Hoe gebruik je Big Data voor de onderbouwing van je marketingplan?

Frank Dijk   •  9 februari 2016

In de vorige blogpost in deze reeks heeft mijn collega Daniël vijf oplossingen aangedragen om aan de slag te gaan met een data gedreven strategie. In deze post ga ik verder in op de vraag hoe data en data analyses een rol kunnen spelen bij het schrijven van jouw marketingplan. Zo’n plan helpt je bij het verhogen van de effectiviteit van je marketingactiviteiten. In het plan beschrijf je immers hoe je marketing inzet. Daarnaast kan het ad hoc beslissingen voorkomen en verhoog je de efficiëntie. Door de keuzes die je maakt in het marketingplan te onderbouwen met data genereer je meer draagkracht voor jouw plan en maak je het tegelijkertijd beter meetbaar.

DDC_Blogpost4_visual2

De juiste structuur
Voordat je begint met het schrijven van jouw marketingplan is het van belang om een duidelijke structuur te hanteren. Een vaak gebruikte structuur ziet er zo uit:

  1. Bedrijfsdoelstelling
  2. Strategie
  3. Segmentatie, targeting en positionering
  4. Marketingmix

In de structuur zoals hierboven omschreven vraag je je als eerste af wat je bedrijfsdoelstelling is. Als je deze helder hebt, dan bepaal je hoe je deze doelstelling wilt behalen. Hiermee stel je je strategie vast. De volgende stap is om jouw doelgroepen te bepalen (segmentatie), hoe je deze doelgroep benadert (targeting) en hoe je je zelf in de markt positioneert (positionering). De instrumenten die je hiervoor inzet beschrijf je in je marketingmix, ook wel bekend als de vier P’s. Hieronder zet ik uiteen hoe je per onderdeel van het marketingplan data kunt gebruiken om je marketingplan te onderbouwen.

  1. Bedrijfsdoelstelling

De eerste stap bij het opstellen van een marketingplan is het definiëren van jouw bedrijfsdoelstelling. Deze zal je Specifiek, Meetbaar, Acceptabel, Realistisch en Tijdsgebonden (SMART) moeten maken om in een later stadium te kunnen beoordelen of je de doelstelling behaald hebt. Door benchmark data uit de markt en historische (sales) data te gebruiken, kan je bijvoorbeeld toetsen of jouw doelstelling realistisch is. Daarnaast helpt predictive analytics je nog verder doordat deze modellen aangeven waar je naar toe kan groeien. Tevens kan je aan de hand van deze analyses verschillende groeiscenario’s uitwerken en geven ze een beeld of je met de huidige inspanningen de doelstelling wel of niet gaat behalen. Deze manier van voorspellen vraagt echter wel om een gedegen analyse techniek – en dus kennis –, zoals een regressieanalyse,  om de waarde van jouw voorspelling te kunnen waarborgen. Tevens kan predictive analytics als dashboard dienen om de voortgang van de beoogde doelen te kunnen monitoren.

  1. Strategie

Tijdens je strategie bepaling zal je de interne en externe factoren in kaart moeten brengen. Dit doe je in een SWOT-analyse (Strenghts, Weaknesses, Opportunities en Threats). Input voor de SWOT analyse haal je uit de DESTEP-analyse. Hierin verzamel je Demografische, Economische, Sociale, Technologische, Ecologische en Politieke data. Marktonderzoeksdata helpen je bijvoorbeeld om een helder beeld te scheppen van de huidige markt. Het geeft inzicht in jouw concurrenten en het speelveld waarin je je begeeft. Een analysetechniek die je kan helpen om een statistisch onderbouwd beeld van jouw markt te vormen is multi-dimensional scaling. Hiermee creëer je een perceptiemap van concurrenten, gevormd door de klanten uit de markt. De output helpt je om te bepalen hoe jouw concurrenten zich positioneren en waar er kansen voor jou als bedrijf liggen. Het geeft namelijk inzichten in waar in de markt er nog ruimte is om jezelf te positioneren en welke andere spelers in de markt jouw directe concurrenten zijn.

