De slimste en niet de grootste zal winnen!

Peter Liesting, eigenaar van Datlinq B.V.:

“Het moet alweer een jaar of 10 geleden zijn dat we de eerste regressie analyses konden maken in de foodservice.  Op dat moment was het voor het eerst dat we niet alleen konden beschikken over concrete omzet data op outletniveau, maar ook een groot aantal variabelen waar we deze omzet mee kunnen verklaren. Ik meen me te herinneren dat we wel meer dan 50 verschillende variabelen netjes geclassificeerd in categorieën hebben kunnen gebruiken. Harde locatie variabelen zoals aantal stoelen, aantal bieren op de tap of zelfs de hoeveelheid toiletten aanwezig op de locatie (die deed het trouwens erg goed) was de eerste. Omgevingsvariabelen zoals het aantal winkels in de buurt of er een supermarkt of station in de buurt zit was de tweede. Met de categorieën product specials en promoties kregen we een indicatie van het profiel van de ondernemer achter de locatie.

Zo werd het profiel opgebouwd waarmee alle locaties konden worden geclassificeerd als A, B of C potentials. De variabelen die het in de regressie goed deden werden vervolgens actief verzameld zodat iedere locatie netjes kon worden ingedeeld. Er werd een selectie gemaakt welke met de buitendienst werden bezocht en welke via andere kanalen werden bewerkt. Deze aanpak is nog steeds vooruitstrevend voor vele fabrikanten en dit komt mede doordat er best verassende outlets uitkomen die veel potentie hadden en daadwerkelijk een boost gaven aan de omzet. Waar we echter toen genoegen moesten nemen met scores van 60%-70% betrouwbaarheid waardoor het voor kwam dat niet altijd de juiste locaties zijn geselecteerd, staan we nu aan de vooravond van een volledig digitaal tijdperk.

Het verschil met 10 jaar geleden is dat we er nu kunnen beschikken over veel meer data en geavanceerde tools zoals machine learning. En iedereen realiseert zich dat we nog maar aan het begin staan van een volledig digitaal gedreven marktbewerking. Een niet voorbereidt sales bezoek kan straks echt niet meer en zal genadeloos worden afgestraft door slimme nieuwe initiatieven die de markt veel effectiever kunnen bewerken.

Voordat de data scientist echt los kan gaan is het zaak om je datastroom te optimaliseren zodat je maximaal gebruik kan maken van zijn algoritmes. Veel data is al online beschikbaar en kan worden verzameld uit het crawlen van internet. Reviews van consumenten, aantal checkins, aanbiedingen, menukaart etc, zijn voor veel locaties steeds beter vindbaar. Datlinq helpt de leveranciers met het verzamelen van deze generieke profielgegevens maar ook zullen zij zelf aan het werk moeten om specifieke informatie te verzamelen over de producten en merken. Groothandel data kan daarbij goed van pas komen maar door de GDPR wetgeving is het 1 op 1 koppelen niet altijd eenvoudig. Heb je de beschikking over een buitendienst kun je deze inzetten om deze data te verzamelen, of je kunt gebruik maken van flexforces, chauffeurs of andere medewerkers.

Ik verwacht echter dat steeds meer leveranciers met een gestructureerde online strategie hun doelgroep gaan targetten en op deze wijze informatie verzamelen. Door een webshop toepassing te koppelen aan onze data places om producten te bestellen die een ondernemer uit wil proberen verzamel je profiel gegevens van jouw doelgroep. De bestelling wordt doorgegeven aan de grossier die veel effectiever kan uitleveren, maar je krijgt wel belangrijke informatie over het profiel waarmee je online weer beter kan targetten zonder dat je een buitendienst kan inzetten.

Er is inmiddels al een aantal startups die de consument koppelen aan de outlets waar ze geweest zijn maar ook facebook en google maken hierin grote stappen door de profielen van de consumenten die de locatie bezocht hebben geanonimiseerd aan te bieden.  Denk daarnaast bijvoorbeeld aan de orderapps waarbij consumentenprofielen via Facebook of andere social media wordt gekoppeld. Je kunt met deze consumenten jouw AI modellen trainen, waardoor je  ook de productontwikkeling kan koppelen aan consumenten, de bestelmomenten, de bezoekmomenten, afstand van huis, hoeveelheid consumpties etc. Je begrijpt dat het dan pas echt smullen wordt voor de data scientist om met deze data aan de slag te gaan.

Voor veel leveranciers in de foodservice is het nog niet zover. Het wordt nu echter wel tijd om stappen te ondernemen. We zien er nu een aantal het voortouw nemen en services gaan inkopen bij specialisten zoals Datlinq om ze daarbij te helpen. Andere zetten digitale afdelingen op en creëren budgetten om te experimenten en te leren. Het verzamelen van grote hoeveelheden data is in ieder geval de sleutel voor succes.

De digitalisering zet de foodservice de komende jaren flink op zijn kop. Klassieke eindverbruikersbezoeken worden overboord gezet en de buitendienst alleen smart ingezet. De meeste ondernemers verwachten dat ze nieuwe concepten en producten online kunnen bestellen en uitproberen voordat ze het regulier gaan afnemen bij de groothandel. Voor vele van hen geldt dat ze helemaal niet op bezoeken zitten te wachten, tenzij ze dat echt zelf willen. Informeer ze eerst digitaal, bouw een relatie op, ontzorg zoveel mogelijk.  Leveranciers zullen anders moeten denken, marketing en sales nauw samenwerken en soms is het beter om ze samen te voegen.

Ondernemers zullen meer bewust worden met wie ze hun data willen delen en een digitale relatie aangaan. Het vertrouwen kan worden beschadigd door te veel te mailen en dan maar afwachten wat er uitkomt. Relevantie is hierbij cruciaal. Een mail sturen lijkt goedkoop maar is heel duur als het leidt tot een vertrouwensbreuk en je structureel naar de spambox wordt gestuurd.

De slimste niet de grootste zal er uiteindelijk het beste uitspringen.

Neem contact met ons op als je meer wil weten hoe we jouw organisatie kunnen ondersteunen”.

 

Peter Liesting heeft als eigenaar bij meer dan 100 FMCG bedrijven in de marketing en sales keuken mogen kijken. Bij grote merken als Unilever, Friesland Campina, Coca Cola en Redbull, maar ook kleinere bedrijven is de inspiratie opgedaan voor zijn boek de Perfect Store.

5.1 smartest

More insights

nl