Kyden blog

De kracht van datagedreven persona’s: Hoe OHRA klantinzicht gebruikt voor een persoonlijke aanpak

Geschreven door Bart van Engelen | november 23

De organisaties die hun dienstverlening consequent op een klantgerichte manier blijven verbeteren presteren beter: ze worden vaker aanbevolen, behouden meer klanten, halen daar meer waarde uit en verlagen operationele kosten. Zij zijn doorlopend in staat om te voldoen aan veranderende verwachtingen en behoeften van klanten en ze consistent een goede klantervaring te bieden.  

In een wereld waar die ervaring voor klanten echt het verschil maakt, zijn datagedreven persona's een krachtig middel om je klanten goed te begrijpen en ze ook een ervaring te bieden die is afgestemd op hun behoeften. Het helpt organisaties om een gezicht te geven aan de verschillende doelgroepen in de vorm van een persona, en zo intern het gesprek te kunnen voeren over hoe iedere groep het best te benaderen is. Het mooie is dat de persona’s vanuit de data zijn opgebouwd en dus voor iedere klant in de dataset te herleiden is welke persona hij of zij is. Zo kan iedere medewerker dus gericht en consistent communiceren, of je nu een marketeer bent of een servicemedewerker. 

We zien door de ontwikkeling van technologie en de inzet van kunstmatige intelligentie de beweging ontstaan naar personalisatie in het contact met klanten. Maar veruit de meeste organisaties zijn nog niet zo ver om echte één-op-één-relaties aan te gaan. Om wel gerichter te kunnen werken, wordt aan de verschillende doelgroepen een gezicht gegeven door middel van klantsegmentatie of persona’s. In de markt zien we drie methoden die veel gebruikt worden:

  1. Een klassieke segmentatie op meetbare karakteristieken en interne data zoals demografische gegevens, omzet, klantduur en contracttype.
  2. Het gebruiken van een kant-en-klare segmentatie, zoals het Mentality model van Motivaction, de Geotypes van Geomarktprofiel of Whize van Whooz, geplot op het klantenbestand van een organisatie.
  3. Persona’s gebaseerd op kwalitatief onderzoek die zich concentreren op de klantbehoeften.
Alle manieren hebben voordelen, maar ook beperkingen. Zo vertelt klassieke segmentatie weinig over de klant achter de cijfers, past kant-en-klare segmentatie niet altijd op de specifieke organisatiecontext en zijn kwalitatieve persona’s vaak niet te herleiden naar iedere klant in de klantenbase. De beste resultaten komen uit een aanpak waarin het beste van deze drie werelden gecombineerd wordt: het werken met datagedreven persona’s. Hoe dit werkt lichten we toe aan de hand van een praktijkvoorbeeld. 


De praktijk

OHRA is een Nederlandse zorg- en schadeverzekeraar die bekend staat om haar verrassend eenvoudige oplossingen, betrokkenheid bij klanten en focus op verzekeren zonder gedoe. 
OHRA biedt gepersonaliseerde schadeverzekeringen en diensten aan, en wil daarom vanuit datagedreven persona’s graag nog meer inzicht in de klantbehoeften. Vanuit OHRA zijn Kimberley Zeltenrijch (Propositie Manager) en Berlinda Hermsen (Data Scientist) betrokken om deze persona’s te ontwikkelen. 

Kimberley: “We zijn bij OHRA sterk in het bedenken van aantrekkelijke verzekeringsproducten en -kenmerken vanuit onze eigen beschikbare klantdata. Maar we wilden nu juist de klanten achter de producten goed leren kennen, zodat we hen optimaal kunnen bedienen met verbeterde producten, gerichte communicatie en passende service.” Berlinda: “De datasets bevatten voorheen de nodige interne data over klanten: welke producten gebruiken ze en hoe lang zijn ze klant? Maar we wisten nog te weinig over de mens achter het klantnummer.”

Daarom is besloten om de dataset aan te vullen met informatie over onder andere de leefomgeving, levensstijl en het gedrag van consumenten. Berlinda: “We hebben een dataset toegevoegd van een bureau dat uitgebreid marktonderzoek doet naar de levensstijl van mensen. Daarmee kunnen we inschatten wat socio-demografische en -economische kenmerken zijn (denk aan gezinssamenstelling en sociale klasse). En het bevat ook data over de leefstijl zoals vrijetijdsbesteding (zoals of iemand er vaak op uit gaat naar concerten of dat hij een thuishobby heeft), winkel- en mediagedrag (koopt iemand online en kijkt hij TV of juist niet) en hoe iemand omgaat met duurzaamheid. Daarmee kunnen we op huishoudniveau de link leggen met onze interne data. Uiteindelijk ontstaat er een schat aan data, na opschoning zo’n 200 datapunten op huishoudniveau. Daarmee zijn we gaan clusteren en analyseren om te ontdekken of we onderscheidende groepen konden herkennen in onze klantenbase.” 

