Ontdekken wat klanten echt willen met behulp van AI analytics

Enkele jaren geleden heeft de Cera-coöperatie een strategisch plan voor 2025 opgesteld. Om die strategie concreet vorm te geven, schakelde Cera Cegeka in om gegevens die verspreid waren over verschillende databases te consolideren in één uniform dataplatform. Nadien verrijkte Cegeka die data met behulp van artificiële intelligentie (AI) en ontwikkelden ze samen met de verschillende business units van Cera flexibele dashboards bovenop het dataplatform. Die AI-gestuurde analyses geven Cera cruciale inzichten in het gedrag en de behoeften van haar leden.

AI-gestuurde analyses bieden Cera een beter inzicht in haar leden 

Cera is met haar 400.000 vennoten één van de grootste coöperaties in België. Cera is vooral bekend als de grootste aandeelhouder van de KBC Group, maar de coöperatie biedt haar leden ook voordelen in de vorm van kortingen op tal van producten, diensten en evenementen. Daarnaast ondersteunt zij jaarlijks meer dan 700 sociale projecten en geeft zij advies over coöperatief ondernemen.

In 2019 startte Cera met een nieuw strategisch plan om de betrokkenheid van haar leden te versterken en een beter inzicht te krijgen in hun behoeften. Er waren gegevens over de leden beschikbaar, maar die waren verspreid over verschillende databases. Cegeka nam de taak op zich om al die gegevens te integreren in één enkel uniform dataplatform. “Zo hadden we meteen een gefundeerd beeld van onze leden”, aldus Valérie Bracke, Marketing Manager. “Het project gaf ons een aantal nuttige algemene inzichten, zoals het aantal voordelen dat door onze leden werd gebruikt. We wilden echter dieper in de data duiken, bijvoorbeeld om te weten of de interesses van onze leden overeenkwamen met ons aanbod.”

“We wilden weten of de interesses van onze leden overeenkwamen met ons aanbod.” 

 

Valérie Bracke, Marketing Manager, Cera 

Jan Bergmans voegt hieraan toe dat Cegeka hun data heel goed kende, omdat ze het dataplatform hadden gebouwd. “Toen we aangaven dat we meer met onze data wilden doen, kwam Cegeka dan ook meteen met een sterke visie over de haalbare opties. Na het bespreken van de mogelijkheden definieerden we samen een aantal use cases die we wilden implementeren. Tijdens de daaropvolgende vergadering presenteerde Cegeka ons al een roadmap voor deze implementatie.” 

AI analytics

De eerste stap was het aanvullen van de bestaande ledendatabase van Cera. “Cegeka verzamelde de beschrijvingen van al onze aanbiedingen op onze website” zegt Jan Bergmans. Omdat het om ongestructureerde data ging, gebruikten ze een large language model om er gestructureerde data uit te halen. We stelden een lijst op met vijftig interessegebieden en Cegeka vroeg het large language model om de beschrijving van elk aanbod te beoordelen op relevantie voor elk van die gebieden. De resulterende scores werden vervolgens toegevoegd aan de database, waardoor het nu mogelijk is om snel te achterhalen of een bepaald aanbod binnen een specifiek interessegebied valt."

De database werd verder verrijkt met alle interacties die de leden hadden met elk van deze aanbiedingen op de website, zoals bezochte pagina's en aangekochte aanbiedingen. “Dankzij deze AI-gestuurde analyse beschikken we nu over uitgebreide inzichten in vraag en aanbod binnen deze vijftig interessegebieden”, aldus Valérie Bracke. “Cegeka heeft vervolgens een dashboard ontwikkeld dat helpt om deze data te visualiseren. Aan de aanbodzijde zien we welke zaken uit ons aanbod als meest interessant werden beoordeeld, terwijl we aan de vraagzijde ontdekten welke items het populairst waren bij onze leden. Bovendien kunnen we ook filteren op verschillende parameters en zo de interesses van specifieke doelgroepen in kaart brengen."

Via het Power BI-dashboard kan Cera nu makkelijk identificeren waar vraag en aanbod niet op elkaar zijn afgestemd. Als leden bijvoorbeeld veel interesse hebben in een specifiek interessegebied dat momenteel onvoldoende wordt gedekt door het aanbod van Cera, kan de coöperatie overwegen om het aanbod op dat vlak uit te breiden.

Het feit dat er al een dataplatform aanwezig was, bleek volgens Jan Bergmans een groot voordeel te zijn. “De belangrijkste succesfactor van elk AI-project is de kwaliteit van de data. Dankzij ons dataplatform wisten we dat er al grondige datacleaning had plaatsgevonden, waardoor we met een voorsprong aan dit project konden beginnen.”

Personalisatie en voorspelling 

Op basis van deze inzichten wil Cera nu de communicatie met haar leden personaliseren op basis van hun interesses, aldus Valérie Bracke. “Nu onze data is verrijkt met deze interessegebieden, kunnen we ervoor zorgen dat we bijvoorbeeld geen sportgerelateerde aanbiedingen sturen naar leden van wie we weten dat ze geen interesse hebben in sport.”

Als volgende stap wil Cera kunnen voorspellen welke leden het meest waarschijnlijk zullen vertrekken. “Dit is cruciaal voor ons strategisch plan”, benadrukt Valérie Bracke. "We willen patronen kunnen herkennen bij leden die hun lidmaatschap opzeggen, zodat we op basis van hun interacties met ons aanbod kunnen voorspellen wie mogelijk zal vertrekken. Zodra we vermoeden dat een lid dreigt af te haken, kunnen we meteen actie ondernemen."

De samenwerking tussen Cera en Cegeka verliep van bij de start pragmatisch, hecht en flexibel, aldus Jan Bergmans. “We werkten bijna wekelijks samen en waren zeer tevreden over de voortgang. Cegeka presenteerde een duidelijk stappenplan en voerde dat plan stap voor stap uit. Tegelijk stonden ze ook open voor change requests en pasten ze hun aanpak moeiteloos aan wanneer er nieuwe inzichten naar boven kwamen.”

“Cegeka implementeerde een duidelijk stappenplan, maar paste hun aanpak snel aan wanneer er nieuwe inzichten naar boven kwamen.” 

 

Jan Bergmans, Cera