscherp naar boven komen met (big) data. En dit is hoe.

De nieuwe look-a-like

Startpunt zijn je eigen, bestaande klanten. Zorg voor een goed profiel van je klantendatabase. Dat is de basis voor een look-a-like. Deed je vroeger ook al, hoor ik je zeggen? Klopt, je moet ook een stap verder. Door de data van je huidige klanten te verrijken. Verder dan sector, omzet en aantal medewerkers. Door technieken als web scraping te gebruiken, kun je data toevoegen aan bestaande accounts. Denk aan attributen die relevant (kunnen) zijn voor jouw klanten en salesteam. Dit zijn vaak sectorspecifieke data en dat kan van alles zijn. Van oppervlakte van panden en gebruik van bepaalde leveranciers, tot lidmaatschap van bepaalde organisaties.

Kennis en intuïtie

Vervolgens verrijk je de data met de kennis en intuïtie van je team. Want hoewel ik een groot fan ben van de mogelijkheden van data, ik weet ook dat er voorbeelden zijn van verbanden die je vindt in big data die totaal irrelevant zijn. Benut daarom de ervaring van je salesteam. Die input zorgt ervoor dat je gericht kunt verrijken, waarna de datajongens aan de slag kunnen. Verbanden zoeken en vinden, een model bouwen. Samen met je team houd je de vinger aan de pols, een iteratief proces.

Dynamisch voorspelmodel voor horeca-apparatuur

En echt, zo’n model werkt. Zoals bij een fabrikant van horeca-apparatuur. Ze wilden weten welke bedrijven toe waren aan vervanging van hun apparatuur, maar eigenlijk zaten ze met de handen in het haar. De bestaande klantendatabase was niet om over naar huis te schrijven. Daar schoten ze niets mee op. Uiteindelijk hebben we verschillende databronnen gecombineerd en zo een heel nieuw bestand gecreëerd. Van klanten én prospects. Vervolgens zijn we met verschillende medewerkers bij elkaar gaan zitten. Tijdens een brainstormsessie hebben we het bestand met ruim 160 variabelen verrijkt, variërend van welk merk bier men op de tap heeft tot de aanwezigheid van een terras. Maar ook op het oog minder relevante zaken zoals woorden op de websites als ‘gezellig’, ‘sfeer’, etc. Helemaal niet zo ingewikkeld. En dát vormde de basis voor een heus dynamisch voorspelmodel dat ze gebruiken voor leadgeneratie en marketing.

Trial & error

Zo’n model komt tot stand door trial & error, want de meest interessante lead bleek een stukadoor uit Tiel. Huh, voor horeca-apparatuur? We kwamen erachter dat één van de gebruikte bronnen niet relevant was. Een beetje ‘boerenverstand’ mag dus niet ontberen. Aanpassing van het model leverde zeer relevante leads op. Niet op basis van gut feeling, maar fact based. Door de data continu te verifiëren en te verversen, ontstaat een dynamische data-gedreven lead generatie. En die data-driven sales is heel wat rendabeler dan een middagje lukraak bellen. Dus, beste B2B marketeers: zullen we het tijdperk van cold calling hiermee afsluiten?


The Next Step #4: Bloed, zweet en tranen

Groeien in het buitenland; marktvinder Goos Eilander houdt van bedrijven en ondernemers met ambities en geloof in eigen kunnen. Maar ziet dat vaak één aspect wordt onderschat: ondanks digitalisering en internationalisering is elke markt, elk land, wel degelijk anders. Hoe je optimaal voorbereid het buitenland verovert, met de juiste voorinformatie. Een gesprek over de volgens hem allesbepalende vraag: heb je de data? Die je bloed, zweet en tranen besparen en snel succesvol maken?


Bloed, zweet en tranen besparen met data. Dat neigt naar preken voor eigen parochie.

