Quick Data Scan Voorbeeld. New Big Business. Quick Data Scan Voorbeeld rapportage

Quick Data Scan Voorbeeld

New Big Business Quick Data Scan Voorbeeld rapportage Doel van dit document is een indruk te geven van wat u mag verwachten van een “Quick Data Scan”. Dit document is geënt op gegevens van een fictieve retailer.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 1 of 19


  2014 VDC New Big Business is een handelsnaam van VDC. Dit document is auteursrechtelijk beschermd en bevat informatie die eigendom is van VDC. Het document mag uitsluitend voor intern gebruik worden verveelvoudigd. Niets uit dit document mag worden verveelvoudigd of openbaar worden gemaakt aan derden zonder voorafgaande schriftelijke toestemming van VDC. Handelsmerken Alle in dit document genoemde handelsmerken en getoonde logo’s zijn eigendom van rechthebbenden.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 2 of 19


Document Management Documenteigenschappen Eigenschap Naam Auteur Datum vrijgegeven Datum wijziging Status Versie

DataAnalyseExample Gerard van Dorth 29-9-2014 29-9-2014 Final 1.3

Versiehistorie Versie

Datum

Wijzigingen

Auteur

0.1 0.5 0.7 0.97 1.0 1.3

26-05-2014 28-05-2014 29-05-2014 01-06-2014 04-06-2014 04-06-2014

Initiële versie Ready for internal review Adding several action points Final review Final version Format update

Gerard van Dorth Martijn de Vries Martijn de Vries Marlies Janssen Gerard van Dorth Gerard van Dorth

Belanghebbenden / geleverd aan Versie

Datum

Naam/email

Reden

0.5 0.97 1.0

26-05-2014 01-06-2014 04-06-2014

Ready for internal review Final review Ready for delivery (final version)

Review (internal) Review (internal) Opdrachtgever

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 3 of 19


Inhoudsopgave 1.

INLEIDING ...........................................................................................................................................6 1.1 1.2 1.3 1.4

2.

MANAGEMENTSAMENVATTING .............................................................................................................6 SCOPE OPDRACHT .............................................................................................................................6 VOORBEHOUD..................................................................................................................................6 AANWIJZINGEN LEZER .........................................................................................................................6

DATA ..................................................................................................................................................7 2.1 CIJFERS ..........................................................................................................................................7 2.1.1 Trends ..................................................................................................................................9 2.1.1.1 2.1.1.2

Categorieën .................................................................................................................................. 10 Leeftijd ......................................................................................................................................... 11

2.1.2 Merktrouw ..........................................................................................................................12 2.1.3 Kosten ................................................................................................................................12 2.2 CORRELATIES ............................................................................................................................12 2.2.1 Combinatieaankoop ..........................................................................................................12 2.2.2 Aankoopvolgorde ..............................................................................................................13 2.2.3 Kennissencircuit ................................................................................................................13 2.2.4 Individuele aankopen ........................................................................................................13 2.2.5 Weersinvloeden op de verkoop ........................................................................................13 3.

ACTIEPUNTEN ...................................................................................................................................14 3.1 3.2 3.3

4.

ACTIEPUNTEN MISSENDE DATA ....................................................................................................14 ACTIEPUNTEN OP BASIS VAN DATA ...............................................................................................15 ACTIEPUNTEN MONITOREN ................................................................................................................18

CONCLUSIES ......................................................................................................................................19

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 4 of 19


Afbeeldingen Figuur 1: Weekomzet gecumuleerd ........................................................................................................ 7 Figuur 2: Top 50 omzet op jaarbasis naar leverancier ............................................................................ 8 Figuur 3: Top 50 omzet op jaarbasis ....................................................................................................... 9 Figuur 4: Omzet x1000 naar leeftijd klanten.......................................................................................... 11 Figuur 5: Top 30 gecumuleerde omzet op leeftijd klant bij aankoop. .................................................... 12 Figuur 6: Aankoopvolgorde artikelen. .................................................................................................... 13

Tabellen Tabel 1: Omzet gecumuleerd naar seizoen ............................................................................................ 7 Tabel 2: Jaaromzet trends klanten ........................................................................................................ 10 Tabel 3: Omzet opgedeeld in categorieën ............................................................................................ 11 Tabel 4: Kleurvoorkeur van klant (voorbeeld geëxtraheerd uit data) .................................................... 16 Tabel 5: Selectie 5 factor/klant .............................................................................................................. 17

