Het geheim achter datagedreven organisaties

Bedrijven moeten anders gaan denken, willen ze in datagedreven marketing de volgende stap maken. Juist de inrichting van de organisatie en mindset zijn van belang.

Op de DDMA Datadag gaf Pim Nauts, de lead datasciene van bol.com, een voorbeeld van anders denken. Als je serieus bezig bent met datagedreven marketing zoals bol, optimaliseer je niet voor de meeste conversies of omzet. Dat lijkt vreemd, maar dat is het niet.

Je optimaliseert namelijk op learnings. Zo snel mogelijk zoveel mogelijk leren, daar richt je de organisatie en tooling op in. Want learnings have a compounding effect, ze hebben een steeds grotere invloed op succes over de tijd gezien.

Je te veel laten leiden door (tussen)resultaat zorgt voor risicomijdend gedrag. Een testgroep van 10 procent van het sitebezoek, want ja… er is een risico dat de test het slechter doet dan de controleversie.

Bedrijven moeten dus anders gaan denken over hun data en datagedreven werken, willen ze de volgende stap maken. De grootste uitdagingen liggen bij de organisatie, blijkt uit het Data Driven Marketing Onderzoek van de DDMA.

4 uitdagingen

In de top vijf uitdagingen staan wat mij betreft vier die met de organisatie en mindset hebben te maken.

1. Het realiseren van een ‘data driven cultuur’, culture eats everything for breakfast, toch?
2. Techniek, systemen en tooling (MarTech)
3. Betere samenwerking tussen afdelingen
4. Kennis en vaardigheden van medewerkers

Tweerichtingsverkeer voor marketingtools en organisatie

In een moderne organisatie mag je MarTech niet apart zien van de organisatie. In ieder geval omdat de organisatie in grote mate bepaalt welke tools het beste passen. Speciale aandacht in de organisatie dus bij datagedreven werken voor de inrichting van techniek, systemen en tooling (MarTech).

Maar sinds kort denk ik ook dat het ook andersom werkt. Tweerichtingsverkeer. De tools die je kiest hebben invloed op mensen, mindset en marketingorganisatie.

Ik sprak laatst met hoofd BI van een Amerikaanse retailer in luxegoederen. Ze maken doelgroepselecties in een tool die een propensity score, de waarschijnlijkheid van aankopen, weergeeft. Als marketeer kun je de selectie dan zelf met een slider aanpassen. Je selecteert een kleinere gerichte groep met hogere propensity score, of een grotere groep die minder gericht is. De grote winst was volgens hem niet de extra winst van de slimme targeting (ook wel hoor), maar vooral dat de collega’s nu bewust bezig zijn met de data. Dat komt omdat ze de werking van het voorspellende datamodel dagelijks zien.

Het gevolg is dat ze nu de marketing en sales zelf over propensity scores praten en suggesties doen voor nieuwe initiatieven en selecties op basis van data. Ze spreken de taal, want als je zelf aan de knop draait, moet je wel weten wat ‘ie doet. Het hoofd van BI had het slim aangepakt door tooling te kiezen waar de eindgebruikers zelf met de modellen aan de slag kunnen. Dat zelf aan de slag gaan, daar is een woord voor, de citizen data scientist. Het verankert de kracht van data science in de de organisatie.

Bij bedrijven die serieus met datagedreven marketing aan de slag gaan, verankert de citizen data scientist die kracht in de organisatie.

Een bedrijf mag zich dus best afvragen: ‘Hoe zorg ik ervoor dat marketers zelf, eenvoudig, gebruik kunnen maken van de data?’ Een MarTech-inrichting volgens de data accesibility by design-filosofie. Hoe toegankelijker en makkelijker het is om extra resultaat te bereiken en learnings op te doen, hoe beter.

Hoe werken high-performers datagedreven?

Het loont om te kijken wat succesvolle bedrijven doen. Een recente studie van CDP-leverancier Lexer laat zien dat bedrijven die hoge waarde uit data halen voldoende middelen ter beschikking moeten hebben. Als je via data een voorsprong wil op de concurrentie, moet er prioriteit aan worden gegeven. Investeren dus.

