Close
“Op Geld.nl vergelijk je eenvoudig het meest complete aanbod financiële producten”. Een positionering waar wij iets mee kunnen; het zegt precies wat Geld.nl doet. Op de website kan de bezoeker, gratis en vrijblijvend, financiële producten van banken, verzekeraars en financiële instellingen vergelijken. Van geld lenen tot verzekeringen, van spaarrentes tot creditcards. Wel zo prettig in een markt die, qua betrouwbaarheid en transparantie, nog wel eens de schijn tegen heeft.
Het verdienmodel van Geld.nl zit in leadgeneratie. Zodra een lead tot productafname bij een van de aanbieders leidt, ontvangt Geld.nl een percentage van de transactie. Cruciaal is dus niet alleen de generatie van leads, maar óók de kwaliteit ervan. Juist die kwaliteit liet vaak te wensen over; leads leidden vaak niet tot een transactie, omdat later in het proces bleek dat die mensen om uiteenlopende redenen niets (konden of mochten) afsluiten. Voor iedere partij nadelig. De aanbieder kan niets met de leads en Geld.nl verdient er niets aan. Sterker nog, leads die ogenschijnlijk veel opleveren kosten alleen maar geld.
Onze oplossing: leads geautomatiseerd kwalificeren aan de hand van kenmerken in het vergelijkingsproces en waarderen op basis van een zelf ontwikkeld algoritme. En zo de gemiddelde leadkwaliteit verhogen.
Iedere marketeer kent dit rapportagevoorbeeld: in een marketingoverzicht is een X bedrag uitgegeven, daar zijn X leads uitgekomen tegen een CPA van X euro. Lead-campagnes worden doorgaans namelijk afgerekend op het totaal aantal leads gecombineerd met kosten, oftewel CPA. Daar zit geen kwalificatie in. Dat kán een complete en eerlijke rapportage zijn, mits alle leads even waardevol zijn. De component kwaliteit ontbreekt en dat is in het geval van Geld.nl juist een hele belangrijke; zonder de kwaliteit van leads te meten, vertekent het beeld enorm.
Lukt het ons wél om leads te kwalificeren, dan kunnen we daar onze (re-)targetingstrategie en biedstrategieën op inrichten. Budgetten worden efficiënter besteed en we kunnen cross-channel optimalisaties doorvoeren. Wij geloven in de uitdaging en daarom stellen wij onszelf een pittig doel: het aantal offerteaanvragen gelijk houden, het aantal goedgekeurde offerteaanvragen met 50% verhogen en de klantwaarde gemiddeld met 10% verhogen. Let’s go!
Iedereen die het formulier op Geld.nl invulde, behoorde tot onze doelgroep. Binnen die doelgroep zat echter ook het probleem: onder die ‘leads’ zijn veel mensen die een financieel product aanvragen maar voor de aanbieders in feite waardeloos zijn. En dus zonde van de tijd, moeite en vooral investering. Daarom kenden wij punten toe aan alle variabelen van het invulformulier op Geld.nl, van het gewenste financiële product (10 variabelen) en het gewenste leenbedrag, tot geboortedatum (15 leeftijdsgroepen), gezinssituatie (4 variabelen), woonsituatie (3 variabelen) en werksituatie (12 variabelen). De combinatie van variabelen bepaalde hoe interessant wij deze persoon vonden. Een BKR-registratie of werkeloosheid maakte de waarde van de aanvraag bijvoorbeeld al 0. Andersom maakten kenmerken als een eigen huis of vaste baan de conversie juist relevant en waardevol. In totaal praten we over 21.000 mogelijke combinaties.
En toen? Toen was het zaak om deze waardes om te zetten in een strategie. Precies díe tool ontbrak nog in het digital marketinglandschap, dus bouwden we hem gewoon zelf! Wij ontwikkelden het Automated Lead Potential Scoring Algorithm™, kortweg ALPSA™. Met ALPSA™ gaven we betekenis aan het puntentotaal van een ingevuld formulier, opgebouwd uit alle mogelijke variabelen en de historische waarde van offertes die we uit het CMS van Geld.nl haalden. Daarbovenop een uitgekiend gewicht per variabele (ons geheim van de chef) en zo ontstond voor iedere lead de ALPSA™ Value, oftewel een Potential Lead Value. Een volledig geautomatiseerd algoritmisch systeem.
Door een datalayer.push op de website te plaatsen en zo de variabelen te beheren, verliep de implementatie vlekkeloos. De verkregen ALPSA™ Value schoten we met de enhanced e-commerce module via Google Tag Manager naar Google Analytics. Bijkomend voordeel was dat we zagen wát die klant in zijn ‘winkelwagen’ had: het gaf ons de informatie welke combinaties van variabelen de beste zijn. Zo benaderden we een profielschets van ‘de perfecte klant’, gebaseerd op al die 21.000 mogelijke combinaties en de historische waarde uit het CMS.
Met de perfecte datasets in handen schoten we onze informatie naar de social channels, Google Ads en e-mail. Daar voeden we de algoritmes met relevante waardes, zodat zij steeds beter leerden wie interessant is voor Geld.nl. Daarbovenop gebruikten we de datasets voor targeting en re-targeting: we maakten look-a-like profielen van waardevolle personen en sloten personen uit die we níet wilden hebben.
Geld.nl is een non-e-commerce partij. Toch konden we sturen op een automated bidding strategie, door de waarde van ingevulde formulieren per kanaal te bepalen. Niet langer rekenden we af op CPA, maar op ROAS. We gebruikten de verwachte omzetwaarde om budgetkeuzes te maken. Het algoritme mocht zoveel uitgeven als hij wilde, zolang de verhouding met de fictieve omzet in orde bleef. Een ongekende luxe in leadmanagement: niet alleen filterden we de waardeloze conversies eruit, we konden ook daadwerkelijk sturen op personen met de meest aantrekkelijke marge. Het gebruik van zó veel informatie voor automated bidding scripts was en is uniek. Het resultaat was bovendien verbluffend: we realiseerden 144% meer leads, terwijl we 0% als doelstelling formuleerden. Nog belangrijker was natuurlijk de 118% groei in goedgekeurde offerte aanvragen en de 20% hogere gemiddelde klantwaarde. De cost-per-lead daalde met 45%. En misschien wel het allermooiste: de methode is schaalbaar, op data gebaseerd, zelflerend en sturend. De perfecte voorwaarden om deze strategie op heel veel nieuwe vraagstukken los te laten.
We horen graag van je om af te spreken wat we samen kunnen bereiken, of we vertellen je persoonlijk nog meer ins en outs over deze case. it's up to you:
Zuiderpark 14
9724AG Groningen