Stel je autokopers voor.
Ze hebben online hun perfecte auto samengesteld – hun model gekozen, het interieur uitgezocht en speciale functies toegevoegd – om vervolgens bij hun lokale dealer te ontdekken dat hun data verloren is gegaan.
Dit gebrek aan data tussen moederorganisaties en dealers heeft niet alleen gevolgen voor de gebruiker. Het breekt het klanttraject af en doet afbreuk aan de personalisatie-, attributie- en targetinginspanningen van een automerk.
Deze verstoring in personalisatie, attributie en targeting zijn enkele van de grootste uitdagingen voor automerken met hun middle-funnel marketing. In de honderden dealerdomeinen, CRM’s en actieve campagnes zijn er veel mogelijkheden om data te verstoren.
Dit is precies waarom de focus van data-inspanningen van automerken op de middle funnel zou moeten liggen. Een beetje coördinatie kan veel opleveren.
Begin onderaan de funnel
Stap één voor succes in het troebele midden is begrijpen waarom, wanneer en waar conversies plaatsvinden.
Demografische, attributie-, mediaconsumptie- en andere datatypen vormen samen een beeld van de ideale consument. Het vertelt je ook je grootste gemiste kansen, groeiende consumententypes en vele andere interessante verhalen.
Als je een basis van kennis hebt over hoe je klanten eruit zien en welke marketing-/verkoopactiviteiten vandaag de dag werken, kun je je laten leiden door nieuwe strategieën, technologieën en modellen.
Essentiële zaken om rekening mee te houden:
- Je prospects & klanten: zowel huidige als potentiële klanten
- Hun customer journey: emotionele en rationele wensen en behoeften, welke media ze consumeren, plus hoe, wanneer en waarom deze activiteiten plaatsvinden.
Zodra je een compleet beeld hebt van je de onderkant van de funnel, kun je beginnen met sleutelen. Maar eerst heb je een data-architectuur nodig die klaar is voor de toekomst.
Een moderne data-architectuur opzetten
Je hele funnel is afhankelijk van betrouwbaar geïntegreerde data van dealers en de moederfabrikant. Een data-architectuur schetst de organisatorische principes die beschrijven hoe ruwe data wordt omgezet in een afgewerkt rapport.
De moderne data-architectuur leent veel van de autofabricage, dus het model zou bekend moeten zijn:
- Stel vast waar je de data voor je funnel verzamelt. Zoek naar een dekking van 80% of meer in CRM’s van dealers, ordermanagementsystemen, webverkeer, enz. Noem dat je source layer.
- Kopieer zoveel mogelijk van die brondata (veilig!) naar een clouddatabase. Laat die records onaangeroerd. Noem dat je data lake layer.
- IVerfijn de ruwe data stapsgewijs tot een schone leadrecord in een tweede cloudomgeving. Integreer ook webgebeurtenissen, marketingcampagnes, producten en al het andere waardevolle in je ruwe data. Dat is je master layer.
- Integreer die schone data in een funnelrecord in een derde clouddatabase voor de uiteindelijke samenstelling tot je funnelrapport. Dat is je rapport layer.
Werk samen met de dealers om de gaten in je data op te vullen en bewaak de kwaliteit van de data wanneer je ze van de ene naar de andere plaats kopieert, net zoals je zou doen aan de lopende band.
Bouw een lead-scoringsmodel
Terwijl je begint met het verzamelen en standaardiseren van data, bouw je een lead-scoringsmodel dat de user experience optimaliseert. Hiervoor is waarschijnlijk de hulp van een dealer nodig, dus vraag hen om hulp. Kies je prioriteiten en train je lead-scoringsmodel. Misschien wil je voorrang geven aan bepaalde soorten klanten of aan de meeste kans om de deal te sluiten.
Wat je doel ook is, je moet ook top- en bottom-of-funnel data aan het model verstrekken. Blijf bij het model en leer hoe je het kunt verbeteren met betere standaardisatie en scherpere voorspellingen.
Dit gezamenlijke proces van het maken van analyses die voor beide partijen voordelig zijn, helpt bij het creëren van een positieve feedbacklus. Deze opwaartse spiraal maakt het met de week duidelijker waarom goede data in ieders voordeel is.
Het zal ook je funnel optimaliseren door prioriteit te geven aan gekwalificeerde bezoekers die het midden van de funnel bereiken, waardoor je na verloop van tijd meer van hun unieke kenmerken kunt identificeren.
Verwacht dat je op weg naar goede data problemen met de datakwaliteit zult tegenkomen. De meest waarschijnlijke bronnen van kwaliteitsproblemen zijn idiosyncratische data die worden ingevoerd in de dealerbedrijven of een disconnect in je marketingcampagnes. Benader het invoeren van data bij de dealers en in je marketingtools met een aantal van de disciplines die je toepast op kwaliteit aan de lopende band. Standaardisatie begint met positieve communicatie, gaat door met periodieke herinneringen en overleeft door samenwerking.
Elke ontdekking van een probleem met de datakwaliteit leidt tot betere data voor iedereen, dus beloon mensen actief voor het vinden van mogelijkheden om hun data-invoer betrouwbaarder te maken.
Maak het aantrekkelijk voor dealers en verkoopmedewerkers
Communicatie tussen het automerk en de dealers helpt zowel wereldwijde als lokale teams om succes te behalen. Zo kan je eenvouding een win-win situatie creëren voor middle-of-funnel zichtbaarheid.
Stimuleer eerst een gezamenlijke aanpak voor het delen van data en strategieontwikkeling en bespreek waarom het standaardiseren van dataverzameling gunstig is. Zet duidelijke kanalen op voor informatie-uitwisseling om ervoor te zorgen dat alle partijen op één lijn zitten wat betreft leadmanagementdoelstellingen.
Motiveer individuele dealers om gestandaardiseerde leadinformatie te verstrekken na elke gesloten of verloren verkoop. Erken en beloon hun inspanningen om waardevolle leaddata te verzamelen en te delen.
Door deze aanbevelingen over te nemen, kunnen autobedrijven het midden van de funnel gebruiken om hun conversie te verbeteren. Door gebruik te maken van analysetransformatie, data-integratie en personalisatie/AI kunnen merken het gedrag van klanten beter begrijpen en een superieure klantervaring bieden.
Featured work
Autobytel data-transformatie
Een tijdje geleden hielp het datateam van DEPT® Autobytel bij een bedrijfsbrede bedrijfstransformatie met een analyseplatform. We moderniseerden hun dataplatform, ondersteunden een nieuw site-based advertentiemodel en optimaliseerden hun lead-managementproduct voor dealers.
De oplossing had drie fundamenten:
- Een nieuwe siteanalysetaxonomie met gebruik van Adobe Analytics best practices om te optimaliseren voor sitegebaseerde advertentie-inkomsten.
- Een reboot van het datawarehouse, met gerefactureerde kerndatamodellen en datapipelines, hielp de onderneming om te schakelen van een reactieve rapportgestuurde organisatie naar een analytisch gestuurde organisatie voor besluitvorming.
- Een herbouwde engine voor lead-scoring om leads van hoge kwaliteit te identificeren en ze te matchen met de dealers met de meeste impact
Dankzij deze samenwerking voltooide Autobytel zijn datagestuurde transformatie, voegde nieuwe inkomstenstromen toe en verhoogde de winstgevendheid van zijn bestaande producten.
