Hoofdmenu


Zoek


Contact

EN | NL | DE

Betere klantprofielen op basis van bestaande data en nieuwe technieken

Betere klantprofielen op basis van bestaande data en nieuwe technieken

Wie streeft naar maatwerkadvies kan niet zonder een goed gedefinieerd klantprofiel. Zo’n profiel berust feitelijk op drie pijlers: de persoonlijke situatie van een klant, zijn financiële situatie en zijn gedrag. Deze factoren zijn relevant omdat ze invloed hebben op de voorstellen die u aan een klant kunt doen, en omdat u ze kunt gebruiken om een klant ook tot actie te bewegen. Een voorstel dat past bij het gedrag en de financiële situatie van een klant leidt tot een beter advies dat eerder zal worden opgevolgd. In de toekomst zal het voor aanbieders steeds belangrijker worden om te weten onder welke typen klantprofielen hun klanten vallen, welke soorten oplossingen ze kunnen bieden, en hoe ze die twee goed met elkaar kunnen matchen. Gelukkig kunnen we nu al veel meer bereiken dan in het verleden.

Persoonlijke situatie

Wat moeten we ons voorstellen bij die drie pijlers? Persoonlijke informatie omvat bijvoorbeeld de gezinssamenstelling van de klant. Is hij alleen of heeft hij een partner? Heeft hij kinderen waaraan hij vermogen wil schenken? Iemand zonder kinderen is doorgaans minder bezig met het veilig stellen van zijn vermogen, omdat het in de toekomst toch naar een instelling of naar verder verwijderde familie gaat. Deze zaken zijn belangrijk om te bepalen welke oplossingsrichtingen bij een klant passen, en welk advies het beste kan worden gegeven.

Financiële situatie

De financiële situatie kan uiteraard van klant tot klant flink verschillen. Bij een retailklant die net rond kan komen en nog over zijn pensioen na moet gaan denken spelen heel andere vraagstukken dan bij een klant die een miljoen belegd vermogen heeft en vooral luxe doelen kan stellen. De financiële situatie bepaalt in hoge mate de doelstellingen van de klant.

Gedrag

Tot slot spelen gedragskenmerken een rol. Houdt een klant zijn vermogen het liefst bij elkaar, of denkt hij in verschillende potjes voor verschillende doelen? Is het een structurele spaarder of moet hij daarbij geholpen worden? Hoe geeft een klant geld uit: maakt hij het elke maand op of zet hij maandelijks iets opzij? Als iemand geld wil uitgeven maar dat niet heeft, gaat hij dan lenen of sparen? Dergelijke gedragskenmerken hebben invloed op de oplossingen die u aan de klant voorlegt.

Nieuwe technieken

Informatie over iemands persoonlijke en financiële situatie en zijn gedrag is meestal wel beschikbaar, en waar dat niet zo is kunnen we nieuwe tools inzetten om data te analyseren en relevante gegevens naar boven te halen. Zo kunnen we data over ‘peer groups’ gebruiken om te kijken welke behoeftes voor de klant op welk moment relevant zijn. Vraag een klant naar zijn doelstellingen, en hij zal vaak het antwoord schuldig blijven. Tegenwoordig kunnen we mogelijke doelstellingen uit data afleiden. We kunnen klanten dus helpen bij het definiëren van hun doelen en ze daarmee gerichter adviseren. Combineer dat gegeven met het feit dat we een klantprofiel scherper kunnen bepalen, waardoor adviezen nauwer aansluiten en de kans toeneemt dat het advies wordt opgevolgd, en we zijn een stap dichter bij goal-based financial planning.

Geautomatiseerd advies

Banken doen eigenlijk nog te weinig met de data van hun klanten. Het is nog steeds zo dat een adviseur in gesprek gaat met de klant en dat daaruit een advies volgt dat niet altijd gebruik maakt van alle informatie die binnen en buiten de bank beschikbaar is. Maar in de nabije toekomst kunnen banken adviezen automatisch linken aan klanten op basis van het digitaal beschikbare klantprofiel. Dat kan bijvoorbeeld op het gebied van alerts, waarover we in een vorige blog schreven. Door alerts af te stemmen op de behoeften en persoonlijke situatie van klanten en er een op maat gemaakt advies aan te koppelen kunnen klanten veel gerichter tot actie worden aangezet. Ook die ontwikkeling vereist het inzetten en analyseren van big data.

Om op zulke ontwikkelingen in te spelen moeten banken wel een goed beeld hebben van de data die ze in bezit hebben. Daarnaast moeten ze weten welke typen klantprofielen te definiëren zijn, en welk advies daarbij hoort. Er zullen nog een aantal slagen gemaakt worden, maar in de nabije toekomst bieden de aanwezige data, in combinatie met innovatieve technieken, absoluut nieuwe kansen. De data kunnen worden gebruikt om klantprofielen aan te scherpen en uit te breiden. Daarmee zijn we in een betere positie om een juiste match te creëren tussen klantprofielen en oplossingen, en kunnen we klanten nog beter helpen om hun doelstellingen te realiseren.