Allereerst is natuurlijk van belang dat je product goed is, dat voorop. Maar geloof me, hoe fantastisch je product ook is, vóór je actie onderneemt zul je eerst alles moeten weten over die nieuwe markt van je. Data gaan je trial and error tijd besparen, voorkomen teleurstellingen en gaan je helpen om sneller succesvol te zijn. Of je nu wilt of móet groeien.

Wacht even, of je nu internationaal wilt of moet? Leg uit.

Vrij eenvoudig: je hebt ondernemers die naar het buitenland willen, omdat het interessant is en blij maakt. En er zijn partijen die wel moeten, omdat Nederland voor hun businessmodel te klein is.

Nederland als afzetmarkt te klein? Wie zijn dat?

Van uit de hand gelopen hobby tot kapitaalintensieve vernieuwers. Vrienden die een biologisch hipsterbier brouwen, maar van de Nederlandse volumes nooit rijk zullen worden. Aan de andere kant partijen met een high-end technologisch product. Neem Adyen. Bieden een volstrekt unieke tool, maar gaan de continue investeringen in research en IT pas echt terugverdienen als die ook in bijvoorbeeld Duitsland en USA wordt gebruikt.

Ok, zij moeten. En degenen die naar het buitenland wíllen, wie zijn dat?

Ha, dat is het mooie van deze tijd, je ziet het overal. Gevestigde bedrijven in transitie die zien dat de wereld verandert, nieuwe kansen biedt. Van verzekeraars tot energiebedrijven. En daarnaast natuurlijk al die jonge ondernemers met een internetplatform. Auto-onderdelen, fietsonderdelen, maaltijden bezorgen, aannemersklussen matchen met vakmensen of bloemen rechtstreeks van de kweker.

Terug naar de data. Allesbepalend, zeg je.

Ja, je moet alles weten over je nieuwe afzetgebied. Bedenk; je begeeft je op vreemd terrein en dat is een totaal andere omgeving dan waarin je met je bedrijf in Nederland succesvol bent geworden.

Komaan, Europa is één grote markt.

Precies, en dát is dus de foutieve aanname die we maken.
Je denkt dat ze in Frankrijk en Italië jouw Engelstalige website wel pikken? Vergeet het. Jouw losse en directe, Nederlandse manier van communiceren: gaat dat op de Engelse online-verzekeringsmarkt werken? En dat geweldig succesvolle bio-brood, is dat voor de Duitse consument nu echt een uitkomst? Allemaal vragen die cruciaal zijn, maar eigenlijk ook eenvoudig te beantwoorden.

Want?

Dit is een tijd waarin bijna alle data beschikbaar zijn. En anders zijn ze eenvoudig te vinden. Dus gebruik alle feiten en cijfers die er zijn, achterhaal door research de ontbrekende. Leer zo alles over markten in het buitenland. Vind uit waar jouw unieke plek ligt. Wie je concurrenten zijn, wat jij anders gaat doen. Wat je belofte is, je toon, je stijl. Kortom: leer waar de valkuilen, maar vooral waar de kansen liggen. Data vertellen je hoe je de klant in het buitenland verleidt zonder waste of time, money and tears.

Vandaar bloed, zweet en tranen.

Ja, je gaat veel tijd steken in iets totaal nieuws en spannends. Dat betekent dat je je bedrijf in Nederland een tijd minder aandacht kunt geven. Wel, dan kan het maar beter verdomd goed bestede tijd zijn.


Samen met BNR presenteren wij een serie programma’s over de volgende stap in groei. Ieder programma behandelt een thema. Dit artikel hoort bij het dilemma: ‘Moet ik de internationale markt opgaan?’. Luister hier de podcast.
BNR The Next Step, iedere dinsdagavond om 19.30 uur.

Waarom we in data-land meer SRV man moeten zijn.