Wat ik interessant vind, is dat high-performers ook veel vaker self-serve insights en data made easy aangeven. Toegang staat gelijk aan adoptie. Dit is denk ik waar veel bedrijven, ook degenen die geen grote data-teams (of noem je dat, squads!?) hebben, het verschil kunnen maken.

Beperkte toegang tot data is een probleem dat kan worden opgelost. Het proces van het ontsluiten wordt data democratization genoemd. Collega’s hebben zelf directe toegang tot de data, waar en wanneer dit nodig is in de organisatie. Dus zonder overbodige poortwachters of onbedoelde bottlenecks. Het betekent dat inzichten en toegang ingebed kunnen worden in het dagelijks marketingproces.

Marketingtechnologie, gebruik wat iemand anders al heeft gemaakt

Wat als we de infrastructuur zouden kunnen gebruiken die iemand al heeft gebouwd om de resultaten te bereiken die we willen? Het lijkt mij gek dat in 100 bedrijven 100 teams proberen hun eigen, afzonderlijke, aangepaste infrastructuur te creëren. En bloed, zweet en tranen, tijd en geld verspillen. Geen bedrijf is een sneeuwvlokje, de wensen van marketing zijn niet zó uniek.

Marketingplatformen

E-mailmarketing, CRM en CMS-en waren van de eerste die tools maken voor anderen om te gebruiken door anderen (software as a service). Ik weet nog wel, vroeger kwamen bedrijven vaak in de verleiding om build or buy hun eigen tools te bouwen. Vandaag zou je nooit je eigen e-mailmarketingsysteem bouwen, tenzij je een hele goede reden hebt.

Marketingsuite

Het volgende concept was de marketingsuite. Een bundeling van meerdere marketingfuncties en bijbehorende data. Het is eigenlijk best een goed idee om deze bij elkaar te brengen. Je kunt beslissen om dit af te nemen bij één leverancier die (bijna) alles heeft waar je behoefte aan hebt, of je gebruikt meerdere best-of-breed-systemen en die als suite te gebruiken. Single vendor marketing stacks komen ook met hun eigen prijs.

Over langere tijd gezien, wil je een toekomstbestendige MarTech-stack die ook flexibel genoeg is als de omgeving verandert. De een-op-eenkoppelingen hebben een overvloed aan software die de koppelingen begeleid, ook wel middleware genoemd, voortgebracht.

Customer Data Platform

Vandaag staan we in een nieuwe fase. Maak de datalaag beter toegankelijk voor systemen en marketeers. Die data-infrastructuur werd lang als een inhouse zaak beschouwd en beperkt in volledigheid, openheid en toegang. Hoewel de belofte van een centrale database natuurlijk helemaal niet nieuw is.

De ontwikkeling van big data-databases en de populariteit van API’s heeft de deuren geopend naar een nieuwe categorie data-infrastructuur-tools: CDP’s.

Customer Data Platform en data access by design

Voor als je onbekend bent met het jargon: een CDP is een gebundeld (pre-packaged) systeem dat een persistente, uniforme klantendatabase creëert die toegankelijk is voor andere systemen en die door een marketeer (kan) worden beheerd. Da’s een hele mond vol.

Ik heb eerder geschreven over de definitie van een CDP en de verschillen met CRM, DMP en andere datasystemen. Dat is het ook, de omschrijving is zo lang omdat het net anders werkt dan de datasystemen van weleer. Hier leg ik even de nadruk op data access, dus het deel ‘door de marketeer beheerd’.

Datagedreven: breng samen afzonderlijke gegevensbronnen samen

Gegevens worden op natuurlijke wijze vastgelegd op verschillende touchpoints en (dus) in meerdere systemen. Het aantal bronnen zal naar verwachting alleen maar groeien als gevolg van verdere digitalisering en groei van IoT.

Om al die data met elkaar te verbinden en bruikbare inzichten te leveren, moeten we deze gegevens op een zinvolle manier bij elkaar brengen. Dit is een andere benadering dan directe systeemkoppelingen waarbij je twee of meer systemen direct aan elkaar koppelt.

Het uitgangspunt is een centrale hub te maken en de gegevens daar samen te brengen. Die hub moet open zijn voor alle bron- en outputsystemen. In een CDP zijn de functies voor het samenvoegen van gegevens die in staat zijn om meerdere systemen aan te sluiten, al gebundeld (pre-packaged). Dus niet bouwen op aanvraag, das een groot verschil.