Aandachtspunten Aandachtpunt 1: Kant-en-klaar passend. .............................................................................................. 14 Aandachtpunt 2: Klantenkennis is essentieel. ....................................................................................... 15 Aandachtpunt 3: Start webshop. ........................................................................................................... 17 Aandachtpunt 4: Maak het meetbaar en monitor resultaten. ................................................................ 18

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 5 of 19


1. Inleiding Onderhavig document is het resultaat van een “Quick Data Scan”. De uitgevoerde data-analyse en de bijbehorende rapportage zijn beperkt qua omvang en qua tijd (dit gezien de geringe kosten die er mee gemoeid zijn). Ondanks deze beperkingen zijn de gepresenteerde resultaten (statistisch) correct – waarbij aangenomen wordt dat de aangeleverde data (grotendeels) betrouwbaar is. Doel van de “Quick Data Scan” is het formuleren van uitvoerbare actiepunten die zullen leiden tot omzetverbeteringen en/of kostenverminderingen. Daar waar gewenst kunnen details nader geanalyseerd worden en additionele trends, correlaties en verwachtingen in kaart gebracht worden. Daarnaast kunnen specifieke vragen beantwoord worden. Deze additionele acties zullen echter geen onderdeel vormen van de “Quick Data Scan”. Een bespreking van dit document met de maker(s) is een integraal onderdeel van de “Quick Data Scan”.

1.1

Managementsamenvatting

De wereld verandert in een hoog tempo, mobiliteit en internet hebben een enorme impact op alles en iedereen. Retailers die commodity leveren krijgen er als eerste, in negatieve zin, mee te maken. “Bricks worden clicks”. Fysieke panden worden een last. Het tij is niet te keren, althans niet met traditioneel denken en handelen. ManTotaal heeft een weg gekozen die uitstijgt boven commodity, een verstandige keuze, hoewel ook hier het internet zijn tol gaat eisen. Service en beleving gaan een belangrijke rol spelen tezamen met webshops. Product-centrisch denken dient klant-centrisch denken te worden. Dit document is het resultaat van een “Quick Data Scan”. Genoemde actiepunten komen voort uit de geleverde data dan wel uit ontbrekende data, waarbij voor de laatste categorie aangegeven wordt waarom het nuttig is deze gegevens wel te registreren.

1.2

Scope opdracht

Dit document heeft een scope die beperkt is tot de rapportage naar aanleiding van een “Quick Data Scan”. De Scan, tezamen met de rapportage is “time-boxed”, dat wil zeggen dat een gelimiteerde hoeveelheid tijd besteed wordt aan de scan en de daaruit voortvloeiende rapportage. Klant specifieke vragen hebben zich beperkt tot “het verbeteren van de omzet” op basis van verkregen data. Naast data is op verzoek van de klant enige aandacht besteed aan fysieke winkel (locatie) en de website.

1.3

Voorbehoud

De kwaliteit en de juistheid van de rapportage zijn afhankelijk van de aangeleverde data die als basis gediend heeft voor dit document. Daar waar statistische waarden gepresenteerd worden mag met enige zekerheid aangenomen worden dat deze waarden correct zijn (gezien de hoeveelheid data die aangeleverd is). Daar waar gevonden inconsistenties niet ernstig geacht worden zal betreffende data is bij analyses betrokken worden. Daar waar gevonden discrepanties te groot zijn zal de “Quick Data Scan” niet uitgevoerd worden.

1.4

Aanwijzingen lezer

Doel van dit document is een indruk te geven van wat u mag verwachten van een “Quick Data Scan”. Alle getallen, namen en entiteiten zijn fictief. Enige samenhang tussen namen en getallen is nagestreefd. Actiepunten berusten deels op fantasie.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 6 of 19


2. Data Data die verwerkt is bij deze rapportage, is gebaseerd op door klant aangeleverde data. Afwijking en inconsistenties die geconstateerd worden tussen de diverse bestanden zullen gerapporteerd worden.

2.1

Cijfers

Onderstaande grafieken en tabellen zijn afgeleid van geleverde data. De keuze voor getoonde grafieken is deels een standaard onderdeel van de “Quick Data Scan”: wat verkoopt goed, wanneer en aan wie. Dit is een solide basis gebleken om voorspellingen te kunnen doen aangaande de toekomst alsmede om nuttige actiepunten te kunnen formuleren. Voorts wordt aandacht besteed aan (a) hoe winstgevende klanten te verkrijgen, (b) hoe winstgevende klanten te behouden, (c) hoe te voorkomen dat winstgevende klanten afhaken, (d) hoe de winstgevende klanten terug te krijgen. Analyse van kostenaspecten zijn tevens een onderdeel van de “Quick Data Scan”, maar zullen in dit geval onderbelicht blijven. Alle genoemde onderwerpen komen aan bod indien de aangeleverde data daarvoor toereikend is geweest.

