De Hypotheker: rijkere leads door slimme personalisatie met AI

Het achterhalen van de doelgroep en de fase waarin de bezoeker zich bevindt om de klantreis te personaliseren en relevante content te tonen.

De uitdaging

Een gratis afspraak maken met een adviseur van De Hypotheker? Veel websitebezoekers maken hier gebruik van, maar komen vaak onvoorbereid op gesprek. Zonde, want hoe beter de voorbereiding, hoe waardevoller het advies. Onze uitdaging: het achterhalen van de doelgroep en de fase waarin de bezoeker zich bevindt om de klantreis te personaliseren en relevante content te tonen.

Starter, doorstromer of woningbezitter....

De klantreis van De Hypotheker personaliseren we op basis van de doelgroep en de fase waarin de websitebezoeker zich bevindt. De doelgroepen van De Hypotheker zijn starter, doorstromer en woningbezitter. De leads delen we op in drie fases: cold, warm en hot. Pas als we weten tot welke doelgroep je als bezoeker behoort en in welke fase je zit, kunnen we de website en de content personaliseren.

De leadthermometer: zo word je een hot lead

Met de eerste varaint van de leadthermometer bepaalden we via Score Listeners in BlueConic in welke fase je je als bezoeker bevindt. Het werkt als volgt: je scoort punten op basis van welke pagina’s je bezoekt, waar je op klikt en welke keuzes je maakt. Gebruik je de rekentool van De Hypotheker en blijkt dat je het huis dat je op het oog hebt kunt betalen? Dan levert dat 4 punten op. Hoe hoger de puntenscore, hoe vaker je een call to action om een afspraak te maken ziet.

Ruimte voor verbetering

Toen we dieper in het leadscoremodel doken, werd al snel duidelijk dat het vooral op onderbuikgevoel was gebaseerd. We bepaalden bijvoorbeeld zelf dat het afronden van een berekening 5 punten waard was en het zoeken van een vestiging 4. Het model verbeterde zichzelf niet en liet ook niet zien wat echt voorspellende factoren zijn.

Helemaal opvallend: het model kon maar bij 36% van de bezoekers een score bepalen, en daarvan klopte maar 3%. Ruimte genoeg voor verbetering dus!

Impact maken met AI

We wilden een nieuw model dat volledig gebaseerd is op data, zichzelf kan verbeteren én inzicht geeft in wat echt voorspellend is. Het doel? Bij 75% van de bezoekers een voorspelling kunnen doen, en dat die voorspelling in 75% van de gevallen ook klopt.

Dat hebben we gedaan door de data op te splitsen: we werkten met een groep bezoekers die wel een afspraak maakte en een groep die dat niet deed. Vervolgens keken we per factor, zoals een pageview of een berekening, waar het verschil het grootst is. Want hoe groter het verschil, hoe meer het bijdraagt aan een goede voorspelling. Zo bleek bijvoorbeeld dat het bezoeken van de pagina 'Wat betaal je ons' een grote voorspellende waarde had.

Resultaat: boven verwachting

De resultaten waren boven verwachting: het nieuwe datagedreven leadscore model presteerde nog beter dan de gewenste uitkomst. Bovendien leert het model continu van zichzelf en geeft het duidelijk inzicht in welke waarden voorspellend zijn.

van de doelgroep kon gedrag voorspeld worden

93%

van de voorspellingen is juist

85%

Hoe hebben we dat getest?

Control

Samenstelling:

Testgroep 1 (10% van alle bezoekers)
Heeft geen personalisatie dialoog gezien
Doelgroep of fase is bekend

Schermafbeelding 2025-01-29 om 13.12.03

Variant

Samenstelling:

Testgroep 2 t/m 10 (90% van alle bezoekers)
Heeft een of meer van de personalisatiedialoog(en) gezien
Doelgroep of fase is bekend

Wat levert het op?

Met het nieuwe model kunnen we de behoeften van de klant beter voorspellen. Maar hoe zetten we het inzicht in de behoeften om in meer conversie? Dat hebben we gedaan met personalisatie.

We hebben een A/B-test gedraaid waarin een kleine groep (10%) geen gepersonaliseerde content te zien kreeg, en de andere 90% wel één of meerdere personaliseerde dialogen (bijvoorbeeld een aangepaste button of introtekst) te zien kreeg.

meer conversies vanuit de gepersonaliseerde dialogen

35%

Personaliseren op alle relevante touchpoints

Of we ook naar de rest van de klantreis hebben gekeken? Jazeker! Door de data uit BlueConic te koppelen aan Tripolis (e-mail), Google Ads en social media, personaliseren we de hele klantreis. Zo krijgt bijvoorbeeld op social media de starter een andere advertentie te zien dan de woningbezitter. Op deze manier komt de personalisatie in de gehele klantreis terug.

Zo omschrijft de Hypotheker onze samenwerking

Door Bikkelhart kunnen we onze websitebezoekers beter door de klantreis begeleiden en zorgen dat ze goed geïnformeerd aan tafel zitten bij onze adviseurs.

Zohra Wardak, Digital Marketing Specialist bij De Hypotheker

8.5

beoordeelt Bikkelhart met een 8.5

Hoeveel Bikkelhart heb je nodig?

Bikkels zijn er in allerlei soorten en maten. Designers, Marketing Automation- en Conversie Specialisten, Copywriters en Front-end Developers. We zijn afzonderlijk sterk, maar nog krachtiger als je ons combineert. Samen maken we van jouw project een succes.

We antwoorden meestal binnen een werkdag!