4 zaken die je al niet mocht missen in 2017 en dus ook niet in 2018

Weer een trendlijstje, zul je denken. De laatste weken vliegen de artikelen met de nieuwste voorspellingen voor 2018 je om de oren. Online marketeers zijn continu bezig met het benoemen van the next big thing. Maar eigenlijk zijn de meeste ontwikkelingen allang gaande. De vraag is echter: welke blijven we ook het komende jaar toepassen? Niet heel sexy, maar wel relevant.

1. Van ‘big data’ naar ‘small data’

De succesvolle marketeer snapt dat het implementeren van een data management platform (DMP) geen doel op zich moet zijn. Je wint door het zetten van heel veel kleine stapjes; door data met elkaar te laten praten en de klantreis per fase relevanter te maken. Denk bijvoorbeeld aan attribueren van conversiewaarde aan de juiste bronnen en het koppelen van e-maildata aan Facebook. En let dan bij het attribueren niet alleen op de bronnen die leiden tot de transactie, maar ook op het inzichtelijk maken van de ondersteunende waarde van upper funnel kanalen.

Dat begint met een centraal beeld van je klant. Bilderberg verrijkt bijvoorbeeld haar data met inzicht eerdere voorkeuren, omzetten, online zoekgedrag en loyaliteit. Door met deze data de marketingkanalen te optimaliseren wordt een klant gekend en herkend. Bilderberg vertaalt dit vervolgens vanuit online door naar een verbeterde hotelervaring door op maat toegepaste services rondom eerdere voorkeuren te bieden. Met betere reviews en hogere klanttevredenheid als gevolg.

Een andere ‘small data’ toepassing is het clusteren van je klantsegmenten op basis van gedrag en biedingsstrategieën te formuleren per segment. Dat dit werkt, toont Miss Etam. Door clusters te maken van klantprofielen, en die te koppelen aan gepersonaliseerde content en specifieke media-inkoopstrategieën, krijgt ieder type klant de juiste informatie op het juiste moment en het juiste medium. Een voorbeeld van clustering is het groeperen van de ‘hardcore wardrobers’ die wel hoge bestelwaarden hebben, maar het grootste deel weer retourneren. Door deze groep binnen retargeting en e-mailmarketing uit te sluiten lijkt de roi op je media spend juist af te nemen. Haal je de retouren eraf dan boek je juist meer winst ten opzichte van niet-gesegmenteerde campagnes.

Denk dus goed na over de kleine stapjes die je met bestaande data nu al kunt zetten. Binnen no time zul je merken dat je iedere week een beetje beter wordt.

Figure 1: In-depth cluster definition – cluster marketing action

2. Slimme algoritmes optimaliseren media-inkoop

Google en Facebook investeren massaal in machine learning. Ook zijn er veel developers die technologie ontwikkelen om mediamanagement te automatiseren. Deze algoritmes zijn nog niet waterdicht. Het lukt bijvoorbeeld nog niet om fake news met software uit te bannen. Ook werden advertenties van grote bedrijven binnen YouTube getoond bij controversiële video’s.

Desalniettemin gaan de machine learning ontwikkelingen voor media-optimalisatie ontzettend hard. Met name voor complexe campagnes met grote mediabudgetten wordt de inzet van zelflerende algoritmes steeds beter. Zo besloot JP Morgan eigen tooling te bouwen die haar advertenties alleen toont bij ‘veilige’ YouTube content. Een ander voorbeeld is artificial intelligence (AI) die klanten segmenteert gebaseerd op hun koopgedrag en op basis daarvan geautomatiseerd campagnes optimaliseert.

Hierbij wordt gebruik gemaakt van het RFM-model (Recency, Frequency, Monetary-model) en de unsupervised machine learning-techniek clustering, waarbij de focus ligt op het maken van natuurlijk voorkomende groepen klanten op basis van vergelijkbare patronen in de data. Het algoritme maakt clusters met klanten die zoveel mogelijk van elkaar verschillen in koopgedrag, terwijl de klanten binnen de clusters zoveel mogelijk op elkaar lijken in hun koopgedrag.

Deze methode brengt in kaart wat het verschil is tussen de clusters in koopgedrag (zie blauwe lijn in figuur. 2) en wat het verschil is binnen deze clusters in koopgedrag (zie rode lijn fig. 2). Het ideale aantal clusters bevindt zich op het punt dat de rode lijn het laagst is en de blauwe lijn het hoogst. Dat betekent dat de clusters erg verschillend van elkaar zijn (de klantsegmenten zijn erg verschillend) en de mensen in elk cluster lijken heel erg op elkaar (de klanten van elk segment hebben vergelijkbaar koopgedrag). Door deze data te combineren met de gemiddelde RFM-scores van elk cluster en naast de karakteristieken te leggen in het koopgedrag die herkenbaar zijn voor de segmenten in jouw branche, kun je klanttypes bepalen en je marketingstrategie daarop aanpassen.

