Sociale platforms zijn nog niet dé primaire kassa, maar ze beïnvloeden het gedrag
Zes op de tien shoppers op het gebied van beautyproducten en persoonlijke verzorging zeggen dat de fysieke winkel hun favoriete plek is om in die categorieën te kopen, terwijl sociale kanalen nog wat achterblijven bij de verwachting. Dat stelt het Britse retail-innovatiebureau Outform dat er 2.000 respondenten over ondervroeg in het VK, de VS en Duitsland.
Het onderzoek komt op een moment dat de rol en positie van onder meer influencers behoorlijk ter discussie staat en tegelijk de berichten over selling via social kanalen een vlucht lijken te nemen. Beide worden veelvuldig ingezet door beauty- en drogmetica-merken. De uitkomsten vallen ook net in een periode dat shoppable-functies en AR-try-ons worden gelanceerd door platformen als Pinterest.
Onder meer WARC en de vaksite Internetretailing.net berichten deze week uitgebreid over de bewering van Outform dat slechts 16% van de ondervraagden vindt, of denkt, dat merkupdates op sociale media hen helpt om producten te ontdekken, terwijl bijna vier op de tien (38%) zegt dat winkeldisplays daarvoor nuttig zijn.
Op 9 september 2021 vindt in DeFabrique te Utrecht Nima Marketing Day 2021 plaats. Antoinette Alma en Nick Nijhuis gaan het die dag hebben over moreel leiderschap in marketing. Een must see dus voor elke marketeer. Een korte kennismaking met beide sprekers.
Alma is docent en trainer en ontwikkelt onderwijs voor Hogeschool Windesheim. Haar kerngebieden zijn digital marketing, privacy, wetgeving, ethiek en persoonlijk leiderschap. Daarnaast is Alma binnen de hogeschool betrokken bij het innovatieteam van Windesheim met bijzondere aandacht voor het thema diversiteit en inclusie in het onderwijs.
Nick Nijhuis is eigenaar en digital marketeer binnen zijn eigen bureau NickLink. Hij helpt bedrijven met (morele) marketingkeuzes en het effectief uitvoeren daarvan; ook ondernemers in digital marketing voor onder andere Google. Daarnaast is hij docent en ontwikkelt hij onderwijs voor Hogeschool Windesheim. Zijn kerngebieden zijn eveneens digital marketing, privacy, wetgeving, ethiek en persoonlijk leiderschap. Nijhuis heeft NIMA C, is examinator NIMA Digital Marketing B en voorzitter van Nima Regio Oost. Samen schreven zij het hoofdstuk over Moreel Leiderschap in het Marketingfacts Jaarboek 2021-2022.
Wat is jullie persoonlijke motivatie om te spreken tijdens Nima Marketing Day? Als marketeers beïnvloeden we keuzes via onze activiteiten, onze boodschappen én door de manier waarop we budgetten inzetten. Door ons bewust(er) te zijn van die verantwoordelijkheid kan het vakgebied marketing een hele positieve bijdrage leveren aan people, planet én profit.
Wat is jullie in termen van marketing de eerste maanden van 2021 het meest opgevallen? Dat thought leadership belangrijk is in onze aandachtseconomie om mensen te bereiken, bewust(er) te maken en aan te zetten tot een dialoog met elkaar.
Heeft corona (jullie) marketing veranderd? Voor ons als docent en trainer nauwelijks. Wel zijn digitale ontwikkelingen ineens flink versneld, waardoor allerlei ‘vanzelfsprekendheden’ ineens wél bespreekbaar zijn en er meer aandacht is voor nieuwe kanalen en content.
Wat vinden jullie het goede aan een samenkomst als Nima Marketing Day? NMD is een uitgelezen mogelijkheid om als beroepsgroep en als individuen met elkaar in gesprek te gaan over belangrijke onderwerpen. Het gaat verder dan kennis delen. Je gaat een dialoog met elkaar aan en dat is essentieel om tot gezamenlijk gedragen – morele – standpunten te komen rondom het vak.
Kunnen jullie een tipje van de sluier oplichten waarover jullie verhaal op 9 september gaat? Hoe kun je bouwen aan een integer (persoons)merk en tegelijk impact hebben op maatschappelijke ontwikkelingen die jij belangrijk vindt.
