CRM-systeem op maat met een klantendatabase en besluitvormers: casestudy banchem.sk, Slowakije

De klant benaderde ons met de opdracht een verkoopboekhoudsysteem te bouwen dat was afgestemd op hun behoeften – zonder abonnementskosten en zonder functies die niemand zou gebruiken. Naarmate het project vorderde, groeide de opdracht: er was ook behoefte aan een gerichte database met contactgegevens van besluitvormers, afgestemd op de specifieke niche van de klant.

Elke week publiceert de auteur via zijn Telegram kanaal nieuwe casestudies en benaderingen voor bedrijfsautomatisering met AI. Je kunt je hier abonneren: t.me/promtvibeadd.

Casestudy: banchem.sk, een Slowaakse fabrikant van chemicaliën voor zwembaden

De opdrachtgever was banchem.sk, een Slowaaks bedrijf dat reinigingsmiddelen en desinfectiemiddelen produceert en levert, onder andere voor zwembaden, aan bedrijven en particulieren. De verkoop binnen het project werd geleid door een jonge, recent aangestelde manager van de verkoopafdeling, verantwoordelijk voor de samenwerking met spa- en wellnesscentra.

De opdracht was eenvoudig: een op maat gemaakt verkoopboekhoudsysteem in plaats van een kant-en-klaar systeem. In de loop van het project ontwikkelde het zich tot een CRM-systeem met een ingebouwde database voor besluitvorming, specifiek voor een nichemarkt: hotelspa's en spa-centra die chemicaliën voor zwembaden nodig hebben.

Waarom de klant een kant-en-klaar CRM-systeem afwees

Standaard, kant-en-klare CRM-systemen werden vanaf het begin afgewezen: het onderhoud is duur en er zijn maandelijkse kosten, ongeacht of het team alle functies van de dienst gebruikt.

We hebben een CRM-systeem ontwikkeld dat transactiebeheer en een gerichte klantenbasis integreert met contactgegevens van besluitvormers.

We hadden het hier over een CRM-systeem, niet over een website, maar het principe is hetzelfde: een kant-en-klaar sjabloon dat niet bij uw niche past, is vaak duurder dan een op maat gemaakt systeem. 1001site AI past deze logica toe op een website of webwinkel – de AI-agent bouwt deze op basis van uw link of beschrijving, waardoor maandenlange ontwikkeling en de kosten van een bureau worden bespaard.

De vraag die de architectuur veranderde, was: "Aan wie verkopen we eigenlijk?"

Tijdens elke bespreking van de CRM-structuur stelde de salesmanager dezelfde vraag: "Aan wie gaan we precies verkopen?" De vraag was duidelijk niet aan de ontwikkelaar gericht, maar aan hemzelf en het team. Maar het was juist deze vraag die het systeem oriënteerde op een specifiek klantprofiel in plaats van abstracte transactieregistratie.

De projectontwikkelaar hield in de eerste plaats rekening met de wensen van de bedrijfseigenaren – zij financierden het project. Maar de verkoopmanager hield voet bij stuk, en uiteindelijk ontstond er een extra taak: het samenstellen van een gerichte database met directe contactpersonen van besluitnemers met wie een deal gesloten kon worden, in plaats van een algemene lijst met bedrijven.

Waarom de "ruwe" database van ChatGPT en Claude niet werkte

Een eenmalige query naar het taalmodel levert een conceptlijst op zonder validatie- of selectiecriteria – niet voldoende voor een functionerende verkoopdatabase. Dit is precies wat er in dit geval is gebeurd.

Een van de eigenaren stelde voor dat het hoofd van de verkoopafdeling een klantendatabase zou verzamelen met behulp van ChatGPT of Claude. Hij voerde de opdracht nauwgezet uit: hij nam de gedownloade database mee naar de volgende vergadering en analyseerde direct waarom deze nutteloos was. Werken met ruwe data verspilt de tijd van het team aan verificatie en levert zonder verdere verwerking geen resultaten op.

Het standpunt van de salesmanager was duidelijk: hij was bereid om met een database te werken, maar niet met een database die verkregen was via een enkel verzoek aan een chatbot zonder selectiecriteria. Het project vereiste gespecialiseerde, betaalde databronnen en aangepaste scoringscriteria – een aparte onderneming die een enkel gratis verzoek niet kon vervangen.

Hoe een scoresysteem voor besluitvorming is ontwikkeld voor een nichemarkt.