Fans van Big Data, sorry: ik moet hier persoonlijk worden. Echt verkopen aan tevreden klanten doe je nog altijd met een mens tot mens benadering, data zijn daarbij een hulpmiddel . Waarom je data moet combineren en vervolgens met die kennis naar de mensen toe moet. En ook: wat er niet deugt aan veel social media activiteiten, net als aan experience platforms. Wat ik eigenlijk wil zeggen: laten we leren van customer experience platform 1.0: de SRV man.

 

De man van de SRV ging van deur tot deur met zijn volgeladen wagen. Hij kende de hele wijk. Hij wist hoe zijn klanten heetten, onthield hun verjaardagen. En als er eens een nieuw soort yoghurt was, wist hij ook hoe hij de klanten daarmee kon verleiden: ‘Probeer maar en laat me weten of je het lekker vindt, dan breng ik het volgende keer speciaal voor je mee.’ Over een experience gesproken.

Nu, zoveel jaar later, verwachten onze klanten nog steeds precies hetzelfde: een gepersonaliseerde gebruikerservaring. De SRV-man is misschien overbodig geworden, klanten bewegen zich meer en meer online en hebben een veelheid van alternatieven op ‘klikafstand’. Maar uit alle onderzoeken blijkt: consumenten vinden het nog altijd fijn als ze persoonlijk worden benaderd. Wat wij nu, in deze digitale wereld, moeten doen zijn drie dingen:

  • Combineer data.
  • Ga naar je klanten toe.
  • Wees creatief

Combineer data

De eerste stap naar een perfecte customer experience bereik je door alle beschikbare data te gebruiken. Niet enkel je websitegegevens, om maar eens een voorbeeld te noemen, maar ook alle andere databronnen. Als je alle data met elkaar in verband kunt brengen, begeef je je letterlijk in een zee van kansen.

Het is immers pas door alle data te analyseren en verbanden te leggen, dat betekenisvolle inzichten boven komen drijven.

Je verkoopt wasmachines. Uit de data weet je waar je klanten zitten, welk model ze hebben, het bouwjaar. En: uit andere bronnen weet je welke klanten in een statusgevoelige wijk zitten. Je benadert ze voor een gratis Premium Servicebeurt. ‘We zijn in uw buurt, komen graag even kosteloos langs.’ Ga met een monteur de wijk in en ontmoet je klanten thuis. Ze zullen je nooit vergeten.

Kennis en inzicht, als basis voor gerichte acties die zonder het combineren van data niet in je waren opgekomen.

Ga naar de mensen toe

‘Ja maar, via social media dóen we al zoveel met en richting onze klanten’, zeg je. Ik denk dat dit de grootste misvatting is van onze tijd. Veel social media acties en activiteiten zijn niet veel meer dan digitaal leuren langs de deuren. Via de mail, Facebook, Instagram, Twitter ménen we persoonlijk te zijn, maar zijn we vooral bezig op het netvlies van klanten te blijven en onze spullen te verkopen.

Het is niet verkeerd, maar wie echt een experience wil bieden moet verder gaan. Nodig loyale klanten uit voor een proefsessie, maak kritische klanten lid van een testpanel, bied ze gewoon een informatieve avond.

Of zoiets werkt? Begin met een data tool die de telefoniste informeert wie er belt, hoe lang de beller al klant is, welk product hij gebruikt, et cetera. En merk hoezeer klanten ‘gekend’ willen worden.

Data zijn niet het nieuwe goud. Data zijn zilver, de inzichten eruit halen en ze creatief persoonlijk toepassen is goud.

Waar Experience Platforms falen

Tot slot iets over de factoren mens vs. techniek en hoe experience platforms daarover denken. Ik zie namelijk iets merkwaardigs. Want alle experience platforms belóven persoonlijkheid, maar ze práten over techniek: ‘Onze tools zorgen voor efficiënte marketing automation, ze regelen de engagement plans, beheren de customer experience over alle touchpoints.’

Geloof ik dit? En geloof ik hierin? Nee, zoals ze zelf al prijsgeven: experience platforms zijn technische hulpmiddelen.

