Individuele targeting: laat je data voor je werken

De meeste bedrijven maken gebruik van de bekende plug ‘n’ play analytics tools die op de markt zijn. Maar als iedereen met dezelfde tool werkt, kom je niet tot vernieuwende inzichten over je doelgroep die zijn toegespitst op je eigen bedrijf. Wie dus verder wil komen met data, moet zelf een model bouwen.

Het belang van data wordt door iedereen onderkend, maar vaak zit het gebruik ervan niet in het DNA van het bedrijf. Marketeers maken gebruik van standaard tooling om klantgroepen te segmenteren en te meten wat hun inspanningen opleveren. Daarmee is de basis in elk geval gelegd voor datagedreven besluitvorming. De volgende stap is om op individueel niveau te targeten en zo up- en cross-sellkansen te identificeren. Dat doe je door te kijken wat je data echt voor je kunnen doen.

Op zich is het prima om te beginnen met het schieten van hagel en te kijken naar algemene trends. Die heb je nodig om je hypothese op te kunnen stellen. Is video populair in de leeftijdscategorie die je bedient? Dan start je met het tonen van filmpjes aan een grote groep mensen en kijk je vervolgens hoe zij daarop reageren. Welke tone of voice past bij welk individu? Het is niet zo zinvol om te zeggen: we hadden deze maand zoveel kijkers, volgende maand moeten we dat verdubbelen. Je wilt weten wat klanten doen, hoe ze benaderd willen worden, via welke kanalen en wat dat uiteindelijk met je conversiedoelstelling doet. Misschien is video inderdaad populair onder je doelgroep maar breng je je boodschap beter over via social media. Algemene metrics geven die inzichten niet.

Onze klanten willen vaak een stapje verder met hun omni-channel conversie- en attributiemodellen zodat ze gerichter kunnen sturen op het advertentiebudget. Door de hele customer journey in beeld te brengen verkrijg je inzichten in attributie en personalisatie zodat de conversie stijgt en de cost-per-acquisition daalt. Plus, je benadert je klanten op een manier die bij ze past.

Testen, testen, testen

Individuele targeting bereik je door je eigen data te gebruiken voor ABCD-testen (of hoeveel letters ook maar nodig zijn) waarbij je de reacties op persoonsniveau vastlegt. ‘We hebben deze boodschap in dit kanaal met deze call-to-action verspreid – individu X converteert, Y heeft de content gelezen maar doet niets, Z heeft de boodschap genegeerd maar reageerde de vorige keer wel op de banner.’ Op die manier maak je de groepen steeds kleiner en kun je steeds preciezer bepalen wat wel en niet werkt per persoon.

Jeff Bezos van Amazon heeft ooit gezegd dat als 100.000 mensen de site bezoeken, zij 100.000 verschillende winkels te zien moeten krijgen. In de praktijk zijn mensen natuurlijk niet zo uniek. Er is altijd overlap tussen mensen zodat je met groepjes kunt communiceren in plaats van op individueel niveau. Maar je kunt wel verder kijken dan alleen de segmenten die Google of Facebook voor je vaststellen. Het is mooi dat je een advertentie kunt laten zien aan de groep 40-50-jarigen uit Amsterdam die houden van strandwandelingen en huisdieren, maar als je vervolgens niet weet hoe ze erop reageren en of je niet beter een ander medium of tone of voice had kunnen gebruiken, kom je nog niet ver. Zeker niet gezien het feit dat je concurrent toegang heeft tot dezelfde kenmerken.

Overigens is het niet zo dat je van iedereen die op je site of andere touchpoints komt de naam moet weten. Je kunt door middel van cookies, fingerprinting of andere identificatiemethoden een klantprofiel opbouwen zonder dat je de NAW-gegevens van diegene hebt. Al is het uiteindelijk natuurlijk de bedoeling dat je zodanig een relatie met iemand opbouwt dat ze genoeg vertrouwen in je hebben om zich kenbaar te maken.

Kwestie van business rules

Als je zelf klantrecords opbouwt en zo de klant leert kennen heb je een groot concurrentievoordeel.  Om hiermee te beginnen hoef je geen team van data-analisten op te zetten – waar het om gaat is dat je business rules opstelt en meet wat het effect is van je marketing zodat die regels steeds verfijnder worden. Dit is ook de enige manier om de attributie van de verschillende kanalen echt in kaart te brengen. Het is geen kwestie van een optelsom, je wilt het synergie-effect meten dat leidt tot een conversie. Natuurlijk levert het targeten van grote groepen mensen ook conversie op maar kostenefficiënt is het niet en het roept vaak irritatie op bij de klant. Als je echt toegevoegde waarde uit je data wilt halen, moet je daarvoor werken.