Onderzoek naar het customer intelligence niveau van de Belgische bedrijven aan de hand van een

customer intelligence maturity framework

Petra DewildeAnnelies Duerinckx

Overzicht

Onderzoeksvragen Methode Literatuur

– Vijf pijlers– MSQ model– Andere maturity frameworks

Analyse– Algemene analyse– Sectoranalyse – Niveauverdeling– Clusteranalyse

Algemeen besluit– Validatie MSQ-model– Patronen in de data– Aandachtspunten– Aanbevelingen

Onderzoeksvragen & methode

Onderzoeksvragen:– Is het MSQ-model een goed model en eenvoudig te

gebruiken voor de bedrijven?– Zijn er patronen, trends of clusters aanwezig in de data?– Wat zijn de aandachtspunten waaraan gewerkt moet

worden om het CI niveau te verbeteren?

Methode:– Literatuurstudie– Enquête (632 bedrijven 54 antwoorden)– Analyse (Excel, SAS, SPSS)– Interviews (Microsoft Dynamics, KBC, SAS)

Literatuur

Vijf pijlers MSQ-model Andere maturity frameworks

Vijf pijlers

1. Grotere beschikbaarheid van informatie

2. Boodschappen dringen niet door

3. Klanten worden veeleisender

4. Opkomst multi-channel marketing

5. Kleinere marketingbudgetten

(Liao 2009), (Shaw 2001), (Bruce 2007)

MSQ-model

Figuur 1: voorbeeld van het MSQ-model (Responsys 2008)

Andere maturity frameworks

Tabel 1: overzicht van maturity frameworks

Analyse

Algemene analyse Sector analyse Niveau analyse Clusteranalyse

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Strategic 54 5 21 13,83 3,761

Analytical 54 6 23 12,87 4,327

Technical 54 5 22 12,52 3,780

Process 54 7 22 15,22 3,473

Total 54 26 81 54,44 13,057

Valid N (listwise) 54

Algemene Analyse

- Scores evenwichtig verdeeld

- Proces domein scoort beter

Tabel 2: algemene descriptieve analyse

Figuur 2: algemeen gemiddelde

Algemene Analyse (2)

**. Correlation is significant at the 0.01 level (2-tailed).

Strategic Analytical Technical Process Total

Strategic 1,000 ,657** ,706** ,672** ,889**

Analytical ,657** 1,000 ,727** ,469** ,856**

Technical ,706** ,727** 1,000 ,547** ,879**

Process ,672** ,469** ,547** 1,000 ,773**

Total ,889** ,856** ,879** ,773** 1,000

Tabel 3: correlatie-matrix (Pearson correlation)

Sector analyse

Groothandel (n=8) Productie (n=12) Productie en groothandel (n=7)

Services (n=27)

Strategic 13,75 12,92 13,43 14,37 Analytical 12,25 11,58 12,00 13,85 Technical 12,00 11,00 12,14 13,44 Process 13,25 15,75 15,29 16,56 Totaal 51,25 51,25 52,86 57,22 Tabel 4: gemiddelde scores per

sector

Figuur 3: gemiddelde scores per sector

Niveau analyse

Oorspronkelijke verdeling Nieuwe verdeling

Niveau Naam Score Minimum Aantal antwoorden op dit niveau

1 Broadcast 20-36

2 Targetted 37-52 17

3 Programmatic 53-68 13

4 Predictive 69-84 9

5 Integrated 85-100 5

Niveau analyse (2)

Figuur 4: scoreverdeling – Cumulatieve absolute frequenties

Niveau analyse (3)

Tabel 5: gemiddelde score per niveau en per domein

Clusteranalyse

Hiërarchische clustering

Figuur 5: dendogram van de hiërarchische clustering

Clusteranalyse (2)

K-means clustering (k=3)

Figuur 6: clustereigenschappen bij K-means clustering

Algemeen besluit

Validatie MSQ-model Patronen in de data Aandachtspunten Aanbevelingen

Validatie MSQ-model

Vier domeinen zijn goed gekozen

Voordelen:– Houdt met veel aspecten rekening– Komt overeen met de bedrijfsvisie– Definieert stappen voor verbetering

Nadelen:– Stappen zijn vaag– Geen aanbevelingen in niveau 5– Verkeerde niveauverdeling

Patronen in data

3 duidelijke groepen:– Procesgericht– Evenwichtig– Bedrijven in groei

Meeste Belgische bedrijven bevinden zich in de groeifase.

Aandachtspunten

Cross-channel integratie

Niet één grote stap maar vele kleine stapje

Streven naar evenwichtige score

Automatisatie tussen 25 en 50%

Goede samenwerking tussen marketing en IT

Aanbevelingen

Meer data verzamelen

Longitudinaal onderzoek

Aandachtspunten per sector

Niveauverdeling optimaliseren

Referenties

CSC (2006) ‘Information is the foundation for customer intelligence’, White paper, July 2006, 2p.

Arora, N (2008) ‘Putting one-to-one marketing to work: personalization, customization, and choice’, Market Lett, vol. 19, p. 305-321.

Stefanou, C en Sarmaniotis, C (2003) ‘CRM and customer-centric knowledge management: an empirical research’, Business Process Management Journal, Vol 9, No 5, p 617.

Gulati, R en Oldroyd, J (2005) ‘The quest for customer focus’, Harvard Business Review, April 2005, 12p.

Schiffer, R en Leininger, E (2008) ‘Customer are the core’, Marketing Management, January/February 2008, p. 30-37.

Referenties (2)

Liao,S et al. (2009) ‘Mining information users’ knowledge for one-to-one marketing on information appliance’ Expert Systems with Applications, vol. 36, p. 4967-4979.

Shaw, M et al. (2001) ‘Knowledge management and data mining for marketing’, Decision Support systems, vol. 31, p. 127-137.

Bruce, D et al. (2007) ‘Multichannel marketing: Mindset and program development’, Business Horizons, vol. 50, p. 385-394.

Responsys (2008) ‘Marketing beyond the status quo’, white paper, 23p.

Vragen