Als het een echte CDP is, is het hele systeem open en wordt verbonden met gegevensbronnen. Weinig tot geen maatwerk vereist. Het systeem moet ook worden verbonden met de outputsystemen, bijvoorbeeld voor intern gebruik voor analytics en BI of extern voor berichten zoals e-mailmarketing, ads of pushberichten aan de klant.

Gegevens verrijken

De first party data van geïdentificeerde klanten is waar we normaal aan denken bij een bedrijfs-database. Dat zijn de gegevens die te vinden zijn in CRM, marketing, e-commercesystemen. Maar binnen een CDP moet de datalaag ook met niet-geïdentificeerde data (bijvoorbeeld websitecookiedata) en gegevens van derde partijen kunnen binnenhalen. Vergeet ook de kracht van productgegevens binnen een CDP niet.

Het toevoegen en combineren van gegevens aan je huidige set wordt dataverrijking genoemd. Niet voor niets, merken kunnen betere resultaten krijgen als ze nuttige gegevens toevoegen. Bijvoorbeeld door nieuwe targets te identificeren en een beter begrip te krijgen van de klanten. Een CDP moet openstaan voor alle systemen om de gegevens op een centrale plaats te combineren. Dit is een van de manieren waarop een CDP anders is dan technologieën zoals CRM of DMP of systemen die gegevens alleen intern gebruiken.

Een e-mail- of marketingautomationtool kan bijvoorbeeld interessante dingen doen met de gegevens die in de eigen toepassing worden gegenereerd, zoals verandering van e-mailfrequentie op basis van engagementniveau. Maar een enkel systeem zal altijd beperkt zijn als er geen centralisatie en open toegang tot gegevens is.

Zoals de afbeelding hierboven laat zien, zijn er verschillende bewegende delen om datastromen te begeleiden. De functionaliteit om data samen te brengen, transformeren, voorspellen en een data-onboarder-functie kunnen die stromen eenvoudiger maken.

Dit verlicht de sherpa-functie van IT om integraties te bouwen en aan te passen. Met andere woorden, de gegevens zijn accessible by design.

Marketer managed betekent toegang en gebruiksgemak

Nadat de gegevens zijn verzameld en bepaalde inzichten zijn gegenereerd, hebben marketeers nog steeds een interface nodig om de gegevens rechtstreeks te gebruiken. Een CDP moet door marketeers kunnen worden beheerd. Zodra marketeers die gegevens direct kunnen beheren, maak je eigen tellingen, segmentering, en ‘tribes’ on the fly. Dan kun je die gegevens gebruiken om uitingen te personaliseren en dieper in de data te duiken om inzichten te verkrijgen en ontdekken of vermoedens wel of niet kloppen.

Iedereen kan een citizen data scientist worden

MarTech lijkt de ambities van datagedreven organisaties bij te kunnen houden. En gelukkig maar, want de verwachte vraag naar hoogopgeleide data scientists is straks zo groot dat die nergens meer aan te nemen zijn.

Volgens Gartner zal het dat het aantal citizen data scientists vijf keer sneller zal groeien dan hun gespecialiseerde tegenhangers.

Een citizen data scientist heeft zeker wel datavaardigheden nodig. Je moet wel basisniveaus van Analytics, modellen en gegevensgebruik kennen, maar zeker niet zo diep als een volleerde data scientist.

Dit komt veel overeen met het idee van een T-shaped marketeer. Je weet genoeg in brede gebieden en hebt een of twee specialismen. Een citizen data scientist kan basic modellen maken en implementeren om inzichten te verkrijgen.

Datagedreven beslissingen

Toegang tot de gegevens betekent dat alle medewerkers de mogelijkheid hebben om met gegevens te werken. Ze zijn meer bevoegd om datagedreven beslissingen te nemen. MarTech helpt bij het voorbereiden van inzichten en analytische voorspellingen. Het hele dataontsluiting en CDP-segment ontwikkelt zich nog steeds.

Er is nog steeds geen toverstokje, maar laten we er vooral voor zorgen dat de juiste mensen in de organisatie zelf toegang krijgen tot het gebruik van marketingdata.