SWITCH EN PRE-SWITCH MONITOR ENERGIE

SWITCH EN PRE-SWITCH MONITOR ENERGIE Totaal beeld van de markt met alle stadia van switch in beeld

Jeroen Barten, Senior Consultant Energie, GfK © GfK 2015 | Switch en Pre-switch monitor Energie | Jeroen Barten

1

Inhoudsopgave 1. GfK onderzoeksprogramma energie

2. Het totale model (switch + pre-switch) 3. Basis rapportage pre-switch monitor 4. Segmentering, modelering en forecasting

5. Ons aanbod 6. Planning 7. Bijlage: enkele rapportagevoorbeelden

© GfK 2015 | Switch en Pre-switch monitor Energie | Jeroen Barten

2

1. GfK onderzoeksprogramma energie


3

Onderzoeksprogramma GfK

• • • • •

Marktaandelen en switchmonitor Pre-switch monitor (switchintentie, activatie, kennis en attitude) Online customer journey Multi client energieveilingen Multi client energievergelijkers

Customer journey en switch

• • •

Dossier Duurzaam Global Green Index Ecomobiel monitor

Duurzaam

•

Segmentatie modellen en implementatie Effectiviteit experience Brand trackers Relatie merk/klant Conjoint analyses

• • • •

• • • •

Segmentatie en marktbewerking

• Client community (klantenpanel) • Slimme meter panel • Beoordeling marktpotentie innovaties (GfK Market Builder)

Innovatie

Energy award onderzoek GAP-analyse Loyalty+ (drivers van loyaliteit) Continu tevredenheidsonderzoek touchpoints

Klanttevredenheid & loyaliteit

• • •

Scoringsmodellen klanten (klantwaarde, segmentatie) Conversie attributie modellen Scenario planning

Modellering

Dan Roam, Author of The Back of the Napkin © GfK 2015 | Switch en Pre-switch monitor Energie | Jeroen Barten

4

2. Het totale model (switch + pre-switch)


5

Switch monitor + pre-switch monitor biedt totaal inzicht in de markt

Switchmonitor

Pre-switchmonitor

Total market coverage

• • •

Inzicht in alle stadia van switch Inzicht in totale customer journey Mogelijkheid voor segmenteren, modeleren en voorspellen


6

Het totale model van switch + pre-switch biedt inzicht in alle stadia van switch

Switch (of recontracting)

Oriëntatie (activatie)

Switch intentie

Kennis en attitude tov switchen

Inactief


7

Inzicht in customer journey per doelgroep (energietypologie, klantgroepen leveranciers, loyaliteitssegmenten, sociodemo’s, etc.)

Inactief/niet switchen

Actief/niet switchen

Switchen

High

High

High

Medium

Medium

Medium

Low

Low

Low


8

De GfK marktaandelen & switchmonitor • • • • • •

• • • • •

Marktaandelen leveranciers Dual fuel Switchgedrag consumenten Switchmotieven Gain & Loss-analyse Reden overstappen • Considered, preferred & rejected set • Motivatie leverancierskeuze • Motivatie afwijzing overwogen/niet gekozen • Motivatie buiten beschouwing laten van leverancier • Oriëntatiegedrag (actief/reactief + kanalen) • Manier van aanmelding bij nieuwe leverancier • Retentie maatregelen ‘oude’ leverancier • Tevredenheid overstapproces Tevredenheid vorige leverancier Tevredenheid huidige leverancier NPS-scores Aantal keren overgestapt Segmentatie klantgroepen


• • •

Focus op switchende huishoudens Focus op switchproces Uitsluitend marktaandelen obv alle huishoudens

9

NIEUW: De GfK pre-switch monitor • Mate van activiteit (inert, loyaal, open, actief, intentie) • Affectieve loyaliteit • Kennis en attitude over switchen (voordeel, gemak, procedure, drempels, kanalen) • Switchintentie • Considered, preferred en rejected set • Oriëntatiegedrag: • Actief/reactief • Kanalen • Keuze criteria • Met welke leveranciers contact gehad • Waarom niet geswitcht/gekozen voor huidige leverancier/redenen loyaliteit • Hoe vaak oriënteert men zich op een leverancier • Recontracting (contract zelfde leverancier) • Met welk product • Manier van aanmelden bij recontracting • Aantal jaren klant • Aantal keren overgestapt • Segmentatie klantgroepen • NPS • Lidmaatschappen (ANWB, Consumentenbond, VEH, etc.) • Deelname loyaliteitsprogramma’s