Seizoen omzet Seizoen Hoogzomer Najaar Prefall Prespring Standaard Tussencollectie Voorjaar Winter

Omzet € 88.659,71 € 1.211.104,93 € 93.345,15 € 164.111,28 € 1.010.035,98 € 44.009,68 € 2.032.509,83 € 264.241,66

Tabel 1: Omzet gecumuleerd naar seizoen

Weekomzet gecumuleerd 60000 50000 40000 30000 20000 10000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53

Figuur 1: Weekomzet gecumuleerd

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 7 of 19


Voor- en najaar zijn duidelijk de betere seizoenen. De dip die in de zomer als in de winter ontstaat wordt nader geadresseerd in een van de actiepunten (D10 en D11).

Tommy Tailored Strellson Tommy Hilfiger State of Art Profuomo Mc Gregor Distinction Mc Gregor Ledûb

2010

Gentiluomo

2011

Gardeur

2012

Gant

2013

Circle of Gentlemen

2014

Cavallaro Fashion BV Brixon Boss Orange Boss Armani Alan Red & Co 0

50000 100000 150000 200000 250000 300000 350000

Figuur 2: Top 50 omzet op jaarbasis naar leverancier

Een blik op bovenstaand figuur leert dat er een trend verschuiving waarneembaar is (zie onderstaande sectie) en dat ingegrepen moet worden met betrekking tot enkele leveranciers – zie ook actiepunten. Wie er wat koopt en wanneer wordt afgebeeld in onderstaand figuur. Hierbij is duidelijk dat…

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 8 of 19


Dhr. Z. van Amerongen Dhr. W. Olthuis Dhr. W. Brunswijk Dhr. V. van Velderen Dhr. T. Pandala Dhr. S. de Vries Dhr. R.P van Dijk Dhr. R. Vossenberg Dhr. R. Vermaeck Dhr. P.A. de Keizer Dhr. M.H. van Renselbrink Dhr. M. Pelgrim Dhr. M. Lokhorst Dhr. L. Asselt Dhr. K.C. van der Laan Dhr. J. Frans Dhr. J. de Witt Dhr. J van der Lansz Dhr. H. ter Nulde Dhr. H. ten Hoovers Dhr. H. Oudenijhuis Dhr. G.J. van Asperen Dhr. G.D. Boogerd Dhr. G.A. Doornspijk Dhr. F. Mertens Dhr. F. Laakstra Dhr. E. van der Heide Dhr. D.L. Bierhoven Dhr. B. Hoekstra Dhr. A.M. Soeters Dhr. A.L. Vuurder Dhr. A. van Oosteren

2010 2011 2012 2013 2014

0

2000 4000 6000 8000 10000 12000 14000 16000

Figuur 3: Top 50 omzet op jaarbasis

De top omzet, zo blijkt, ligt in het verleden, 2010 was het beste jaar. De aanhoudende crisis zal parten spelen, maar uiteraard kunnen ook andere oorzaken het gevolg zijn van lagere omzetten (weer, vergrijzing, om een paar voorbeelden te noemen). Actiepunt N13 gaat onder meer nader in op deze constatering.

2.1.1 Trends Een snelle blik op de aankopen leert snel dat er trends waar te nemen zijn. Het voert voor een “Quick Data Scan” te ver om al deze trends weer te geven. Onderstaande tabel geeft een voorbeeld van een tweetal trends waarop gereageerd zou kunnen worden. Let wel: 2014 is lopend jaar, data derhalve verre van compleet.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 9 of 19


Jaaromzet Debnr Naam 8545005322 Dhr. H.P. de Vries 7545004439 Dhr. A.L. Vuurder 7545003552 Dhr. J. Moet 8545003682 Dhr. P. van der Molen 7545000798 Dhr. G.A. Doornspijk 8545004865 Dhr. N. Oudedijk 8545000977 Dhr. Jc. van den Laan 8545000068 Dhr. T.J. Heemskerk 7545000139 Dhr. P.A. de Keizer 7545001249 Dhr. M. Waardingen 8545004340 Dhr. T. Verweij 8545003460 Dhr. M.S.M. Reizen sr. 7545000492 Dhr. A. van Oosteren 7545003590 Dhr. H.M. Vossendaal 8545004657 Dhr. S. de Jong 7545005730 Dhr. B.G. Wijnhuis

