Utilization of open data in dynamic customer segmentation and marketing automation as part of a CRM system

Abstract

In today's data-driven business environment, customer relationship management (CRM) systems need more dynamic customer segmentation and the possibility to create more personalized and targeted marketing strategies. This thesis explores this topic by answering questions like what data-driven customer segmentation is, what are the different phases of customer segmentation and marketing automation and what are the key principles to follow in customer segmentation and marketing automation. As target company of the thesis provides CRM solutions to companies in energy industry, the goal is to examine how energy industry companies can leverage open data to create adaptive customer profiles, enabling more targeted and responsive marketing campaigns.

Thesis starts with literature review of the customer segmentation process. After literature review target company and customer companies are interviewed in a workshop to define descriptions and restrictions for future implementation related to customer segmentation. Based on recommendations by stakeholders and information gathered from literature review, different data sources and tools are reviewed, and suggestions are given about suitable options for the target company. The suggestion on data sources is made based on relevancy to objectives, estimated data quality and the cost of implementation. In tools selection aspects like methods supported, scalability and integration to current and other platforms were the deciding factors. For tools, two options were suggested, a lightweight approach and more advanced approach, where the lightweight option is easier to develop and requires less resources to start with, but the more advanced approach has more features and might be more beneficial in the long run. Conclusion from the thesis is that data itself is not enough, as advanced models are needed for proper customer segmentation. If incorrect data is used in the first phases of the customer segmentation, it will also result in incorrect results in the latter parts of the process. In the energy industry, in addition to traditional segmentation characteristics, consumption data and dwelling features played a significant role. The findings of the thesis highlight how CRM systems, enhanced by open data, can improve business outcomes by increasing customer satisfaction, optimizing marketing efforts, and supporting the growth of energy companies in a highly competitive market.

Nykypäivän datalähtöisessä liiketoimintakentässä asiakkuudenhallintajärjestelmien (CRM) on kyettävä dynaamiseen asiakassegmentointiin ja personoituihin sekä kohdennettuihin markkinointistrategioihin. Tämä tutkielma pyrkii vastaamaan kysymyksiin kuten mitä on datalähtöinen asiakassegmentointi, mitkä ovat asiakassegmentoinnin ja markkinointiautomaation keskeiset vaiheet ja mitä periaatteita on hyvä seurata asiakassegmentoinnissa ja markkinoinninautomaatiossa. Kohdeyritys toimittaa CRM-ratkaisuja yrityksille energiatoimialalla, joten tutkielman tavoite on ensisijaisesti tarkastella aihetta tämän toimialan näkökulmasta.

Tutkielma alkaa kirjallisuuskatsauksella aihealueeseen, jonka jälkeen kohde- ja asiakasyrityksien kanssa keskustellaan asiakassegmentointiin liittyvistä toiveista ja rajoituksista. Perustuen kohde- ja asiakasyritysten suosituksiin ja kirjallisuuskatsauksesta saatuun tietoon, kuvaillaan ja suositellaan datalähteitä sekä työkaluja käytettäväksi asiakassegmentoinnissa ja markkinointiautomaatiossa. Datalähteiden suosituksia perustellaan käytettävyydellä, arvioidun datan laadun ja toteuttamiskustannuksien perusteella. Suositelluissa työkaluissa ehdotukset perustuvat tuettuihin menetelmiin, skaalautuvuuteen ja integraatioon nykyisten sovellusten kanssa. Työkaluista suositellaan kahta eri vaihtoehtoa, joista toinen on kevyempi ja toinen edistyneempi lähestymistapa. Kevyen lähestymistavan etuina ovat kehittämisen helppous ja pienempi resurssien sitominen, kun taas edistyneempi lähestymistavassa on enemmän saatavilla olevia ominaisuuksia, mikä voi olla hyödyllistä asiakasyritykselle pitkällä aikavälillä. Tutkielman johtopäätelmä on, että data ei itsessään riitä, vaan erilaiset työkalut ja datan prosessointi ovat tarpeellisia tehokkaan asiakassegmentoinnin saavuttamiseksi. Toinen havainto on, että heikkolaatuinen data johtaa heikkolaatuisiin tuloksiin prosessin myöhemmissä vaiheissa. Energiatoimialalla perinteisten segmentointikriteerien rinnalle nousivat asiakassegmentoinnissa kulutustiedot ja asunnon ominaisuudet. Tutkielman tulokset korostavat, miten avoimella datalla rikastettu CRM-järjestelmä voi auttaa asiakasyritystä menestymään kilpaillulla energiatoimialalla.