De salesmanager van de klant heeft de scorings- en analysecriteria zelf ontwikkeld. Deze zijn afgestemd op hun specifieke nicheprofiel, maar het principe is van toepassing op elk B2B-bedrijf met een smal klantsegment:

1. Definieer het ideale klantprofiel met een specifiek kenmerk, bijvoorbeeld "hotel met een spa" in plaats van de algemene categorie "hotel".
2. Zoek naar indirecte profielindicatoren via open data: vacatures voor spa-specialisten geven bijvoorbeeld aan dat het hotel een spa-afdeling heeft.
3. Bekijk de websites van potentiële klanten voor directe aanwijzingen van een niche, zoals de aanwezigheid van een spa-gedeelte en beschrijvingen van de aangeboden diensten.
4. Verzamel de contactgegevens van besluitvormers via gespecialiseerde, betaalde databronnen; openbare adresboeken alleen zijn hiervoor niet voldoende.
5. Bewaar contactpersonen en interactiegeschiedenis samen met deals in uw CRM-systeem, zodat uw verkoopteam ze niet apart hoeft op te zoeken.

Dit resulteerde in een gerichte steekproef met directe contacten van besluitvormers, die, in combinatie met het CRM-systeem, een effectief verkoopinstrument werd.

Wat heeft het bedrijf er uiteindelijk aan overgehouden?

De verkoopafdeling verspilde geen tijd meer aan het verspillen van middelen aan willekeurige bedrijven en kreeg eindelijk een duidelijk antwoord op de vraag: "Aan wie verkopen we nu precies?" – een klantprofiel met directe contactgegevens van de besluitvormers binnen het CRM-systeem, zonder dat daarvoor een aparte database nodig was. De kosten bestaan uit een eenmalige ontwikkelingsvergoeding, zonder maandelijkse abonnementskosten voor het gebruik van de dienst.

Voor wie is deze aanpak geschikt?

Het ontwikkelen van een eigen CRM-systeem met een database voor besluitvorming is niet altijd praktisch. Het is wel zinvol als uw bedrijf:

• verkoopt aan een smalle B2B-niche met een duidelijk klantprofiel (zoals banchem.sk - aan spa-centra en hotels met spa's);
• Ben je bereid om criteria te formuleren voor het beoordelen van je doelgroep in plaats van te vertrouwen op een algemene lijst van bedrijven?
• Ik ben er al achter gekomen dat kant-en-klare CRM-systemen geld vragen voor functies die niemand gebruikt.

Voor massale B2C-verkoop of eenvoudige orderverwerking is een website met een aanvraagformulier en een berichtenkanaal meestal voldoende; een aparte CRM-oplossing is niet nodig. Een vergelijkbare logica van "een systeem op maat in plaats van een standaarddienst" is terug te vinden in de casestudy over de boekhouding van de webwinkel lpkelektro.cz.

De auteur van de casestudy presenteerde het systeem van binnenuit in een videoreview, waarin hij CRM analyseerde aan de hand van een beslissingsdatabase en uitlegde waarom CRM zonder zo'n database en automatisering nutteloos blijft.

Vragen en antwoorden

Waar haalt het CRM-systeem zijn database met contactgegevens van besluitnemers vandaan, en niet alleen een lijst met bedrijven? Een lijst met bedrijven alleen is nutteloos – er is een niche-specifieke score nodig. De salesmanager van de klant heeft de criteria vastgesteld: hotels met een spa zijn geschikt, andere niet. Er wordt gezocht naar spa's op de website van het bedrijf en via de vacatures voor spa-specialisten die het hotel plaatst. Dit filter wordt gebruikt om een gerichte database met directe contactpersonen samen te stellen.

Waarom zou je niet gewoon zo'n database bouwen met ChatGPT of Claude? Een snelle zoekopdracht in een kant-en-klaar model levert een lijst op uit open bronnen zonder verificatie- of selectiecriteria. Een haalbaar alternatief zijn betaalde branchedatabases in combinatie met aangepaste scorecriteria: een enkele zin in een AI-chat is niet voldoende.

Is een CRM-systeem op maat duurder dan een kant-en-klare abonnementsdienst? Het zijn eenmalige kosten tijdens de ontwikkelingsfase, maar er zijn geen maandelijkse kosten en geen modules die niemand gebruikt. Terugkerende betalingen en onnodige functionaliteit waren in dit geval de redenen om kant-en-klare oplossingen af te wijzen.

Is deze aanpak geschikt voor elk klein bedrijf? Nee – het is gerechtvaardigd in een smalle B2B-niche met een duidelijk klantprofiel, en wanneer kant-en-klare CRM-systemen klanten dwingen te betalen voor onnodige functies. Voor massale B2C-activiteiten of eenvoudige orderverwerking is een website met een aanvraagformulier en berichtenopties meestal voldoende.

Bronnen

• Het bericht van de auteur op Telegram kanaal "Business with AI | Through the Keyhole": https://t.me/promtvibeadd/447
• Website van de klant: https://banchem.sk/

Een vergelijkbare logica geldt voor websites: een systeem dat is afgestemd op jouw niche in plaats van een sjabloon van iemand anders te huren. 1001site AI – een AI-agent – creëert binnen enkele minuten een website of webwinkel op basis van jouw link of beschrijving.