Kunstmatige intelligentie (AI) en systemen voor machine learning (ML) evolueren sneller dan ooit. We hebben zoveel nieuwe opkomende technologieën en tools die ons in staat stellen dingen te doen die we voorheen niet konden — voorbeeld: OpenAI's ChatGPT.
Deze verandering is niet beperkt tot de tech- en IT-sectoren. Het beïnvloedt alles in marketing, van het voorspellen van end-to-end klantinteracties tot de optimalisatie van de klantreis (CJO).
Met digitale tweelingtechnologie, die gebruikmaakt van geavanceerde analyses en ML-modellen, kunnen marketeers nu een digitale tweeling van klanten (DToCs) creëren met historische en real-time klantdata. In tegenstelling tot statische entiteiten of klantprofielen, zijn ze dynamische avatars die continu worden bijgewerkt met real-life gebruikersdata.
Ze weerspiegelen de huidige gemoedstoestand van een individu in plaats van hun verleden acties.
Zulke virtuele avatars simuleren niet alleen klantgedrag, maar bieden ook context en voorspellingen voor toekomstige marketinginspanningen. Met de opkomst van cookieless marketing en regelgeving rond gegevensprivacy zijn DToCs een geweldige manier om prospects te begrijpen en datagestuurde marketingstrategieën te implementeren.
In dit artikel bekijken we de oorsprong van digitale tweelingtechnologieën, leren we over het concept van de digitale tweeling van klanten en zorgen we voor personalisatie op alle contactpunten.
Heb je gehoord van het Apollo 13-ongeluk – de NASA-ruimtevlucht die op de maan zou landen maar dat niet deed? De organisatie was in staat haar astronauten te redden van een crash door gebruik te maken van digitale tweelingtechnologie.
Natuurlijk werden ze destijds geen digitale tweelingen genoemd. NASA gebruikte ze regelmatig om systemen in de ruimte te repliceren sinds de jaren 60.
Toen de crash van Apollo 13 op het punt stond te gebeuren, voerde NASA gegevens van het beschadigde ruimtevaartuig in een virtueel model ter plaatse in om situaties te simuleren en koos het scenario met de beste uitkomsten – een scenario waarin de drie astronauten zouden overleven. En ze overleefden.
Snel vooruit naar 2002, introduceerde Michael Grieves het concept van digitale tweelingen als onderdeel van productlevenscyclusbeheer. De term werd formeel geïntroduceerd door John Vickers, een hoofdtechnoloog bij NASA, in 2010.
Volgens IBM, “Een digitale tweeling is een virtuele representatie van een object of systeem dat is ontworpen om een fysiek object nauwkeurig weer te geven. Het bestrijkt de levenscyclus van het object, wordt bijgewerkt met real-time gegevens en gebruikt simulatie, machine learning en redenering om beslissingen te helpen nemen.”
Het is een virtuele replica van een origineel object.
Digitale tweelingen integreren Industrie 4.0 technologieën zoals automatisering, kunstmatige intelligentie, big data en 3D-printen om simulaties uit te voeren, prestatieproblemen op te lossen en klantervaringen te verbeteren.
Als zodanig worden ze voornamelijk gebruikt in ontwerp, productie, constructie, operaties, onderhoud, architectuur, gezondheidszorg en engineering.
Echter, het is niet zo eenvoudig om digitale tweelingen te creëren. Dit is voornamelijk om twee redenen: data schaarste en systeemmonitoring. Verstoringen op een zeer fijn niveau kunnen nog niet worden gemonitord met supercomputing-krachten. En het is cruciaal om ze te volgen aangezien ze alles op systeemniveau beïnvloeden.
Data is nooit genoeg. Je hebt nauwkeurige en grote hoeveelheden data nodig om zaken te begrijpen. Op dit moment is de data die we hebben schaars en onvolledig, met veel giswerk om de gaten op te vullen.
