Big data: think big, act small

De eerste stapjes moeten nu worden gezet

Big data biedt ontzettend veel mogelijkheden, maar in essentie is het net als een mooie auto: om van a naar b te komen, moet je er wel iets voor doen. Zelfs een zelfrijdende auto brengt je nergens heen als je niet de moeite neemt om erin te gaan zitten en te vertellen waar je naartoe wilt.

In de 10e editie van het Marketingfacts Jaarboek ga ik in op big data. Of eigenlijk de combinatie van big data en marketing. Wat zijn de mogelijkheden, waar liggen de valkuilen en vooral ook: waar begin je?

Deze blogpost beschrijft het ‘hot topic’ Big data in het Marketingfacts Jaarboek 2015-2016, waaraan ik heb meegeschreven. Het Marketingfacts Jaarboek is het meest actuele handboek over de staat van online marketing in Nederland anno nu. Het boek helpt je als marketeer te bepalen welke middelen je inzet en met welke doelstellingen.

Lees er meer over of bestel ‘m nu!

Privacy

Het antwoord op die laatste vraag is simpeler dan je wellicht dacht: begin met de terminologie. Weet waar je zelf over praat en waar anderen over praten. Er lopen nogal wat mensen rond die zeggen alles van big data te weten, maar in de praktijk valt dat soms tegen. Daarnaast is het meer dan belangrijk om te weten wat er kan, wat er mag en wat je wel en niet moet willen. In principe kan alles, zijn sommige zaken verboden en is er een keur aan dingen die wettelijk gezien weliswaar mogen, maar klanten eerder wegjagen dan blij maken.

Een mooi voorbeeld is Target. In 2012 werd analist Andrew Pole geïnterviewd door de New York Times. Trots vertelde Andrew hoe Target in staat was om te herkennen of een klant zwanger was en zelfs vrij precies wist te bepalen wanneer zij uitgerekend zou zijn. Daar werden vervolgens mailings op aangepast: zwangere vrouwen kregen kortingscoupons toegestuurd. Waarvoor de korting precies gegeven werd, hing af van de maand van de zwangerschap. Dit is op zich prima, mits de klant je vertelt heeft dat ze zwanger is. Target kon dit bepalen door aankoopgedrag te analyseren, maar maakte daarmee voor het gevoel van de klant een inbreuk op de privacy. Wettelijk deed Target niks verkeerd, maar klanten voelden zich bekeken. Later heeft Target expres geprobeerd volledig irrelevante producten in de mailings te plaatsen, naast de relevante producten. Dit zorgde ervoor dat het gevoel van inbreuk op de privacy verdween en de conversieratio steeg.

De eerste stapjes

Een concrete case van het inzetten van big data in marketing zien we bij Amazon. Op basis van data worden producten alvast verscheept, voordat ze daadwerkelijk zijn besteld. ‘Anticipatory package shipping’ noemt Amazon het. De voordelen zijn duidelijk: kortere levertijden en minder opslag- en supplychainkosten. Om dit voor elkaar te krijgen, gebruikt Amazon een algoritme. Het voorspellingsmodel van Amazon gebruikt data van vorige aankopen, inclusief time on site, bezoekduur, linkkliks en activiteit van winkelwagentjes en wensenlijsten. Waar mogelijk gebruikt het ook data van telefonisch contact en reacties op marketinguitingen.

Ook Google heeft bekende toepassingen van big data. Denk bijvoorbeeld aan Google Flu. Door middel van searches in Nederland is er zichtbaar wanneer de griep het meest wordt opgezocht (en dus speelt). Deze data kunnen ook worden gefilterd op provincie om zo een nog beter beeld te krijgen.

“Think big, act small”

Deze voorbeelden zijn al vrij geavanceerde toepassingen van big data. De dicipline staat echter nog altijd in de kinderschoenen. Het sprekersarsenaal op MOA Summit-bijeenkomst ‘Big data: Beyond the hype’ was het er over eens dat over 5 tot 10 jaar we pas echt de toepassing van big data gaan zien. De data zijn er nu al. Het advies van Google is dan ook: “Think big, act small.”

Van opslaan naar informatie

Om terug te komen op het voorbeeld van de auto: je hebt vooral last van big data als je de data niet kunt omzetten in informatie. Als je niks met de data doet behalve opslaan, ben je veel geld kwijt aan het verzamelen en opslaan, zonder dat je deze investering ooit terugverdient. Tegelijkertijd: als je besluit om ‘dan het verzamelen en opslaan ook maar achterwege te laten’, verlies je het uiteindelijk van je concurrenten.

Wanneer je big data wel weet om te zetten in informatie leidt dit (niet automatisch) tot kennis, die je uiteindelijk wijsheid brengt. Om deze stappen te doorlopen, heb je technologie nodig. Een auto zonder motor brengt je niet van a naar b – tenzij je zelf gaat duwen maar in dat geval kun je de auto misschien beter laten staan. Als je lang genoeg doorloopt, kom je ook bij b, maar beduidend later dan je concurrent die wel met de auto ging. Dit geldt ook voor big data en zeker in combinatie met marketing. Marketing van morgen gaat over de onlosmakelijke combinatie van mens, techniek en proces. Data zijn de brandstof.

De data-driven marketeer

In het jaarboek geef ik een voorzet voor de toekomst van marketing en de marketingafdeling. Een toekomst waarin we niet meer met afzonderlijke budgetten en teams werken, maar waarin de marketeer werkt als een piloot. Hij bepaalt de route, de snelheid én de hoeveelheid brandstof, passagiers en bagage die hij mee wil nemen. De techniek doet het werk, maar de piloot controleert de richting en de voortgang. Eventueel stuurt hij bij om bijvoorbeeld een onverwachte onweersbui te ontwijken. En in geval van nood grijpt hij in.

Laat deze analogie je niet doen denken dat het een eenvoudige opgave wordt door de marketeer. De data-driven marketeer moet begrijpen hoe het systeem werkt en bewust zijn van de gevaren. Zo is er een effect wat onderzoekers Danah Boyd en Kate Crawford apophenia noemen: maak de schaal groot genoeg en je vindt altijd wel iets interessants. Er is bijvoorbeeld een correlatie aangetoond tussen de resultaten van een American Football-team en de prestaties van de Amerikaanse economie.

Met de digitalisering van de maatschappij groeit de data die we verzamelen en analyseren in volume en variëteit (denk aan biometrische gegevens via een fingerscan, gelaatsuitdrukkingen via camera’s, hartslag via de smartwatch). De complexiteit en geautomatiseerde analyse betekent dat de behoefte aan een reality check op de resultaten ervan steeds belangrijker wordt om onbedoelde en vaak onbewuste ‘vooroordelen’ of afwijkingen van de werkelijkheid te voorkomen.

Om big data succesvol in te zetten, is het van belang dat je beschikt over de juiste mensen: mensen die weten wat ze met bovenstaande vraagstukken aan moeten. Data-driven marketing is een multidisciplinair vak. Een data-driven marketeer moet in staat zijn om de statistiek van de data die hij onder ogen krijgt, te boordelen. Dit vraagt om een sterk ontwikkeld analytisch vermogen. De data-driven marketeer is niet alleen creatief, hij is ook in staat om cijfers en rapportages te interpreteren en om te zetten in acties. De data-driven marketeer controleert bovendien continu of de resultaten en conclusies van geautomatiseerde processen en algoritmen hout snijden, zoals met aanvullend onderzoek. Dit om erachter te komen of de personalisatie ook klopt bij de klant. En, niet onbelangrijk, of de geautomatiseerde personalisatie ook wordt geaccepteerd door de mens die de klant is.