Marketing analytics en data driven branding: wat is het en wat kunt u ermee?

De rol van data binnen marketing wordt steeds belangrijker. Er wordt niet alleen historische data gebruikt om gedrag van consumenten te analyseren, maar ook predictieve analyses komen steeds vaker voor binnen marketing om beslissingen op te baseren. Data verandert industrieën en ook marketing en branding. Wat is marketing analytics en data driven branding? En wat kunt u hiermee?

Big data

Data biedt mogelijkheden. Big data betreft datasets die te groot zijn om met conventionele managementsystemen te onderhouden. Het gaat dus om grote hoeveelheden data. Deze data kan ingezet worden voor marketing en branding. Hierbij kunt u denken aan het samenvoegen van verschillende data, variërend van web-analytics tot social media data. Drie typen big data zijn met name van belang voor marketing. Dit zijn klantdata, operationele data en financiële data.

Marketing Analytics

Marketing gedreven door data is de basis van marketing analytics. Het gaat hier om het analyseren van data om de Return On Investment (ROI) van marketingactiviteiten te berekenen en kansen voor verbetering te ontdekken. Een goed programma voor marketing analytics helpt met het voorspellen van resultaten, het bijhouden van trends en het ontdekken van wat wel en wat niet werkt. Hiervoor is het belangrijk om onderscheid te maken tussen bepaalde typen data, ontwikkelt door Gartner Research:

Descriptive analytics

Het gaat hier om historische data die samenvat wat er is gebeurd. Dit kan bijvoorbeeld geanalyseerd worden met Google Analytics en geeft inzicht in het aantal bezoekers en bijvoorbeeld het aantal verkochte producten. Deze data is het eenvoudigst te interpreteren wanneer het gevisualiseerd wordt.

Diagnostic analytics

Ondertussen weet u wat er in de vorige periode is gebeurd, maar waarom gebeurde dit? Deze vraag wordt beantwoord met diagnostic analytics. Op deze manier kunnen gerichte acties worden genomen. Waarom heeft een website minder bezoekers gekregen? Waarom zijn er minder producten verkocht? Dit laatste kan bijvoorbeeld verklaard worden door een promotie in producten van de concurrent. Diagnostic analytics helpt u te verklaren waarom bepaalde dingen gebeurd zijn.

Predictive analytics

Dit gaat over de toekomst: wat gaat er gebeuren? Wanneer bekend is wat er in de toekomst gebeurd en waarom, wordt het makkelijker om een voorspelling te maken voor de toekomst. Een voorbeeld is boekenverkoop. Wanneer een boek wordt uitgebracht en veel mensen dit kopen, zal een vergelijkbaar aantal het tweede boek kopen wanneer deze uitkomt.

Prescriptive analytics

Dit laatste niveau van analytics focust zich niet alleen op voorspellingen voor de toekomst, maar ook hoe deze waargemaakt kunnen worden. Het gaat om een gerichte actie. Wanneer bijvoorbeeld bekend is dat sommige mensen een aankoopintentie hebben, kan hierop gericht actie worden ondernomen.

Data driven branding

Dit gaat om digitale branding waarbij het bereik en de naamsbekendheid van een merk wordt vergroot. Door branding te onderbouwen met data wordt het begrip tastbaarder en kan concreter beargumenteerd worden waarom bepaalde branding activiteiten ondernomen moeten worden. In het data driven branding-model staan 4 fasen centraal.

Inzichten

Klantinzichten zijn belangrijk. Door gebruik te maken van descriptive data kan meer inzicht verworven worden in de doelgroep van een merk.

Targeting

De tweede stap is het inzetten van data om de vastgestelde doelgroep te bereiken. Zo kan data gekoppeld worden aan advertenties, zodat alleen een bepaalde groep het bericht te zien krijgt. Combineer bijvoorbeeld demografische gegevens met geografische gegevens.

Creaties

De totale doelgroep kan bestaan uit diverse specifieke groepen. Om hier advertenties voor te maken kan gewerkt worden met dynamische creaties, waarbij databronnen direct gekoppeld worden. Hiermee kan bijvoorbeeld automatisch een reclame voor wasmachines getoond worden als iemand op een website zoekt naar tweedehands wasmachines.

Attributie

Het gaat hier om het toekennen van waarde. Een voorbeeld is attributie van conversie, waarbij de toegevoegde waarde van online marketingkanalen wordt gekoppeld aan bepaalde doelen.

De keerzijde van data

Data wordt dus steeds vaker ingezet voor commerciële doeleinden. De klantbeleving kan verbeterd worden en advertenties worden gepersonaliseerd. Ondanks dat bekend is dat consumenten goed reageren op gepersonaliseerde advertenties is er ook een keerzijde. Uit onderzoek gepubliceerd in het Harvard Business Review blijkt dat advertenties gebaseerd op gevoelige informatie niet gewaardeerd worden. Het gaat hier bijvoorbeeld om advertenties die gepersonaliseerd worden op basis van data over seks, gezondheid en financiën. De consument houdt dit liever privé. Uit ditzelfde onderzoek bleek dat het goed is om transparant te zijn over advertenties. Geïnteresseerde consumenten kunnen dan informatie opvragen over waarom zij een bepaalde advertentie te zien krijgen. Echter is een goede verklaring wel nodig. Indien een bedrijf deze niet geeft, heeft de transparantie juist een averechts effect.

Zowel binnen marketing als branding kunt u data inzetten om de klantervaring te optimaliseren. Gebruik hierbij alleen data die relevant is voor u en uw klant en houd rekening met privacy. Wilt u meer weten over data? Lees dan ook ons artikel over hoe u als ondernemer informatie uit big data haalt.

Foto: Bigstock