• • •

Focus op alle huishoudens Focus op processen voorafgaand aan switch Biedt inzicht oriëntatie zonder daadwerkelijke switch

10

De beide onderdelen van het Total Market Coverage model in vogelvlucht

Marktaandelen en switch monitor

Pre-switch monitor

Steekproef van n=900-1.000 switchers per kwartaal

Steekproef van n=2.500 of 5.000 huishoudens per kwartaal

Biedt inzicht in oriëntatieproces van switchend huishoudens

Biedt inzicht in activatie, kennis/attitude, intentie en oriëntatieproces van alle huishoudens

Rapportage op detailniveau mogelijk van de top 5 van de markt

Rapportage op detailniveau mogelijk voor de top 10 tot 15 van de markt

Toevoeging online oriëntatiemeting mogelijk (MEP: passieve registratie internet surfgedrag)

Toevoeging online oriëntatiemeting mogelijk (MEP: passieve registratie internet surfgedrag)

Volledige halfjaarrapportages en topline kwartaalrapportages beschikbaar

Afhankelijk van aantal deelnemers bepalen we welke rapportages worden ontwikkeld

Backdata vanaf 2006 beschikbaar

Backdata uitsluitend op marktaandelen, switchintentie en reden niet switchen

Koppeling met eigen segmentatiemethodiek mogelijk


Koppeling met eigen segmentatiemethodiek mogelijk

11

3. Basis rapportage vanuit de pre-switch monitor


12

Kennis en attitude

Oriëntatiegedrag

Recontracting

Klanttypering

• • • • • • •

•

• • • • • •

Per leverancier: • welk product • actief/reactief • kanaal

Op basis van: • Type contract (looptijd, groen/grijs, services) • Loyaliteitssegment • Domein specifiek segment (bv PWC) • Duurzaamheid • Segment binnen uw eigen segmentatie

• • •

niet actief reactief actief switch intentie recontracting switch affectieve loyaliteit aantal jaren klant hoe vaak geswitcht hoe vaak oriënteren

Marktaandelen en switch monitor

•

•

• • •

Verwacht/ gewenst financiëel voordeel verwachte inspanning verwachte administratieve problemen betrouwbaarheid informatie Redenen loyaliteit considered/ preferred/ rejected set

actief/reactief kanalen leveranciers product hoe vaak hoeveel tijd

Total Market Coverage model

Dashboard

Pre-switch Monitor

Inzichten vanuit het Total Market Coverage model

De monitor ‘switchintentie, activatie, kennis en attitude’ vormt het voorportaal voor de marktaandelen en switchmonitor. Door beide monitoren met elkaar te koppelen ontstaat ‘Total Market Coverage’ en kan een voorspellend model op basis van scenario’s ontwikkeld worden.


13

Overzicht per leverancier

Dashboard

Kennis en attitude

Oriëntatiegedrag

Recontracting

Klanttypering

• • • • • • •

•

• • • • • •



• • •


• •

• • •




14

4. Segmentering, modelering en forecasting


15

Aanpak in drie onderdelen

1. Uitgebreide beschrijving van segmenten

per segment weet je aan welke knoppen je moet draaien (product, kanalen, argumenten, concurrenten)

2. Profilering van je segmenten naar je klantenbase

Segmenten worden traceerbaar in je database, waardoor een op maat gesneden aanpak mogelijk wordt

3. Voorspellend model op basis van een geaggregeerd model

Uitgaande van verschillende scenario’s kunnen voorspellingen op marktniveau worden gemaakt


16

4.1 Uitgebreide beschrijving van segmenten


17

4.1 Segmentatie ‘op basis van’ en ‘binnen’ het voorspellende model

Segmentatie op basis van TMC-model

Segmentatie binnen het TMC-model

Met behulp van clusteranalyses ontwikkelen we een segmentatie op basis van data uit het TMC-model. Consumenten met vergelijkbare profielen voor wat betreft kennis, attitude, intentie en gedrag worden geclusterd binnen segmenten.