Simulaties, zoals je weet, vertegenwoordigen een enkel proces en gebruiken geen actuele gegevens. Digitale tweelingen zijn geen simulaties; ze simuleren meerdere scenario's en processen, met gebruik van actuele gegevens. Het is ook geen eenrichtingsworkflow – digitale tweeling systemen ontvangen en verzenden informatie.
Dus, hoe werken ze? Het proces kan worden onderverdeeld in vier stappen:
Eenmaal voltooid, zal het virtuele model je helpen om voorspellingen te doen en gepersonaliseerde aanbevelingen te geven.
Het heeft geen zin om een digitale tweeling voor alles te ontwikkelen. Je hebt er geen nodig voor een eenvoudige boormachine. Hun gebruik is voornamelijk beperkt tot fysiek grote objecten en complexe projecten om efficiëntie te stroomlijnen.
Neem bijvoorbeeld Google Maps, dat een product tweeling van de aarde is.
Bovendien worden verschillende typen digitale tweelingen geclassificeerd op basis van hun gebruiksniveau:
Digitale tweelingen vertellen je hoe objecten functioneren onder verschillende omgevingen, en volgen de productlevenscyclus van ontwerp en ontwikkeling tot afvoer. Ze verkorten de time-to-market door je te helpen productontwerp en besluitvorming te optimaliseren.
Je kunt markeerbare producten onderzoeken en ontwikkelen, meerdere prototypes testen en de functionaliteit van producten controleren. Dat is nog niet alles. Zodra je product zijn levensduur heeft bereikt, kan het digitale model ook opties voor productafvoer zoals recycling voorstellen.
Jacqueline Alderson, een biochemicus die de digitale tweelingtechnologie gebruikt om voetballers te helpen knieblessures te vermijden, zegt dat digitale tweelingen je in staat stellen om “scenario's te testen zonder risico.” Tenslotte is het een virtuele replica van dezelfde persoon of object met dezelfde set van voorwaarden.
Deze modellen kunnen ook worden benut om informatie toe te voegen of te vervangen die ontbreekt of moeilijk te verkrijgen is.
Formule 1-coureurs gebruiken consistent digitale tweelingen om verschillende configuraties te testen vóór een toernooi. Ze bevestigen meerdere sensoren aan hun raceauto's en bestuderen ophangingen, aerodynamica en andere factoren die hun kansen op winnen kunnen vergroten.
Nu, hier is hoe het kan werken in de detailhandel.
Een winkel kan digitale tweelingen gebruiken om de winkelervaring te verbeteren door bewegingssensoren en slimme lades toe te voegen. Dit stelt hen in staat om de klantbeweging en aankoopgedrag te analyseren, wat uiteindelijk helpt om:
Detailhandelaren kunnen hun winkel online brengen en een multichannel winkelervaring bieden, waarbij ze klantreizen op alle platforms volgen. In feite kunnen ze een virtuele klant in een virtuele winkel creëren met behulp van AI. Dit stelt hen in staat om de impact van marktveranderingen op hun detailhandel te bestuderen en hun operaties bij te stellen om kosten te besparen.
Een digitale tweeling van een klant (DToC) is een virtuele representatie van een klant of klantgroep die klantgedragingen nabootst, analyseert en anticipeert. Het maakt gebruik van eersteklas data en andere consumentenbronnen om klantervaringen in een digitale omgeving te repliceren.
Net als reguliere tweelingtechnologieën, gebruiken DToCs geavanceerde analyses, AI en machine learning-algoritmen om een digitale versie van jouw koper te construeren.
Volgens Gartner, “In plaats van alleen datapunten te verzamelen, biedt de [digitale tweeling van een klant] context en voorspellingen van toekomstig gedrag. Het gebruikt zowel online als fysieke interacties en is dynamisch, met updates naarmate nieuwe informatie binnenkomt, en erkent dat een enkele persoon meer dan één persona kan belichamen...”
Dit komt omdat mensen en dus personas in de loop van de tijd kunnen veranderen.
