Coinage
Van onbenutte klantdata naar zicht op elke campagne, klantreis en retour.
De vraag
Hoe vertalen we de data die we al hebben naar inzicht waarmee we onze commerciële prestaties kunnen beoordelen en gericht kunnen bijsturen?
Uitgangssituatie
Coinage is een directmarketingorganisatie in verzamelobjecten, actief vanuit Polen, Tsjechië en Slowakije. Het bedrijf beschikte over een CRM-systeem en andere databronnen, maar kon die informatie onvoldoende benutten bij het nemen van beslissingen. De prestatie-indicatoren en rapportages die nodig waren om resultaten te beoordelen, ontbraken. De opgave was om de beschikbare data toegankelijk te maken voor analyse en te vertalen naar informatie waarop medewerkers kunnen handelen.
Onze aanpak
We brachten eerst in kaart welke databronnen beschikbaar waren, met Azure als centrale bron, en bepaalden hoe die konden worden vertaald naar bruikbare datamodellen en prestatie-indicatoren. Het grootste deel van het werk zat in die fundering: het ETL-proces dat de gegevens uit de bronsystemen haalt, bewerkt en klaarzet, en de datamodellen die daarop rusten. Daarbovenop bouwden we een beveiligd online BI-portaal waarin medewerkers de gegevens vanuit verschillende invalshoeken analyseren. Drie weken na het eerste idee logden de eerste medewerkers in en zagen zij campagnerapportages, verkooprapportages en een overzicht van de prestaties. Vanaf dat moment bouwden we door op wat in het dagelijks gebruik nodig bleek: de volledige klantreis, analyses op productniveau, retourenanalyses, forecasts en voorspellingsmodellen, en AI-hulp waarmee medewerkers vragen kunnen stellen over hun eigen cijfers.
Zo werkt het
Je ziet bij elke stap wat er gebeurt.
- 01mens
Databronnen in kaart brengen
We inventariseren welke gegevens beschikbaar zijn, waaronder de informatie in het CRM-systeem, en bepalen welke bronnen relevant zijn voor de rapportages.
Rol van AI, automatisering en mens: De gegevens komen samen in Azure, de centrale databron onder het portaal.
- 02automatisch
ETL en datamodellen inrichten
We halen de gegevens uit de bronsystemen, bewerken ze en zetten ze klaar in datamodellen die zijn ingericht voor snelle analyses, met de benodigde prestatie-indicatoren erbij. Hier zat het grootste deel van het werk.
Rol van AI, automatisering en mens: Het ETL-proces draait automatisch, zodat alle rapportages op dezelfde, actuele gegevens en definities rusten.
- 03automatisch
Campagnes en verkoop volgen
Medewerkers beoordelen in campagne-, verkoop- en overzichtsrapportages welke campagnes presteren en hoe de verkoop zich ontwikkelt.
Rol van AI, automatisering en mens: De rapportages worden automatisch bijgewerkt, zodat het team zonder tussenkomst de actuele stand ziet.
- 04automatisch
De klantreis volgen
Het portaal laat zien hoe klanten zich door de database bewegen: wanneer iemand binnenkomt, wat de eerste aankoop is en waar diegene nu in de klantreis staat. Ook zichtbaar: welke producten klanten kopen en welke producten samen worden gekocht.
Rol van AI, automatisering en mens: De klantreis en de productverbanden worden uit de datamodellen berekend en per klantgroep getoond.
- 05AI + mens
Retouren en afwijkingen onderzoeken
Medewerkers zien welke producten veel retouren opleveren en om welke redenen, en kunnen daarop bijsturen in assortiment en communicatie. Vragen als “waarom zijn de retouren hoog?” stellen ze rechtstreeks in het portaal.
Rol van AI, automatisering en mens: AI ondersteunt het onderzoeken en interpreteren van de data. De conclusie blijft bij de medewerker.
- 06AI + mens
Vooruitkijken met forecasts
Forecastrapportages en voorspellingsmodellen ondersteunen het beoordelen van verwachte ontwikkelingen, naast de cijfers over gerealiseerde resultaten.
Rol van AI, automatisering en mens: De voorspellingsmodellen rekenen de verwachting door; het team bepaalt wat het ermee doet.
Resultaat
Drie weken na het eerste idee werkten de eerste medewerkers in het portaal, met campagne-, verkoop- en overzichtsrapportages. Coinage ziet nu snel welke campagnes presteren en hoe klanten zich in de database ontwikkelen, van de eerste aankoop tot hun huidige positie in de klantreis. Op productniveau is zichtbaar wat klanten kopen en welke producten samen worden gekocht. Bij de retouren weet het team welke producten veel terugkomen en waarom, wat aanknopingspunten geeft om het assortiment en de aanbieding te verbeteren. Beslissingen die eerder vooral op ervaring en gevoel werden genomen, onderbouwt het team nu met cijfers, en aanvullende vragen onderzoekt het in dezelfde omgeving met AI-hulp. Meer dan twintig medewerkers gebruiken de rapportagetoolkit, meerdere keren per dag en voor de verschillende landen waarin Coinage actief is.
Hoe we verder bouwen
Coinage beschikt over één beveiligde omgeving waarin het team gerealiseerde prestaties analyseert en verwachte ontwikkelingen beoordeelt. Het portaal wordt doorlopend uitgebreid: wat in het dagelijks gebruik naar voren komt, bepaalt wat we als volgende bouwen. Doordat het ETL-proces en de datamodellen eronder al staan, is een nieuwe vraag meestal een nieuwe rapportage en geen nieuw traject.