Wat hopen jullie dat bezoekers van jullie sessie meenemen naar huis? Het bewustzijn dat ze iedere dag bij kunnen dragen aan wat zij belangrijk vinden voor henzelf, de organisatie en de maatschappij.
PRESENTATIE ANTOINETTE ALMA EN NICK NIJHUIS OP NIMA MARKETING DAY 2021
Moreel leiderschap in marketing: Een sterk (persoonlijk) merk heeft een breed gedragen moraal en handelt ernaar Mogen wij algoritmes inzetten die keuzes maken zonder dat gebruikers het weten? Je krijgt een moreel kompas om dit soort vragen te beantwoorden. Dat voorkomt ‘ongelukken’ zoals ‘nepnieuws’ bij Facebook. Wat is jouw verantwoordelijkheid als je een ’techreus’ als Facebook of Google inzet? Je leert als marketeer bewust na te denken wat ‘goed’ is én hoe je daar komt. Dat maakt je integer, waardoor anderen je morele keuze volgen, zodat je, als moreel leider, positieve impact hebt voor people, planet én profit.
Nu we steeds meer worden geconfronteerd met groeiende databases en lappen tekst, neemt de behoefte aan data-analyse toe. Dit fenomeen wordt versterkt door digital communication en e-commerce. Bij veel middelgrote bedrijven komt dit op het bord van de marketeer. De data komen vaak uit verschillende databases, met verschillende structuren en andere technische complexiteiten. Ondernemingen worstelen enerzijds met het koppelen van diverse databronnen en anderzijds met het analyseren van de data ten bebehoeve van hun marketingproblemen. Maar met een creatieve en pragmatische mindset en met technieken uit de data science kan dit worden opgelost. Het merendeel van de analyses wordt uitgevoerd met machine learning-tools door data scientists. Die scientists zijn nodig om analyse-modellen te bouwen. Data scientists kunnen analyseren maar zijn doorgaans minder sterk in de interpretatie en het maken van de link met de business. Volgens McKinsey is er daarom een enorme behoefte aan analytics translators, de link tussen data science en business. Met andere woorden de link tussen marketing en data sience. McKinsey schreef erover in het artikel ‘Analytics translator: The new must-have role’, gepubliceerd in Harvard Business Review (februari 2018).
Kritische rol Om beter te begrijpen wat translators zijn, is het belangrijk om eerst te weten wat ze niet zijn. Translators zijn noch data-architecten noch data engineers. Ze hoeven geen technische kennis te hebben van programmeren of modeling. Translators spelen wèl een kritische rol bij het verbinden van de technische kennis van data engineers en data scientists met de operationele kennis van de business, bijvoorbeeld marketing en sales. Translators zorgen ervoor dat de insights uit geavanceerde analytics vertaald worden in impact op de business.
Translators werken nauw samen met de directies om de zakelijke kant en prioritering hiervan te begrijpen. Translators vertalen vervolgens met hun kennis van AI en analytics de zakelijke vraag in een briefing voor de data professionals. Zij op hun beurt produceren modellen en oplossingen. Vervolgens zorgen de translators ervoor dat uit deze modellen, oplossingen en insights worden gedestilleerd die de business kan begrijpen en waarop die kan handelen.
Domeinkennis is de belangrijkste vaardigheid die een translator moet hebben. Hij of zij moet expert zijn in de branche, discipline en bedrijf om de waarde van AI en analytics te plaatsen in de business-context. Ze moeten de key operationele metrics van de business begrijpen en de impact op winst, omzet, consumer retention, etc. Daarnaast moeten ze een sterke vaardigheid bezitten in kwantitatieve analyses en gestructureerde probleemoplossing. Ze hoeven niet per se in staat te zijn om zelf kwantitatieve modellen te bouwen. Ze moeten wel weten welke modelvarianten beschikbaar zijn (bijvoorbeeld deep learning versus logistic regression) en voor welk businessprobleem ze kunnen worden toegepast. Translators moeten in staat zijn om de resultaten te interpreteren, potentiële modelfouten te ontdekken (zoals overfitting) en de data scientists uit te dagen. In het schema is de rol van de translators verder uitgewerkt.
