In dit blog wil ik je niet onze oplossing verkopen, maar enkele interessante onderzoeken met je delen. Datagedreven marketing wordt overal aangehaald als de toekomst, maar uit diverse onderzoeken blijkt dat we als marketeers nog de nodige hordes moeten nemen om echt datagedreven aan de slag te gaan.
Jurgen Verheijen
Marketing lead
Om datagedreven te kunnen werken is het allereerst belangrijk om je af te vragen hoe goed de kwaliteit van die data nu daadwerkelijk is. Waar komt de data die je ziet bijvoorbeeld vandaan? En hoe is die data tot stand gekomen? Relevante vragen om jezelf te stellen.
Enkele jaren geleden is er onderzoek gedaan naar de kwaliteit van data wat betreft programmatic display advertising. In dit systeem gebruikt men diverse geautomatiseerde processen, waaronder het vaststellen van doelgroepen. Om dat concreet te maken worden mensen die op websites over pensioenen komen geplaatst in een oudere leeftijdsgroep dan personen die veelvuldig te vinden zijn op websites over kinderkleding. Nu hebben de onderzoekers (MIT, GroupM en Melbourne Business School) gekeken naar hoe goed die geautomatiseerde processen werken in het juist weergeven van de leeftijd en het geslacht.
Wat blijkt? De geautomatiseerde processen hebben het geslacht in gemiddeld 42% van de gevallen goed en de leeftijd in slechts 24% van de gevallen. Overige onderzochte attributen scoren zelfs nog slechter. Kortom, miljoenen worden gespendeerd aan onjuiste en niet relevante doelgroepen.
Daarbij wordt overigens ook aangegeven dat er optimalisatie software voorhanden is die de identificatie van doelgroepen kan verbeteren, maar de relatieve extra kosten die daarmee gemoeid zijn wegen niet op tegen de voordelen volgens de onderzoekers.
Om zelf eens te testen hoe goed dergelijke geautomatiseerde modellen jouw als persoon en jouw eigenschappen kunnen voorspellen, kan je ook zelf de proef op de som nemen om te zien of het goed wordt voorspeld. Dat heb ik ook gedaan, hierbij de link, door een uitdraai te uploaden van mijn LinkedIn data. Hierbij wordt mijn geslacht goed weergegeven, maar qua leeftijd zitten ze er een jaar naast. Ik word jonger geschat, wellicht is dat een subtiel compliment van de software.
Daarnaast wordt er ook naar je persoonlijkheid gekeken en ook daar lees ik een en ander wat ik vind passen bij wie ik ben als persoon. Kortom, in mijn praktijkvoorbeeld zit de voorspelling eigenlijk goed in de richting. Al is het hier natuurlijk N=1 bij 1 partij.
De resultaten uit het onderzoek werden voorgelegd door Peter Weinberg (LinkedIn B2B Institute) aan Dr. Augustine Fou, een onderzoeker en consultant op het gebied van advertentiefraude. Fou geeft daarbij aan dat naast foutieve data men ook rekening dient te houden met robots. Het is namelijk mogelijk voor iemand om een website op te zetten en van daaruit geautomatiseerd een bot op advertenties te laten klikken op die website. Genoeg kliks om op te vallen en te weinig om verdacht te zijn. Vervolgens zien inkopers dat deze website wel een mooie doorklik ratio heeft en wordt daar dus budget aan toegekend. Ook hier zou het gaan om miljoenen aan advertentiebudget die onjuist worden ingezet.
Naast het eerder behandelde onderzoek, blijkt ook uit diverse studies dat het vertrouwen in de kwaliteit van marketing data voor verbetering vatbaar is.
In 2017 bleek al dat slechts 12% van de B2B marketeers een groot vertrouwen hebben in de nauwkeurigheid van de data die ze managen. Aanvullend gaf 84% van het Forrester panel aan dat ze de kwaliteit van hun marketing data zien als een van de 5 grootste zwaktes.
Recent Europees onderzoek van DVJ Insights bevestigd dat data gedreven werken nog steeds een uitdaging is. Volgens 72% van de ondervraagde marketeers is door de toename en toepassing van data, data de grootste uitdaging voor de toekomst. Hierbij geven velen aan dat ze geen toegang hebben tot de juiste informatie. Alleen het ontbreken van de juiste capaciteiten om data te analyseren wordt als een nog grotere te nemen hobbel.
Kortom, we zien de uitdagingen als marketeers zelf ook. We blijven echter ook investeren in advertenties bij onjuiste doelgroepen en communiceren naar onjuiste en onrelevante contactpersonen. Is het dan wellicht niet tijd om intern een data steward/verantwoordelijke te hebben of gebruik te maken van een externe data expert? Er wordt immers ook samengewerkt met online/digital experts, copywriters, etc. Waarom dan niet op het gebied van data?
Door alle uitdagingen die er leven zou je jezelf bijna afvragen of het nog wel de moeite waard is om data-driven marketing toe te passen? Nou gelukkig kan ik daar kort in zijn: ja. Het is zeker de moeite waard. In het onderzoek van DVJ Insights zijn namelijk ook goed-presterende bedrijven vergeleken met minder goed-presterende bedrijven.
