Big data in de praktijk: muziekleveranciers, modezaken en Netflix

Om de conversie te laten stijgen, is het voor organisaties essentieel om het productenaanbod zo goed mogelijk te laten aansluiten op de persoonlijke voorkeur van de doelgroep. Het analyseren van (grote hoeveelheden) gegevens speelt hierbij een belangrijke rol. Maar hoe zet je op innovatieve wijze data-analysesoftware in? Hoe weet je als marketeer beter dan de klant zelf waar hun interesse naar uitgaat? Wat zijn de lessons learned tot nu toe?

Alles weten

Continu weten wat de klant wil en wat hij van de dienstverlening vindt, is voor iedere organisatie van belang. Zonder die informatie was de enorme groei van 10 miljoen leden in 2010 naar meer dan 44 miljoen in 2014 wereldwijd voor Netflix niet haalbaar geweest. De mediaprovider bestookt die 44 miljoen leden niet met marketingactiviteiten om klantinformatie in te winnen, dat wekt vaak alleen maar ergernis op. Het bedrijf zet analysetechnologie op dusdanige wijze in, dat ze hun klanten niet lastig hoeven te vallen. Het bedrijf genereert de data op geheel automatische wijze.

Het gericht inkopen van films en series is dankzij het analyseren van data over het gedrag van de klant een eenvoudige klus voor Netflix. Denk hierbij aan informatie over de tijd die iemand besteedt om een serie te streamen. Of welke genres vooral populair zijn onder het klantenbestand. Ook het aantal pauzes en het tijdstip van de break tijdens een film of en serie levert nuttige informatie op.

Op basis van al deze resultaten kan Netflix gepersonaliseerde aanbevelingen doen, ervoor zorgen dat klanten ook daadwerkelijk lid blijven en zelfs nieuwe leden werven. Ze weten daarnaast welke films of series goed bij de doelgroep scoren en wat het verschil in populariteit verklaart.

Visualisatie belangrijk

Toch is het verzamelen van data niet het allerbelangrijkste aspect voor de mediaprovider. Het gaat om de stap erna: het analyseren van gegevens en vooral om het visualiseren hiervan. Omdat het analyseren van grote hoeveelheden gegevens nog relatief nieuw is, kennen we nog weinig experts – ofwel data scientists – op dit gebied.

Marketeers weten vaak al dat ze ‘iets’ willen doen met big data, maar zij zijn niet ervaren in het uitlezen van analyses. Vandaar dat de visualisatie van de analyses een belangrijke stap is. Organisaties moeten daarom altijd de stelregel hebben dat de data voor iedereen toegankelijk, eenvoudig te verkennen en te verwerken moet zijn. Visualiseer de feiten die door de data naar voren komen voor de gehele organisatie. Hierdoor kunnen bedrijven per direct gefundeerde beslissingen nemen en hoeven zij niets aan het toeval over te laten.

Netflix heeft dit goed begrepen. Zelfs de grafische ontwerpers van Netflix gebruiken de visualisaties om te bepalen welke kleur de covers van een serie of film moeten krijgen. Toen bleek dat de politieke dramaserie Macbeth een grote hit werd, is het concept van de cover ook ingezet voor de inmiddels populaire serie House of Cards. Want wat bleek? Een hoofdpersoon met bebloede handen geportretteerd op een donkergrijze achtergrond werkt goed om de interesse van de leden te wekken. Het kleurenschema is dus goed inzetbaar voor politieke dramaseries en het trekt een groot kijkerspubliek aan.

Tijd vermindert waarde

Een tweede belangrijke stelregel bij analytics is dat hoe langer het duurt om data te verzamelen, hoe minder waardevol deze wordt. Actualiteit is belangrijk in de huidige maatschappij, waarin (technologische) ontwikkelingen elkaar in een rap tempo opvolgen en consumenten hier steeds sneller op anticiperen. Hierdoor verandert het gedrag van consumenten continu. Het voortdurend monitoren is daarom essentieel. Alleen dan kunnen bedrijven trends en gedrag ontdekken en hier direct op inspelen.

Data-analytics onmisbaar

Maar hoe werkt analytics nu in de praktijk? Zowel binnen organisaties als daarbuiten is enorm veel data beschikbaar. Steeds meer organisaties beseffen welke schat aan informatie over klantgedrag erin schuilgaat. Bij analytics gaat het vrijwel altijd over grote zeer grote hoeveelheden data. Daar komt bij dat de software daarin niet zoekt op een bepaald getal of woord, maar naar verborgen patronen en relaties.

Die twee eisen maken standaard databases ongeschikt voor data-analytics: het duurt dagen voordat organisaties concrete resultaten krijgen. En dan valt er over de correctheid van de informatie ook nog te twijfelen. Voor data-analytics zijn dus daarvoor gebouwde databases nodig met speciale in-memory technologie, die enorm grote hoeveelheden data tegelijk kunnen inladen, razendsnel analyseren en bovendien visualiseren.

Slimme marketing

Bedrijven in de financiële sector en de telecom verzamelen bijvoorbeeld data van klanten die opgezegd hebben. Hoe gedroegen die zich in de maanden voor de opzegging? Het toepassen van data-analytics brengt een aantal overeenkomsten in dat gedrag naar boven. Zo ontstaat er een behoorlijk nauwkeurig profiel van een klant die in het verleden heeft opgezegd.

De volgende stap is om dat zogenaamde churning model te gaan vergelijken met het gedrag van bestaande klanten. Het resultaat: een lijst van klanten waarvan met behoorlijke zekerheid kan worden aangenomen dat ze binnen enkele maanden klant-af zullen zijn. Die groep kan met speciale acties worden bewerkt om ze te bewegen klant te blijven. Een bijzonder kosteneffectieve manier van marketing voeren.

Een ander voorbeeld. In de VS zijn al modezaken die bij de kassa het bestaande klantprofiel en de nieuwe aankoop samenvoegen met data over de nieuwe collectie. De klant krijgt bij de kassa te horen dat er binnenkort een jasje leverbaar is dat uitstekend past bij de zojuist aangeschafte broek of rok. Dat is marketing op maat.

Dit voorbeeld gaat ook op voor muziekleveranciers die niet het simpele “andere kopers van dit product kochten ook….” vermelden. Nee, op basis van alle eerdere aankopen kan met data-analytics naar boven komen wat de overeenkomsten in genre, stijl, tijdvak, muzikanten, zangers, instrumentarium, schrijvers, en producers – en nog veel meer – in de smaak van de klant is. De klant krijgt dan een advies dat hem zeker zal interesseren.

Dit is allemaal maar een greep uit de inmiddels vele voorhanden zijnde voorbeelden van slimme data-analytics. Marketeers kunnen veel leren van de voorlopers op het gebied van het toepassen van analytics en het volledig benutten van alle beschikbare gegevens. Het grote voordeel is immers dat klanten beter in hun behoeften en wensen worden voorzien. En dus in staat zijn om hun concurrentiepositie te vergroten en groei te realiseren.