DToCs bouwen voort op het werk dat momenteel wordt gedaan door bekende merken zoals Google, Amazon en Netflix: het gebruik van AI en ML-algoritmen om gedragsdata te interpreteren en productervaringen aan te passen.
Marketingteams kunnen knelpunten in de klantreis identificeren, klantvertrouwen behouden en bedrijfsresultaten verbeteren.
Hoewel het een opkomende technologie is, investeert al 70% van de technologie-executives in de C-suite van grote bedrijven in digitale tweelingen. Deze markt wordt verwacht €7 miljard te bereiken tegen 2025 in Europa, met een groei van 30%-45% per jaar.
En waarom niet?
Je kunt nu niet alleen fysieke winkels en online winkels repliceren met digitale tweelingen, maar ook de klanten die ze bezoeken. Dit geeft je inzicht in hoe specifieke klanten of shoppergroepen zullen reageren op veranderingen in de klantreis voordat deze worden geïmplementeerd, waardoor je schadelijke toevoegingen kunt uitsluiten.
Met virtuele klanten in een virtuele winkel kunnen DToCs aangepaste aanbiedingen suggereren en het winkelen een naadloze en gepersonaliseerde ervaring maken, wat zorgt voor klanttevredenheid op alle niveaus.
Een digitale tweeling van een klant (DToC) verschilt van de 360-graden visie op de klant, voornamelijk vanwege het type data dat wordt verzameld en gebruikt.
Voor degenen die het niet weten, omvat een 360-graden visie op de klant het verzamelen en samenvoegen van gegevens van verschillende contactpunten en klantdataplatforms op één plek. Het helpt organisaties om hun prospects en behoeften volledig te begrijpen.
Je hebt meerdere tools en diensten nodig om een 360-graden visie op jouw klant te ontwikkelen.
Uitgebreide data is vereist, zoals gebruikersgedragsdata, transactiegeschiedenis, interesses en attribuutdata, om met succes een alomvattende visie op de klant te creëren. Dit is kostbaar en tijdrovend, waardoor het voor veel kleine en middelgrote bedrijven onbereikbaar is.
Gartner heeft ontdekt dat slechts 14% van de organisaties een 360-graden visie op hun klant heeft bereikt.
Met de toekomst van third-party cookies die op het punt staat te verdwijnen, kun je ze niet langer gebruiken om interesse- en targetingideeën te verzamelen. Het zal aanzienlijk moeilijker worden om inkomsten te genereren op basis van alleen deze data.
DToCs zijn hier niet door beïnvloed.
Een digitale tweeling van een klant maakt in grote mate gebruik van eersteklas data als zaaddata om consumenteninzicht en personalisaties gedurende de klantreis aan te bieden. Het is een dynamische, digitale koper die de voortdurend veranderende aard van jouw prospects vastlegt zonder concessies te doen aan datakwaliteit en vertrouwen.
Een artikel over de digitale tweeling van de klant is niet compleet zonder de vermelding van synthetische persona's en siliciummonsters.
Synthetische persona's, of siliciummonsters, worden gebouwd met behulp van grote taalmodellen zoals OpenAI’s ChatGPT om digitale representaties van jouw echte klanten te creëren. Data wordt ingevoerd in het generatieve AI-model, dat vervolgens wordt aangespoord om de persona van de klant aan te nemen wiens gegevens worden verstrekt.
Je kunt deze persona's gebruiken voor verschillende toepassingen, zoals het testen van nieuwe advertenties voor jouw e-commerce site of het evalueren van productontwerpen.
Een andere interessante toepassing is het gebruik van siliciummonsters om klantenquêtevragen te beantwoorden. Aangezien je een LLM-model gebruikt, klinkt de output meestal menselijk en vertelt het je over de doelen, interesses en voorkeuren van jouw klanten met betrekking tot jouw product.