De analytics translator (volgens McKinsey) Bij elke stap van het analyse-initiatief speelt de translator een belangrijke rol.
Stap 1: Identificatie en prioritering van business issues Rol translator: werkt samen met business leaders om business issues vast te stellen en te prioriteren die geschikt zijn om met analytics op te lossen.
Stap 2: Data verzamelen en voorbereiden Rol translator: helpt de bedrijfsdata te identificeren die nodig zijn om de insights te produceren.
Stap 3: De analyse-engine bouwen Rol translator: zorgt ervoor dat de analytics-bijdrage het business issue voor de business leaders oplost op de efficiëntste en meest interpreteerbare vorm.
Stap 4: Valideren en bepalen van business implications Rol translator: vormt complexe van analytics afgeleide insights om in gemakkelijk te begrijpen, bruikbare aanbevelingen die business leaders eenvoudig kunnen extraheren en uitvoeren.
Stap 5: implementatie van de oplossing en insights Rol translator: stimuleert de acceptatie bij business leaders.
Toepassingsgebieden voor analytics translator binnen marketing Om de verbinding tussen marketing en data science te maken, zijn er marketeers nodig die de rol van translators gaan invullen. De domeinkennis is het belangrijkst voor een translator. Het is dan ook logisch dat marketeers worden geschoold in data science om deze translatorrol te kunnen vervullen.
Wat zijn momenteel enkele toepassingsgebieden voor een translator binnen marketing?
Een campagne is ontwikkeld die consumenten benadert om jouw nieuwe product te kopen. Vanwege kostenoverwegingen kun je niet iedereen benaderen en wil je alleen die consumenten met de hoogste kans op aankoop benaderen. Gebaseerd op een database van klanten met achtergrond variabelen en aankoopgedrag in het verleden kun je de groep potentiële klanten bepalen.
Een bouwbedrijf heeft een database met aanbestedingen in het verleden. Deze aanbestedingen waren bij overheid en bedrijven en zijn gesplitst in succesvol en niet succesvol. Het bouwbedrijf wil graag weten of een nieuwe aanbesteding grote kans van slagen heeft. Op basis van de database is een model ontwikkeld waarmee met de gegevens van een nieuw project kan worden aangegeven hoe groot de kans op succes bij elke aanbesteding zal zijn.
Een supermarkt ontvangt van klanten een bestand met productbeschrijvingsgegevens plus afbeeldingen van het betreffende product. Soms wordt bij de productomschrijvingen de verkeerde foto geleverd. De foto’s worden onder andere gebruikt in de promotiefolders. Met behulp van een algoritme kan de winkelier controleren of de foto’s die in het bestand worden aangeleverd, aan het juiste product worden toegeschreven.
Een potentiële klant van een garagebedrijf is op zoek naar een nieuwe auto. Hij kan online kijken naar de prijzen, modellen, specificaties en naar financieringsmogelijkheden. Een model kan bepalen op basis van het online gedrag wanneer deze klant een digital advertentie moet ontvangen dan wel een persoonlijke uitnodiging voor een proefrit.
Een bioscoop eigenaar heeft een database met loyalty cards. De loyalty card gebruikers zijn doorgaans intensieve bezoekers en krijgen korting. Je wilt actief je klanten gaan aanbevelen wat een leuke film voor hen is. Dit kan via een recommender algoritme die jouw bekeken films met andere profielen vergelijkt. De films die vergelijkbare profielen ook hebben bekeken worden jou aanbevolen. Dit soort algoritmes zijn eenvoudig te implementeren en worden in de basis ook door Netflix en Amazon toegepast.
Media-afdelingen hebben ook data science support nodig. Het werken met programmatic buying en audience targeting via DMP’s (data management-platforms) wordt voornamelijk uitgevoerd met machine learning tools. Een bedrijf heeft mensen nodig die het werk van mediabureaus kan beoordelen. Deze rol kan een translator op zich nemen.
Wil je meer weten over dit onderwerp? Ben je betrokken (of ga je betrokken worden) bij digital marketing, e-commerce of marketing binnen je organisatie? Schrijf je dan in voor de workshop De principes van Data Science voor marketingprofessionals.
