Praktisch aan de slag met data driven marketing

Data helpt marketeers keuzes te maken op basis van inzichten uit het verleden en voorspellingen van de toekomst. Descriptive, prescriptive en predictive analytics zijn voor veel marketeers de basis om een product te introduceren, campagne op te starten of website te optimaliseren. Data driven marketing helpt om nog beter te zijn in waar marketing op draait: op het juiste moment contact te leggen met de juiste klanten, met het juiste aanbod. Inmiddels kan je als marketeer niet meer zonder data en maakt data je werk op allerlei manieren makkelijker en beter.

Voordelen data driven marketing

Elke marketeer werkt inmiddels wel met data en je hoeft ook vast niet meer overtuigd te worden van het belang van data driven marketing. Door de inzet van data krijg je meer kennis en inzicht in je klant, ontdek je via welke kanalen je je doelgroep aanspreekt en kan je (online) personaliseren. “De enorme hoeveelheid data van een bijna oneindige combinatie van media, apparaten, platforms en kanalen biedt marketeers de mogelijkheid om 1-op-1 klantervaringen te leveren op een enorme schaal. Als dit op de juiste manier wordt ingezet, kan een bedrijf met een miljoen klanten een ervaring leveren die net zo op maat is als een bedrijf met een dozijn klanten.” Aldus Tom Benton, de CEO van data and Marketing Association

Soorten data

Als marketeer kan je veel verschillende soorten data gebruiken. Veel van die data is al in de organisatie aanwezig. Het is aan jou om deze data te verzamelen en om te zetten naar inzichten en acties. Als je binnen een grotere organisatie werkt, is dat eerste (data verzamelen) wellicht een taak van collega’s. Naast interne data als digital analytics en CRM data, zijn er ook externe databronnen die jouw inzichten kunnen verrijken. Denk daarbij aan demografische of geografische data. In deze podcast van Studio Beeckestijn ontdek je hoe je inzichten uit externe databronnen haalt.

Klantdata kan je opdelen in vier verschillende categorieën:

• Zero party data is een categorie die minder bekend is als de anderen, maar het gaat hierbij om is data als voorkeuren, koopintenties of persoonlijke context. Net als bij 1st party data is het data die de klant vrijwillig deelt, maar het gaat bij zero party om het verzamelen van voorkeuren i.p.v. klantdata als naam en e-mail (bronnen: Forrester & Emerce)
• 1st party data is data die je bedrijf rechtstreeks verzamelt van je publiek, of het nu gaat om klanten, websitebezoekers of sociale media volgers. Het is je eigen data. 1st party data kan onder meer bestaan uit demografische informatie, gedragingen of acties op je website, app of product, gegevens in je CRM, sociale media gesprekken, abonnement gebaseerde e-mails of producten, enquêtegegevens, klantfeedback, aankoopgeschiedenis en online chat transcripten. 1st party data is belangrijk omdat het je helpt om je publiek beter te begrijpen en te bereiken met nauwkeurige marketingcampagnes.
• 2nd party data is in feite de 1st party data van een andere organisatie die deze rechtstreeks van haar publiek verzamelt en vervolgens direct aan een ander bedrijf verkoopt. Het kan gaan om gegevens van activiteiten op websites, apps en sociale media, aankoopgeschiedenis in de winkel, enquêteresultaten en meer. 2nd party data is nuttig omdat het je in staat stelt om je eigen gegevens aan te vullen met relevante inzichten van een vertrouwde partner of een bedrijf dat een vergelijkbaar publiek heeft als jij.
• 3rd party data is data die wordt verzameld en beheerd door organisaties die geen directe relatie hebben met klanten of het bedrijf dat de data gebruikt. Het kan gaan om gegevens die zijn samengesteld uit verschillende bronnen of zelfs afkomstig zijn van overheids-, non-profit- of academische bronnen (bijvoorbeeld weergegevens, openbare demografische gegevens). 3rd party data wordt vaak gedeeld of gekocht en verkocht op data marktplaatsen of beurzen. 3rd party data is handig omdat het je in staat stelt om een breder beeld te krijgen van je doelgroepen en nieuwe segmenten te ontdekken die je anders misschien niet zou bereiken.

De komende tijd zal 3rd party data op steeds meer plekken uit gefaseerd worden. Hierdoor zijn organisaties steeds vaker op zoek naar jouw klantdata (1st party data).

Data driven decision making

Veel marketeers worstelen nog met een data-driven aanpak. Onderzoek van DVJ insights laat zien dat “72% van alle marketeers de toenemende beschikbaarheid en toepassing van data als de grootste uitdaging voor de toekomst ziet”. Het onderzoek laat ook zien dat succesvolle bedrijven vaker gebruik maken van Data-Driven Decision Marketing dan bedrijven die minder goed presteren. “Niet eerder was het verschil tussen winners en losers zo groot.”

Wat maakt het data-driven-werken dan zo uitdagend? Veel marketeers voelen zich overweldigd door het idee van het verzamelen van klantdata. Ze voelen zich verlamd door de overvloed aan beschikbare informatie. Het resultaat is angst om zelfs maar een data-driven campagne te overwegen. Een andere uitdaging is het overwinnen van silo’s. In veel organisaties wordt het contact met markt en klanten verdeeld over meerdere, versnipperde teams. Elk daarvan richt zich op een andere specialisatie of een ander gebied. Maar dit leidt er vaak toe dat teams informatie op een totaal andere manier analyseren.  

Voorwaarden voor data driven marketing

Het ‘People, Process & Technology framework van Harold Leavitt laat zien welke drie factoren essentieel zijn voor data driven marketing. Het framework wordt ook niet voor niks de ‘gouden driehoek’ genoemd.