•


• •

Hoe werkt het oriëntatieproces bij klanten van leverancier a/b/c? Hoe werkt het bij loyalen, migranten, gevangenen, onderhandelaars? Hoe werkt het bij voordeelzoekers, duurzamen, gemakszoekers? 18

4.1 Loyaliteitsegmentatie Een indeling van de klanten in 4 segmenten… De loyaliteitsegmentatiematrix geeft inzicht in de binding van de klanten met hun energieleverancier. In de matrix zijn twee dimensies van loyaliteit in beeld gebracht: • De affectieve binding (=vertrouwen in energieleverancier, waarderingsgevoel en aanbevelingsgedrag) van de klanten (horizontaal); • De gedragsintentie van de klanten (verticaal). Dit kan worden opgevat als een maatstaf voor de kans dat klanten hun energieleverancier zullen verlaten. Op deze manier ontstaan vier kwadranten die elk een combinatie vormen van mate van de gedragsintentie èn de affectieve binding. Vier loyaliteitsegmenten worden onderscheiden: • Loyalen: hoge affectieve binding (>50) en hoge gedragsloyaliteit (>50) • Gevangenen: lage affectief binding (=<50) maar hoge gedragsloyaliteit (>50) • Onderhandelaars: hoge affectieve binding (>50) maar lage gedragsloyaliteit (=<50) • Migranten: lage affectieve binding (=<50) en lage gedragsloyaliteit (=<50)

Migranten: lage affectieve binding & lage intentie tot blijven bij energieleverancier

Loyalen: hoge affectieve binding & hoge intentie tot blijven bij energieleverancier

Affectieve binding

Onderhandelaars: hoge affectieve binding & lage intentie tot blijven bij energieleverancier

Gevangenen: lage affectieve binding & hoge intentie tot blijven bij energieleverancier Gedragsloyaliteit


19

Overzicht per loyaliteitssegment Voorbeeld: loyaliteitssegmentatie GfK Loyalty+

Onderhandelaars

Loyalen

Migranten

Gevangenen

Dashboard

Kennis en attitude

Oriëntatiegedrag

Recontracting

Klanttypering

• • • • • • •

•

• • • • • •



• • •


• •

• • •




20

Overzicht per domein specifiek segment (voorbeeld: PWC)

Switchers

Thinkers

Sleepers

Negotiators

Dashboard

Kennis en attitude

Oriëntatiegedrag

Recontracting

Klanttypering

• • • • • • •

•

• • • • • •



• • •


•

•

• • •




21

Overzicht per duurzaamheidssegment Voorbeeld: segmentatie Dossier Duurzaam

Duurzamen

Kritische burgers

Cinici

Ongeengageerden

Dashboard

Kennis en attitude

Oriëntatiegedrag

Recontracting

Klanttypering

• • • • • • •

•

• • • • • •



• • •


• •

•

• •




22

Overzicht op basis van uw eigen segmentatie methodiek

Dashboard

Kennis en attitude

Oriëntatiegedrag

Recontracting

Klanttypering

• • • • • • •

•

• • • • • •



•

• •


• •

• •

•




23

4.2 Profilering van segmenten naar je klantenbase


24

4.2 Implementatie van de segmentatie in uw CRM-database

Segmentatie klanten Onderhandelaars

CRM-database Match o.b.v. beschikbare kenmerken

Migranten

Loyalen

Gevangenen


25

Koppeling loyaliteitssegmentatie: herken het segment in uw CRM-database


26

Om de segmentatie te kunnen gebruiken in de marketing communicatie, moet het segment gekenmerkt zijn in de CRMdatabase. Het proces dat hiervoor gevolgd wordt, bestaat uit 4 stappen:

2

1 Loyaliteitssegmentatie

Koppeling databases

Uitvoeren van de loyaliteitssegmentatie. Welke klant in het onderzoek valt in welk segment?