Vanuit die analyse blijkt duidelijk dat de goed presterende bedrijven meer datagedreven zijn. En om dat in perspectief te zetten, het wordt door de 2000 marketeers onder andere boven consistent marketingbeleid en innovatie geplaatst als driver voor groei.
Datakwaliteit is dus een issue en we zien daar ook de uitdagingen en ondertussen is het ook een belangrijke driver voor groei. Helder, maar hoe ga ik de uitdagingen te lijf hoor ik je denken.
Nou laten we beginnen bij de facetten die de goed presterende bedrijven onder de knie hebben vanuit het eerder aangehaalde Europese onderzoek. Daarbij werd dus aangegeven dat over de juiste capaciteiten beschikken belangrijker is dan de juiste data of de juiste tools. Op zich wel logisch, want je data kan nog zo goed zijn en uit de juiste tools komen, maar je hebt dan ook wel de capaciteiten nodig om daar de juiste conclusies uit te trekken.
Terugkomend op mijn eerdere punt om wellicht gebruik te maken van een externe data expert kan die ook hier zorgen voor de benodigde capaciteiten om de data te analyseren.
Naast die zoektocht naar de juiste capaciteit is er ook een proces dat vanuit het onderzoek naar voren komt. Hetgeen wordt onderverdeeld naar 3 ontwikkelingsfasen: de start, het gebruik en de verdieping ofwel de expertfase. Waarbij slecht 27% wordt gezien als data expert.
Voor ik hier verder op in ga is het belangrijk om te weten dat deze fasering vergelijkbaar is met het data maturity model dat Gartner begin 2018 presenteerde. Ook daar werd destijds al geconcludeerd dat er nog maar weinig data experts zijn ofwel organisaties die het hoogste level van data maturiteit hebben bereikt. Kortom, nog voldoende uitdaging zoals we al eerder concludeerden.
In de 3 fases die uiteen worden gezet, blijkt de grootste winst met name te halen in het opschalen van gebruik naar verdieping. Daarbij is de crux vooral om niet bij elke beslissing data te hebben die de beslissing ondersteunt. Nee, het gaat er juist om dat je bij alle beslissingen data gebruikt. Zo blijkt ook dat goed presterende bedrijven data gebruiken van pricing en merkstrategie tot productintroducties. Overigens geven die partijen ook aan dat er nog meer data gebruikt kan worden om elke beslissing verder te optimaliseren.
Naast de juiste capaciteit en toewijding, is het ook van belang dat je data integreert. Dit wordt ook al vele jaren aangehaald door diverse partijen, maar in de praktijk bij nog maar 25% wordt toegepast. Dit blijkt grotendeels te komen door de complexiteit die dit met zich meebrengt. Mijn tip: start simpel.
Besef je daarbij ook welke elementen vanuit de marketing technologie die je toepast fundamenteel zijn en zet die allereerst centraal. Gaat het vooral om verkoop en klantbeheer? Dan is je CRM waarschijnlijk het meest fundamenteel en pak die dan ook als basis. Is het juist de content? Kies dan vanzelfsprekend voor een contentmanagement oplossing. Vervolgens kan je vanuit die basis kijken hoe je zaken daarop kan/wil aansluiten.
In dit blog heb ik laten zien dat datagedreven marketing de nodige uitdagingen met zich meebrengt en zaken waar je als marketeer kritisch naar dient te kijken. Waar komt data vandaan, hoe goed is de kwaliteit, maar bovenal hebben we de juiste capaciteiten om de data te kunnen analyseren.
Daarbij heb je als marketeer een belangrijke rol, los van het aandragen van het belang van datagedreven marketing, is het ook van belang dat je de juiste vragen stelt, integratie intern hoog op de agenda zet en dat je het ook vooral kort en simpel houdt om mee te starten. Te veel data kan juist de besluitvorming verlammen en een averechts effect hebben.
In deze aanpak sta je zeker niet alleen en kan je gebruik maken van de hulp en expertise van diverse collega’s. Zo zullen andere afdelingen, zoals de IT afdeling, ook baat hebben bij data integratie, want hoe meer silo’s hoe meer onderhoud en hoe meer IT kosten. Daarnaast kan je collega van de inkoop helpen om bij het inkopen van data de lijntjes zo kort mogelijk te houden. Zoals Weinberg ook aangeeft, hoe korter de lijntjes hoe minder tussenschakels en hoe minder risico. Menig inkoper zal het daar roerend mee eens zijn en je kunnen helpen om daar werk van te maken.
Denk echter ook aan de inzet van externe data experts die kunnen zorgen voor het benodigde stukje analyse capaciteiten, data management en ga zo maar door. Waardoor jij je vooral kan blijven focussen op je marketing taken, zoals je dat ook kan door de inzet van onder andere online/digital experts en copywriters.
Vond je dit blog van Jurgen interessant en wil je meer van dit soort berichten ontvangen?
Schrijf je hier in voor onze nieuwsbrief!
Klant-gestuurde Agile ontwikkeling