Datadriven marketingbeslissingen nemen op basis van verrijking van mijn database met kwalitatief hoogwaardige kenmerken.

1. The Future of Targeting: Matching – De basis van Datakwaliteit Mark Schoenmakers Schober Information Group Nederland, Roosendaal Roosendaal, 1 januari 2010 De grondslag voor Module 1,2 en 3

2. Om een match te vinden gebruikt Schober Information Group Nederland geavanceerde intelligente software. De matching bestaat uit een aantal stappen waar we in de volgende sheets dieper op ingaan . Matches, Possibles en No-Matches Hoog Frequente woordtabellen Signalementendatabase Subsets Vinden van een match Beslissingen op woord Historische Database Hoog frequente woorden uitsluiten Opbouwen zoekprofielen Aantal signalementen beperken Zoekgebied Historische database Gelijken, mogelijk gelijken, ongelijken Fouttolerantie verhogen Matching

3. Match, Possible en No-Match Bij het vinden van een match probeert de software Gelijken (Matches) te vinden. Echter is het ook mogelijk dat de software twijfelt of niet kan kiezen. Deze records noemen we de Mogelijk Gelijken (ofwel Possibles). De Ongelijken noemen we de No-Matches . Onze Database No-Matches Possibles Matches Cafetaria Fred Kroket = Cafe Fred Kroket of Cafetaria F. Kroket Cafetaria ‘t Stokje = Cafetaria t Stokje Cafetaria de Frikandel >< Restaurant de Gondel = Match = Possible = No-Match

5. Signalementendatabase Om een match te maken met het klantenrecord bouwt de software een signalementendatabase op. Elke evaluation is een signalement . (ofwel een zoekprofiel) Evaluation 1 Keyword-1 Jansen Phonologic-Keyword-1 ansu Keyword-2 Management Phonologic-Keyword-2 enegem Extra-name Services Nederland Legal Form BV Postalcode 4120 AA Housenr 15 Place Zaandam Voorbeeld: ‘Jansen Management Services Nederland B.V.’ Evaluation 2 Keyword-1 Management Phonologic-Keyword-1 enegem Keyword-2 Jansen Phonologic-Keyword-2 ansu Extra-name Services Nederland Legal Form BV Postalcode 4120 AA Housenr 15 Place Zaandam Zowel ‘Services’ als ‘Nederland’ staan in onze Hoogfrequente Woordtabellen . Hiervoor wordt dus geen Signalement aangemaakt. Let op : Om de uiteindelijke match te bepalen worden deze woorden wel meegenomen. Echter om het aantal signalementen te beperken worden deze niet meegenomen. Anders zou bijvoorbeeld : ‘Servicebalie Nationale Nederlanden’ ook als mogelijke gelijke worden meegenomen als optie.

11. Moeilijkheidsgraad Mogelijkheden en mindermogelijkheden Het matchen van Prospects met weinig tot zeer weinig gegevens heeft een Zeer hoge moeilijkheidsgraad bij Bijvoorbeeld: Rabobank Bij het ontbreken van plaats, postcode en straatgegevens is het vinden van het juiste bedrijf nagenoeg onmogelijk. Er zullen tientallen matches op Rabobankfilialen uitkomen. Deze dan ook automatisch koppelen is nauwelijks mogelijk aangezien de software zeer veel possibles zal generen met het woord ‘Rabobank’ in de tenaamstelling. Hoge moeilijkheidsgraad bij Bijvoorbeeld: Rabobank Amsterdam Bij het ontbreken van een straat en postcode is de moeilijkheidsgraad ook nog hoog. Dit omdat er in één plaats meerdere filialen mogelijk zijn. Er zullen dus nog steeds meerdere possibles uitrollen met een gelijke score. De software kan hier dus niet uit kiezen. Bij het meeleveren van een oud adres wordt de moeilijkheidsgraad nog extra verlaagd. Deze wordt dan namelijk gekoppeld met het adres uit de historische database. Gemiddelde moeilijkheidsgraad bij Bijvoorbeeld: Rabobank Amsterdam , Grachtengordel 21 In dit geval is de betreffende bank verhuisd naar Cohenplein 1 , echter zit er ook een Rabobank aan het Grachtenplein 134 . Op basis van de koppeling met onze historische database zal dit record toch gekoppeld worden aan Rabobank Amsterdam, Cohenplein 1.

12. Hartelijk Dank! Schober Information Group Nederland Mark Schoenmakers Vlierwerf 3A 4704 SB ROOSENDAAL Tel. 0165 - 595 739 [email_address] www.schober.nl