Je mensen moeten het uiteindelijk doen. Machines nemen veel over, maar de echte connectie komt van mens tot mens tot stand. Dus combineer alle data, leer je klant beter kennen. En zoek ze dan op, ga oprecht met ze in gesprek en doe leuke en creatieve dingen voor en met ze. Net als die meneer vroeger in zijn elektrische winkelwagen.

MBA in big data. 3) verkopen met behulp van Big Data

Het was een peperduur Italiaans jasje. De stof was zijdezacht en de taillering strak. In de spiegel zag ik mezelf als zakenman uit Rome. ‘Ik neem het,’ glunderde ik. ‘Hm’, antwoordde de verkoper ‘eigenlijk vind ik het u niet staan.’ Een half uur later wandelde ik naar buiten in een Engels model, dat me inderdaad beter stond en: half zo duur was. Die vorm van oprechte klantgerichtheid mis ik in alle Big Data discussies. Data worden gebruikt ter manipulatie, niet voor advies. Een pleidooi voor ander Big Data gebruik, werkend aan échte klantrelaties.

 

Met de komst van Big Data zijn steeds meer gegevens van ons, consumenten, bekend. Men weet waar we wonen, op internet is ons klikgedrag te zien, GPS weet waar we zijn. Dit alles geeft een beeld van ons leven en hiermee kan een model worden gemaakt waarmee te voorspellen is welke keuzes wij maken. Maar worden deze data ook goed gebruikt? Ik vind van niet. Een potentiele koper komt op internet terecht in een wereld van manipulatie en misleiding.

Een voorbeeld, u zult het herkennen.

Ik wil op internet een hotelkamer boeken en voer mijn bestemming en overnachtingsdatum in.  0,00004 Seconden later word ik overspoeld met aanbieders, schreeuwende koppen en uitroeptekens. Laagste prijs! Laatste kamer! Er kijken op dit moment nog vijf anderen naar! Opgejaagd, maak ik als consument een snelle prijskeuze. Terwijl ik niets van het bedrijf weet.

In ‘real life’ zou ik als consument van aanbieders alle gegevens willen weten, zodat ik op basis daarvan een goede keuze kan maken. Ondersteunt de winkel de waarden die ik belangrijk vind? Heeft dit bedrijf hart voor zijn klanten? Zorgen ze goed voor hun medewerkers?

Wat ik maar wil zeggen: de hotelaanbieder wéét dat ik een man van 56 ben met een museumjaarkaart en lidmaatschap van het WNF. Waarom dan alléén die hijgere prijsaanbiedingen?

Je bent een bedrijf, en een bedrijf wil verkopen. Maar uiteindelijk gaat het erom dat je de consument een product biedt dat zo goed mogelijk bij hem of haar past. En daar zouden Big Data van écht onschatbare waarde kunnen zijn.

Wat hiervoor nodig is? Een uitgebreide analyse van de waarden en motieven van consumenten. Hetzelfde doe je voor je producten. Welke waarden en motieven ondersteunen we? Als bedrijven zich digitaal gaan profileren op hun kernwaarden (en dus níet alleen op prijs!) en zich richten op klanten die deze kernwaarden ondersteunen is er een win-win-situatie. Had de duurdere hotelkamer me liefdevol iets verteld over de kleurige schilderijen van Cobra-schilders aan de muur, had ik een andere keuze gemaakt.

Concreet slotvoorbeeld

Een kennis van mij mocht tien jaar geleden geen grote Jaguar kopen omdat de dealer vond dat hij daar niet gelukkig van zou worden. Hij kocht een kleiner model en is sindsdien fan voor het leven. Als we met behulp van Big Data een fractie van die klantgerichtheid bereiken, zijn we op de goede weg.

Kun je met big data voetbaldeskundigen verslaan?

Met big data voorspellen we de omzet van Bruna-winkels. En big data helpen de korfbalbond bij ledenwerving. Kun je met data óók de uitslagen in de Eredivisie voorspellen? Wat begon als een grap tijdens de vrijdagmiddagborrel nam serieuze vormen aan. Wat blijkt? Big data voorspellen voetbaluitslagen beter dan menig deskundige.

