Segmenteringsprojekter er ofte mere end en kundeanalyse; de er et led i virksomhedens omstilling til at blive mere kundefokuserede og datadrevne. Derfor handler segmenteringsprojekter om meget mere end data, datakvalitet og algoritmer, for intern kommunikation, kultur og ledelsens opbakning betyder mindst lige så meget for, hvor godt et segmenteringsprojekt går.

‍

Det er sket, at en god segmentering har været bundet op på få medarbejdere og derfor er strandet, da de skiftede job. Det er sket, at et segmenteringsprojekt er gennemført i én afdeling uden at koordinere med de andre afdelinger, der også skulle bruge resultatet. Og det er sket, at en god segmentering bare aldrig rigtig er blevet implementeret, fordi der pludselig var travlt med noget andet. Kender du det? Fællesnævneren er de organisatoriske hække, der skal forceres for at sikre, at et segmenteringsprojekt lykkes.

Hele organisationen skal involveres

Én af de ressourcekrævende sandheder i segmenteringsprojekter handler om, at det ofte skal involvere hele – eller i hvert fald flere dele af – organisationen, for efterfølgende at kunne forankres. Dels for at sikre, at segmenteringen designes, så den lever op til de behov, der er; de varierer ofte fra afdeling til afdeling, så kunsten er at finde den gyldne middelvej.

Den gode segmenteringsmodel opfylder 80 % af behovet

Din segmenteringsmodel bliver nemlig aldrig perfekt, heller ikke selvom du benytter en real-time machine learning-model og har hyret de bedste data scientists til at bygge og vedligeholde modellen. Segmentering indebærer nemlig en række metodiske valg, og selv hvis dit mål er at nå helt hen til en fuldt personaliseret kundeoplevelse eller individuelt tilpasset marketing, så vil modellen nogle gange tage fejl. En god tommelfingerregel er derfor, at hvis segmenteringsmodellen opfylder 80 % af behovet, så har du ramt balancen mellem tid/investering og anvendelighed.

‍

#dataqualitymatters

Datakvalitet er også fuldstændig afgørende for dit projekt; garbage in, garbage out. Derfor er validering, struktur og vedligehold af dine interne kundedata vigtigt, og det er også vigtigt, at du vælger de rette tredjepartsdata, der er kvalitetstjekkede, opdaterede og strukturerede. Men du skal samtidig også huske, at selvom dine data er validerede, du jævnligt får vasket dine kundestamdata, du indsamler transaktionsdata, digitale data og tilkøber data af den højst mulige kvalitet, så bliver dit datagrundlag aldrig perfekt. Det betyder ikke, at du skal holde op med at stræbe efter det bedst mulige datagrundlag ved at benytte de bedste datakilder og valideringsmetoder. Det er blot et vilkår for dataarbejdet.

Hvad gør du, når Hans siger op?

Det sker ikke så sjældent, at et segmenteringsprojekt fortrinsvis er forankret hos de personer, der er med til udarbejdelsen. Uden dokumentation gør det segmenteringen meget sårbar for medarbejderudskiftninger, og det kan dermed true hele processen, hvis en medarbejder forlader virksomheden med alt den opbyggede know-how. Derfor er dokumentation et vigtigt led i forankringsprocessen, for udover projektbeskrivelsen med de indledende strategiske beslutninger, så vil selve analysefasen også rumme en række af til- og fravalg samt justeringer, der optimerer resultatet.

‍