De klanten met loyaliteitssegmentatie worden gekoppeld aan de klanten in de CRMdatabase van de leverancier

4

3 Voorspellingsmodel loyaliteitssegmentatie

In een model wordt de voorspellingskracht van de segmentatie onder behoud van transactionele kenmerken in CRM-database leverancier getoetst

Extrapolatie totale database

Met behulp van beslisregels uit het model worden de loyaliteitssegmenten naar de hele database geprojecteerd

Op de volgende sheets staat een nadere toelichting van de verschillende stappen


27


2 Koppeling databases

3

4

Voorspellings model loyaliteitssegmentatie


In de loyaliteitssegmentatie worden de klanten ingedeeld in onderstaande 4 segmenten Loyalen: hoge affectieve binding & hoge bereidheid om klant te blijven

Migranten: lage affectieve binding & lage intentie om klant te blijven

Affectieve binding

Onderhandelaars: hoge affectieve binding & lage intentie om klant te blijven

Gevangenen: lage affectieve binding & hoge bereidheid om klant te blijven

Gedragsloyaliteit


28

2

1 Loyaliteitssegementatie

Koppeling databases

3


4


We streven ernaar om van circa 2.000 klanten vast te stellen binnen welk loyaliteitssegment ze vallen: Onderhandelaars

Migranten

Loyalen

Gevangenen

Door koppeling van postcode en huisnummer worden deze 2.000 gematcht met de CRMdatabase van uw organisatie. Van hen is dus nu het loyaliteitssegment en de contractuele data bekend. CRM-database met contractuele data

Loyaliteitssegmentatie 2.000 klanten

Onderhandelaars 1. …? 2. Migranten …? 3. Loyalen …?

Match o.b.v. postcode + huisnummer

Gevangenen


29

1 loyaliteitssegmentatie


3


4 Extrapolatie totale database

Ontwikkelen voorspellingsmodel Wat? GfK ontwikkelt een voorspellingsmodel op basis van de segmentatie gecombineerd met de transactionele data in een statistisch model (voor de kenner: “multinominal logit model”) Hoe? De segmentatie wordt getoetst op de discriminerende kracht in relatie tot de contractuele data van de klanten (met andere woorden: zien we bij loyale klanten ook vaker contractverleningen?)

Deliverable: Een model met hierin de variabelen die het meest voorspellend zijn voor het bepalen van het loyaliteitssegment van een klant. Bij dit model garandeert GfK geen 100% slagingskans. Het is van te voren namelijk niet te bepalen of de loyaliteitssegmentatie voldoende kracht heeft. Dit zal het onderzoek moeten uitwijzen.


30



3

Voorspellings model loyaliteitessegmentatie

4 Extrapolatie totale database

Extrapolatie totale database Wat? In deze fase kennen we in de CRM-database elke klant toe aan één van de segmenten op basis van het voorspellingsmodel. Hoe? Op basis van het voorspellingsmodel worden voorwaarden geformuleerd die bepalend zijn voor de indeling in een segment. De voorwaarden worden vervolgens losgelaten op de totale CRM- database. Op basis van de kanspercentages bepaalt GfK welk segment aan de klant gekoppeld wordt. Deliverable: een met segmenten verrijkte CRM-database.

Loyaliteitssegment

Voorbeeld deliverable

Segment kans

Klant A

Onderhandelaars

0.9

Klant B

Gevangenen

0.8

Klant C

Loyalen

Klant D

…


0.75 … 31

Koppeling loyaliteitssegmentatie: extra werving  Om de loyaliteitssegmentatie te koppelen aan de database van de leverancier, is het belangrijk dat er voldoende dekking per segment is. In totaal moeten er van ca. 2000 klanten van de leverancier een segmentcode beschikbaar zijn.  Om dit te garanderen zal in de meeste gevallen het onderzoek onder een extra groep van klanten van de leverancier moeten worden uitgezet.  Werving kan in overleg gebeuren, aan de hand van de database van de leverancier of met data vanuit de GfK panels.

