linkedintwitter

Big data big deal?

Bedrijven groot en klein zitten bovenop een berg data. Maar hoe spit je er eenvoudig en efficiënt de relevante gegevens uit voor slimme (direct) marketingacties? We gingen te rade bij Koenraad De Cock van IBM en Wouter Buckinx van Python Predictions en zij kwamen met een voor iedereen haalbaar stappenplan op de proppen.
Big data is ‘hot’. De aandacht via tal van blogs, artikels, congressen, op- leidingen, communities, start-ups, ... groeit zienderogen. Het concept klinkt dan ook aantrekkelijk voor vele sectoren, en zeker voor de direct marketeer: wie er in slaagt zich een weg te banen door een massa data, kan zijn marketingacties optimaliseren om zich zo te differentiëren ten opzichte van de concurrentie. De poort naar meer data staat vandaag wijd open. Dankzij nieuwe technologieën krijgen we toegang tot meer en meer data, èn krijgen we de mogelijkheden deze te verwerken.

VIJF CRUCIALE BIG DATA SCHAKELS

Wie wil meespelen op het terrein van big data, heeft echter niet enkel nood aan een berg data. Wie echt wil winnen, maakt best een cocktail op basis van verschillende ingrediënten:

01 ORGANISATIE

Vertrek vanuit concrete business-vragen en doelstellingen. Hoe concreter die zijn, hoe makkelijker je big data investeringen op korte termijn zullen renderen. Betrek je hele organisatie en werk als één team: marketing, data-analyse, ICT … Ga stap voor stap vooruit met een roadmap.

02 DATA

Bewaak je datakwaliteit consequent. Integreer je klantengegevens eventueel stapsgewijs (zie ook verder bij ‘What, Who, How, Why’) en bouw je data op met de onderstaande 5 V’s in je achterhoofd.

BOUW JE DATA OP VOLGENS DE 4 +1 = 5 V’S VOLUME
Als je bijvoorbeeld het surfgedrag capteert, lopen datavolumes stevig op. Een zware klus die evenwel hot, relevante sales leads oplevert.

VARIETY
Traditionele marketing databases werken meest- al enkel met gestructureerde data. In big data omgevingen dien je rekening te houden met een grotere diversiteit van data.
VELOCITY
Bij ‘real time’ scoring van gegevens is de verwerkingssnelheid van binnenkomende data cruciaal.
VERACITY
Hoe correct en volledig zijn de data, die je wil gebruiken? Via welke stappen kan je die kwaliteit verbeteren?
VALUE
Zoek het goud tussen de gigantische hoop data-zand. Ga grondig na welke data echt waardevol zijn voor je marketing-toepassingen.


03 TOOLS

Mix de nieuwe technologie voor opslag, verwerking en analyse van grote datavolumes gerust met de klassieke data-analyse tools. Ook in big data omgevingen blijven die nuttig.

04 SKILLS

Big data vereist een gestroomlijnde samenwerking van diverse expertises in je onderneming: IT, Business, Analyse, Communicatie. Zorg dat je de nieuwe witte raven met datamanagement-talent weet aan te trekken.

05 USE IT!

Big data vergt nu eenmaal investeringen. Laat die meteen renderen. Start met de zaken die meteen bruikbaar zijn en een meetbaar effect hebben op je marketingacties.
KOENRAAD DE COCK PREDICTIVE ANALYTICS SOLUTION SPECIALIST IBM
Alvorens bij IBM aan de slag te gaan als Predictive Analytics Solution Specialist verdiende Koenraad zijn sporen in de marketingwereld. Koenraad heeft meer dan 20 jaar ervaring in het gebruik van analytics en datamining om de performantie van marketing trajecten te verbeteren.
WOUTER BUCKINX MANAGING PARTNER PYTHON PREDICTIONS
Wouter heeft meer dan 10 jaar hands -on ervaring in verschillende sectoren, zoals retail, postorder, telecom, banken, nuts- bedrijven en abonnementsdiensten. Daarnaast publiceerde hij ook al de nodige wetenschappelijke studies in vakbladen en spreekt hij regelmatig op zakelijke en academische seminaries.