Data science in house? Als een bedrijf in de wereld van data science stapt, lijkt het een goed idee om een data scientist aan te nemen. Toch vinden wij dat bedrijven in deze tijd geen data scientists in dienst moeten hebben. Ten eerste ben je verplicht er gebruik van te maken als je ze in dienst neemt. Misschien heb je een project dat niet hun specialisatie is. Wanneer je kunt uitbesteden, kun je het meest geschikte buro of personen voor de taak inschakelen. Je moet je ook afvragen of het aantal data science-projecten voldoende is.
Een ander aspect om te beseffen is dat meer dan 70% van de tijd een data scientist niet de gegevens analyseert, maar programmeert om de meest optimale oplossingen te krijgen. Onze verwachting is dat dit de komende jaren drastisch zal veranderen en dat de analytische software zo sterk zal evolueren dat bedrijven het grootste deel van hun tijd gaan besteden aan het uitvoeren van analyses in plaats van programmeren.
De vraag is dus: moet je mensen aannemen voor programmeren, dan wordt deze vaardigheid in de nabije toekomst misschien minder belangrijk. Al met al is het misschien beter om de flexibiliteit te hebben om uit te besteden.
Als je een data scientist aanneemt, moet je je afvragen of hij/zij op de hoogte kan blijven van de laatste ontwikkelingen. Vooral de algoritmen voor machine learning ontwikkelen snel.
Ten slotte, zelfs als je een data scientists aanneemt, moet je ze nog steeds aansturen. Met andere woorden, je moet goede analytics translators in dienst hebben, wat een veel belangrijkere prioriteit is voor elk bedrijf.
Microsoft heeft eind oktober 2020 Clarity gelanceerd. Clarity is een gratis analysetool voor gebruikersgedrag die claimt ‘volledig privacyvriendelijk te zijn en je website niet vertraagt. Ik ben in deze nieuwe tool gedoken. Mijn bevindingen over Clarity, de features en of het een serieuze concurrent kan zijn voor bijvoorbeeld Hotjar, lees je in deze blog.
Clarity is de tool waarmee Microsoft nadrukkelijk zich wil gaan bemoeien met de online-analyticsmarkt. Microsoft heeft ervoor gekozen om zich te richten op de analysekant van het gebruikersgedrag. Het gaat dus niet de strijd aan met Google Analytics, sterker nog het biedt zelfs een integratie met Google Analytics aan. Clarity focust zich meer op engagementstatistieken zoals klikken, scrollen, website performance en debugging-informatie. Je kunt het dus meer zien als een concurrent van Hotjar en andere gedragsanalysetools. Mijn eerste indruk? Hotjar moet zich zorgen gaan maken.
In Digital Marketing Pinball verklaart auteur Daniël Markus de groeisuccessen van winnende e-commercebedrijven aan de hand van 5 drivers. Met heldere, begrijpelijke voorbeelden, neemt hij de lezer mee door het praktische speelveld van online testen, leren en opschalen.
Online marketing biedt oneindig veel mogelijkheden om de effecten van je aanpak meetbaar te testen en op die manier klantresultaten te optimaliseren. Data vormt hiervoor de levensader. Voor criticasters is die datadriven aanpak reden om te ageren tegen het gebrek aan lef en creativiteit. Die vinden nogal eens dat door data analyse en voorspelmodellen het vak negatief verandert. Zij zeggen: ‘Lang leve het onderbuikgevoel want digitalisering maakt marketingcommunicatie erg rationeel en daarmee degelijk en braaf.” Dat zal door de online marketeers niet worden onderschreven. Met hun analytische skills ervaren zij online marketing als een zeer divers spel, waar je aan vele knoppen kunt draaien.
De complete digitale effectiviteitsmix behoort in grote bedrijven vaak toe aan meerdere teams: Trade/Category, Pricing, CRM en Sales. Bij Pure Players, de échte e-commerce-organisaties, zoals webshops en bij multichannel retailers is hiervoor in vaak ondertussen een gecommitteerd digital marketingteam ingericht. Met medewerkers, die veel, heel veel experimenteren. Op basis van onderzoek wordt data verzameld en worden hypotheses getoetst. Dit data driven proces gaat op zoek naar positieve uitkomsten die een grote impact hebben ten gunste van het gewenste resultaat. De winnende organisaties hebben topscorers in dienst. De winnende resultaten zijn geformuleerd als de 5 groeidrivers.