2


3

4

32

4.3 Voorspellend model obv geaggregeerd model


33

Het totale model (switch + pre-switch) biedt inzicht in alle stadia van de customer journey en kan daarom gebruikt worden voor een voorspellend model op geaggregeerd niveau

Switch

Maar ook voorspellen over 2 of 3 stappen

Oriëntatie

Switchintentie

Kennis en attitude Inactief


34

Met behulp van regressie analyses bepalen we welke variabelen voorspellend zijn voor switch (of churn, of loyaliteit) Voorspellende variabelen vanuit de switchintentie, activatie, kennis en attitude monitor

Voorspellende variabelen vanuit de switchmonitor Leveranciers

Mate van activiteit (inert, loyaal, open, actief, intentie)

Dual fuel

Affectieve loyaliteit

Switchgedrag in het verleden

Switchmotieven in het verleden

Kennis en attitude over switchen (voordeel, gemak, procedure, drempels, kanalen)

Reden overstappen

Switchintentie

•

Motivatie leverancierskeuze

Considered, preferred en rejected set

•

Oriëntatiegedrag (actief/reactief + kanalen)

Oriëntatiegedrag:

•

Manier van aanmelding bij nieuwe leverancier

•

Actief/reactief

•

Retentie maatregelen ‘oude’ leverancier

•

Kanalen

•

Tevredenheid overstapproces

•

Door welke leveranciers

•

Waarom niet geswitcht/gekozen voor huidige leverancier/redenen loyaliteit

•

Hoe vaak oriënteert men zich op een leverancier

Tevredenheid vorige leverancier Tevredenheid huidige leverancier NPS-scores Aantal keren overgestapt

Switch (of churn) (of loyaliteit)

Recontracting (contract zelfde leverancier) Met welk product

Manier van aanmelden bij recontracting Aantal jaren klant Aantal keren overgestapt Segmentatie klantgroepen NPS Lidmaatschappen (ANWB, Consumentenbond, VEH, etc.)

Deelname loyaliteitsprogramma’s © GfK 2015 | Switch en Pre-switch monitor Energie | Jeroen Barten

35

Methodologie Met behulp van regressie modellen worden inzichten verschaft in welke factoren van invloed zijn op (bijvoorbeeld) de switches richting een leverancier. In zo’n regressie worden variabelen meegenomen waarvan verwacht wordt dat ze de switches beïnvloeden. Uit de regressie blijkt vervolgens of de variabele een invloed heeft en hoe sterk deze invloed is. Door meerdere variabelen mee te nemen in de analyse wordt ook duidelijk hoe sterk de invloed van deze variabelen ten opzichte van elkaar is.

Naast het verschaffen van inzichten in invloedfactoren, kan een regressiemodel ook gebruikt worden om voorspellingen te doen. Op basis van het geschatte model kan bijvoorbeeld een inschatting worden gegeven van de switches als de oriëntatie via energieveilingen 10% hoger of lager zou zijn geweest.

Om een goed regressie model te schatten, moet rekening gehouden worden met een paar factoren: -

De variabelen moet voldoende variëren over de tijd (als er een constante NPS is over de te analyseren periode, is het effect daarvan niet te bepalen)

-

Er moet een goede verhouding zijn tussen het aantal waarnemingen (lengte tijdsperiode) en het aantal variabelen dat in het model wordt meegenomen (mag niet te hoog zijn)


36

36

5. Ons aanbod


37

Aanbod pre-switch monitor De concrete prijsstelling van de pre-switch monitor vanaf 2015 wordt vastgesteld op basis van het definitieve model, de definitieve omvang van de steekproef en het uiteindelijke aantal deelnemers. Wij verwachten dit binnenkort in meer detail te kunnen uitwerken.

Uitgangspunten: • Gezamenlijk uitwerken van op maat gesneden powerpoint rapportage • Integratie van rapportages van switch en pre-switch monitor is inbegrepen • Uitsplitsing naar leveranciers top 10 en naar segmenten binnen één segmentatie methodiek is inbegrepen (bv obv loyaliteits-, PWC- of duurzaamheids segmenten) • Vertaling naar voorspellingsmodel en implementatie in CRM/database is niet inbegrepen • Steekproef vooralsnog netto 2.500 per kwartaal (vanaf 2016 mogelijk 5.000)


38

6. Planning


39

Planning introductie pre-switch monitor: inmiddels up and running

Gecombineerde analyses switch/preswitch monitor Finetuning rapportage met participanten

