Doelgroepen targeten door middel van AI en Machine Learning

Hoe we met nieuwe technologieën anonieme funda-bezoekers categoriseren

Dankzij nieuwe technologieën als Machine Learning en AI kunnen we vrij nauwkeurig bepalen waar een funda-bezoeker in geïnteresseerd is. Of in welke fase van de klantreis (kopen, wonen of verkopen) iemand zich bevindt. Daarmee kunnen adverteerders steeds gerichter en specifieker een concrete boodschap onder de aandacht brengen bij de juiste doelgroep'. Stephen Willems, Lead Service Owner, legt uit hoe dit werkt.

Inzicht krijgen in verschillende doelgroepen

Bij funda maken we gebruik van verschillende methoden om de doelgroepen op ons platform te identificeren.
Een doelgroep creëren begint met het identificeren van gebruikersscenario’s, legt Stephen uit. ‘Een gebruikersscenario omschrijft waarom iemand op funda zit en welk websitegedrag daarbij zou kunnen horen. Sommige mensen zijn serieus op zoek naar een huis, anderen hebben net een huis gekocht of kijken alleen op funda voor inspiratie.
Stephen: ‘Om te onderzoeken bij welke gebruikersscenario’s bezoekers passen, vragen we verschillende funda-gebruikers een enquête in te vullen. We kijken daarbij ook naar hun acties op onze website en naar welke advertenties zij bijvoorbeeld aanklikken.
In de enquête vragen we gebruikers onder meer naar waar ze zich bevinden in hun klantreis voor het kopen van een huis. Hierdoor weten we of iemand wel of niet op zoek is, bezig is met bezichtigingen of bieden of al op het punt staat om de koop te sluiten. Ook kijken we naar hoe vaak ze funda hebben gebruikt, hoeveel woningen ze hebben bekeken en in welke prijsklassen ze zoeken. Al die informatie gebruiken we om ons Machine Learning model te trainen.’

Gedrag herkennen

Het model leert op deze manier om op basis van iemands gebruikersprofiel en statistische kenmerken te voorspellen in welke fase van het zoek- of kooptraject iemand zit, ook zonder dat die persoon dat heeft aangegeven. En of iemand een inspiratiezoeker is (niet van plan om een huis te kopen) of een serieuze zoeker (wel van plan een huis te kopen). ‘Hierdoor ontstaat een model waarmee wij targetbare doelgroepen kunnen bouwen’, aldus Stephen.

Classificeren

Helemaal waterdicht is dat overigens niet, omdat de fasen in een aankooptraject soms door elkaar heen lopen. Stephen: ‘Een verloren bod op je droomhuis kan ertoe leiden dat je weer opnieuw op zoek moet naar een huis.’”

Het model kan dus alleen op basis van waarschijnlijkheid voorspellingen doen en de uitkomst is meestal niet eenduidig. Zo kan een resultaat zijn dat iemand voor 60 procent bezig is met bezichtigingen plannen, voor 30 procent met biedingen en voor 10 procent niet op zoek is. In dit voorbeeld zal het model deze persoon classificeren als serieuze zoeker, omdat dit op basis van de hoogste scores waarschijnlijker is dan dat iemand alleen voor inspiratie op funda kijkt.’

Voordelen voor adverteerders

Het voordeel van Machine Learning en AI-toepassingen is dat we gebruikers nog nauwkeuriger kunnen identificeren, zelfs wanneer ze niet eenvoudig te herkennen zijn via standaardmethoden. Stephen: ‘Het helpt ons om subtielere signalen en minder voor de hand liggende aanwijzingen te herkennen, waarmee we nauwkeurig kunnen bepalen wat voor type gebruiker iemand is en in welke fase hij of zij zich bevindt. Voor onze adverteerders is dit echt waardevol, omdat we op deze manier op een slimme en effectieve manier kunnen inspelen op de behoeften van onze doelgroep.’
Stephen geeft een voorbeeld: ‘Een serieuze zoeker die zich in de laatste fase van het aankoopproces bevindt heeft mogelijk al een makelaar geraadpleegd of hypotheekadvies ingewonnen. Dankzij de kracht van AI kunnen we gedragspatronen detecteren en ervoor zorgen dat we potentiële klanten al eerder in hun klantreis bereiken. Hierdoor kunnen we op het perfecte moment producten en diensten van onze adverteerders aan hen presenteren met een op maat gemaakte advertentie.’’ Je kan dus gerichter targeten waarmee de efficiëntie van de adverteerinzet omhoog gaat, wat ten goede komt van de uiteindelijke resultaten.

Toekomst

AI en Machine Learning maken het mogelijk om steeds verder te personaliseren, zelfs tot aan het aanpassen van individuele klantreizen in realtime (hyperpersonalisatie). Stephen benadrukt: 'Voorlopig zijn we terughoudend met het gebruik van onze data en hebben we hier nog niet mee geëxperimenteerd. Funda staat bekend als een betrouwbaar merk; onze gebruikers moeten erop kunnen vertrouwen dat hun privacy voorop staat en dat we hun gegevens alleen gebruiken met hun toestemming. Met de huidige techniek kunnen we echter al zeer gericht en privacyvriendelijk categoriseren om effectiever te adverteren.'

Michael Kamer

Meer weten over onze doelgroeptargeting?

Wil je meer weten over de technologieën waarmee we werken om targetbare doelgroepen op te bouwen, onze advertisingconsultants vertellen je er graag meer over.