Door Jowan Gosens

Veel organisaties beschikken over de juiste tools om activiteiten van websitebezoekers te registreren. Zo tracken bedrijven onder andere waar een persoon op klikt, welke pagina’s worden bezocht en hoelang een bezoek duurt. Op die manier wordt duidelijk wie wanneer een website heeft bezocht. Hoewel deze data veel potentie biedt, blijkt het voor veel bedrijven een uitdaging om deze informatie op een slimme manier in te zetten. Het blijft lastig marketeers de juiste middelen te bieden om daadwerkelijk in te spelen op de interesses van klanten.

In dit kennisartikel nemen we je mee in een oplossing die Intouch365 hiervoor heeft ontwikkeld: een systeem dat gedetailleerde, versnipperde data omzet in tastbare interessescores. Dit gebeurt met behulp van een intelligent scoringsmechanisme., welke we de Interest Scoring Engine noemen.

Websitegedrag vastleggen met Dynamics 365 Customer Insights Data

Het verzamelen van websitegedrag is een belangrijke eerste stap in het begrijpen van klantinteresses, maar op zichzelf geeft dit nog geen volledig beeld. Iemand die één keer kort een pagina bezoekt, krijgt in standaardsegmentatie dezelfde status als iemand die diezelfde pagina meerdere keren uitgebreid bekijkt.

Voor het tracken van bezoekersgedrag maken we gebruik van de webtracking functionaliteit van Microsoft Dynamics 365 Customer Insights Data (Set up real-time web personalization (preview) – Dynamics 365 Customer Insights | Microsoft Learn). Door het plaatsen van een trackingscript op de website worden paginaweergaves, klikken en andere interacties per persoon vastgelegd. Dit script stelt ons tevens in staat om bezoekers te identificeren op basis van bijvoorbeeld een e-mailadres of klantnummer. De ruwe gedragsdata die wordt opgeslagen in Dataverse, de datalaag van de Dynamics 365-oplossing, vormt een waardevolle basis, maar geeft op zichzelf nog geen diepgaand inzicht in klantinteresse.

Data engineering via Microsoft Fabric

Om deze gedragsdata slimmer te benutten, zetten we Microsoft Fabric in als centraal dataplatfom. Fabric is het dataplatform van Microsoft dat onder meer wordt gebruikt voor het inladen, transformeren, analyseren en rapporteren van data.

Binnen Fabric laden we twee databronnen in:

1.      Websitegedrag wordt opgeslagen in Dataverse-tabellen, die met de Dataverse shortcut eenvoudig beschikbaar worden in Microsoft Fabric (Link your Dataverse environment to Microsoft Fabric and unlock deep insights – Power Apps | Microsoft Learn).

2.      Een Content Management Systeem (CMS) met daarin een overzicht van alle URL’s van de website, aangevuld met het bijbehorende interessegebied per pagina. Dit CMS-bestand kan bijvoorbeeld als Excel-document worden ingeladen.

Het CMS fungeert in deze architectuur als een soort interesse-vertaalboek, waarmee pagina’s gegroepeerd kunnen worden op basis van gedeelde interessegebied of commerciële relevantie. Op basis van deze input berekent de Interest Score Engine per persoon een interessescore, de engine combineert het gedrag van een bezoeker met de inhoudelijke classificatie van de bezochte pagina’s, om zo tot een verfijnd interesseprofiel te komen. Deze scores worden opgeslagen in een verrijkte tabel: Interest Scored Profiles (zie afbeelding 1). De Interest Scored Profiles kunnen vervolgens ontsloten worden naar bijvoorbeeld Customer Insights Data en Dynamics 365 Sales Hub. Zo zorgen we ervoor dat zowel marketing als sales beschikt over diepere inzichten in waar de echte interesse van de klant ligt.

De Intouch365 Interest Score Engine

In het vorige stuk zagen we hoe de architectuur is opgezet. Een volgende vraag is: hoe meten we de interesse van een persoon, en hoe scoren we deze interesse? Dat doen we met behulp van een klant specifiek RFT-model, dat per webbezoeker een Interest Score berekent op basis van drie factoren: Recency, Frequency en Time. Dit model kan vergeleken worden een RFM-model (Recency, Frequency, Monetary), dat zich richt op aankoopgedrag. Het RFT-model daarentegen kijkt naar gedragingen vóórdat een aankoop plaatsvindt, en helpt om interesses van zowel nieuwe als bestaande klanten inzichtelijk te maken.

• Recency (R) Hoe recent is het websitebezoek? Recent gedrag zegt veel over de actuele interesse: een klant die vorige week product gerelateerde pagina’s bezocht, heeft meer interesse dan iemand die dat een maand geleden deed.
• Frequency (F) Hoe vaak heeft iemand pagina’s bezocht die gekoppeld zijn aan een bepaalde interesse? Iemand die tien keer op een product pagina is geweest, laat een andere mate van betrokkenheid zien dan iemand die slechts één of twee keer heeft gekeken.
• Time (T) Hoeveel tijd besteedt iemand op een pagina? Een bezoeker die slechts enkele seconden blijft, is mogelijk minder geïnteresseerd dan iemand die meerdere minuten de inhoud bekijkt. Zo filtert het scoringsmodel ook bezoekers uit die per ongeluk op een pagina terecht zijn gekomen of slechts onaandachtig rondklikken.

Van interesse naar actie

Wanneer websitebezoekers een score krijgen op basis van hun interesse, rijst de vraag: “Hoe activeren we deze klanten en bieden we hen op het juiste moment de juiste content?”

Dankzij de naadloze integratie van het scoringsmodel in Fabric met Customer Insights Data kunnen klanten gesegmenteerd worden en kan gepersonaliseerde content worden verstuurd via het juiste kanaal.

Ben je een B2B-organisatie en werk je bijvoorbeeld met Dynamics 365 Sales of een andere Dynamics-applicatie? Dan is het mogelijk om de interessescores real-time te tonen op de contactkaart van de klant. Zo weet de salesagent direct waar de klant in geïnteresseerd is en kan hier gericht op worden ingespeeld.

Klant specifiek maatwerk

We noemden het al kort: het RFT-model kan volledig afgestemd worden op de specifieke situatie van jouw organisatie. Samen kijken we naar de juiste afwegingen en finetunen we de scoringsregels zodat deze optimaal aansluiten bij jouw klantdata en commerciële doelen.