Marketing en verkoop
Hoe B2B-segmentatie de verkoopgroei van een Belgische voedingsretailer ondersteunde
In de voedingsretail hangt groei in B2B-verkoop af van weten welke prospecten u moet benaderen en hoe. Agilytic hielp een groeiende Belgische voedingsretailer prospectdata te verrijken, het CRM op te schonen en een robuust B2B-segmentatieproces te bouwen.
Om de vertrouwelijkheid te beschermen, kunnen we specifieke details aanpassen. Onze belangrijkste bijdrage geven we altijd correct weer.
Context & doelstellingen
Een groeiende Belgische voedingsretailer had jarenlang CRM-data verzameld, maar gebrekkige datakwaliteit remde de B2B-uitbreiding af. Dubbele records, ontbrekende contactgegevens en inconsistente transactiehistorieken maakten het moeilijk om de beste klanten te herkennen en vergelijkbare prospecten te vinden.
De retailer wilde:
De prospectdataset verrijken met betrouwbare externe data
Het CRM opschonen en ontdubbelen
Prospecten segmenteren op basis van transactiegedrag en bedrijfskenmerken
Het doel was de gemiddelde besteding en loyaliteit van bestaande klanten te verhogen en tegelijk nieuwe klanten met hoge waarde aan te trekken.
Aanpak
Data opschonen en valideren
We begonnen met het CRM opschonen om alle volgende analyses betrouwbaarder te maken. Dat betekende vooral dubbele records verwijderen op basis van opgeschoonde btw-nummers.
Daarna valideerden we de projectscope. Klanten en transacties die buiten de geplande campagnes vielen, werden uitgesloten.
Dataverrijking
We haalden data uit twee Belgische publieke bronnen (KBO en NBB) om hiaten in klantprofielen aan te vullen:
KBO: sectorindeling, oprichtingsdatum en mogelijke e-mailadressen en telefoonnummers
NBB: financiële verslagen met onder meer het aantal VTE's, de bruto-exploitatiemarge en winst- of verliescijfers
Die dataverrijking gaf de retailer een veel vollediger beeld van het bedrijfsprofiel van elke prospect.
B2B-segmentatie en vergelijkbare prospecten vinden
Met transactiedata en de verrijkte bedrijfsinformatie bepaalden we kenmerken en labels voor elke klant. Zo konden we klanten indelen naar jaarlijkse bestedingen en clusters in kaart brengen met de hoogste concentratie waardevolle klanten, volgens sector, bedrijfsleeftijd en bedrijfsgrootte.
Vervolgens selecteerden we vergelijkbare prospecten uit de KBO-dataset: bedrijven die passen bij het profiel van de beste bestaande klanten, maar nog niet waren benaderd.
Samenvoegen en overdragen
Alle resultaten, kenmerken, labels en segmenten voor bestaande en potentiële klanten, werden samengebracht in bestanden die klaar zijn voor CRM-import. We leverden ook volledige documentatie over de aanpak, de gebruikte scripts en de procedure om de B2B-segmentatie op nieuwe data toe te passen.
Resultaten
Na afronding in minder dan twee weken leverden we:
Een verrijkte en samengevoegde dataset van bestaande klanten
B2B-segmentatie voor elke klant
Een verrijkte dataset van potentiële klanten op basis van lookalike-modellering
Heldere beschrijvingen van elk geïdentificeerd segment
Documentatie van de aanpak en procedure om de resultaten opnieuw te genereren
De verkooppartner van de klant kon de segmenten meteen gebruiken om toekomstige campagnes te onderbouwen. Met een duidelijk beeld van de prospectprofielen met het grootste commerciële potentieel kon de retailer middelen voor klantenwerving en -behoud inzetten waar ze de meeste impact zouden hebben.
Om de vertrouwelijkheid te waarborgen, kunnen we bepaalde details in onze klantcases aanpassen.