Intergamma: meer loyaliteit onder kaarthouders met RFM-segmentatie en een nieuw klantbeeld

Keuzes onderbouwen met data, vanuit een loyaliteitsprogramma op Google Cloud Platform.

De uitdaging

Intergamma wilde de loyaliteit van zijn grote groep kaarthouders volgen en laten groeien. Met miljoenen klanten en complexe transactiegegevens was het lastig om zicht te krijgen op gedrag, voorkeuren en betrokkenheid. Er was behoefte aan een compleet beeld per klant, als basis voor gerichte marketing en een persoonlijk loyaliteitsprogramma.

Het doel

1. Loyaliteit onder kaarthouders volgen: Intergamma wilde die loyaliteit onderbouwd in beeld brengen. Daarvoor moest duidelijk worden hoe klanten zich gedragen, wat ze willen en hoe betrokken ze zijn, zodat trouwe klanten en afhakers te herkennen zijn.
2. Loyaliteit laten groeien met gerichte marketing: met dat inzicht wilde Intergamma persoonlijke aanbiedingen, acties en beloningen inzetten, om klanten betrokken te houden en aan het merk te binden.

De aanpak

Voorbereiding:

• Overleg over de doelen en de mogelijke oplossingen
• Backlogitems opstellen samen met de eigenaren vanuit de business
• De backlog aanscherpen tot alle details helder zijn
• De backlog ordenen op zakelijk belang
• Het werk voor de gekozen user stories inschatten

Uitvoering:

• Vaststellen wie als kaarthouder telt en welke transacties meetellen voor het RFM-model (Engels)
• Het gedrag en de loyaliteit van kaarthouders beschrijven op basis van dat model
• De RFM-segmenten aanscherpen en afstemmen met de business
• Strategische loyaliteitsgroepen vormen op basis van die segmenten
• Gegevens samenvoegen en laden in een nieuwe actuele contacttabel
• Regelmatig RFM-scores berekenen en kaarthouders in een loyaliteitssegment plaatsen
• Een klantbeeld maken dat loyaliteitsscores, aanvullende profielen en kenmerken in één tabel samenbrengt
• Rapportages bouwen die de kerninformatie makkelijk bereikbaar maken
• Tabellen en weergaven documenteren

De oplossing

Google Cloud Platform speelde een hoofdrol in het verwerken van de grote hoeveelheid klantgegevens bij Intergamma. Ingeplande queries laden de meest actuele klantinformatie in BigQuery-tabellen, zodat analyse en rapportage op kloppende, verse gegevens rusten.

Om kaarthouders en hun transacties goed te herkennen, ontwierpen we bij Crystalloids een proces dat kaarthouders uit de klant- en transactiegegevens afleidt. Die informatie landt in een nieuwe contacttabel, met alle kaarthouders overzichtelijk bij elkaar.

Vervolgens worden per klant RFM-scores en loyaliteitssegmenten berekend. Het RFM-model deelt klanten in op recentheid, frequentie en bestedingen: wanneer kocht iemand voor het laatst, hoe vaak koopt iemand, en voor hoeveel. Die scores en segmenten komen in een tabel te staan, waarmee het klantbeeld ook de loyaliteit laat zien.

Om dat inzicht toegankelijk te maken, zijn er rapportages gemaakt in Google Data Studio. Die laten de loyaliteitsstatus, de profielen van kaarthouders en de ontwikkelingen daarin zien. Door het visueel te tonen, ziet Intergamma snel wat er speelt en kan het team daarop handelen.

De koppeling tussen Google Data Studio, de loyaliteitssegmenten en het klantbeeld heeft nog een voordeel voor de marketing: kaarthouders zijn rechtstreeks vanuit de rapportages te exporteren, waarmee Intergamma specifieke groepen gericht kan benaderen met wat bij hen past.