Elk type krijgt de passende content op de juiste momenten te zien, waarmee het koopgedrag beïnvloed wordt. Je marketingactiviteiten zijn gepersonaliseerd en veel preciezer. Het is alsof de verkoper achter de toonbank opeens digitaal is geworden, je complete klantenbestand kent en daarnaar handelt.

Fig. 2 Elbow method used to determine the number of K-means clusters

Het zijn dit soort toepassingen in machine learning die ook bureaus beïnvloeden. Het leveren van handjes om media te optimaliseren is steeds minder nodig. De rol van bureaus verschuift dan ook van executie naar slimme inzet van data, strategisch en creatief advies. En het bedienen van zelflerende algoritmen.

3. Minder online door ‘schermmoeheid’

We staan op met onze telefoon, spenderen de dag achter een laptop en gaan slapen met een tablet. Worden we daar nu niet moe van? Ja, steeds meer. We krijgen van alle kanten impulsen vanaf schermen die je overspoelen met informatie. Het afgelopen jaar zijn steeds meer mensen zich bewust geworden van hun digitale gedrag en gebruiken tools (zoals Moments) die helpen om niet ‘always on’ zijn.

Deze trend – beschreven in zowel dit opiniestuk als dit artikel over hoe online afleiding je productiviteit en geluk beïnvloedt – heeft ook impact op online marketing in de zin dat deze anders ingericht moet worden. Consumenten zijn namelijk steeds vaker op zoek naar offline momenten en worden minder gevoelig voor externe prikkels. Door de overdaad aan berichten, advertenties en keuzes zijn, met name millennials, immuun geworden voor niet-getargeted content. Personalisatie is daarom nog belangrijker om onder de aandacht te komen van je doelgroep. Door slimme inzet van data en goede content kun je deze personalisatie doorvoeren in bijvoorbeeld dynamische landingspagina’s.

Zo toonde Vacanceselect op gepersonaliseerde landingspagina’s precies de juiste informatie aan hun bezoekers. Stel, iemand zoekt naar ‘campings in Toscane met zwembad’, dan verandert de websiteheader naar ‘campings in Toscane met zwembad’ met bijpassende foto plus tekst. Maar het kan nog beter. Door het verder inzetten van predictive data is bekend in welke periode mensen sneller boeken en met die data kunnen campagnes en landingspagina’s pro-actief aangepast worden. De onderstaande video legt dit principe nog eens kort uit. Al met al wist de camping operator 30 procent meer omzet te halen uit hun betaalde mediakanalen tegen twee procent lagere kosten.

4. Gewoon een goed verhaal vertellen

Single customer view, predictive, omnichannel, DMP, datalayer, personalisatie: vink, vink, vink, vink, vink, vink. Online marketeers vergeten echter vaak één ding: succesvolle campagnes beginnen met het maken een verhaal dat bindt en boeit. Dat dit tot missers kan leiden bewijst de Rabobank met zijn omstreden campagne ‘stel je voor’. De bank boet flink in aan geloofwaardigheid door te vertellen aan een betere wereld te bouwen ten tijde van fipronil en het Libor-schandaal. Dat dit ook anders kan – de discussie aanwakkeren en lef tonen met een uitgesproken verhaal – bewijzen ‘The Talk’ van Procter & Gamble en Heineken’s ‘Worlds Apart’-campagne.

Terug naar de realiteit. Niet iedere adverteerder heeft de marketingbudgetten van P&G en Heineken. Om je verhaal ook met kleinere budgetten over de juiste bühne te krijgen, was hoge relevantie in de boodschap van je advertentie een van de trends van 2017. Wederom te scharen onder de noemer ‘personalisatie’.

Een succesvoorbeeld is Sieradenwinkel MyJewellery. Het mag namelijk geen geheim meer zijn dat je er als marketeer slim aan doet om in searchcampagnes advertentiegroepen op te splitsen. Zo kun je een zo relevant mogelijke advertentie laten zien bij een bepaald zoekwoord. Op social media wordt deze best practice eigenlijk nooit toegepast, althans niet op de manier waarop de My Jewellery-campagne momenteel ingericht is: met 132 campagnes, 256 advertentiesets en 512 advertenties verdeeld over 10 hoofdcategorieën.

Door middel van dynamische retargeting blijft de relevantie van de inzet van dynamische ads hoog en door de structuur van het account is het mogelijk om efficiënt te optimaliseren op basis van resultaat. De opsplitsing zorgt ervoor dat iedere (sub)groep een bod op basis van resultaat krijgt. Zo bereikt de juiste content, het juiste publiek op het juiste moment. Het resultaat? 27.5x meer roi uit de 1.1 miljoen maandelijkse bezoekers via Facebook.

Hoe nu verder?

Slim omgaan met small data, het automatiseren van je media-inkoop, gepersonaliseerde content. Wat is jouw goede voornemen voor 2018? Ik hoop dat deze terugblik op trends van het afgelopen jaar je houvast geeft om je online marketingplan verder aan te scherpen.