Dit zijn de trends in digital analytics voor 2019

Data is steeds vaker de drijvende kracht achter succes, zeker in digital marketing. De afgelopen jaren hebben datamanagement en digital analytics zich enorm ontwikkeld. Organisaties zien het belang van betrouwbare data en willen datagedreven werken. Het probleem is vaak nog hoe de ‘big data’ gecombineerd kunnen worden om hier bruikbare inzichten uit te halen. De verwachting is dat dit in 2019 écht gaat veranderen. Een aantal kansrijke trends in digital analytics.

Digital analytics in de afgelopen jaren

Om een visie voor de toekomst te kunnen ontwikkelen, moet je begrijpen waar je vandaan komt. De afgelopen jaren zagen we grote verschuivingen van single databronnen naar het gebruik van meerdere databronnen en tools. Google lanceerde in maart 2016 de Google Analytics 360 Suite: “An enterprise-class solution for a multi-screen world”. Mede door het groeiende aantal mogelijkheden in devices en het aantal kanalen of touchpoints, werd het begrijpen van de customer journey een steeds grotere uitdaging. Ook niet makkelijk was het op een eerlijke manier toeschrijven van de conversiewaarde aan kanalen die aan het begin van de customer journey zitten en die anders dus ondergewaardeerd werden.

“Steeds meer data komt beschikbaar en de behoefte groeit om dit inzichtelijk te krijgen”

Geavanceerde attributiemodellen kwamen beschikbaar, zodat je als marketeer zelf kon bepalen welke wegingsfactoren mee moesten spelen in het toewijzen van conversies. Google ontwikkelde het data-driven attributiemodel. Dit model gebruikt werkelijke gegevens uit Google Analytics om op basis van machine learning een aangepast model te genereren. Steeds meer data kwamen beschikbaar en de behoefte bij sales- en marketingafdelingen om deze goed en actionable inzichtelijk te krijgen, groeide daarmee ook. Maar de koppeling van attributiemodellen over databronnen heen is nog vaak een (te) grote uitdaging.

Terugblik: digital analytics in 2018

Wat heeft 2018 gebracht voor digital analytics? Afgelopen jaar was het grote nieuws bij Google de lancering van het Google Marketing Platform, waarmee online marketeers de mogelijkheden kregen om meer inzichten uit de data te halen, zodat marketingcampagnes nog beter geoptimaliseerd kunnen worden. Google Marketing Platform is een integratie van de Google Analytics 360 Suite en de DoubleClick-producten, waarmee er één geïntegreerde tool ontstaan is voor het inkopen, plannen, meten, testen en optimaliseren van online marketingactiviteiten. Een dergelijke full stack suite is niet nieuw: vele grote analytics-partijen, zoals Webtrekk en Adobe Analytics, hebben al een suite.

De reden voor Google om het Google Marketing Platform te lanceren was deels rebranding, maar het belangrijkste was toch om te zorgen dat producten van (voorheen) DoubleClick beter zouden aansluiten op andere Google-producten. Daardoor zien organisaties uiteindelijk eerder de voordelen van deze integraties en is de kans groter dat zij meer Google-producten gaan gebruiken (waarmee Google nog meer data kan verzamelen).

“We willen steeds meer inzicht in steeds meer verschillende datastromen”

Marketeers willen – zoals Google dondersgoed begrijpt – steeds meer inzicht in de diverse datastromen en hoe ze hier maximaal rendement uit kunnen halen. Dit is dan ook de basis voor de trends van 2019, waar we later verder op in gaan.

Verder stond 2018 in het teken van de introductie van de AVG, de Algemene Verordening Gegevensverwerking. Behalve groei van het aantal cookiebars, zorgde dit er ook voor dat er bij organisaties meer focus kwam op datamanagement en -beveiliging. Hiermee werd data-governance een belangrijk onderwerp in 2018. Veel organisaties voldoen nog niet volledig aan de AVG en zullen hier in 2019 ook nog de nodige stappen in nemen.

