Verschil moet er zijn: betere segmentatie door het combineren van databronnen

In dit artikel bespreken we hoe marketeers door databronnen te combineren tot rijkere inzichten in complexe omgevingen kunnen komen. En hoe zij vanuit deze rijkere inzichten tot een betere segmentatiemethode kunnen komen. Ter illustratie nemen we de pensioencontext als voorbeeld. We laten zien dat het gebruik van socio-demografische factoren alleen niet genoeg is voor een betekenisvolle segmentatie. We ontwikkelen het Retirement Belief Model om te identificeren welke factoren beïnvloeden of deelnemers zich informeren over hun pensioen. Om diverse factoren (sociodemografische, overtuigingen, emoties, financiële voorkeuren en kennis) in één model te kunnen testen, combineren we data uit verschillende bronnen: administratieve data, data vanuit een enquête en data vanuit experimenten. Alleen op deze manier komen we tot een volledig beeld van welke factoren relevant zijn voor informatie- en activatiegedrag van pensioendeelnemers. We gebruiken het Retirement Belief Model vervolgens voor de segmentatie van deelnemers, een grondslag voor effectieve gepersonaliseerde pensioencommunicatie