Ga direct naar de inhoud.

analysetechnieken
Welke analyses maakt u?

Omzetstijging door analysetechnieken van gedrag van klanten

Het is de kunst het gedrag van klanten te begrijpen en niet zo zeer de klanttevredenheid te meten. Met dat laatste kunt u rustig doorgaan, het is niet verkeerd en geeft zeker inzichten, maar tevredenheid is een indirecte indicator, die bovendien moeilijk betrouwbaar is te meten. Als een klant uw organisatie een 8 geeft, koopt hij of zij de volgende keer dan weer bij uw organisatie? Misschien wel, misschien niet.

We kunnen betrouwbaarder uitspraken doen als u het gedrag van uw klanten kent. En dat kan! Dankzij de data - big data - die gewoon in uw eigen organisatie beschikbaar is en de toepassing van de nieuwste analysetechnieken. Om tot de verbeelding te spreken nemen we in dit artikel een relatief eenvoudig voorbeeld dat iedereen kan begrijpen: Een bezoek aan de kapper, gebaseerd op originele data. Aan het einde van dit artikel kunt u gratis de analysetechnieken opvragen en hiermee uw voordeel doen.

Voor deze case hebben we de data van een kapperszaak geanalyseerd. De eigenaren van een kapperszaak in een winkelcentrum van een middelgrootte stad wilden onderzoeken of ze de omzet konden vergroten. Net als u uw klanten waarschijnlijk goed kent, kenden deze eigenaren hun klanten ook vrij goed. Maar hoe kan de omzet dan toenemen?

Meer omzet maken door gedragsanalyse in te zetten als instrument

Haar sneller laten groeien lukt niet, maar er zijn wel andere variabelen die beïnvloed kunnen worden, zoals de frequentie, de dienstverlening, de openingstijden, de merchandise en de uitbreiding van de klantenkring natuurlijk. Stap voor stap leiden we u door de analyses. Doel: omzetstijging!

Koopmomenten zijn een goede indicator voor het klantgedrag

De eerste stap bestaat uit het creëren van een goede dataset of database uit uw systemen. Dat kan een ERP-systeem zijn, een CRM systeem of een boekhoudapplicatie. Deze stap is vrij technisch en slaan we voor het gemak even over. Eenmaal een goede dataset verkregen, kan het analysewerk beginnen. Om te beginnen is een pareto-analyse gemaakt van de drukste dagen. Wanneer zijn de piekmomenten, wat is het patroon? Dit kunt u ook voor uw eigen klanten doen. Op welke dagen of in welke weken of maanden is de omzet het hoogst?

pareto analyse

Voor deze kapperszaak bleek bovenstaande beeld van toepassing. De zaterdagen zijn het drukst, daarna de vrijdagen, dinsdagen, donderdagen, maandagen en woensdagen. Dit maakt duidelijk op welke dagen het personeel wordt ingezet. Maar, er is meer natuurlijk.

Het aantal koopmomenten verraadt de behoefte van de klant

Het is nu duidelijk welke dagen druk en rustig zijn, maar hoe vaak kopen de klanten? Wat is het afnamepatroon? Dit kan worden geanalyseerd met een zogenaamde regelkaart of Shewhart chart. Een klassiek instrument om variabelen in de tijd uit te zetten. Hieronder ziet u het beeld van de gemiddelde bezoekfrequentie per klant. Deze analyse werd mogelijk gemaakt, doordat iedere klant in het systeem een unieke code heeft. Dat heeft u ook in uw systeem, dus ook u kunt deze analyse maken. De klanten van de kapperszaak bezoeken de zaak gemiddeld om de bijna 8 weken.

Dit beeld toont iets dat heel interessant is. Daarvoor heeft u een klein beetje kennis van Statistical Process Control (SPC) nodig, anders moet u de volgende stelling maar even van ons aannemen. Het proces zoals in de regelkaart getoond, is een beheerst proces! Alle metingen vallen namelijk binnen de upper control limit (UCL) en de lower control limit (LCL). Dit is een wetmatigheid voor beheerste processen. Dat betekent dat dit beeld - de bezoekfrequentie in de loop van de tijd - niet zal veranderen als het systeem/het proces van de winkel niet wezenlijk wordt aangepast. Populair gezegd: Hopen op een omzetstijging zonder iets aan de bedrijfsvoering te veranderen, is een illusie. Dat zal niet gebeuren. In uw organisatie dus ook niet, als dit beeld van toepassing is.

Ook de Gauss curve (met histogram) onder de regelkaart, de probability plot en de process capacity curve bevestigen dit: Een normale verdeling, dus een stabiel, beheerst proces. Geldt dit ook voor de koopfrequentie van uw klanten?!

chart

histogram

probability

capability

Zo ziet u hoe analysetechnieken inzicht geven in klantgedrag. Uit uw eigen data kan vergelijkbare waardevolle informatie worden gecreëerd. Dat is niet heel moeilijk en ook niet veel werk. In 2 dagen heeft u alle inzichten, die u wenst.

Van analyses naar het inzicht voor verkoopdoelstellingen

We maken een verkoopplan. Wat zou een doelstelling voor uw sales manager kunnen zijn als u de vergelijking maakt met uw eigen organisatie? Bijvoorbeeld: Nu is het gemiddelde om een klant te knippen in de 8e week na de vorige keer dat de klant langs kwam. Stel dat we alle klanten om de 8 weken zouden kunnen knippen. Met andere woorden, we willen de klanten die langer dan 8 weken wegblijven, eerder terughalen. Dit zijn voorbeelden van beleidsdoelstellingen die bedrijven als Bol.com of Coolblue.com ook hebben. Dat merkt u aan hun marketing.

De kapperszaak heeft iets meer dan 2.000 klanten, die meer dan 8 weken tussen de beurten hebben. Als 50% daarvan binnen 8 weken terugkomt dan wordt de omzettoename meer dan € 22.000,- per jaar.

Meer omzet te genereren door het systeem aan te passen

Op de vertrouwde manier verder werken was geen optie. Niets doen, zal niet tot een omzetstijging leiden. Dat liet de statistiek ons zien: Zowel de bedrijfsvoering als de klanten hebben hun vaste patronen. Het is de kunst die patronen te vernieuwen, op een goede manier natuurlijk. Dat wordt bedoeld met het veranderen van het systeem. Dankzij deze analyses, gingen de eigenaren gericht klanten die langer dan 8 weken wegbleven met extra campagnes benaderen.

Uit een postcode analyse werd ook geleerd hoe trouw klanten zijn. Ook daarop werden specifieke campagnes ingezet. Het resultaat overtrof alle verwachtingen en de geschatte extra omzet werd ruim gerealiseerd.

Wilt u meer weten over het gebruik van technieken. Vul onderstaande contactformulier in en ontvang het overzicht Kaizen tools. U kunt ook bellen via 088 33 666 66 of een e-mail sturen: info@patagonia-bv.com.

Gegevens invullen voor vragen en informatie

Unieke aanpak:

  • Toepassing in de praktijk
  • Workshop in company
  • Met documentatie en tools
  • Begeleiding in de uitvoering
  • Resultaten verbeteren
×
Patagonia B.V. maakt gebruik van cookies. Bij gebruik van onze website gaat u ermee akkoord dat we deze cookies plaatsen en daarmee gegevens verzamelen. Op deze manier krijgen we een goed beeld van u als bezoeker en kunnen we u een optimale gebruikerservaring bieden. Als u geen cookies wilt, kunt u deze website niet gebruiken. Lees meer over cookies
Kunnen wij u helpen?
×
Wij zijn bereikbaar via:
Wilt u liever dat wij u bellen?