De staat van data-driven marketing in Nederland

Waar staat data-driven marketing en hoe gaat het zich in 2019 ontwikkelen? De DDMA-commissie Data Decisioning & Engagement heeft vakgenoten hierover ondervraagd en deelt nu alvast een aantal inzichten. Daarmee lopen we vooruit op het Data Driven Marketing Onderzoek 2018, dat pas in november volledig wordt gepresenteerd.

Data-driven marketing, het klinkt zo spannend in tijden waarin alles data produceert en analyses ervan ons vertellen wat we hiervoor niet wisten. Alleen ligt het allemaal wat genuanceerder. Al jaren bouwen wij aan een samenleving die verregaand gedigitaliseerd en ‘always on’ is. Twintig jaar geleden vroegen veel mensen zich af wat ze met een mobiele telefoon zouden moeten. Nu lopen kinderen op basisscholen rond met smartphones die Chriet Titulaer niet had kunnen voorspellen.

“Bijna alles is meetbaar geworden”

Om een goed beeld te krijgen van de koers die data-driven marketing in 2019 zal volgen, hebben wij al onze vakgenoten opgeroepen om hun inzichten te delen in het Data Driven Marketing Onderzoek 2018. Een online survey bedoeld voor marketeers, waarvan de resultaten in november vrij gedeeld zullen worden. Vooruitlopend op de resultaten die in november bekend gemaakt worden, delen wij alvast enkele perspectieven van de DDMA-commissie Data Decisioning & Engagement over de invloeden op data-driven marketing die wij zien.

De ontwikkelingen hebben zich op veel fronten doorgezet, maar zeker ook op het gebied van marketing. Naast digitale media op zich, is bijna alles meetbaar geworden, en met deze data kan met nu meer dan ooit snelle, gefundeerde beslissingen genomen worden in plaats van te hoeven vertrouwen op onderbuikgevoel. Iedere organisatie die wil overleven en – liever nog – succes wil hebben in de huidige markt, kan niet zonder goede data-driven marketing.

Het bedrijfsleven en met name de marketingdiscipline spelen een belangrijke rol in de ontwikkeling van nieuwe technieken en processen. Waarbij een betere klantinteractie door een beter begrip van de klant kan leiden tot nieuwe dienstverlening, productontwikkeling, kostenbesparingen en nog veel meer. 78 Procent van de marketeers voorspelde in het vorige Data Driven Marketing Onderzoek (DDMO) van 2017 al dat binnen drie jaar businessmodellen voornamelijk worden ontwikkeld op basis van data.

Hoe persoonlijk mag marketing worden?

Dat de klant nog centraler komt te staan door het gebruik van data in marketing en nieuwe technologieën is een belangrijke ontwikkeling waar nog veel om te doen is. Omdat data-marketing nog relatief jong is vanuit het perspectief van de gewone consument, bestaan er nog redelijk veel misconcepties en onduidelijkheden over hoe data-marketing hem nu ten goede komt. Waar traditionele marketing nogal eens opdringerig kon overkomen door aanbiedingen zonder relevantie, maakt datamarketing het mogelijk om af te gaan op wat een klant belangrijk en relevant vindt. Door goed te analyseren en voorspellingstechnieken in te zetten, kunnen klanten beter begrepen en bediend worden.

Neem een voorbeeld aan de overlap die retailers vinden tussen online en de fysieke winkel om klanten beter te helpen. Coolblue, van oorsprong ‘online only’ speler, opent fysieke winkels en De Bijenkorf helpt winkelend publiek online aan producten als deze niet meer op voorraad zijn in de winkel.

AI en voice: geen silver bullet, wel een revolutie

Dit zijn natuurlijk eenvoudige integraties, maar daar komen dus binnen afzienbare tijd andere vormen bij, zoals AI en Voice Assistants. Gartner zegt in een recente publicatie te verwachten dat het nog geen tien jaar duurt voordat overal vormen van Artificial Intelligence in de samenleving aanwezig zijn.

Tien jaar gaan snel, maar waar staan wij nu? We kunnen stellen dat AI voorlopig nog niet moet worden gezien als de Science Fiction-achtige toepassingen zoals we die uit Hollywood kennen. De ontwikkelingen gaan snel, maar verreweg de meeste toepassingen bevinden zich op het vlak van machine learning. Momenteel ligt hierbij de nadruk op de inzet van neurale netwerken als deep learning. De basistechnieken zijn al jaren bekend, maar de hoeveelheid data én de bijbehorende verwerkingskracht om modellen te trainen komen nu meer en meer binnen bereik van doorsnee bedrijven.

Marketeers moeten wel oppassen om de term niet te algemeen en de techniek als silver bullet te gebruiken. Machine learning is niet dé oplossing voor alle problemen, maar kan wel een oplossing zijn voor specifieke problemen. Machine learning en deep learning zijn tools in het AI-pakket en zijn belangrijk voor moderne marketeers (die zich echt met data bezighouden) om in te kunnen zetten, naast andere vertrouwde technieken.

“Marketeers moeten niet denken dat machine learning de oplossing is voor al hun problemen”

Voice is de andere interessante ontwikkeling die nu in rap tempo ons dagelijks leven verandert. Wij omarmen die technieken zoals we ook de stemgestuurde navigatiesystemen razendsnel tot de normaalste zaak van de wereld vonden behoren. Maar ook de mogelijkheid om een notitie in je agenda toe te voegen maakt de voice-assistant meer waardevol. Ook in huis krijgen we steeds meer te maken met automation. Je kan natuurlijk naar je robotstofzuiger lopen om hem aan te zetten, maar even roepen dat hij z’n werk mag doen terwijl je met je handen vol net naar buiten wil lopen is eenvoudiger. En dan zijn de andere mogelijkheden natuurlijk grenzeloos, snel boodschappen bestellen is eigenlijk peanuts. Wat dacht je van hypotheken aanvragen en afsluiten, de steeds complexere dienstverlening die straks via voice gaan lopen.