2010 € 486,70 € 7.363,95 € 2.429,01 € 3.436,77 € 1.912,20 € 104,95 € 2.339,09 € 331,73 € 10.325,34 € 2.910,18 € 2.479,12 € 1.286,96 € 2.771,46 € 5.949,68 € 362,76

2011 € 3.276,03 € 5.003,90 € 1.381,36 € 1.056,21 € 4.191,90 € 919,70 € 2.629,96 € 2.765,96 € 4.585,55 € 3.135,96 € 3.751,62 € 774,26 € 1.980,54 € 2.048,80 € 1.217,72 € 444,95

2012 € 5.352,83 € 4.512,90 € 3.947,62 € 2.932,42 € 2.811,84 € 2.676,21 € 2.603,62 € 2.584,37 € 2.567,39 € 2.432,61 € 2.403,42 € 2.401,91 € 2.369,21 € 2.007,93 € 2.254,01 € 2.228,35

2013 € 1.318,24 € 1.770,13 € 3.352,56 € 3.252,91 € 3.871,15 € 256,71 € 2.091,58 € 832,92 € 449,75 € 2.867,35 € 704,72 € 252,89 € 1.154,30 € 3.491,28 € 2.762,41

2014 € 745,19 € 81,80 € 123,56 € 1.425,25 € 827,59 € 935,65 € 91,42 € 849,75 € 1.201,19 € 530,05 € 219,91 € 635,56 € 632,41 € 1.374,77 € 994,06 € 91,00

Tabel 2: Jaaromzet trends klanten

De in groen aangegeven klanten verdienen op de een of andere manier een pluim (sommigen ontvangen deze ook al door kortingen), ze blijken loyaal. Zie actiepunt D9. De in rood aangegeven klanten verdienen een aanmoediging. Welke actie er ook ondernomen wordt, klantenkennis is vereist om op de juiste manier de juiste “stimulans” te geven. Een verandering van omstandigheden kan uiteraard leiden tot een ander koopgedrag. Ook dat is nuttig bij te houden in het klantenprofiel. Interessanter dan loyale klanten zijn winstgevende klanten. In het onderstaande overzicht worden de meest winstgevende klanten weergegeven. Geconcludeerd mag worden dat…

2.1.1.1 Categorieën Bij het volgen van een trend, is het opdelen van aankopen in categorieën een belangrijk thema om de klant beter te begrijpen. Hieronder een tabel waarbij op basis van omschrijving (en andere velden) een verdeling gemaakt is. Het feit dat ‘onbekend’ een deel van de aankopen vertegenwoordigt, heeft te maken met de beperkte confectie-kennis van de analisten (en uiteraard het feit dat data ongecategoriseerd aangeleverd is).

Categorie onbekend shirt broek colbert kostuum schoenen pullover jas polo

Aantal 4998 12354 12209 1005 687 1627 3012 631 2011

Omzet € 529.577,91 € 877.321,47 €1.205.859,47 € 126.797,41 € 259.402,48 € 243.683,19 € 232.342,05 € 120.393,71 € 134.196,22

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 10 of 19


Categorie Aantal stropdas 1511 denim 1088 sokken 3339 riem 852 veranderkosten 2356 sjaal 244 ondergoed 623 horloge 201 tas 809

Omzet € 67.996,99 € 99.099,33 € 46.179,88 € 51.384,36 € 62.440,94 € 15.724,56 € 23.295,34 € 39.591,78 € 109.595,77

Tabel 3: Omzet opgedeeld in categorieën

Interessant is het wanneer de dimensies jaar en/of leeftijd meegenomen worden bij de diverse categorieën. Het resultaat daarvan biedt interessante trends en correlaties waarop we in sectie … zullen terugkomen.

2.1.1.2 Leeftijd Over leeftijd doen de meeste mensen ietwat geheimzinnig. Het klantenprofiel bevat voor meer dan de helft de geboortedatum dan ook niet en dus is de leeftijd onbekend. Belangrijk is de trend qua leeftijd bij te houden, een opschuivend gemiddelde betekent een veranderende (gevaarlijke) trend. Leeftijd is nuttig te weten, maar minstens zo nuttig is te weten hoe oud/jong iemand zich voelt. De gevoelsleeftijd bepaalt veel meer het aankoopgedrag dan de werkelijke leeftijd.

Omzet x1000 70 60 50 40 30 20 10 0 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60 62 64 66 Figuur 4: Omzet x1000 naar leeftijd klanten.