Daniël Markus staat al jaren aan de kant van meten en analyseren en deed ervaring op voor vele organisaties die hun bedrijfsvoering via internet doen. Hij omschrijft zelf de reden voor zijn boek zo treffend, dat ik die integraal overneem in deze recensie: “Voor internet was marketing een soort bowling. Je gooide de bal – de boodschap – rechtstreeks naar de doelgroep. Wie de kegels raakte, scoorde en kreeg klanten.. Wie het beste en vooral het meeste gooide kreeg de meeste klanten. Die tijd is voorbij. Marketing op internet lijkt op een flipperkast. De boodschap is nog steeds de bal, maar eenmaal in het spel stuitert deze alle kanten op. Soms scoor je veel, dan weer weinig en voor je het weet verdwijnt de bal en ben je af. Winnen met online marketing is als winnen bij het flipperen.”
De 5 drivers in de flipperkast zijn: conversie, transactiewaarde, retentie, viraliteit en acquisitie. Bij al deze elementen geeft Markus uitleg via heldere stappenplannen. Methodisch weergegeven in tekst en beeld. De visuals zijn vaak gewoon Excel overzichten of handgeschreven formules. Het is alsof je naast een collega zit, die je de werking van een model terplekke schetst en je aanzet om het gewoon maar eens uit te proberen. Zo wordt tot nu toe in de e-commercewereld ook meestal kennis overgedragen. Als online marketeer kun je nu, met dit boek, op begrijpelijke wijze stap voor stap naar je doelen toewerken. Zo’n boek was hard nodig in het praktijkgerichte leerboekenlandschap.
Auteur: Daniël Markus
ISBN: 9789082957105
Uitgever: LevelUp Group
Druk: Eerste druk 2019
Trefwoorden: online marketing, e-commerce, data, digital analytics, conversie, retentie, orderwaarde, acquisitie, viraliteit, Google Analytics, Excel, testing, A/B test.
Onder de noemer Institute for Brand Analytics bundelen de Vrije Universiteit Amsterdam en Validators krachten op het gebied van brand analytics. De komende vier jaar onderzoeken ze gezamenlijk welke Brand Metrics effect hebben op de marktpositie van merken. Hierbij ligt de focus op het toepasbaar maken van vernieuwende inzichten in de marketingwetenschap, die merken en hun marktpositie meer stuurbaar kunnen maken. Onderdeel van deze samenwerking is het aanstellen van promovendus Noud Schartman die een brug zal slaan tussen wetenschap (VU) en praktijk (Validators).
Marketingwetten valideren en verbeteren
In afgelopen vijf jaar is er meer en meer aandacht voor marketingwetten gebaseerd op klantdata, met name door het werk van Byron Sharp. Deze nieuwe inzichten vormen de basis voor het merkonderzoek dat Validators doet voor vele grote merken, waaronder ANWB en PON. In deze samenwerking zetten VU en Validators data science en gedragsonderzoek in om de logica van deze marketingwetten te valideren met echte klantdata. Ook nemen ze de optimalisatie van onderzoeksmethodes en statistische databewerking in het berekenen van marketingwetten hierin mee.
If you are a marketer, whether at a marketing agency, a brand, or a company, or you’re a marketing consultant, you no doubt are always looking for ways to get your clients or company a leg up on the competition. You have Google Analytics experts, dashboards, reports on demand, and more. GA has helped get you to where you are now.
You’ve learned from the ground up how to harness the power of the data that GA provides, but over the past year or so, you’ve started taking notice of what’s happening around you in analytics. You see a whole new playing field taking shape.
Big data kan waarde creëren. Big data is de hype voorbij. Door de combinatie van hun academische en pragmatische achtergrond weten deze auteurs de complexe materie laagdrempelig leesbaar en nuchter functioneel te vertellen. Dit is een nuttig boek voor marketeers die geïnteresseerd zijn in de mogelijkheden van data voor beslissingen in de bedrijfsvoering. Tevens geschikt als studieboek voor marketingspecialisaties zoals data analytics, web analytics, marktonderzoek, marketing intelligence en CRM.