Digital analytics in 2019: de ontwikkelingen

Hoe kun je met een slimme data-strategie stappen maken voor je organisatie? Voor 2019 zien we de volgende trends en ontwikkelingen op het gebied van digital analytics:

1. Management van datakwaliteit
2. Marketing automation en Artificial Intelligence
3. Personalisatie
4. Predictive én prescriptive analytics
5. Groei in gebruik DMP’s en CDP’s
6. Mixed reality zorgt voor groei augmented analytics

1. Management van datakwaliteit

In 2019 zal het management van datakwaliteit een zeer grote rol spelen. Het is niet alleen van belang om veel data uit diverse bronnen te verzamelen. Voldoet de kwaliteit en betrouwbaarheid van die data, alsmede van de context waarin de data worden gebruikt? Op welke wijze worden inzichten uit data gehaald? Dit alles neemt in belang enorm toe met het oog op de te behalen doelstellingen, en krijgt bij organisaties dus hoge prioriteit. Dit blijkt ook uit een onderzoek van bi-survey.com:

Het verhogen van de datakwaliteit is niet één project: meten, analyseren, verbeteren, implementeren en controleren, zullen als stappen in een cyclus elkaar op moeten blijven volgen. Dit vergt een data-governance structuur, waarin de datamanagementfunctie op senior/management-niveau belegd is, die gericht is op het verbeteren van datakwaliteit. Op deze manier is er ook draagvlak in de hele organisatie. Data-driven beslissingen kunnen alleen genomen worden als de data correct en up-to-date zijn, een vaste structuur hebben en geen inconsistenties bevatten. Alleen dan kun je als organisatie snel reageren op ontwikkelingen in een dynamische, snel veranderende markt.

2. Marketing automation en Artificial Intelligence

Big data moeten organisaties helpen tot inzichten te komen om uiteindelijk kosten te reduceren, en omzet en klanttevredenheid te verhogen. Om deze big data te ‘managen’ zal de rol van Artifical Intelligence (AI) en marketing automation groter worden. AI en marketing automation-technieken automatiseren en optimaliseren analyseprocessen, waarmee belangrijke inzichten gecreëerd kunnen worden. Nu wordt het veel toegepast bij het automatiseren van klantinteracties. Het toepassen van AI-algoritmen op analytics van e-commerceplatformen, maar ook op bijvoorbeeld die van chatbots en de FAQ op een website, maakt het mogelijk om de user experience verder te verbeteren en de klantwaarde te optimaliseren.

3. Personalisatie

Personalisatie is het leveren van op maat gemaakte inhoud en ervaring in alle fasen van de customer journey. Personalisatie kan toegepast worden bijvoorbeeld op basis van segment (personen met gedeelde eigenschappen) of op eerder vertoond gedrag op de website, zodat content wordt aangepast als je de website weer bezoekt. Een andere vorm is dat op basis van de gegevens die van jou op persoonsniveau bekend zijn, specifieke suggesties worden gedaan of bepaalde informatie vooraf is ingevuld om het gebruiksgemak te verhogen.

De basis van personalisatie is het beschikken over en koppelen van de juiste (betrouwbare!) data en inzicht in de customer journey. Met de juiste tooling geef je dan een relevante creatieve invulling. Over het algemeen zorgt personalisatie voor een hogere click-through rate, meer verkopen en een hogere klanttevredenheid.

4. Predictive en prescriptive analytics

Een belangrijke reden voor marketeers om big data te gebruiken is dat het predictive analytics mogelijk maakt, oftewel: op basis van data voorspellingen doen. Omdat er veel (historische) data aanwezig zijn, maken analysemodellen wiskundige berekeningen waar voorspellingen op gebaseerd worden. Predictive analytics richt zich op het identificeren van toekomstige gebeurtenissen en waarden met hun respectievelijke kansen. Het kan helpen bij bijvoorbeeld het verlagen van churn (verlies van klanten), omdat je hierop kunt inspelen voordat klanten definitief besluiten weg te gaan.

“Predictive analytics richt zich op het identificeren van toekomstige gebeurtenissen”

Maar je wil natuurlijk niet alleen weten wat er gaat gebeuren, maar ook wat de optimale actie is om hierop in te spelen. In dit geval spreken we van prescriptive analytics.

Een goed voorbeeld van prescriptive analytics is de recommendation engine: op basis van bekeken pagina’s, gekochte producten, in-market segmenten en demografische gegevens worden producten getoond waarvan het zeer waarschijnlijk is dat de betreffende persoon deze producten interessant vindt of nodig heeft. Bovendien bepaalt het algoritme hierbij dat de meest voor de hand liggende producten het eerst worden getoond.