People

Je hebt als marketeer de juiste kennis en skills nodig. Het gezegde luidt niets voor niks ‘if you torture data long enough, it will confess to everything’. Mensen maken nou eenmaal fouten, alleen is dat natuurlijk een gevaar als je vervolgens die data gebruiken als basis voor beslissingen. Gelukkig komen er steeds meer tools die hierbij helpen. Echter, blijft het vertalen van inzichten naar acties een belangrijke taak voor de data driven marketeer.

Econsultancy benoemd een aantal vooroordelen (biases) die goed zijn om hier te benoemen:

• De bevestigingsbias: Op zoek gaan naar de data die een bestaande mening of standpunt ondersteunt.
• Valse causaliteit: Aannemen dat er een verband bestaat tussen twee gebeurtenissen die tegelijkertijd plaatsvinden. Er zijn heel veel factoren die bijdragen aan het succes van een campagne of landingspagina. Wellicht heb je net de tekst geoptimaliseerd en laat de data een stijging in conversies zien, maar is er een andere oorzaak die de conversiestijging veroorzaakt.
• Het observatoreffect: Als je nieuwe klantdata verzamelt door interviews of focusdata bestaat het risico dat observatie tijdens een aankoop het gedrag van klanten beïnvloed. Daarnaast zit er vaak een verschil in wat mensen zeggen dat ze doen en daadwerkelijk doen. Dat maakt bijvoorbeeld neuromarketing populair.

Tools & technologie

Zonder tools en technologie natuurlijk geen data-analyse. Want met de groeiende databerg is er geen beginnen aan alles handmatig te analyseren. Tools als Power BI helpen diverse databronnen te combineren en te visualiseren. Ook komen er door de toenemende toegankelijkheid van AI gedreven tools steeds meer mogelijkheden voor predictive en prescriptive analytics.

Predictive analytics gebruikt statistische technieken, zoals machine learning algoritmen en voorspellende modellen, om huidige en historische gegevens te analyseren en te schatten wat er waarschijnlijk zal gebeuren. Het is het antwoord op de vraag “Wat zou er kunnen gebeuren?”

Prescriptive analytics gebruikt vergelijkbare modelleringstechnieken om mogelijke uitkomsten te voorspellen en vervolgens een combinatie van logica, bedrijfsregels, simulatie, optimalisatie en algoritmen te gebruiken om verschillende benaderingen van deze uitkomsten te simuleren. Het suggereert dan de beste mogelijke acties om de bedrijfspraktijken te verbeteren. Het is het antwoord op de vraag “Wat moeten we doen om dit te bereiken?”

Proces

De laatste dimensie is proces. In de context van het raamwerk beschrijft vooral het “hoe” aspect. Hoe bereiken we het gewenste resultaat? Hoe gebruiken we de mensen en de technologie om het bedrijfsprobleem op te lossen? Processen zijn herhaalbare acties die in theorie hetzelfde resultaat opleveren, ongeacht wie ze uitvoert.

In de rest van het artikel duiken we verder in de piramide van Rodenburg die laat ziet welke stappen onderdeel zijn van het proces van data naar acties. Dit helpt jullie proces verder vorm te geven. Maar voor dat we inzoomen op die praktische vertaalslag, zijn er nog een paar aandachtspunten om te benoemen bij proces.

Allereerst is het belangrijk dat jouw collega’s (people) snappen wat hun rol in het proces is en wat er van ze verwacht wordt. Dit betekent dat je de juiste instructies en training moet geven.  “Als je het niet kunt meten, kun je het niet verbeteren.” Daarom moet elk proces meetbare indicatoren hebben die het succes te meten. Dus ook jouw proces voor data driven marketing wordt data gedreven.

Stop ook niet te veel tijd in het ontwerpen van het proces. Organisaties veranderen voortdurend. Technologie verandert, mensen veranderen, marktomstandigheden veranderen, etc. Sommige processen zullen dus minder nuttig worden of op de schop moeten. Zorg er dus voor dat je een proces neerzet waarbij je snel aan de slag kan en dat je continue bijschaaft en optimaliseert.

Aan de slag met data-driven marketing

Waar en hoe start je met meer data gestuurde beslissingen nemen als marketeer? Zeker als je in een kleine organisatie werkt en er geen overkoepelende datastrategie en datateams of specialisten zijn om op terug te vallen? Onderstaande piramide van Rodenberg laat schematisch zien hoe je data omzet in acties.

Maar voordat je als kip zonder kop data gaat verzamelen is het goed een plan van aanpak uit te werken. Hierbij doorloop je eigenlijk de piramide van boven naar beneden. Je start namelijk bij een doel om vervolgens te bepalen welke data je nodig hebt.

1. Data driven marketing is een middel en geen doel. Dus je start met het beschrijven wat je doel is. Wat wil je met data bereiken? En hoe? Dit doel wordt jouw leidraad voor dit praktische stappenplan.
2. Welke inzichten heb je nodig om besluiten te nemen? Deze inzichten leidt je af aan je doel
3. Doe vervolgens nog een paar stappen naar beneden in de piramide. Welke data heb je nodig om tot bovenstaande inzichten te komen?
4. Bepaal vervolgens welke data al beschikbaar is. Waarschijnlijk heb je al veel data liggen waarmee je aan de slag kan. Denk aan (social media) analytics en klantdata.
5. Vervolgens ga je de data verzamelen die nog ontbreekt en klim je stap voor stap verder de piramide van Rodenberg op
6. Als je de top (implementatie van je acties) hebt bereikt, stopt het niet. Je wil blijven meten en optimaliseren.

De volgende stap in data driven marketing

Heb je ondertussen data driven marketing al aardig onder de knie en wil je binnen de hele organisatie data als motor hebben? Ontdek meer over een data driven organisatie in deze artikelen.