Wellicht nog interessanter dan de leeftijdsopbouw is de leeftijd waarop iets aan is aangeschaft en de omzet die op die leeftijd gemaakt is. Onderstaande grafiek geeft de top 30 aan die hier een beeld van geeft. Ondanks het feit dat de leeftijden beperkt bekend zijn, mag statistisch geconcludeerd worden dat onderstaande een duidelijk betrouwbare trend aangeeft. “Jong” en “oud” zijn momenteel niet de doelgroepen. Vergrijzing zal

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 11 of 19


omzet verlagend werken. Aan de andere kant van het spectrum zal internet tot omzetderving leiden, zelfs in de plaats waarin pand van opdrachtgever gevestigd is.

Leeftijd bij aankoop 70000 60000 50000 40000 30000 20000 10000 0 23 24 25 26 27 28 29 30 31 32 33 34 35 37 38 39 40 41 42 44 46 47 48 49 50 51 52 53 56 57 Figuur 5: Top 30 gecumuleerde omzet op leeftijd klant bij aankoop.

2.1.2 Merktrouw Voor wat betreft de merktrouwheid van de klant wordt verwezen naar actiepunt D1. Hier wordt een interessante trend getoond waar eenvoudig gebruik van gemaakt kan worden om omzet te verbeteren.

2.1.3 Kosten Kosten zijn niet of nauwelijks in beeld voor wat betreft de geleverde data. Om die reden zal er ook weinig aandacht aan besteed worden. Feit is dat het nuttig is te weten wat de kosten zijn en wat een klant “kost”. Feit is ook dat er aan de inkomstenkant meer te winnen valt dan aan de kostenkant. Actiepunt N16 gaat zijdelings in op kosten en kostenbeheersing.

2.2

Correlaties

Uit de data blijken een paar interessante correlaties voort te komen nadere aandacht verdienen. De redenen achter sommige ontdekte correlaties is ons onduidelijk en vallen bovendien buiten de scope van dit document. Het ontbreken van de “waarom” maakt deze correlaties echter niet minder waardevol. Met enige zekerheid zullen meer dan die hier genoemde correlaties in de data te ontdekken zijn. Gezien de aard van de opdracht is niet uitputtend gezocht naar alle mogelijke verbanden.

2.2.1 Combinatieaankoop Diverse combinaties in aankopen zijn te herleiden, waarbij sommige getrapt zijn (niet perse op dezelfde dag maar wel dicht bij elkaar). Actiepunten D16 en D17 gaan nader op dit thema in en zullen elk voor zich een invalshoek tonen die omzetverhogend zal werken.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 12 of 19


2.2.2 Aankoopvolgorde Opvallend artikel in de winkel is de tas. Daar waar de meeste artikelen toch iets met kleding te maken hebben is de tas hierop een uitzondering. Het artikel moet mede ingegeven zijn door het feit dat een echte tassenzaak ontbreekt.

Artikel

Schoenen

Schoenen

nvt

26%

57%

17%

Tas

45%

nvt

67%

15%

Riem

12%

3%

nvt

1%

7%

1%

3%

nvt

Sokken

Tas

Riem

Sokken

Figuur 6: Aankoopvolgorde artikelen.

Een interessant verschijnsel is correlatie betreffende de aankoopvolgorde. Aangenomen is dat volgnummer een juiste representatie is van aankoopgedrag, dan blijkt dat de aanschaf van een tas een beter vertrekput is van het verkoopproces dan de aanschaf van schoenen (45% van degenen die een tas als eerste artikel kochten, schaften ook schoenen aan, terwijl dat omgekeerd op 26% ligt). Riemen en schoenen blijken vaak samen te gaan. … . Actiepunten (D17 en andere) zullen ingaan op meerdere combinatieaankopen en aankoopvolgordes.

2.2.3 Kennissencircuit Uit LinkedIn en Facebook opgemaakte connecties, kan geconcludeerd worden dat er een aanschaf correlatie bestaat aangaande diverse kennissen. Hoewel dit niet frequent voorkomt, biedt het gegeven mogelijkheden – zie ook actiepunten.

2.2.4 Individuele aankopen Interessant is te weten wat het effect is van individuele aankopen versus aankopen in gezamenlijkheid met… . Gezien deze data ontbreekt wordt een en ander nader uitgewerkt in actiepunt N9.

2.2.5 Weersinvloeden op de verkoop Tijdens de analyse zijn gegevens van KNMI gebruikt om weersinvloeden en verkoopresultaten te onderzoeken. Daaruit is gebleken dat het weer invloed heeft op de verkopen en wel vooral wanneer...

