Met predictieve modellen relevantie creëren

Python0117

Tien jaar geleden was het voor velen ondenkbaar dat je met zogenaamde predictieve modellen het menselijk gedrag zou kunnen gaan voorspellen. Het kon wel, maar de gemiddelde Vlaming / marketeer geloofde dat nog niet. Vandaag is het een vaste slide in elke willekeurige marketingpresentatie. Dat zegt Geert Verstraeten van Python Predictions. Met hulp van deze predictieve modellen is de Brusselse firma in staat ook retailers te laten groeien in hun business. Geert legt graag uit hoe dat in zijn werk gaat.

Python Predictions is een nichespeler. ‘Ruim 90% van onze activiteiten bestaat uit het bouwen van predictieve modellen,” zegt Verstraeten. “We verkopen geen data of software, maar een bedrijf gericht op dienstverlening. Op basis van predictieve modellen kunnen we bijvoorbeeld voorspellen welke klanten trouw zullen blijven aan een retailer en welke niet. Ook zijn cases denkbaar op vlak van fraudedetectie, risicobeheer en HR analytics, zoals ‘wie gaat binnen afzienbare tijd een burn-out hebben?’ of ‘wie gaat het bedrijf verlaten?’. We vertrekken liefst vanuit het grootste pijnpunt van de klant en maken van daaruit een project op maat. Sinds onze oprichting tien jaar geleden zijn we uitgebreid in termen van activiteiten, maar ook in termen van sectoren. Behalve in retail zijn we onder andere actief in telecom, postale diensten, energie en fondsenwerving.”

Customer first
Volgens Verstraeten zijn in retail twee grote trends onmiskenbaar aanwezig. “Customer first, alles wat we doen moet kloppen voor de klant. En ten tweede: relevantie; alles wat we doen, moet relevant zijn en toegespitst op de individuele ontvanger. Personalisatie stopt niet bij het vermelden van de voornaam van de contactpersoon. Aan de hand van predictieve modellen gaan we naar een adaptieve content, een gepersonaliseerde aanbieding voor een product of dienst geïntegreerd in de communicatie. Daarbij nemen we alles mee wat relevant kan zijn, dus niet enkel data van historische aankopen, maar ook bijvoorbeeld de context waarin iemand woont tot zelfs het moment van de dag. Vanuit retail bestaat er ook een grote vraag naar data-gedreven segmentaties. Vanuit de data stellen we verschillende profielen samen, met als doel bijvoorbeeld een nieuwsbrief te laten aansluiten bij het profiel van de klant.”

Extra omzet
Er zit er een wezenlijk verschil tussen prepackaged software voor het uitvoeren van advanced analytics en een predictief traject op maat, stelt Verstraeten. “Er zit een groeimarge tussen standalone algoritmen van prepackaged oplossingen en het customizen zoals wij doen, waarbij we volledig zelf het predictieve model opbouwen. Dat vraagt misschien een grotere investering, maar als het pijnpunt groot genoeg is wegen de kosten niet op tegen de extra omzet die hiermee behaald kan worden.” Verstraeten merkt dat de maturiteit van de e-tailers in België voor het toepassen van advanced analytics stijgende is. “Vaak wordt gebruik gemaakt van software opgenomen in klassieke marketingapplicaties. Maar wie echt wil doorgroeien, relevantie wil bieden én een gepersonaliseerd gevoel naar de klant bieden, zal zien dat standaard pakketten tekort schieten. De vraag naar ons type dienstverlening is de afgelopen jaren dan ook enorm toegenomen.”

Geef als eerste een reactie

Geef een reactie

Uw e-mailadres wordt niet gepubliceerd.


*