Vanaf januari 2015

Nov - dec 2014 Eerste veldwerk +rapportage Afstemmen methodiek (vragen/ analyses)

Okt - nov 2014 (meting Q3)

• •

Sept -okt 2014 Inventarisatie interesse in de markt

•

Aug-sept 2014

•


Rapportage naar segmenten is mogelijk vanaf 2014-Q3 Toevoegen nieuwe eigen segmentatie in overleg mogelijk vanaf 2014-Q4 Profilering van segmenten naar eigen CRM database is mogelijk vanaf 2015-Q2 of 2015-Q4 Ontwikkeling van geaggregeerd voorspelmodel vanaf einde 2016 40

7. Bijlage: enkele rapportage voorbeelden


41

In overleg stellen we een infographic samen

Loyaliteit

Activatieniveau

100%

36%

80%

Actief

60%

53%

40%

87%

Re-actief

20% 0%

Q1

Voordeel

Q2

Q4

Q3

72%

Inspanning poor

Samenvatting Infographic

ok

good

superior

exzellent

Evoked set

Target Groups

75%

Belangrijkste conclusie

Leverancier X zit bovengemiddeld in evoked set

Korte tekstuele omschrijving.

Oriëntatie 35%

50% 70%

Toelichting op target groups


51%

10.0

Toelichting op oriëntatie.

30.0 20.0

40.0

42

Voorbeeld dashboard kenmerken uitgesplitst naar leverancier Monitor per kwartaal

Per kenmerk vanuit sheet 13

Jun2014

Sept2014

Dec2014

Mrt2015

Jun2015

Sept2015

Dec2015

Mrt2016

Jun2016

Niet actief

59

56

61

60

52

50

51

52

54

Nuon

58

62

60

64

49

47

41

47

48

Essent

75

73

69

75

66

69

69

74

73

Eneco

60

53

59

60

50

45

53

54

60

NEM

73

74

80

71

71

72

69

63

66

Energiedirect

40

38

39

40

32

31

37

36

37

76

70

72

69

76

76

Greenchoice

Alle merken direct vergelijkbaar

OXXIO

59

50

64

59

45

50

47

43

55

Etc.

75

77

83

77

75

79

69

75

40

Reactief

57

54

59

58

52

49

49

50

52

Nuon

61

61

63

64

52

49

50

48

53

Essent

67

61

68

68

61

64

61

63

67

Eneco

64

58

60

61

53

47

54

55

58

NEM

66

64

75

65

63

65

63

63

65

Energiedirect

42

40

46

43

36

30

34

36

42

70

64

66

64

69

69

Greenchoice OXXIO

50

47

55

57

48

47

46

40

53

Etc.

68

68

73

71

71

71

68

69

33


43

Voorbeeld dashboard leveranciers uitgesplitst naar kenmerken Monitor per kwartaal

Nu tabel per leverancier

Jun2014

Sept2014

Dec2014

Mrt2015

Jun2015

Sept2015

Dec2015

Mrt2016

Jun2016

Eneco

59

56

61

60

52

50

51

52

54

Niet actief

58

62

60

64

49

47

41

47

48

Re-actief

75

73

69

75

66

69

69

74

73

Actief

60

53

59

60

50

45

53

54

60

Intentie

73

74

80

71

71

72

69

63

66

Aff. loyaal

40

38

39

40

32

31

37

36

37

76

70

72

69

76

76

Voordeel

Alle aspecten per periode vergelijkbaar

Inspanning

59

50

64

59

45

50

47

43

55

Etc.

75

77

83

77

75

79

69

75

40

Essent

57

54

59

58

52

49

49

50

52

Niet actief

61

61

63

64

52

49

50

48

53

Re-actief

67

61

68

68

61

64

61

63

67

Actief

64

58

60

61

53

47

54

55

58

Intentie

66

64

75

65

63

65

63

63

65

Aff. loyaal

42

40

46

43

36

30

34

36

42

70

64

66

64

69

69

Voordeel Inspanning

50

47

55

57

48

47

46

40

53

Etc.