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 13 of 19


3. Actiepunten Data en uitgevoerde analyses geven aanleiding tot verschillende actiepunten die hieronder opgesomd worden in twee rubrieken, namelijk actiepunten voortkomend uit missende data en actiepunten gebaseerd op geleverde data. De splitsing lijkt soms wat arbitrair, maar komt voort uit de gekozen invalshoek van de analist. Hoewel de tweede rubriek belangwekkender lijkt is de eerste rubriek niet te verwaarlozen daar waar het actiepunten betreft die niet anderzijds met missende, doch niet aangeleverde, data beter onderbouwd hadden kunnen worden. Actiepunten aangaande kostenaspecten zijn niet of nauwelijks aanwezig, dit omdat data daaromtrent ontbreekt en het geen onderdeel was van het hoofddoel van dit onderzoek.

3.1

Actiepunten missende data

Bij de onderstaande lijst van actiepunten is aangenomen dat de missende data daadwerkelijk afwezig is. Actiepunten kunnen indirect afgeleid naar aanleiding wel geleverde data, waarbij gekeken is naar de aard en de inhoud van de geleverde data. Sommige punten worden onderbouwd door een vluchtige blik op etalage (fysiek pand) en/of de site van ManTotaal . De lijst is ongesorteerd: voor de lezer belangrijke actiepunten staan niet perse bovenaan de lijst. N1. Vervangingstermijn Denk aan vervangingstermijn, kleding slijt en wordt lelijk… . N2. Beloon trouwe winstgevende klanten Klanten krijgen punten bij aankoop, maar… . N3. Punten als waar Punten kunnen een korting vertegenwoordigen, maar dit kan voor de klant als antireclame gezien worden. Punten omzetten in een (daarvoor aangeschaft) artikel, niet perse zijnde een kledingstuk kan een betere optie zijn. Wie een reis boekt voor € 10.000 en een jaar later een cadeaubon van € 50,00 ontvangt zal eerder een averechtse actie ondernemen dan na ontvangst van een fraai boek over een mooie vakantiebestemming. N4. Tevredenheid Meet tevredenheid van klanten… . N5. Gasten maar geen kopers Weet waarom gasten geen kopers zijn, registreer… . N6. Klant in beeld Probeer elke klant in beeld te hebben (ook de niet koper), beloon… . N7. Prijsinformatie Prijzen zijn… . N8. Artikelen Het is voor de voorbijganger (fysiek pand) niet duidelijk wat ManTotaal allemaal verkoopt… . N9. Aankoop met partner Nuttig te weten is wat het effect is van de aanwezigheid van de partner bij een aankoop. Data hieromtrent ontbreekt, maar… . N10. Uit de loop Het winkelpand ligt duidelijk niet in de loop. Het volgende kan dit effect minimaliseren. … N11. Passen op afspraak Voor veel heren geldt dat kleren uitzoeken en passen niet de grootste hobby is… . Aandachtspunt 1: Snel de in juiste kleren. … Aandachtpunt 1: Kant-en-klaar passend.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 14 of 19


N12. Feest Extra geld wordt er uitgegeven indien er een feest ophanden is. Derhalve is het volgende van belang. …. . Gebruik van sociale media zal… . N13. Hoger segment Gezien het feit dat er vaste klanten zijn met een bovengemiddeld bestedingspatroon (zie ook Tabel 2), is het te overwegen… . Deze constatering is mede gebaseerd op Figuur 2. N14. Inspelen op algemene trends Onbekend (niet uit data gebleken) is of er ingespeeld wordt op maatschappelijk gewaardeerde trends zoals duurzaamheid, “fair trade kleding”, maatschappelijk verantwoord ondernemen, etc. N15. Emotie Emotie een belangrijke rol bij aankoop, daarom is het van belang… . Kleur heeft raakvlakken met emotie – een voorkeurskleur (zie Tabel 4) is gelukkig eenvoudig te bepalen. N16. Kosten Afgezien van vermeende aanschafkosten confectie en gegeven kortingen zijn kosten onbekend. Om kosten in de grip te houden en effecten van marketingacties te kunnen monitoren is het onontkoombaar kosten te registreren – hetwelk wellicht gebeurt maar de analist niet heeft kunnen waarnemen.

3.2

Actiepunten op basis van data

In deze sectie staan de actiepunten vermeld die gebaseerd zijn op de verkregen data. De juistheid van de geleverde data is de verantwoordelijkheid van de opdrachtgever. Actiepunten, die in willekeurige volgorde van belangrijkheid staan, gaan uit van de correctheid van de geleverde data. Aandachtspunt 2: Het is van essentieel belang de klant goed te kennen. …. Aandachtpunt 2: Klantenkennis is essentieel.

