Athlon Carlease

Voor één van de grootste autoleasepartijen in Nederland, met een aanbod van enkele duizenden auto’s, hebben we een model ontwikkeld dat relevante auto alternatieven, op basis van een oude auto, bepaald. Want zeg nou zelf, zelfs de grootste autokenner kent niet alle nieuwe modellen en uitvoeringen (en dat zijn er duizenden) uit zijn/haar hoofd! Door middel van een clusteringtechniek kunnen we voor elke (oude) auto bepalen welke (nieuwe) auto’s/modellen het meest hier op lijken. Het doel is om zo, puur datagedreven, relevante alternatieven aan klanten te kunnen aanbieden. Dit model hebben we vervolgens in een webapplicatie gegoten, welke te gebruiken is door medewerkers van diverse afdelingen, denk aan Sales (binnen en buitendienst), maar ook marketing.

‘AUTO ADVIES TOOL’ OP BASIS VAN DATA.

Momenteel is er geen eenduidige, datagedreven structuur in het autoaanbod en worden aanbiedingen en suggesties (in zowel on- als offline kanalen) op basis van de op dat moment aanwezige expertkennis gedaan. Er is dan ook vraag naar een datagedreven indeling (clustering) van het autoaanbod, om zo relevantere aanbiedingen en suggesties aan leaserijders te kunnen doen op basis van hun huidige auto. Ook zal de clustering helpen om inzicht te krijgen in het ‘switch’ gedrag van leaserijders in geval van ‘vervanging’ (nieuwe auto), maar vooral ook om te experimenteren met data science en inzicht te krijgen in de mogelijkheden en technieken. De resultaten van de clusteranalyse moeten werkbaar zijn, en direct toepasbaar zijn voor afdelingen. De probleemstelling luidt dan ook:

  • Voer een clusteranalyse uit, en zorg ervoor dat er voor elke gegeven auto relevante alternatieven bepaald kunnen worden;
  • Maak de resultaten tastbaar door middel van een webapplicatie;
  • Inspireer management met de behaalde resultaten en toekomstige mogelijkheden.

PROBLEEM

AANPAK

Met behulp van expertkennis zijn de belangrijke, onderscheidende features van een auto bepaald, te weten:

  • CO2 Emissie
  • Power (KW)
  • Bodystyle
  • Autogrootte
  • Consumentenprijs

Op basis van deze features is een afstandsmatrix gecreëerd, en op deze afstandsmatrix is vervolgens een clusteralgoritme toegepast (PAM: Partitioning Around Medoids; aantal clusters gevalideerd met Silhouette width. 

De resultaten van de afstandsmatrix zijn beschikbaar gemaakt in een webapplicatie. Deze applicatie kan gebruikt worden door diverse afdelingen, en toont, o.b.v. een auto selectie door een user, relevante alternatieven in een mooie interface.

Een tastbare tool (AAT), met onderliggend de gecreëerde afstandsmatrix, welke zorgt voor een eenduidige, datagedreven manier om relevante aanbiedingen/suggesties te doen aan leaserijders in zowel het on- als offlinekanaal. Dit kan zorgen voor een hogere conversieratio en een hogere klanttevredenheid.

Het clusteren van het autoaanbod zorgt ook voor een beter inzicht in het ‘switch’ gedrag van leaserijders bij verlenging, en kan vragen beantwoorden als: “kiezen leaserijders vaak voor dezelfde soort auto?” en “in welke clusters is er een hoog en in welke een laag verloop?”. Deze inzichten kunnen op zichzelf weer leiden tot gepersonaliseerde campagnes, of target campagnes per automerk of cluster.

RESULTAAT

Naast dit model werken wij aan projecten die zijn gericht op o.a. verduurzaming van het wagenpark, (slimme) automatisering en klanttevredenheid. Er worden diverse analyses uitgevoerd en modellen ontwikkeld op het gebied van: klantbehoud, klantwaarde en churn en afzet van (nieuwe) automodellen. Athlon gaat met behulp hiervan inzicht krijgen in de meest relevante- en duurzame alternatieven per leaserijder, de bestaande (klant) portefeuille en doorstroming van bestaande leaserijders. Het voorspelmodel, m.b.t. automerken, zal de verkopen op merkniveau en groei in elektrisch rijden (nog beter) kunnen voorspellen dan nu gedaan wordt. Dit zal uiteindelijk leiden tot lagere kosten, efficientere inkoop, een hogere klanttevredenheid voor Athlon en tevreden klanten.