68

68

73

71

71

71

68

69

33


44

Per leverancier: switch, switchintentie, activatieniveau actief/reactief gezocht)

10%

10% 20% 30% 40%

20%

Key takeouts

Key takeouts

Wordt per leverancier beschreven

Wordt per leverancier beschreven

30%

40%

Source: © GfK 2015 | Switch en Pre-switch monitor Energie | Jeroen Barten

45

Voorbeeld rapportage kennis en attitude per leverancier Financieel voordeel 100 90 80 70 60 50 40 30 20 10 0

Inspanning 86 7574

50

leverancier a

2014-Q3

2014-Q4

74

56

50

27 27 20 20

86

39 39 3532 35 31

leverancier b

2015-Q1

464745444745

leverancier c

2015-Q2

100 90 80 70 60 50 40 30 20 10 0

leverancier d

2015-Q3

2015-Q4

86 86 7574 74 50

leverancier a

2014-Q4

Administratieve problemen 100 90 80 70 60 50 40 30 20 10 0

7574

27 27 20 20

leverancier a

2014-Q3

2014-Q4

86 74

56

50 39 39 3532 35 31

leverancier b

2015-Q1

464745444745

leverancier c

2015-Q2

leverancier d

2015-Q3


leverancier b

2015-Q1

464745444745

leverancier c

2015-Q2

leverancier d

2015-Q3

2015-Q4

Verwachte betrouwbaarheid info 86

50

39 39 3532 35 31

27 27 20 20

2014-Q3

56

50

2015-Q4

100 90 80 70 60 50 40 30 20 10 0

86 7574 50

leverancier a

2014-Q3

2014-Q4

74 56

50

27 27 20 20

86

39 39 3532 35 31

leverancier b

2015-Q1

464745444745

leverancier c

2015-Q2

leverancier d

2015-Q3

2015-Q4

46

Voorbeeld rapportage oriëntatiegedrag Leverancier a

16%

Leverancier b

13%

16%

13%

20% 31%

Leverancier c

16%

13%

20% 31%

20%

16%

31%

20% 31%

20%

website leverancier veiling vergelijkingssite door-to-door anders

20%



Key takeouts

Key takeouts

Key takeouts

Key takeouts

Toelichting per leverancier. Te ontwikkelen voor actief/reactief, kanalen, producten, hoe vaak oriënteren, hoeveel tijd

idem

idem

idem


13%

20%

20%


Leverancier d

47

Voorbeeld rapportage re-contracting Leverancier a

16%

Leverancier b

13%

16%

13%

20% 31%

Leverancier c

16%

13%

20% 31%

20%

16%

31%

20% 31%

20%


20%



Key takeouts

Key takeouts

Key takeouts

Key takeouts

Toelichting per leverancier. Te ontwikkelen voor actief/reactief, kanalen, producten

idem

idem

idem


13%

20%

20%


Leverancier d

48

Profilering Alle genoemde variabelen kunnen ook per doegroep worden uitgesplitst, dit kan op basis van sociodemo’s, leveranciers, actviteitssegmenten, domein specifieke segmentatie of uw eigen segmentatie (bijvoorbeeld dmv ‘killer questions’) Gekozen product 100% 80%

kern

5%

5%

5%

5%

5%

5%

5%

5%

10%

10%

10%

10%

10%

10%

10%

10%

groen NL

15%

15%

15%

15%

15%

15%

15%

15%

wind zon

60%

20%

20%

20%

20%

20%

20%

20%

20%

grijs groen

40%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

25%

20% 0% segment a segment b segment c


segment

segment d segment e segment f totale markt

49

Loyaliteitsegmentatie

Affectieve binding

Hoog

Onderhandelaars

Loyalen

Gemiddelde klant xx% Klant met contact xx% Nieuwe klant xx%


Migranten

Gevangenen



Laag

Dit kan uitgesplitst worden naar bijvoorbeeld eigen klant-segmenten, hoog/laag-waardige klanten, klanten met of zonder klantencontact

Hoog Gedragsloyaliteit


50

Contact

Jeroen Barten Senior Consultant Energy 06 206 240 48 [email protected]


51

SWITCH EN PRE-SWITCH MONITOR ENERGIE

Recommend Documents