Hoe beter de trainingsdata, hoe beter jouw enquête-antwoorden. Deze synthetische data kan de hiaten vullen die zijn ontstaan door data-schaarste en -kwaliteit, waardoor je klantgerichte beslissingen kunt nemen.
Digitale tweelingen van klanten kunnen voornamelijk worden gebruikt in marketing voor de optimalisatie van de klantreis (CJO).
Het is het proces van het in kaart brengen van klantacties en interacties over meerdere contactpunten om de end-to-end klantbeleving te beheersen of te beïnvloeden. Je leidt een potentiële klant naar een conversie-evenement, zoals het downloaden van een e-book of het aanmelden voor een gratis proefperiode, op basis van hun gedragsdata.
Een digitale tweeling van de klant maakt het gemakkelijker omdat je mensen niet hoeft te dwingen om een beslissing te nemen – ze doen dit vrijwillig.
Aangezien digitale tweelingen grondig de huidige en historische data van consumenten analyseren, kunnen ze trends en patronen ontdekken die uniek zijn voor elk individu. Hierdoor krijg je inzichten die je helpen om gepersonaliseerde marketingcampagnes te bouwen die zijn afgestemd op hun interesses en de juiste aanbiedingen op het juiste moment naar de juiste mensen te sturen.
Zulke maatwerkresultaten leiden tot hogere betrokkenheid en conversiepercentages.
Digitale tweelingen kunnen de contactpunten identificeren waar klanten afvallen in de koopreis. Dit kan een verwarrende afrekenpagina zijn, nieuwsbrief-aanmeldformulieren met slechte CTA's, of zelfs een productpagina met onvoldoende details. Ze identificeren het probleem en suggereren ook oplossingen, zodat je verschillende scenario's kunt testen.
Bovendien stelt het simuleren van het gedrag van een klant marketeers in staat om de klantreis samen met andere inbound-processen te stroomlijnen. Het presenteert gebruikers de beste handelwijze in elke fase, waardoor ze hun doelen kunnen bereiken en obstakels kunnen overwinnen.
Klantbeleving (CX) is niets meer dan de indruk die jouw klanten van jouw merk hebben in alle fasen van hun koopreis. Dit kan plaatsvinden terwijl ze op enige manier met jouw merk interactie hebben, zoals het voor het eerst klikken op jouw advertentie, jouw website bezoeken, jouw blogposts lezen of contact opnemen met de klantenservice.
Digitale tweelingen van klanten geven je de mogelijkheid om de indruk die klanten van jouw merk hebben te verbeteren. Dit is belangrijk omdat:
Een DToC-benadering helpt je om jouw marketing- en communicatietactieken in real-time aan te passen, activiteiten te vetoën die niet werken of mogelijk leiden tot een negatieve klantbeleving. Door negatieve situaties te verhelpen voordat ze zich voordoen, kunnen merken positieve gevoelens versterken en een loyale klantenkring opbouwen.
Daarom stelt het inspelen op de wensen, behoeften, overtuigingen, verwachtingen en eerdere ervaringen van prospects je in staat om geautomatiseerde betrokkenheidstrategieën te creëren die gelijke tred houden met de trends in de sector en veranderingen in klantvoorkeuren.
Het ontwikkelen van een digitale tweeling van de klant is een moeizaam proces. Je moet bekend zijn met data-analyse en machine learning-technieken om analytische modellen te bouwen die online en fysieke interacties kunnen combineren en klantconversies kunnen begeleiden.
Dus, stel jezelf drie vragen voordat je begint met het creëren van de digitale tweeling van een klant (DToC):
Met deze drie antwoorden wordt het hele proces een stuk eenvoudiger. Een goed gedefinieerd einddoel en dataset zorgen ervoor dat de digitale tweelingen voldoen aan de doelstellingen die jouw organisatie heeft vastgesteld.
De eerste stap is om jouw bestaande klantdata te verzamelen en deze te gebruiken om koper persona's te bouwen – dit zijn semi-fictieve representaties van jouw ideale klanten. Volgens ITSMA, 44% van de marketeers gebruikt momenteel koper persona's om hun zakelijke activiteiten te informeren.