 

Voorspelmodel

Big data en sport is al lang geen vreemde combinatie meer. In 2011 kwam de film Moneyball uit. De directeur van een honkbalteam (gespeeld door Brad Pitt) weet in deze film met een beperkt budget en de inzet van data een zeer succesvol team te formeren. Hoe realistisch dat verhaal is, bewees de Deense club FC Midtjylland in 2015. Met behulp van data werd deze relatief kleine club kampioen van de Deense voetbalcompetitie. Dichterbij huis werkt collega Pascal van Hattum intensief samen met de Korfbalbond om big data succesvol voor korfbalverenigingen in te zetten.

Teams samenstellen, leden leren kennen, je vereniging laten groeien, daarvoor kun je data dus heel goed inzetten. Maar kun je met data ook de uitkomsten van de Eredivisie voorspellen? De data creatives van SAMR gingen aan de slag met een voorspelmodel.

De AZ-factor

In het voetbal is een berg data beschikbaar om uitslagen te voorspellen: aantal goals voor en tegen, de leeftijd van de spelers, de totale transferwaarde van de elftallen, de vorm van de teams, hebben ze Europees voetbal gespeeld, positie op de ranglijst, noem maar op. Tot de speelsterkte van de teams uit FiFa aan toe. Die wordt tenslotte ook niet zomaar uit de lucht gegrepen. We hebben zelfs de ‘AZ-factor’ in het leven geroepen. Blijkbaar wijkt het aantal goals dat AZ scoort dermate af van andere eredivisieclubs dat er een extra variabele nodig is om dit ‘juist’ te voorspellen.

Plek 49 (van de 18.000)

We zijn inmiddels 14 speelrondes verder en ons voorspelmodel blijkt aardig te werken. Wekelijks werken we de statistieken bij en zoeken we naar nieuwe manieren en bronnen om ons model te verbeteren. Mijn ‘big data team’ staat op dit moment op plek 49 (voetbalpoules.nl). Van de 18.000 deelnemers wel te verstaan! Om even in de statistieken te blijven, we scoren op basis van big data beter dan 99,7% van alle teams. Ons model voorspelde 56% van de wedstrijden correct (de winnaar of gelijkspel). Van 15% van de wedstrijden werd zelfs de exacte stand juist voorspeld.

Toegeven, dat is niet de 70% die we voor Bruna haalden, maar dat is logisch. De voorspelbaarheid van voetbal ligt een stuk lager. Niet voor niets is het cliché ‘het balletje kan raar rollen’. AZ-factoren ten spijt, veel zaken in het voetbal laten zich domweg niet vangen in data. Zo voorspelde ons model PSV als winnaar in de wedstrijd PSV-FC Groningen.  Toch speelde PSV dat weekend gelijk tegen het toen nog puntenloze Groningen.

Onvoorspelbaarheden

In die wedstrijd werd elke statistiek getart. Zo verbrak PSV die dag het wereldrecord gemiste kansen, behaalden ze geen voordeel uit een uur lang met een man meer spelen en miste Luuk de Jong tot overmaat van ramp een penalty. Had de Jong een avondje doorgehaald? Of wellicht de hele selectie? Was er niet op afwerken getraind die week? Wat de reden ook was, tegen zoveel onvoorspelbaarheden kunnen zelfs data niet op.

Conclusie

De voorlopige conclusie van ons experiment: big data is een prachtig voorspelmiddel, zelfs voor voetbaluitslagen. Maar voetbal met grote zekerheid voorspellen blijft lastig. Stiekem ben ik daar wel blij om. Als voetballiefhebber dan. Want die onvoorspelbaarheid maakt voetbal zo mooi. Al baalden we flink van de € 2.400,- die we door het debacle van PSV misliepen. Luuk, we krijgen nog geld van je…