Hoe word je een databedreven marketeer?

Steeds meer bedrijven verzamelen data. En dan bedoel ik letterlijk: het verzamelen. Een webshop wordt helemaal volgegooid met trigger-elementen voor Google Tag Manager en bij het laden van een pagina worden er tientallen datascripts ingeladen. Dat dit een webshop traag maakt en voor een slechte user experience zorgt is daarbij van ondergeschikt belang. Maar wat doe je met al die data?

Inmiddels hoeven we niet meer overtuigd te worden van het belang van (juiste) data. Maar hoe weet je nu welke data je moet verzamelen en analyseren? Danny Oosterveer schreef er het boek Databedreven marketing (affiliate) over. Aan de hand van wetenschappelijke inzichten en praktijkvoorbeelden reikt Danny kennis en vaardigheden aan om waardevolle data naar zinvolle inzichten te vertalen en daarmee de marketinginspanningen te verbeteren.

Belang databedreven marketing

Marketeers moeten bedreven raken in het verzamelen van de juiste data, het samenbrengen van verschillende datastromen, het koppelen van systemen, het vinden en interpreteren van data en het formuleren en doorvoeren van acties, geeft Bram Koster, senior Consultant bij Evolve aan. “De term ‘datagedreven marketing’ suggereert dat het hebben van meer data altijd goed is. In de praktijk blijkt anders en is een datagedreven machine zoals marketing automation maar voor weinig bedrijven weggelegd.”

Natuurlijk is het fijn om data te hebben over een bannercampagne, zodat je kunt bijsturen. Maar misschien zit de oorzaak van het uitblijven van succes niet in de campagne zelf, maar in externe factoren die je niet kunt zien in de data.

Het is belangrijk dat online marketeers zich niet alleen maar bezig houden met het verzamelen van allerhande data, maar dat ze zich vragen gaan stellen, bijbehorende metrics zoeken en vooral verder kijken dan de informatie uit de al beschikbare data. Laat je niet meer leiden door data, maar laat de data voor je werken.

Laat je niet meer leiden door data, maar laat de data voor je werken.

Danny Oosterveer heeft het PEACO-model (Plan, Execute, Analyze, Communicate, Optimize) centraal staan. Het PEACO-model is een krachtige methode om de prestaties van je organisatie databedreven te verbeteren. Omdat je deze cirkel elke keer opnieuw doorloopt, blijf je continu optimaliseren.

Plannen

De cirkel start met het bepalen van een strategie. Danny Oosterveer haalt in zijn boek een uitspraak van managementdenker Peter Drucker aan.

You can’t manage what you can’t measure.

Hiermee bedoelt Drucker dat pas na bepaling van wat nu precies succes is en hoe dat gemeten kan worden een organisatie ook pas succesvol kan zijn. Bij het opstellen van een strategie is het dus belangrijk om ook meteen te kijken hoe je de strategie kunt meten. Daarvoor gebruikt Oosterveer het SNM-model (Strategie naar Metric) met zes stappen. Hierbij begin je met het doel eindig je bij de PI (Prestatie-indicatoren oftewel de tactische meetpunten).

Zodra de strategie is omgezet naar onderliggende doelen en bijbehorende metrics waarmee de organisatie tijdig kan ingrijpen als de doelstellingen uit zicht raken, is het tijd voor het verzamelen van data.

Verzamelen

Waarschijnlijk denk je nu dat het verzamelen van data alleen even het toevoegen van een Google Analytics of Tag Manager-code aan de webshop of website voldoende is. Maar niets is minder waar. Om de metrics te vullen met de juiste data moet je verder kijken dan alleen naar een web analytics-tool. Misschien hebben jouw metrics juist voornamelijk kwantitatieve methoden nodig zoals SEO analytics-tools of andere datasoftware-tools waarmee je kunt bepalen ‘wat’ er gebeurt. Of kun je al direct beginnen met de kwalitatieve methoden om uit te vinden ‘waarom’ iets gebeurt. Hiervoor worden interviews of focusgroepen gebruikt. Om tot de beste inzichten te komen is het belangrijk deze twee methoden gecombineerd te gebruiken.