D1. Klantenprofiel / Ken de klant Wat in de inleiding reeds aangestipt is, namelijk het belang van klantenkennis, komt hier als actiepunt naar boven. Gebleken is dat … . Zorg dat het ‘klantenprofiel’ compleet is. Beloon de klant voor een compleet profiel (…). a. Ken de klant bij naam b. ... c. … d. … e. Stijl f. … g. … h. … i. … j. … k. Voorkeursmerken l. … m. … n. …

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 15 of 19


Kleurvoorkeur klant Klantnummer 8545004340 8545004340 8545004340 8545004340 8545004340 8545004340 8545004340 8545004340 8545004340

Klantnaam Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij Dhr. T. Verweij

Kleur blau navy brui zwar deni wit rood mult taup

Aantal 14 6 5 5 4 4 3 3 2

Tabel 4: Kleurvoorkeur van klant (voorbeeld geëxtraheerd uit data)

D2.

D3.

D4.

D5.

D6.

D7.

D8.

Feit is dat de registratie eenvoudig te implementeren en te effectueren is en dat… . eenmaal op orde zal ook merktrouw en merkverschuiving blijken waarop vervolgens geanticipeerd kan worden. Service en beleving Wie een fysieke winkel heeft, heeft een fors nadeel qua kosten ten opzichte van een webwinkel. Economische wetmatigheden en technologische veranderingen houden de klant weg uit winkelgebieden. Om te concurreren met een webwinkel moet er iets veel extra’s geleverd worden, samen te vatten onder de noemer “service en beleving”. Klant is koning Door bezuinigingen ingegeven wordt personeel ingehuurd die de klant niet kent en die geen belang heeft bij de klant. Deze bezuinigingen werken uiteraard contraproductief. Essentieel bij de beleving is de aandacht voor de klant (klantcentrisch handelen). Wie wel eens Nespresso-cups gekocht heeft bij de Bijenkorf (Amsterdam) weet wat aandacht betekent. Belangrijk is de klant bij naam te noemen (beter nog, te kennen). Een pasjessysteem, wifi-tracking, camerasysteem (gezichtsherkenning), etc. helpt het verkoopteam daarbij. Het puntensysteem Het puntensysteem kan verbeterd worden. Punten worden verstrekt bij aankoop. Dit systeem kan sterk verbeterd worden door… . Opschonen klantenkaart Een klantenkaart (klantenprofiel) dient voor de juiste marketing en de juiste analyses correct te zijn. Gebleken is dat er tal van onjuistheden zijn. a. Postcodes, startnamen, woonplaatsen b. … c. ... d. Ect. Slapende klanten Activeer slapende klanten. Meer dan 1811 klanten hebben sinds 2011 niets gekocht (waarvan een groot deel (1387) in plaatselijk gebonden is. Denk aan de response met uplift: benader alleen de klanten voor wie dit zin lijkt te hebben (benader geen klanten die sowieso kopen of klanten die sowieso niet kopen). Dit actiepunt is gebaseerd op het feit dat klantcontactdata niet (volledig) overgedragen is en marketingdata ontbreekt. Afhakende klanten Benader afhakende klanten. Bijvoorbeeld klanten waarvan de omzet in 2012, 2013 en 2014 beduidend lager lag dan in de jaren daarvoor. Doorgrond de reden van de verminderde omzet. Nieuwe klanten scoren is veelal lastiger dan oude behouden. Denk niet te snel dat een klant definitief afgehaakt is. … Marketingacties Er is geen verband te leggen tussen marketingacties en omzet (marketinggegevens onbekend). Gezien het feit dat vrijdagen en zaterdagen het beste scoren kan bijvoorbeeld aangenomen worden dat woensdag 26-03-2012 een top omzet was naar aanleiding van een marketingactie. Het voordeel van deze actie is niet alleen de omzet van die dag maar ook, zoals uit de data blijkt… .