DDC_Blogpost4_visual1

  1. Segmentatie, targeting en positionering

Zoals beschreven geeft multi-dimensional scaling inzicht hoe concurrenten zich positioneren in de markt. Deze analyse biedt dus een onderbouwing op basis van data voor de positionering van jouw merk. Daarnaast kunnen cluster technieken, zoals een conjoint analyse, en een RFM analyse (Recency, Frequency en Monetary value) je verder helpen om klantsegmenten te definiëren. Met een RFM analyse deel je je klanten in op de recentheid van de laatste aankoop, hoe vaak ze een aankoop hebben gedaan en wat de waarde is van de aankoop. Hierdoor creëer je klantsegmenten die je met verschillende marketingboodschappen en –kanalen kunt benaderen.

  1. Marketingmix

Tijdens het bepalen van de marketingmix kunnen verschillende analyses je op basis van data ondersteunen in de besluitvorming rond de inzet van de vier P’s. In het hedendaagse digitale marketing landschap trekken de vier P’s dicht naar elkaar toe en raken met elkaar verweven. Door e-commerce komen plaats en promotie bijvoorbeeld dichter naar elkaar toe. Door offline data (bijvoorbeeld fysieke winkelbezoeken) te koppelen aan online data (bijvoorbeeld online marketingcampagnes), wordt ook de ‘P’ van plaats onderbouwd door data. Het kan je bijvoorbeeld het inzicht bieden dat een fysieke winkel verantwoordelijk is voor online verkopen of juist een servicekanaal is voor klanten waar zij met vragen terecht kunnen en vice versa. Zo kan je dus meer effort aan de fysieke winkel toeschrijven dan in eerste instantie gedacht en de kanalen op hun werkelijke waarde schatten. Daarnaast kan data een rol spelen voor promotie door de prestatie van verschillende (online) marketingkanalen in Google Analytics te toetsen en op basis hiervan de inzet van deze kanalen bepalen.

Voor jouw product- en prijsbepaling kun je gebruik maken van een conjoint analyse. Een conjoint analyse is een keuze-experiment waarin respondenten verschillende productprofielen te zien krijgen. Op basis van de keuzes die zij maken, wordt de optimale prijs en het optimale productprofiel samengesteld. Naast deze analyse kan ook dynamic pricing, waarmee je door middel van algoritmes jouw optimale verkoopprijs bepaalt, een rol spelen bij het bepalen van de prijs.

Conclusie

Bij het schrijven van een marketingplan kan data op verschillende manieren een rol spelen. Zo kunnen bestaande data en data-analyses, zoals benchmark data, historische sales data en marktonderzoeksdata je verder helpen. Maar ook meer geavanceerde technieken zoals predictive analytics, multi-dimensional scaling, conjoint-analyses en een RFM-analyse helpen je als marketeer met het schrijven van een marketingplan gebaseerd op data. Dat heeft de volgende voordelen:

  1. Data helpt je verder om goed onderbouwde keuzes te maken, waardoor je meer draagvlak binnen de organisatie creëert;
  2. Je maakt doelstellingen meetbaar en inzichtelijk. Hierdoor kun je de voortgang van jouw doelstellingen monitoren en beoordelen.

Wil je meer leren over een data driven marketing aanpak voor jouw organisatie? Download de Big Data whitepaper of schrijf je in voor onze inspirerende rondetafelsessie tijdens het Data Driven Commerce event. Lezers van deze blogpost geven we €100,00 korting op de inschrijving, met de kortingscode DNZ2016DDC (hoofdlettergevoelig).

Blijf op de hoogte

Meld u aan voor onze wekelijkse e-commerce nieuwsbrief en blijf op de hoogte van het laatste e-commerce nieuws!

© 2018 De Nieuwe Zaak