In de praktijk zie je dat er veel energie wordt gestoken in data-analyse en dus voornamelijk kwantitatieve methoden. Zodra er een bepaald patroon gevonden is, wordt de ‘waarom’-vraag beantwoord op basis van onderbuikgevoel. Maar weinig bedrijven besluiten om het de klant of de desbetreffende interne afdelingen te vragen.

Analyseren

Zodra alle data binnen is, kun je beginnen met het analyseren. Data is vaak niet het probleem. Maar als je het niet kunt vertalen naar inzichten, heb je er niets aan. Het analyseren van data is geen one-size-fits-all-oplossing. Uiteindelijk gaat het om de juiste vragen stellen en daarvoor een hypothese opstellen. Desondanks is het belangrijk altijd kritisch te blijven en er soms voor kiezen om de data toch te overrulen.

Kijk wel uit voor zogenaamde HIPPO’s en ZEBRA’s, geeft Oosterveer aan in zijn boek. Organisatie die databedreven werken laten de data leidend zijn en niet de Highest Paid Person’s Opinion. Ook Zero Evidence But Really Adamant, oftewel: iemand met veel ervaring en kennis maar geen data heeft om zijn of haar uitspraken te onderbouwen, moet je zoveel mogelijk negeren.

Communiceren

Zodra je alle informatie binnen hebt, geanalyseerd en omgezet in vervolgacties, is het belangrijk om de organisatie mee te krijgen. Dat krijg je niet voor elkaar door een bak met cijfers over iemand uit te strooien. Het beste is om dit te doet door middel van data-storytelling. Door het gebruik van een verhaal neem je je collega’s en directie mee en maak je het begrijpelijk. Daarin is het belangrijk om de data ondersteunend te maken aan het verhaal. Zet de belangrijkste data om in visuals zoals grafieken. Uiteindelijk gaat het niet om de data maar tot welke inzichten je bent gekomen.

Optimaliseren

Zijn de vervolgacties duidelijk? Dan is het tijd voor het in de praktijk brengen van deze acties. Zoals beleggingsinformatie uit het verleden geen garantie geeft voor de toekomst, is dat ook het geval voor vervolgacties maken op bestaande data. Het kan dus voorkomen dat je (ondanks je uitstekende analyse) toch moet bijsturen. Dit kun je doen door middel van experimenten. Door het testen van je uitkomsten kun je op basis van kleinere steekproeven goed zien of bepaalde vervolgacties inderdaad zorgen voor het gewenste resultaat. Zo niet? Dan kun je bijsturen.

De juiste mindset

Databedreven werken vraagt om een andere mindset. Aan de ene kant is het verzamelen van data belangrijk, maar wat de databedreven marketeer anders maakt is dat je leert door te doen in plaats van door te denken. Het boek Databedreven marketing vertelt je niet wat je moet doen maar geeft je alle belangrijke tools om te leren wat wel en niet werkt voor jouw business.

Zoals Oosterveer aangeeft: “Marketeers die verwachten dat data-bedreven marketing een panklaar antwoord is, komen bedrogen uit. Dat kan ook niet, want er is geen gouden formule die voor het oprapen ligt. Bovendien is succes voor iedereen iets anders. Databedreven marketing helpt je echter wel om die gouden formule te vinden.”

Minder meten is soms meer weten.

Het boek staat bomvol stappenplannen, voorbeelden en tools waarmee je direct aan de slag kunt. Daarnaast deelt Danny meer informatie over big data en de privacywetgeving, een issue waar veel databedreven marketeers tegenaan lopen. Uiteindelijk zijn mensen belangrijker dan tools. Daarom vind je ook het ideale profiel terug van een databedreven marketeer. Voor het meest moeilijk gedeelte, namelijk het bepalen van de juiste metrics, heeft Oosterveer een bijlage gemaakt waarin de metrics worden uitgelegd op basis van de customer journey. Alleen al de bijlage maakt de aanschaf van dit boek de moeite waard. En onthoud: minder meten is soms meer weten. Hou daarbij ook rekening met de user-experience van de bezoeker.