En dat bleek goed te lukken. Kimberley: “De duiding van de data blijft mensenwerk. We hebben in samenwerking met een multidisciplinair team gekeken naar de uitkomsten en die steeds verder bijgeschaafd. Welke data is relevant voor ons en wat levert een mooi beeld van de klant op waarmee we onze dienstverlening passend kunnen maken? Uiteindelijk hebben we een clustering gedaan op iets meer dan 50 relevante datapunten.” 
Er is op basis van de clusteranalyse gekozen om vijf verschillende persona’s te maken. Zo is de keuze gemaakt om de groep jonge gezinnen op te splitsen in twee persona’s. Niet alleen in de socio-demografische en -economische kenmerken zijn verschillen te zien, maar vooral in de behoeften en drijfveren van deze twee groepen. Dit is iets dat ook sterk naar voren kwam in de tweede fase van het project: diepte-interviews met klanten. Enerzijds om te onderzoeken of de uitkomsten uit de data-analyse ook overeenkomen met de werkelijkheid en anderzijds om de persona’s nog meer diepgang te geven door informatie toe te voegen die niet uit de dataset te herleiden is. Zoals de dieperliggende drijfveren en de houding ten opzichte van OHRA.

Het interviewen van klanten ter validatie van de data-analyse bleek een schot in de roos. Kimberley: “Elk mens is natuurlijk uniek, maar vaak hebben groepen mensen toch dezelfde soort gedachten en overtuigingen. Na twee of drie interviews per groep konden we al goed voorspellen wat de rest van de respondenten uit diezelfde groep zou gaan antwoorden op onze vragen. Dit bevestigde dat we een goede clustering hadden gemaakt."

Op basis van de inzichten uit de data-analyse en de klantinterviews zijn de persona’s uiteindelijk opgesteld. In een overzichtelijk template is per persona toegelicht wat zijn of haar leefwereld is, en wat de behoeften, drijfveren en ambities zijn. Maar ook wat bijvoorbeeld mediavoorkeuren zijn, zoals do’s en don’ts in het benaderen en aanspreken van deze klanten. Bovendien is de houding en het gedrag ten opzichte van verzekeraars en OHRA als merk in het template opgenomen. Dit geeft een compleet en vooral bruikbaar beeld van de verschillende persona’s.

Daarnaast zijn alle data beschikbaar gemaakt in een selfservice dashboard. Zo kunnen bijvoorbeeld alle verschillende Propositie Managers voor hun eigen producten doorsnedes maken van de data. Daarmee kunnen ze bepalen welke klanten ze wel en niet benaderen en hoe ze hun boodschap het beste kunnen insteken. Als een Propositie Manager een specifieke groep klanten wil benaderen die hoogstwaarschijnlijk een elektrische auto hebben én openstaan voor een aanbod vanuit OHRA, dan is dat voortaan mogelijk. Op basis van de verschillende persona-kenmerken kan OHRA de boodschap zo aanpassen dat deze het beste bij die specifieke doelgroep past. 

Kimberley: “We kunnen marketing- en communicatie-uitingen nu relevanter maken voor onze klanten. We zijn, dankzij alle nieuwe inzichten, aan de slag gegaan met het verder ontwikkelen van producten en het aanpassen van onze campagnes op de klantbehoeften. En we zien daar ook al de eerste successen.” Berlinda: “Daarbij willen we benadrukken dat we ethisch en correct met de data omgaan. Naast dat we als verzekeraar aan extra eisen moeten voldoen, hebben we hier zelf ook strikte richtlijnen voor. Zo zullen we deze data bijvoorbeeld nooit gebruiken om op persoonsniveau een verzekeringsaanvraag te beoordelen of een premie vast te stellen.”

Belangrijkste lessen

Het project heeft in drie maanden tijd mooie en bruikbare resultaten opgeleverd. Maar wat zijn de belangrijkste lessen? 
Kimberley: “Eén van de meest verrassende inzichten is hoe divers onze doelgroepen zijn; veel diverser dan we dachten. En nu we dit met de data echt concreet inzichtelijk kunnen maken, heeft het ook geholpen voor een stuk bewustwording bij collega's.”
Berlinda: “In het verleden keken we met segmentatie naar gegevens die wij van een klant beschikbaar hadden. De externe data geven echt veel meer kleur en beeld bij een persona. Door het toevoegen van de behoeften, motivaties en drijfveren uit de interviews weten we veel meer. En die kennis gebruiken we op een verantwoorde manier. Het feit dat we in onze klantenbase voor iedere klant, en zelfs prospect, kunnen bepalen tot welke persona diegene behoort, draagt bij aan het succesvol toepassen van de persona’s op productontwikkeling en communicatie.”

Tot slot

De stap van OHRA naar het werken met datagedreven persona's illustreert de kracht van het begrijpen van je klanten op een dieper niveau. Door de combinatie van interne gegevens, externe inzichten en persoonlijke interviews, heeft OHRA een schat aan waardevolle informatie verzameld. Hiermee kunnen zij niet alleen producten en diensten optimaliseren, maar ook hun communicatie en service op maat afstemmen op de diverse behoeften van hun klanten. En zo leidt deze aanpak tot meer betekenisvolle klantrelaties. Hiermee heeft OHRA haar klantgerichte aanpak naar een hoger niveau getild. De uitkomst? Blijere klanten én betere resultaten. 

Wil je meer weten over het werken met datagedreven persona's? Neem dan contact op met Bart van Engelen.