Wat heel fijn is, is dat de auteurs een leeswijzer meegeven. Hoofdstuk 1 gaat over de context, visie en structuur, gevolgd door hoofdstuk 2 over de manier waarop waarde gecreëerd wordt. De generalist die zelf geen analyses uitvoert, kan de fast lane nemen naar hoofdstukken 6 en 7 met voorbeeldcases en conclusies. De meer inhoudelijke kernhoofdstukken 3, 4 en 5 gaan over data types, processen, systemen, analytische aanpak en competenties. Hoofdstukken 2, 3 en 4 kennen ook weer deep dives over metrics, modellen, data integratie en privacy.
Data over klanten, markt en merk, bieden kansen en uitdagingen omdat het gaat over zowel waarde voor de firma als waarde voor de klant. Beide horen bij elkaar, maar kennen andere metrics. Daar hebben we eigenlijk al de kern te pakken van de scheidslijn die tijdens de implementatie soms een grote kloof is om te overbruggen. De waarde voor de klant wordt nogal eens afgemeten aan klantentevredenheid en aanbevelingswaarde (NPS) en houden ons tegenwoordig erg bezig. Maar hoe kun je vanuit marketing sturen op die waarden? En wordt door het management niet langer alleen naar transactieresultaat gekeken.
De klant is niet meer zo trouw als de loyale klant van vroeger. Juist daarom is er een enorme behoefte om meetbaar te maken hoe afzonderlijke marketinginspanningen het doen. Met actie- en controlegroepen, A/B testen, gesegmenteerde targetgroups, profiles en clusters worden grote en kleine vergelijkingen getrokken en trends herkend. Data dient als bewijs van effectiviteit achteraf én als kansrijke bron voor toekomstige voorspellingen en beïnvloeding. Hiervoor is een goede samenwerking nodig tussen de analytische functies en de vragenstellers op de overige afdelingen. Dit boek kan de brug slaan!
Auteurs: Peter C. Verhoef, Edwin Kooge, Natasha Walk
Uitgever: Routledge
ISBN: 9781138837959
De website nima.nl maakt gebruikt van cookies, ontdek hier welke we gebruiken.
Functioneel
Altijd actief
De technische opslag of toegang is strikt noodzakelijk voor het legitieme doel om het gebruik van een specifieke dienst mogelijk te maken die uitdrukkelijk door de abonnee of gebruiker is gevraagd, of voor het enige doel om de overdracht van communicatie via een elektronisch communicatienetwerk uit te voeren.
Voorkeuren
De technische opslag of toegang is noodzakelijk voor het legitieme doel voorkeuren op te slaan die niet door de abonnee of gebruiker zijn aangevraagd.
Statistieken
De technische opslag of toegang die uitsluitend voor statistische doeleinden wordt gebruikt.De technische opslag of toegang die uitsluitend wordt gebruikt voor anonieme statistische doeleinden. Zonder dagvaarding, vrijwillige naleving door uw Internet Service Provider, of aanvullende gegevens van een derde partij, kan informatie die alleen voor dit doel wordt opgeslagen of opgehaald gewoonlijk niet worden gebruikt om je te identificeren.
Marketing
De technische opslag of toegang is vereist om gebruikersprofielen aan te maken om advertenties te verzenden, of om de gebruiker op een website of op meerdere websites te volgen voor vergelijkbare marketingdoeleinden.
keuzes maken zonder dat gebruikers het weten? Je krijgt een moreel kompas om dit soort vragen te beantwoorden. Dat voorkomt ‘ongelukken’ zoals ‘nepnieuws’ bij Facebook. Wat is jouw verantwoordelijkheid als je een ’techreus’ als Facebook of Google inzet? Je leert als marketeer bewust na te denken wat ‘goed’ is én hoe je daar komt. Dat maakt je integer, waardoor anderen je morele keuze volgen, zodat je, als moreel leider, positieve impact hebt voor people, planet én profit.
