Welkom terug bij deze blogreeks over de praktische gebruiksmogelijkheden van Artificial Intelligence binnen marketing. Vorige week hebben we gekeken naar de economische, technologische en politiek-juridische ontwikkelingen omtrent Artificial Intelligence. Deze week gaan we ons toespitsen op één branche: de financiële sector. Nog specifieker, we gaan ons focussen op banken.
Binnen deze branche speelt één meso-omgevingsfactor een grote rol, namelijk: de afnemers. Banken hebben tenslotte klanten nodig om kapitaal binnen te halen. Zij willen niet alleen nieuwe klanten werven, zij willen tevens huidige klanten motiveren om duurdere pakketten of overige producten bij hen af te nemen. Maar hoe kunnen zij goed inspelen op de wensen van de klant? Deze vraag beantwoorden we in deze blog!
Artificial Intelligence en Personalisatie
We hebben het er al kort over gehad, de mogelijkheid om een hoge mate van personalisatie toe te passen in marketinguitingen door middel van AI. Maar de vraag blijft: hoe kan een bank hiermee uit de voeten? En uiteraard, welke data kunnen zij gebruiken?
Laten we beginnen met een korte introductie: hoe kan men personaliseren door middel van Artificial Intelligence? In het kort zou men kunnen stellen dat dat kan door data gedreven segmenteren.
Data gedreven segmenteren
Iedere marketeer weet dat geen enkele consument hetzelfde is en dat zij het beste reageren op marketing gepersonaliseerde marketing uitingen. Dit is dan ook de reden dat er gewerkt wordt met zogeheten ‘segmenten’. Dit soort segmenten zijn veelal gebaseerd op demografische, geografische en/of vergelijkbare gegevens. Deze segmenten zijn vrij generiek en omvatten een groep mensen die in dezelfde categorie vallen, ook al zijn ze wel degelijk anders (Edwards, 2020).
Zoals het onderstaande figuur laat zien, kan traditionele segmentatie Marc niet persoonlijk targeten. Marc zal worden getarget als “man tussen de 20 en 30 jaar oud, wonend in een grote stad”. Artificial Intelligence biedt hiervoor de uitkomst. Omdat AI op veel grotere schaal informatie kan verwerken, is ‘echte personalisatie’ mogelijk. AI leert over mensen door hun acties en karakteristieken, waardoor zij later getarget kunnen worden op wie zij echt zijn (en dus niet op de categorie waar zij binnen vallen) (Valigi & Mauro, 2020).
Figuur 1: traditionele segmentatie vs. AI segmentatie (Valigi & Mauro, 2020).
Kortom, met behulp van Artificial Intelligence kan men nog specifieker segmenteren; tot op een persoon als individu.
Wat kan een bank hiermee?
Hoewel je je vast kunt voorstellen dat targeting op basis van individuele segmentatie enorm waardevol is, bekijken we nu wat banken hier nu precies mee kunnen.
Een bank verzameld allerlei gegevens, zowel van haar klanten als van potentiële klanten. Hierbij kun je denken aan de gegevens die men invoert bij het aanmaken van een account, bij het openen van een rekening maar ook bijvoorbeeld bij het invullen van het contactformulier. Deze first-party data geeft de (potentiële) klant direct aan de bank. Maar, naast de gegevens die men achterlaat kan de bank ook meer over haar doelgroep te weten komen door middel van de cookies op de website. Zo krijgt zij inzicht in mogelijke interessegebieden, demografie, etc.
Wanneer de bank vervolgens Artificial Intelligence inzet (bijvoorbeeld d.m.v. Machine Learning) om te leren van de door haar verzamelde klant/prospect informatie; krijgt zij al snel een steed beter beeld van de behoeften van haar doelgroep.
Zo kan zij enorm specifieke segmenten creëren waar zij gerichte marketinguitingen op los laat op basis van:
- Levensfase
- Demografie
- Interesses
- Bestedingspatronen*
- etc.
Zo kan de bank op basis van iemands levensfase inspelen op de mogelijke behoefte aan haar producten. Een jong stel heeft misschien binnenkort interesse in een hypotheek, nieuwe ouders willen misschien een rekening openen voor hun pasgeboren kind, iemand die veel interesse is gaan tonen in de beurs heeft wellicht interesse in een investeringsrekening, etc (Stolk, 2021).
* Hierbij is het belangrijk om te vermelden dat banken nooit (zonder toestemming) inzien wat je precies koopt, en waar je dat precies doet. Zij hebben echter wel inzicht in de categorieën waarbinnen jouw aankopen vallen; denk hierbij aan ‘boodschappen’, ‘huur/hypotheek’, ‘goede doelen’, ‘kleding en sieraden’, ‘verzekeringen’, ‘hobby’s en vrije tijd’, etc.
Door segmenten te vormen die specifieker zijn dan ‘mannen tussen de 20-40’ of ‘vrouwen die wonen in Noord-Holland’ kan een bank dus veel beter inspelen op de wensen van haar doelgroep. Hierdoor bereiken haar marketinguitingen de juiste mensen en zal uiteindelijk de ROI per marketinguiting veel positiever uitvallen dan een campagne die zich richt op een klassiek segment (Edwards, 2020).
Hieruit valt te concluderen dat Artificial Intelligence een belangrijke rol gaat spelen in de effectiviteit van marketingcampagnes. Zeker nu steeds meer bedrijven gaan investeren in het fenomeen. Hierom is het juist nu een goed moment om om te schakelen naar een datagedreven marketingstrategie! Doe je dit niet? Dan ligt de concurrent op de loer. Zij zullen dan langzamerhand potentiële klanten wegsnoepen door hun effectieve manier van targeten. Hier tegenover staat dat jij, wanneer je tijdig omschakelt, dus ook meer klanten kunt binnenhalen die anders voor de concurrent waren gegaan.
Hopelijk heb je na het lezen van deze blogreeks een beter idee over hoe Artificial Intelligence in het bedrijfsleven kan worden toegepast. Specifieker, binnen de marketing. Wil je nog even terugblikken op wat je allemaal hebt geleerd de afgelopen weken? De volgende blog betreft een samenvatting!
Wil je dieper in de stof duiken? Dit zijn de geraadpleegde bronnen:
Delua, J. (2021, 12 maart). Supervised vs. Unsupervised Learning: What’s the Difference? IBM. Geraadpleegd op 22 september 2021, van https://www.ibm.com/cloud/blog/supervised-vs-unsupervised-learning
Edwards, I. (2020, maart). From segments to signals: The rise of machine learning. WARC. Geraadpleegd op 22 september 2021, van https://www-warc-com.rps.hva.nl/content/article/warc-exclusive/from-segments-to-signals-the-rise-of-machine-learning/en-gb/131368
Robins, M. (2020, 27 mei). The Difference Between Artificial Intelligence, Machine Learning and Deep Learning. Intel. Geraadpleegd op 22 september 2021, van https://www.intel.la/content/www/xl/es/artificial-intelligence/posts/difference-between-ai-machine-learning-deep-learning.html
Valigi, N., & Mauro, G. (2020). Zero to AI. Manning Publications.
Stolk, M (2021), persoonlijke communicatie (interview). Terug te lezen via https://joelledekoning.nl/expert-interview/