Data is uiteraard het belangrijkste onderdeel van persona-creatie.
Agregeer historische en actuele gebruikersdata uit verschillende bronnen, verwerk, analyseer en segmenteer deze om een doelklantpersona te creëren. Betrek jouw verkoop-, klantenservice- en productontwikkelingsteams om een cross-functioneel persona-profiel op te bouwen.
Selecteer de klantpersona waarvoor je een digitale tweeling wilt bouwen en verrijk deze met aanvullende datapunten.
Zodra je de klantpersona hebt geselecteerd, is de volgende stap om deze aan te vullen met aanvullende hoogwaardige klantdata. Dit kan zowel digitale als fysieke interacties omvatten die zijn verzameld via analysetools, locatiegebaseerde diensten, sensoren en slimme camera's.
Marktonderzoek, sociale media-analyse en Voice of the Customer (VoC) data zijn ook uitstekende input.
Maar zorg ervoor dat je alle gegevens hebt die nodig zijn om de volledige klantbeleving vast te leggen. Als je dat niet hebt, zoek dan naar manieren om te veranderen hoe je momenteel data verzamelt. Leer over recente technologische vooruitgangen in AI en data-analyse en begrijp hoe analytische modellen data verwerken om inzichten in consumenten gedrag te bieden.
Een belangrijk onderdeel van het gebruik van eersteklas klantdata, of enige persoonlijke data, is ervoor zorgen dat jouw datagebruik voldoet aan alle privacyregels en -voorschriften, zoals de Algemene Verordening Gegevensbescherming (GDPR) en de California Consumer Privacy Act (CCPA).
Dit helpt privacy- en compliance-risico's te beperken om potentieel identificeerbare gebruikersdata te beschermen die nodig zijn om digitale tweelingen van klanten te creëren. Een manier om dit probleem te omzeilen is door synthetische data te gebruiken die is gegenereerd met behulp van AI-algoritmen.
Desondanks moet je datatransparantie in al jouw activiteiten handhaven en gebruikers de mogelijkheid geven om deel te nemen of zich uit te schrijven voor de programma's van digitale tweelingen. Ze moeten weten waar het over gaat en hoe het hen kan helpen – niet jou. Uiteindelijk moet de klant het laatste woord hebben over hoe hun persoonlijke data wordt opgeslagen en gebruikt.
Nadat je uitvoerbare datamodellen hebt gebouwd die digitale klanttweelingen mogelijk maken, begin je deze te integreren in jouw bedrijfsworkflow.
Digitale tweelingen kunnen helpen om jouw producten, diensten en de algehele klantbeleving te verfijnen. Je kunt het klantgedrag voorspellen om nieuwe monetisatiemodellen aan te drijven, klantloyaliteit te verbeteren en een loyale merkvolging op te bouwen.
Werk nauw samen met vakexperts (SME's) om de logica en processen van digitale twin-technologie aan te passen aan verschillende klantgroepen.
Eenmaal gemaakt, moeten jouw digitale tweelingen up-to-date blijven met nieuwe gegevens, zoals recente transacties, sociale media-activiteiten of klantenservicegesprekken. Integreer deze informatie in jouw virtuele model, dat al productinteresses, communicatievoorkeuren, persoonlijkheids- en sentimentanalyse-modellen omvat.
Zoals we hebben genoemd, is de eerste stap bij het creëren van digitale tweelingen van klanten het genereren van persona's. Persona door Delve AI is een online persona-generator die je in staat stelt om automatisch datagestuurde persona's te bouwen voor jouw bedrijf, concurrenten en sociale media-publiek.
