Decision driven mediadata analytics is een schatkist met informatie
Het gebruik van data en dashboards vliegt je om de oren de laatste tijd. Op zichzelf is het gebruik van data om besluiten op te baseren toe te juichen. Maar dat vereist wel doelgericht verzamelen van data. En daar gaat het vaak fout. Veel te vaak zien we dat er op tal van plaatsen binnen een bedrijf data wordt verzameld, vaak in verschillende formats en zonder onderlinge afstemming. Analyse van deze data leidt vervolgens tot besluiten. Feitelijk is dit het paard achter de wagen spannen!
Decision driven
De oplossing is eigenlijk eenvoudig. In het Engels is het mooi verwoord; “Decision driven data analytics” in plaats van “Data driven decisions”. In goed Nederlands: data-analyse in dienst van besluitvorming en niet data-gedreven besluitvorming.
Dus voordat je überhaupt met het verzamelen van data begint, moet je een simpele vraag stellen: ‘Wat wil ik weten?’ of ‘Waar wil ik antwoord op?’
De juiste vraag
Als je die vraag hebt gesteld komt vervolgens de vraag ‘Welke data heb ik hier voor nodig?’ En dat kan betekenen dat je ook andere bronnen moet raadplegen dan alleen je salescijfers en de standaardanalyse zoals bijvoorbeeld Facebook of Google analytics die aanreikt. Zelfs niet wanneer alle registers worden opengetrokken.
In onze praktijk van de Brand Media Optimizer betekent dit dat we uitgaan van vragen als:
- Welk effect heeft de media-inzet op sales en merkbekendheid? Zowel op korte als op lange termijn.
- Hoe kan het rendement van de investering in marketing-communicatie verbeteren? En dan denken we niet direct aan bezuinigen.
De juiste data
Dan komt automatisch de volgende vraag; Welke gegevens heb je hier voor nodig? Het antwoord is: alle media-inzet van alle kanalen. Zowel van klassiek kanalen zoals televisie, radio en print als van online kanalen, maar ook de traffic in de verkooppunten, de ingezette promoties, het aantal beursbezoekers.
Het bereik van deze kanalen kun je in eerste instantie lastig vergelijken. Er wordt gewerkt met verschillende grootheden; denk aan GRP’s, oplagebereik, impressies. Daarnaast verschilt het karakter van deze kanalen natuurlijk. Hierdoor kun je het numerieke bereik van bijvoorbeeld televisie niet vergelijken met een gelijk numeriek bereik online.
Dit probleem kun je grotendeels oplossen door de mate van aandacht per kanaal los te laten op het bereik per kanaal. Hiermee simuleer je het zogenaamd ‘boodschapbereik’ per kanaal. Vervolgens moet je rekening houden met de mate van herinnering en spelen ook nog andere, niet-media gerelateerde aspecten mee. Denk in dit geval aan de invloed van het weer, heb je te maken met een seizoenpatroon of niet, en de acties van concurrentie. Maar ook deze aspecten kun je registreren.
Een volgende stap is het in beeld brengen van de effecten van de totale media-inzet op gedragingen zoals het bezoek aan en de activiteiten op je social kanalen (Facebook, Instagram e.d) of het bezoek aan je website, het aantal downloads van je brochures en – niet in de laatste plaats – de ontwikkeling van de merkbekendheid. Brengt je media-inzet iets in beweging op deze niveaus? En zo ja, wat is dan de correlatie van deze effecten met je werkelijke wekelijkse salescijfers.
Om er zeker van te zijn of je praat over een causaal verband moet je wel over voldoende gegevens beschikken en kun je niet alleen volstaan met het vertrouwen op correlaties. Maar ook hier zijn berekeningen op los te laten en blijft vooral ook je gezond verstand gebruiken. Vertrouw niet blindelings op je data. Kortom; inzicht verkrijgen in het effect van je media-inzet op je sales vraagt wel wat huisvlijt van een goede marketeer, maar eenmaal alles ingericht zit hij op een schatkist met informatie.
Decision driven mediadata analytics is een schatkist met informatie Meer lezen »