Een ander voorbeeld is als iemand productpagina’s bekijkt van speelgoed voor kleine kinderen en daarna blogartikelen leest over babyzorg. Dan is de kans groot dat deze persoon binnenkort ouder wordt, zodat je daar op in kunt spelen. Het is dus belangrijk om zogenaamde flows te creëren om de juiste boodschap te tonen.

5. Groei in gebruik DMP’s en CDP’s

In het verlengde van voorgaande trends zie ik het gebruik van Data Management Platforms (DMP) en Customer Data Platforms (CDP) enorm toenemen. Een DMP is een centrale plek om online en offline data van verschillende databronnen te verzamelen en te beheren. Het betreft gedragsdata van zowel klanten als niet-klanten. Binnen het DMP worden klanten gesegmenteerd en wordt een profiel aangemaakt, waardoor er een vollediger klantbeeld ontstaat en er beter inzicht is in de customer journey die een klant aflegt. Door deze kennis kan de (potentiële) klant zo effectief mogelijk worden bereikt.

In een CDP worden alle interacties die een organisatie heeft met haar klanten geregistreerd, zowel via website, app, callcenter, chat et cetera. Op deze manier wordt een up-to-date klantprofiel samengesteld, welke eventueel nog verrijkt wordt met externe data. Deze gegevens kunnen vervolgens gebruikt worden voor personalisatie in verschillende kanalen, zodat de klant beter bediend wordt met relevante boodschappen. Zo kan op basis van een algoritme bepaald worden welke ‘verleidingstechnieken’ het beste bij welke klant toegepast kunnen worden of welke producten interessant zijn op basis van koopgedrag.

6. Mixed reality zorgt voor groei in augmented analytics

Er is al veel geschreven over virtual reality (waarbij je niets meer ziet van de wereld om je heen) en augmented reality (waarbij de echte omgeving wordt vermengd met hologrammen om je ervaring te verrijken). Mixed reality is de combinatie van elementen van virtual- en augmented-reality technologie. De enorme stroom aan data die dit met zich mee brengt zorgt voor augmented analytics, een systeem dat inzichten automatiseert met behulp van ‘natural language processing’ en machine learning. Het systeem genereert dus zelf inzichten in duidelijke, bruikbare antwoorden, waarmee het werk van de digital analist bijna overbodig wordt. Er worden automatisch verbanden gelegd tussen verschillende databronnen, zodat sneller actie kan worden ondernomen. Ik verwacht dan ook dat de ontwikkeling van Augmented Analytics-tools de komende jaren flink zal groeien.

Take-aways voor 2019

Samenvattend voor jou de key take-aways om in 2019 digital analytics succesvol in te zetten:

• Als organisatie dien je ervoor te zorgen dat je datakwaliteit hoog is, aangezien je alleen dan in staat bent op basis van betrouwbare data de juiste beslissingen te kunnen nemen.
• Met marketing automation en AI automatiseer en optimaliseer je analyseprocessen, zodat de user-experience en de klantwaarde verbeterd kunnen worden.
• Personalisatie zorgt voor een hogere click-through rate, meer verkopen en een hogere klanttevredenheid.
• Met predictive én prescriptive analytics weet je niet alleen wat er gaat gebeuren, maar ook wat de optimale actie moet zijn om hierop kansrijk te reageren. Dit maakt dat je kan inspelen op toekomstig gedrag.
• Organisaties willen steeds meer klantgegevens en -gedrag vastleggen en ontsluiten uit één bron. Door de juiste inzet van een DMP of CDP krijg je als marketeer een completer klantbeeld om de klant op een persoonlijke manier te bedienen.
• Mixed reality zorgt voor groei van augmented analytics-tools, om inzichten te automatiseren vanuit de datastroom van virtual en augmented reality.

Conclusie

Naarmate AI en machine learning geavanceerder worden, zal de behoefte aan relevantie en gepersonaliseerde marketingcommunicatie alleen maar toenemen. De verwachting is dan ook dat in 2019 organisaties steeds meer groeien naar een geïntegreerd marketingproces. On- en offline systemen zijn daarin gekoppeld om beter inzicht te krijgen in de customer journeys van de klanten. Op basis van automation en machine learning kunnen vervolgens (potentiële) klanten worden benaderd met de juiste boodschap, via het juiste kanaal en device, op het juiste moment.

Dit artikel verscheen eerder bij Traffic Builders.