4 cases om de voorspelbare consument beter te leren kennen

Nike gaat zijn Fuelband-data als product verkopen aan marketingbedrijven. Consumenten met een Nike Fuelband schenken een schat aan data aan Nike en haar partnerbedrijven, onschatbaar qua waarde. Nike weet perfect wanneer iemand een bepaald paar schoenen nodig heeft. Dit en vele andere voorbeelden tonen aan waar marketing tegenwoordig om gaat: de data omtrent consumentengedrag te pakken krijgen en daar gericht op inspelen. Vroeger ging marketing over het begrijpen van de gemiddelde klant. Vandaag gaat marketing over het begrijpen van elke individuele klant.

Er wordt wel eens gezegd dat klantengedrag niet meer te voorspellen is. Niets is minder waar. Klantengedrag is nog nooit zo voorspelbaar geweest. Bedrijven als Netflix lanceren enkel nog nieuwe TV-shows als de data een succes voorspellen. Analyses van conversaties op Twitter kunnen met 95 procent zekerheid de beursevoluties van de komende dagen voorspellen. Als men onze agenda’s analyseert, kan men bijna op voorhand weten hoe onze volgende dag eruit zal zien. En ga zo maar door.

We leven in een wereld waarin consumentengedrag meer voorspelbaar is dan ooit. Elke individuele consument geeft bedrijven tips over hun actuele verwachtingen. De realiteit is dat slechts een handvol bedrijven momenteel deze opportuniteiten benut. De term ‘big data’ alleen al schrikt heel wat bedrijven af. Laat ons eerlijk zijn: de meeste bedrijven hebben al moeite met ‘small data’. Hoeveel organisaties beschikken er immers over een kwaliteitsvolle en actuele klantendatabase?

Het beheren van big data is een noodzakelijke competentie om in de toekomst extreem klantgericht te zijn. De verwachtingen van klanten evolueren. Klanten zullen minder tolerant zijn tegen foute boodschappen op foute momenten. Los van lage tolerantie zal de impact per definitie laag zijn bij gebrek aan interesse. Daartegenover staat een grote openheid bij klanten voor de juiste (commerciële) boodschappen op het juiste moment. Uit mijn onderzoek blijkt dat 33 procent van hen positief tot heel positief staat tegenover gepersonaliseerde reclame. Klanten kopen graag producten. Klanten houden ook van informatie over producten, maar enkel de juiste op het juiste moment. Met de tips (content) van consumenten beschikken we over de middelen om in deze uitdaging te slagen. De moderne marketeer moet minder interesse tonen in de gemiddelde consument, maar veel meer in de individuele consument.

Case 1: The Weather Channel

The Weather Channel weet welke producten hun klanten zullen aankopen op basis van de lokale weersverwachting. Via hun kennis verkopen ze heel gerichte advertenties aan lokale bedrijven. De eerste warme lentedag in Chicago is goed nieuws voor de airco-producenten daar. Dit is uiteraard een evident voorbeeld, maar zo kunnen ze voor elke dag van het jaar naast weersvoorspellingen ook productaankoopvoorspellingen doen. De helft van de advertentie-inkomsten van The Weather Channel is digitaal. Door hun bigdata-verhaal aan de snelle adoptie van smartphones te koppelen, verwachten ze een grote stijging van digitale inkomsten. Hun doel is voor elke consument de perfecte advertentie aan te bieden.

Case 2: Taco Bell voorspelt succes van een nieuw product

Taco Bell, een populaire fastfoodketen, slaagt erin om met 90% zekerheid het succes van productinnovaties te voorspellen. Ze maken daarvoor gebruik van hun social command center. Jaarlijks verschijnen er meer dan 18 miljoen berichten online over Taco Bell. De realtime-analyse van deze data helpt hen succes of falen te voorspellen met een waanzinnige correctheid. Door gebruik van big data hebben ze de laatste 15 jaar geen enkele mislukte productlancering meer gehad.

Case 3: Starbucks kan voorspellen waar ze nieuw retailpunt moeten openen

Een nieuwe koffieshop openen is altijd een berekend risico. Op de ene hoek van de straat kan het een stroom aan consumenten betekenen. Honderd meter verder is de nieuwe locatie misschien gedoemd om binnen de zes maanden opnieuw te sluiten.

Onderzoekers hebben Foursquare-data gebruikt om na te gaan welke locaties het meest geschikt zijn voor een nieuwe Starbucks-locatie. Voor Starbucks bleek de mate van concurrentie de meest bepalende factor in de bezoekfrequentie. Het onderzoek toonde dat de Foursquare-data op zich niet sterk genoeg zijn om de juiste keuzes te maken. Door Foursquare-data toe te voegen aan de bestaande sociodemografische data wordt de voorspelling beter. De combinatie van online en offline data verhoogt hier de kans op slagen voor een nieuw Starbucks-retailkanaal.

Case 4: Wonga.com evalueert kredietwaardigheid

Wonga.com is een financiële speler in Londen. Het bedrijf verstrekt rechtstreekse leningen aan consumenten. Wonga is één van de snelstgroeiende spelers op de Britse financiële markt. Ze ontdekten dat kredietwaardigheid evalueren op basis van de klassieke data, zwarte lijsten bij banken, niet voldoende was om een juiste inschatting te maken.

Wonga heeft zijn eigen algoritme uitgewerkt om klanten juist in te schatten. Ze gebruiken daarvoor de klassieke data, aangevuld met informatie uit sociale media. Elke nieuwe klant zorgt voor extra data en verbetert de inschatting. Het toevoegen van socialmedia-data geeft een duidelijker beeld over het spendeergedrag van consumenten dan de onpersoonlijke financiële data. Zo werd de kredietwaardigheid een pak beter ingeschat en steeg de rendabiliteit van de organisatie.

Is het awesome of creepy?

En dan komt de vraag: is dit allemaal ‘awesome’ of is dit ‘creepy’? De grens is uitermate dun. Vele marketeers stellen zich vandaag de verkeerde vraag, nl.: “Hoever kunnen we gaan met big data?” De juiste vraag is echter: “Hoe ver mogen we gaan?” Het antwoord op deze laatste vraag komt van de consument.

Data zijn goud waard, op voorwaarde dat ze op de juiste manier worden gebruikt. Data zijn niets waard als ze op een creepy manier worden ingezet. Vele bedrijven zullen zich de komende jaren verbranden aan deze grens.

De toekomst van marketing heeft een belangrijke rol voorzien voor data. Data kunnen leiden tot krachtige inzichten en data kunnen leiden tot meer impact bij de klant. In beide gevallen mag er maar één ding centraal staan: we werken om de klant zijn ervaring te verbeteren. Daarnaast zoeken we naar positieve effecten voor de organisatie via meer opbrengsten of via grotere efficiëntie. De klant moet echter centraler staan dan ooit om de data niet te verbranden. Zoeken naar ‘awesome’ en niet-‘creepy’ toepassingen is de zoektocht waar elke marketeer vandaag voor staat.