Dat het wel lastig is om voice-assistants snel breed commercieel in te zetten blijkt uit het feit dat Amazon zelf in de VS nog niet helemaal is waar het gehoopt had te zijn. Dat zie je daarentegen vaker: pionieren voor een bepaalde service kan lastig zijn, totdat het aanslaat. Daarna kan het moeilijk zijn de markt bij te benen. Zorg dus dat je wel op tijd met zowel AI als voice aan de slag gaat voor jouw organisatie om geen waardevolle kansen te laten liggen.

Nieuwe skills voor marketeers

Het is niet altijd zo dat automatisering meteen leidt tot minder werk, wel tot ander werk. Als marketeer moet je continu alle ontwikkelingen op de voet volgen. Het overzicht houden en voortdurend verbeteren blijft vooralsnog mensenwerk. Volgens het Pareto-principe kost de laatste 20 procent verbetering de meeste effort. De eerste stappen zijn snel gemaakt, maar het laatste gedeelte kost meer werk. Waar men aanvankelijk streeft om die eerste 80 procent te halen, zal men daarna hard moeten werken om nog beter te zijn en zo de concurrentie voor te blijven. De effort die daarvoor nodig is zal ook blijven. Marketing-automation maakt dat marketeers zich meer kunnen gaan focussen op die laatste procenten.

Daarnaast zien we dat waar we vroeger de allround marketeer hadden, deze algemene functie zich steeds meer uitgesplitst naar specialismen. En naarmate het vakgebied nog meer volwassen en uitgebreider wordt, zijn de details te specifiek voor een allrounder.

Aan de andere kant maken we al mee dat steeds meer techniek gemeengoed wordt met een meer eenvoudige interface. Dit zorgt ervoor dat een groter aantal marketeers toegang hebben dan ooit tevoren en ze minder van de details aan hoeven te trekken.

Wat wel zorgen baart is de staat van de Nederlandse opleidingsinstituten die de marketeer van morgen mag afleveren. De opleidingen voor AI kunnen de toestromende studenten geen onderdak bieden, en oude marketingvakken en -principes klinken nog steeds als mantra’s door de heilige hallen van de universiteiten. Als Nederland niet afhankelijk wil worden van data-marketeers uit bijvoorbeeld China of Rusland, waar exacte kennis en technologische ontwikkelingen erg snel gaan, dan moeten wij snel ons educatie-repertoire aanpassen.

“Als Nederland niet afhankelijk wil worden van data-marketeers uit China of Rusland, moet ons educatie-repertoire snel worden verbeterd”

Jezelf voorbereiden op een dynamisch vakgebied zoals data-marketing dat zich ook zo snel ontwikkelt is natuurlijk een lastige opgave. Maar als we meer anticiperend te werk zouden gaan, zoeken we het snijvlak op van data-science, marketing en technologie. Neem bijvoorbeeld de opleidingen voor data-scientists: daar leren ze vaak goed omgaan met datasets. Met een perfecte dataset kan iedereen werken, maar wat ze je niet leren is eigenhandig op low-level de data bij elkaar sprokkelen, bestanden en databases koppelen, uitzoeken van nieuwe functionaliteiten van tools et cetera. Dat moet je ervaren, met de spreekwoordelijke voeten in de modder, door te experimenteren.

Volgens Forbes besteden data-scientists nog steeds bijna 80 procent van hun tijd aan het verzamelen en organiseren van data. Als data-scientist moet je dus handig hierin zijn. Eén van de meest belangrijke stappen van machine learning is de feature ‘engineering’. Ook dat lijkt een kunst op zichzelf te worden: niet minder werk, wel ánder werk.

Wat vervolgens in het bedrijfsleven niet altijd vanzelfsprekend wordt gevonden, is tijd en mogelijkheden krijgen om nieuwe technieken uit te proberen. Voor een carrière in marketing kan dat wel het verschil maken. Voor management-level biedt een stimulerende omgeving ook meer mogelijkheden talentvolle mensen aan je organisatie te binden. Veel marketeers, zeker in de hoek van data, zijn nieuwsgierig ingesteld: ze willen graag in de data duiken en graven. Daar moet wel ruimte voor zijn. Hetzelfde geldt voor het leren van nieuwe technieken en tools.

Zien is geloven: de kracht van visualisatie

Voor het succes van echte data-driven marketing moet het nog toegankelijker en duidelijker worden voor buitenstaanders. Visualiseren van data blijft een apart vakgebied. Als je een probleem duidelijk zichtbaar maakt, wordt het voor veel bestuurders ook tastbaarder. Of het nou om ROI gaat of hiaten in een markt – zien is geloven. Zo creëer je impact binnen jouw organisatie en de markt.

Data geven je de juiste inzichten, op basis waarvan je betere beslissingen kunt nemen en uiteindelijk beter met je klant kunt communiceren, wij noemen dat “data, decisioning and engagement”. Maar naast de manieren waarop professionals de ontwikkeling van ons vak beïnvloeden zal de klant dat ook doen. Zijn ervaring en de adoptie van nieuwe technologieën bepalen mede de focus en snelheid van data-driven marketing.