Data: De trend die geen trend meer mag worden genoemd.

Data

Sinds de opkomst van het internet is data booming. Data als verdienmodel, data voor betere online targeting, data voor personalisatie, data voor het verbeteren van processen: Er zijn een hoop belangrijke toepassingen waar data een rol in speelt. Ik durf te stellen dat er anno 2018 ruim 99% van alle bedrijven gebruik maakt van data toepassingen. En die toepassingen zijn enorm in ontwikkeling: Van nieuwe wetgeving tot nieuwe technologische mogelijkheden. Dat heeft uiteraard ook een Dark Side. In deze easy read blog neem ik je mee in een aantal commerciële (marketing) toepassingen van data:

1: Verbeterde businessmodellen door gebruik van data
2: Marketing met data: Targeting
3: Marketing met data: Personalisatie
Slimme business door gebruik van data`

Door gebruik te maken van data kunnen allerlei factoren die van invloed zijn op de business geoptimaliseerd worden. Zo weten online webshops bijvoorbeeld rondom welke periode er drukte verwacht kan worden en kunnen ze hier hun voorraden op inkopen maar ook hun (extra) personeel op inhuren. Een ander voorbeeld is het initiatief Winnows dat met behulp van data de voedselverspilling tegen gaat. Maar liefst 30% van al het wereldwijde voedsel wordt verspild. Door met de software Winnows te werken wordt het gewicht en het type van voedselafval op dagelijkse basis opgeslagen. Deze software koppelt dit vervolgens met factoren (feestdagen, weer, nieuws) en voorspelt de toekomstige benodigdheden van het inkopen van eten. Volgens Winnow weten ze in 2020 50% van de voedselverspilling van Ikea te reduceren. Dat is nog eens een waardevolle (commerciële en ethische) toepassing van data!
Bovenstaande toepassing noemen we Predictive Analyses: Op basis van historische data kan de toekomstige data worden voorspeld. Naast voedselverspilling en inkoop schattingen kunnen op basis hiervan ook andere bedrijfsfactoren worden geoptimaliseerd, zoals de marketing en sales processen.

Marketing met data: Targeting
Sinds de opkomst van online marketing en display advertising maken marketeers gebruik van de targeting mogelijkheden. Dat wil zeggen dat zij hun advertenties op een bepaalde doelgroep richten. Als verkoper van hoge hakken wil je je bijvoorbeeld waarschijnlijk voornamelijk op vrouwen richten. Met behulp van data kun je er achter komen dat vrouwen in een bepaalde leeftijdsklasse, bijvoorbeeld tussen de 18-28 jaar, vaker deze hoge hakken kopen. Als dan ook nog eens blijkt dat rode hakken in Eindhoven populair zijn en blauwe hakken in Rotterdam, dan kan een bedrijf er ook nog eens voor kiezen om de Eindhovense dames de rode variant te laten zien en de Rotterdamse dames de blauwe variant. Dit is basis targeting. Bijna elk advertentie platform (denk aan het Google Display Netwerk, Facebook Atlas, LinkedIn, DoubleClick, Rocketfuel etc) kan targeten op demografische gegevens, interesses (cookies of profielen) en eigen aanbieders data (zoals eerder website bezoek). Maar de mogelijkheden worden per platform steeds geavanceerder. Zo kun je bijvoorbeeld werken met look-a-like targeting. Hierbij geef je een lijst op van profielen die voor jou bedrijf het meeste waard zijn. Het advertentie platform zoekt hier matchende data in op en zet de advertenties vervolgens uit bij profielen met soortgelijke segmenten. Zo kan het zijn dat de hoge hakken verkoper, zonder dat zelf te weten, vooral veel omzet haalt bij de vrouwen tussen de 18-28 jaar die geïnteresseerd zijn in spannende boeken, tennissen en in het bezit zijn van een eigen auto. Het advertentie platform past vervolgens de targeting hierop aan èt voila: De hoge hakken verkoper behaald betere resultaten!

Marketing met data: Personalisatie
Zoals bij de targetingopties te zien kun je heel specifiek zijn in aan wie je je advertentie richt. Als je dit heel specifiek doet, is er bijna sprake van personalisatie. Zo kun je met behulp van data ook bepaalde onderdelen van een advertentie op ‘voorwaarde’ laten invullen. Dus als A dan B: Als iemand uit Rotterdam komt, dan blauwe schoenen, Als iemand van tennis houdt, dan variant met dame in tenniskleding. Maar je kan hier ook nog een stap verder in gaan: Personalisatie. Personalisatie wordt al langere tijd in bijvoorbeeld e-mail marketing ingezet. Bij het uitzenden van de e-mails gebruik je een bepaald databestand. Hoe uitgebreider dit data bestand, hoe beter je kan personaliseren. Dit begint al met het gebruik van de voornaam in de e-mail. Ook dat gaat weer op basis van voorwaarde. Als A dan B: Als voornaam ingevuld, dan voornaam vertonen. Maar als je hier ook de aankoop historie van iemand in hebt staan, en je hebt deze gecategoriseerd, dan kun je ook nog eens het aanbod in de e-mail laten aansluiten op iemands wensen. Iets gecompliceerder werkt het als je met website personalisatie aan de slag wilt. Dan kun je namelijk niet met een simpel databestand werken, maar moet je het met de cookiegegevens doen. Toch kun je hier ook erg veel data uit halen en dus het aanbod op de website aanpassen op de persoon. Als iemand op de website inlogt, dan heb je naast de cookies ook het hele CRM systeem als data bron dat je kan gebruiken. In dat geval wordt het echt goed mogelijk om de website te personaliseren. Telefoon providers doen dat bijvoorbeeld erg goed, waardoor je al op de homepage van websites een nieuw aanbod voor een abonnement dat bij jou belgedrag past kan inzien.

Auteur: Pauline Schepers-van der Rest, Docente Fontys Hogeschool Marketing Management