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 16 of 19


D9. Marge Verkoop die producten waarop een goede marge te maken is. Kijkend naar de gemiddelde factor (verkoop/inkoop) zijn andere klanten interessanter dan wanneer gekeken wordt naar de gemiddelde winst of omzet (zoals deels aangegeven in Tabel 2). Loyaal is mooi, winstgevend is mooier.

debnr 7545003590 7545000492 8545008871 8545000977 7545004439

retailnaam Dhr. H.M. Vossendaal Dhr. A. van Oosteren Dhr. R. R. Vosselmans Dhr. Jc. van der Laan Dhr. A.L. Vuurder

factor 3,09 2,18 1,94 1,64 1,56

Tabel 5: Selectie 5 factor/klant

D10. Zomerdip Cijfers tonen aan dat er een duidelijke zomerdip is waar te nemen, dat ondanks het feit dat er juist in die maanden veel gasten zijn en dus meer potentiele kopers. Door… . D11. Winterdip De winterdip is in tegenstelling tot de zomerdip minder eenvoudig op te lossen. Echter, kijkend naar cijfers… . D12. Maatwerk De keuze voor maatwerk is verstandig. Retailers die commodity leveren komen door de ontwikkeling van internet en mobiliteit al snel in de problemen (Free Record Shop, Polare, etc.). Maatwerk heeft echter zijn prijs. Verrassend is, gezien de data uit het klantenbestand, dat een gering aantal klanten uit… . D13. Vindbaarheid Vindbaarheid site (op zoektermen als …, maatpak …, …, …, …) scoort niet hoog. Aan dit actiepunt is eenvoudig wat te doen. Aandachtspunt 3: Een webwinkel is onontkoombaar. Maatwerk is weliswaar geen commodity product, maar ook dat zal door het web opgeslokt worden temeer daar omruil geen vanzelfsprekendheid is. Aandachtpunt 3: Start webshop.

D14. Conversie Er zijn geen tot weinig conversies op de site. Bestellen is bijvoorbeeld niet actief. Hier ligt een belangrijk actiepunt. Conversies behoeven niet altijd alleen een bestelling te zijn (denk bijvoorbeeld ook aan allocatie agenda voor passen en meten, het bekijken van een brochure, filmpje, etc.)… . D15. Zo vader zo zoon Het is uit de data niet gebleken dat er veel klanten op hetzelfde adres (met identieke achternaam) woonachtig zijn (minder dan 1%). Een verrassend klein getal, mede gezien het aangeboden assortiment. Profielvervuiling door gezinsleden gezamenlijk te registreren is onverstandig. … D16. Correlaties Analyse toont tal van correlaties aan, sommige daarvan zijn triviaal (pak, overhemd, stropdas). Andere zijn verrassend en worden niet ten volle benut zoals uit analyse blijkt. Hieronder geconstateerde correlaties… . D17. Aankoopvolgorde Verrassend is het vetrekpunt van de aankopen op het geheel van aankopen (zie Figuur 6). …

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 17 of 19


3.3

Actiepunten monitoren

Ongeacht welk actiepunt geïmplementeerd wordt, het is van wezenlijk belang te monitoren wat de resultaten zijn van het effectueren van een actiepunt, zowel op de korte termijn als op de lange termijn. Zonder een duidelijke terugkoppeling is er niet (bij) te sturen en zal er tijd en geld verspild worden aan zaken die wellicht niet (goed) werken. Actiepunten moeten meetbare resultaten opleveren (meer bezoekers, meer klanten, meer verkopen, meer bestellingen, beter web bezoek, etc.). Aandachtspunt 4: Iets wat niet meetbaar is, is niet te managen. Zorg voor meetbare resultaten voortvloeiend uit geïmplementeerde actiepunten. Stuur bij waar nodig. Aandachtpunt 4: Maak het meetbaar en monitor resultaten.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 18 of 19


4. Conclusies Een data scan, hoewel op kleine schaal, levert veel wetenswaardigheden op die op zich weer aanleiding geven tot tal van actiepunten. De belangrijkste actiepunten, conclusies, hebben te maken met proactief handelen, klantenkennis en de wetenschap dat “bricks, clicks” gaan worden (met alleen een fysieke winkel wordt het uiteindelijk lastig overleven). Economische wetmatigheden, gemak, gebrek aan beleving, gebrek aan tijd, anonimiteit van klant, “seinen staan al snel op rood”. Met proactief handelen is het mogelijk klanten langer en beter te binden, waarbij klantenkennis, service en beleving centraal moeten staan. Uiteraard is ons niet van alle genoemde actiepunten bekend of er op enerlei wijze reeds aandacht aan besteed wordt (de actiepunten zijn gebaseerd op verkregen data) , maar veel van de genoemde actiepunten zijn relatief eenvoudig te implementeren en zullen ons inziens omzetverhogend werken.

Documentnaam:

DataAnalyseExample

Datum:

29-9-2014

Status:

Final

Versie:

1.3

Pagina 19 of 19

Quick Data Scan Voorbeeld. New Big Business. Quick Data Scan Voorbeeld rapportage

Recommend Documents