HET BELANG VAN (KWALITATIEVE) DATA

Als je de behavioral, descriptive, interaction en attitudinal data integreert in een analytische omgeving, krijg je een bijzonder volledig zicht op je klanten en de interacties die ze met jouw bedrijf en de markt heb- ben. Maar dergelijk systeem in één ‘big bang’ opstarten, is maar weinigen gegeven. Daarom wordt meestal gekozen voor een gefaseerd en gepriortiseerd systeem (zie ook het kaderstuk hiernaast), vertrekkende vanuit What, Who, How en Why.

PRIORITEIT01

QUICK WINS SCOREN

Als we even terugkijken naar het kaderstuk hiernaast, zien we dat traditioneel wordt gestart met de data uit de WHAT. Die gegevens komen uit de transactionele data die sowieso in elk bedrijf aanwezig zijn en meestal erg kwalitatief zijn. Het zijn immers de data die worden gebruikt om facturen en klanten op te volgen. Met deze data kan je al veel analyseren, zoals een RFM segmentatie (Recency, Frequency & Monetary value), Life Time Value-berekeningen en zelfs rudimentaire scoremodellen opzetten om klantenrespons te voorspellen.

PRIORITEIT02

KLANTENINZICHTEN UITBREIDEN

Om je marketing inspanningen verder te optimaliseren, heb je echter nog meer inzicht in je klanten nodig. En die kan je uit de beschrijvende data binnen het WHO-onderdeel halen. Het gaat hier vooral om socio-demografische data, zoals leeftijd, gezinssamenstelling, sociale klasse, Mosaic-typologie, etc. Het grote probleem is dat die gegevens niet altijd even betrouw- baar zijn, omdat ze niet altijd (correct) aangegeven worden of verouderd zijn. Een oplossing hier kan zijn samen te werken met externe partijen die deze data op een betrouwbare manier kunnen verrijken. Vanaf dan kan je je klanten beginnen profileren: hoe oud zijn ze, welke producten kopen ze, hoe is het gezin samengesteld, op welke campagnes of acties reageren ze? Deze data kan je dan ook mee opnemen in meer geavanceerde voorspellende scoremodellen, waar ze vaak een belangrijke toegevoegde waarde leveren.

PRIORITEIT03

KLANTENINTERACTIES VERSTERKEN

Pas als je deze twee databronnen onder controle hebt, kan je beginnen aan het derde soort gegevens, namelijk de klanteninteracties uit de HOW. Hier vind je de data rond de interacties met je klanten en prospects terug. De gegevens komen ondermeer voort uit de contacten met je call center, eventuele klachten, reacties op campagnes en aanbiedingen, alsook het surfgedrag op je website. Nu is elk gedrag met je (potentiële) klant van belang om meer inzicht te krijgen, maar het zijn toch vooral de gegevens uit het surfgedrag die een cruciale rol spelen om betere voorspellende modellen op te zet- ten. Het gaat immers om bewezen interesse van klanten en prospects – mensen zijn namelijk niet geneigd om op je website informatie te bekijken waarin ze niet geïnteresseerd zijn. Vanaf dit stadium wordt ook je reactietijd een cruciale factor: hoe sneller je kan reageren op de interesse van je klant/prospect, hoe groter de kans dat je resultaat bereikt. Waarmee we ons op het ‘real time’ of ‘near real time’-marketingpad begeven, maar daarover een andere keer meer.

WOUTER BUCKINX PYTHON PREDICTIONS:

Evalueer jezelf niet op hoeveel big dataprojecten je ontwikkelt, maar wel op het aantal effectieve campagnes die je ermee aanstuurt.