We creëren dynamische persona's met behulp van een diverse set gegevensbronnen, waaronder first-party data (CRM, webanalyses en enquêtes), second-party data (sociale analyses en concurrentie-informatie) en publieke data (VoC-gegevens van beoordelingen, beoordelingen, forums, online gemeenschappen en nieuws). Wanneer deze worden gecombineerd met behulp van machine learning-algoritmen en AI, bieden deze bronnen een 360-graden overzicht van jouw klanten.
Onze persona-tool verzamelt, analyseert en segmenteert gegevens om drie tot vijf koper persona's te creëren voor zowel B2B (gemarkeerd in groen) als B2C-bedrijven (gemarkeerd in blauw). Het proces is volledig geautomatiseerd en duurt slechts enkele minuten.
Elke persona-kaart biedt een uitgebreide samenvatting van jouw doelgroepsegmenten, met belangrijke statistieken zoals gebruikerspercentage, sessies, actieratio, conversies, transacties en omzet.
Klik eenvoudig op Persoonlijke details en je wordt naar een pagina geleid die je een complete beschrijving van die specifieke persona geeft.
Alles van consumentendemografie tot psychografie wordt in overweging genomen; je leert over hun levensstijl, doelen, aspiraties, uitdagingen, communicatiekanalen, contenttypes, voorkeuren, hobby's, interesses, persoonlijkheden en meer. Bovendien bieden branche-specifieke inzichten gestructureerde sleutelwoorddata met betrekking tot de branche waartoe je behoort.
Voorbeelden van gebruikersreizen voor e-commerce/B2C en organisatorische reizen voor B2B-bedrijven voor elk persona-segment geven je een idee van hoe gebruikers interageren met jouw website en content.
Persona's worden automatisch maandelijks bijgewerkt met nieuwe gegevens en bieden AI-gedreven aanbevelingen die je helpen om nieuwe doelgroepen te verwerven en te behouden. Voor meer informatie over de elementen van koper persona's, lees ons artikel hierover.
Een digitale tweeling van een klant (DToC) is een opkomende technologie die marketeers zouden moeten opnemen in hun langetermijnplannen. Ze vangen de motivaties, interesses en gedragingen van een klant als nooit tevoren – niet alleen in het verleden, maar ook in het heden en de toekomst.
Liggend op het snijvlak van geavanceerde analyses, AI en machine learning, geven DToC's data-gedreven klantinzichten die nuttig zijn voor contentcreatie, advertentiedoelgroepen en optimalisatie van de klantreis, wat bijdraagt aan de omzet en de groei van het bedrijf.
Afhankelijkheid van derde partij gegevensbronnen is geen optie meer. Organisaties moeten beginnen met investeren in alternatieve oplossingen zoals synthetische persona's en digitale tweelingen van klanten om de privacy van gegevens en klanttevredenheid te waarborgen.
Digitale tweelingen werden voor het eerst gebruikt door NASA om systemen in de ruimte te spiegelen, zoals het Apollo 13-ruimtevaartuig. Later introduceerde Michael Grieves in 2002 het model van de digitale tweeling als onderdeel van productlevenscyclusbeheer. De term "digitale tweeling" werd officieel bedacht door John Vickers, hoofdtechnoloog bij NASA, in een rapport uit 2010.
Digitale tweelingen werden later toegepast in marketing en productontwikkeling om een virtueel model van de klant te creëren.
De vier soorten digitale tweelingen zijn component-tweelingen, asset-tweelingen, systeem-tweelingen en proces-tweelingen.
1. Component-tweelingen: Digitale replica's van afzonderlijke onderdelen of componenten van een systeem.
2. Asset-tweelingen: Vertegenwoordigen activa, zoals machines of apparaten, en hun interacties binnen een systeem.
3. Systeem-tweelingen: Modelleren volledige systemen en leggen de interacties tussen verschillende activa vast.
4. Proces-tweelingen: Simuleren processen en bieden inzichten in workflows en operaties binnen een systeem.
Het is een goed idee om digitale tweelingen in marketing te gebruiken, maar dit brengt verschillende uitdagingen met zich mee:
Subscribe for blog updates