PRIORITEIT04

KLANTEN EN PROSPECTS OVERTUIGEN

WHY, het vierde onderdeel van je klantendata, is eigen- lijk een buitenbeentje. De data die je hier verzamelt, geeft meer inzicht in de motivatie van je klanten/prospects. Het zijn gegevens die bijvoorbeeld via surveys of social media-analyses worden verzameld. Het is typisch het soort data die je niet meteen aan een individuele klant/prospect kan linken, maar die je wel inzicht geeft in de algemene houding tegenover je producten, diensten en/of bedrijf. De ideale bron voor betere marktinzichten.

KOENRAAD DE COCK IBM:

Bij de V's van big data is de vijfde de belangrijkste: Value. Bekijk vooraf goed welke data écht waardevol zijn voor je marketing- toepassingen.

STARTEN MET BIG DATA?

Last but not least, geven KOENRAAD en WOUTER deze tips mee voor iedereen die wil beginnen met een haalbare aanpak van data.

VERMIJD COMPLEXITEIT

Waar de traditionele opbouw van marketingdatabases vaak een tijdrovende en rigide methode is die weinig flexibiliteit toelaat naar integratie van nieuwe bronnen én een behoorlijke IT-ondertseuning vereist, wordt er nu steeds meer gewerkt met een ‘landing zone’.

In deze belangrijke buffer tussen de transactionele en andere databronnen sla je allerhande soorten data op in verschillende formaten. Met datamining-software evalueer je de datakwaliteit en hun relevantie voor business-toepassingen. Dit resulteert in een kwalitatieve dataset, die geoptimaliseerd is voor je marketing.

Deze gestructureerde data laad je vervolgens op in je marketing database.

THE PROOF OF THE PUDDING …

… is in the eating. En niets is minder waar. Gebruik je verzamelde data dan ook om marketing campagnes op te zetten en zoveel mogelijk te evalueren.
Wil je bijvoorbeeld je verkoop van product x opdrijven? Via datamining-software selecteer je in je marketing database de segmenten met het meeste potentieel. Met je campagnemanagementsysteem bepaal je welke klanten het best reageren op welke actie, met welk aan- bod en via welk kanaal. Je marketing database slaat al deze campagnegegevens mee op. Dit laat toe om achteraf grondige ROI-analyses te maken. Zodat je hele- maal klaar bent voor de volgende actie.

INTEGREER JE KLANTENDATA STAP VOOR STAP

De hoeveelheid data waarover een bedrijf kan beschikken is enorm. Maar hoe kan je ze optimaal gebruiken? Met andere woorden: welke prioriteiten kan je bij elk van dit type data best stellen als je relevante gegevens wil verzamelen?

WHAT

BEHAVIORAL DATA

Orders
Transactions
Payment history
Usage history

Je transactionele klantengegevens zijn meestal kwalitatief en vlot toegankelijk. Je kan er RFM-segmentaties, Life Time Value-berekeningen en simpele, voorspel- lende modellen mee maken.

WHO

DESCRIPTIVE DATA

Attributes
Characteristics
Self-declared information
Geographic demographics

Deze socio-demografische klantengegevens zijn vaak onvolledig of onbetrouwbaar. Je kan ze gelukkig wel makkelijk verrijken via externe partijen. En daar- na kan je gaan profileren: productgebruik, reacties op campagnes, … Je kan er ook voorspellende scoremodellen mee bouwen.

HOW

INTERACTION DATA

E-mail and chat transcripts
Call center notes
Web clickstreams
In-person dialogues

Elke interactie met klanten of prospects is een graad- meter voor de relatie en schept kansen op verkoop: deelname aan acties, call- center-contacten … Vooral surfgedrag is een directe indicator van aankoopinteresse. De uitdaging is om hier in ‘real time’ te kunnen op inspelen.

WHY

ATTITUDINAL DATA

Opinions
Preferences
Needs and desires
Hieronder valt informatie uit o.a. enquêtes, polls en sociale media-analyse. Deze gegevens zijn meestal niet gekoppeld aan individuele klanten. Ze geven je globale marketing-inzichten via trends en tendensen.