Digital Analytics: Iedereen wil Artificial Intelligence, GDPR en ‘insights’

Wat zijn de meest besproken in digital analytics? Het recente Digital Analytics Congres leerde dat het nu vooral gaat om Artificial Intelligence, de introductie van GDPR en het goed verzamelen van ‘insights’. Maar hoe zet je deze drie thema’s het beste in? Een verkenning met Picnic, Google, Online Dialogue en Clickvalue.

Tijdens het congres bleek dat Artificial Intelligence in de vorm van machine learning, neurale netwerken en data science door steeds meer organisaties wordt ingezet. Daniel Gebler van supermarktbezorgdienst Picnic vertelt hoe het bedrijf gebruik maakt van een combinatie van Data Science en Artificial Intelligence. Bijvoorbeeld om de mogelijke boodschappenlijst van klanten te voorspellen zodat het bestellen sneller kan verlopen. Voor het optimaliseren van de besteltijd op de site wordt gebruik gemaakt van een RFM (Recency, Frequency, Monetary Value) model waarmee vaak bestelde artikelen met één klik besteld kunnen worden. Eerst werd een neural netwerk getest, maar dat werkte pas goed na het toepassen van data science stappen. Volgens Gebler wordt er in sommige gevallen te snel gekeken naar het gebruik van neurale netwerktechnieken voor het oplossen van dataproblemen. In zijn ogen werkt het beter om eerst gebruik te maken van data science technieken en daarna eventueel pas gebruik te maken van AI (Artificial Intelligence) technieken zoals neurale netwerken.

Een goede schatting van het verwachte bezorgtijdstip was een andere uitdaging bij Picnic. Op basis van een uitgebreid regressiemodel berekent Picnic nu wat de droptime per klant is. Hierdoor wordt het mogelijk om binnen een 20 minuten range met 99% zekerheid te garanderen dat de boodschappen bezorgd worden. In dit model worden zaken meegenomen zoals: bestelt iemand voor het eerst (kost 32 seconden extra), zitten er bevroren producten in de bestelling, is bezorging bij de voordeur of achterdeur en wat is de ervaring van de chauffeur. De helft van de klanten gebruikt de Picnic-app om te zien waar de chauffeur is zodat men tijdig de deur kan openen voor de boodschappen.

Volgens Thanassis Thomopoulos, Data Strategy Specialist binnen Google, staat de enorme toename van de hoeveelheid beschikbare data en verdere technologie aan de basis van het toepassen van Artificial Intelligence. Hij toont een overzicht met een groot aantal Google producten waarbij momenteel gebruik gemaakt wordt van artificial intelligence in de vorm van machine learning.

Ook binnen de zoekmachine van Google wordt het gebruik van slimme intelligentie van belang bij het interpreteren van een zoekopdracht. Zo is de intentie van een zoekopdracht voor het woord pizza afhankelijk van de tijd, plaats en het type consument. Het wordt daardoor steeds moeilijker om campagnes geheel handmatig te managen omdat rekening gehouden moet worden met tijd van de dag, dag in de week, locatie, type gebruiker, zoekterm, device, historische site bezoeken en meer.

Thomopoulos toont een overzicht met diverse Google producten waarin Machine Learning wordt toegepast.

GDPR

Een andere thema dat centraal stond op het congres was GDPR: General Data Protection Regulation. Deze EU-wetgeving gaat de Nederlandse Wet Bescherming Persoonsgegevens (WBP) vanaf mei 2018 vervangen. Logisch dus dat hier op het Digital Analytics congres veel aandacht voor is. Keynote speaker Aurelie Pols is zich de laatste jaren gaan specialiseren in alles rond privacy en data protectie. De nieuwe wetgeving bestaat uit vijftig artikelen die Pols heeft doorgenomen. Overtreding kan leiden tot boete van 4% van de omzet, hoewel dit in de praktijk volgens haar alleen gebeurt als er echt misbruik van data wordt gemaakt zonder dat er toestemming van de consument is. Er wordt binnen de GDPR onderscheid gemaakt naar verschillende soorten consumentendata:

1. Sensitieve data waaronder data over gezondheid, financiën, ras, politieke voorkeuren.
2. Persoonlijke data waaronder naam, adres, woonplaats, telefoonnummer, emailadres, productbezit.
3. Pseudonymous data waaronder cookie data.
4. Anonymous data.

Vooral de derde groep data is interessant omdat deze ook onder de GDPR valt. Ook als deze data gehashed of encrypted wordt. Binnen de GDPR krijgen consumenten het recht tot inzage, correctie of verwijdering van hun data. Dat betekent voor veel organisaties nogal wat georganiseer op dit gebied.

De verschillende data types binnen de GDPR.

‘Insights’ verzamelen

Derde thema op het Digital Analytics congres is het verzamelen van bruikbare ‘insights’. Goede inzichten verzamelen blijft volgens diverse sprekers de essentie van digital analytics. Maar dat is nog niet altijd even makkelijk. Keynote spreker Stéphane Hamel, die na een uitgebreide carrière in web analytics en digital analytics  momenteel zelfstandig adviseur is, vertelt dat web analytics toch een stuk lastiger is dan veel buitenstaanders denken. Zo zijn er online maar liefst 42 manieren te vinden om de juiste KPI’s te bepalen, is goed A/B testen erg moeilijk door het gebruik van verschillende devices en is goede attributie bijna onmogelijk. Volgens Hamel ligt de oplossing voor het verzamelen van goede inzichten in Radical Analytics. Belangrijke onderdelen hiervan zijn:

• Vraag door als iemand jou als analist vraagt iets uit te zoeken. Vraag altijd ‘Waarom wil je dat weten? En als je dat weet, wat ga je dan doen?’.
• Werk agile waarbij je toewerkt naar een Minimum Viable Product en continu optimaliseert.
• Zoek niet naar bevestiging van een senior, maar wees zelf de change agent die laat zien waar de verbeteringen mogelijk zijn. En onderbouw dat met je data. 

Empowered Analytics model van Stéphane Hamel.

Ook Bart Schutz (Online Dialogue) geeft aan dat goede inzichten verzamelen vaak lastig is. Vanuit zijn ervaring met A/B testen blijkt dat veel testen niet deugen. Dit komt doordat veel bezoekers op verschillende devices meerdere varianten zien, er geen unieke user ID aan bezoekers kan worden toegewezen en een goede meting dus heel lastig is. Aan de hand van de theorie van Nobelprijs winnaar Kahneman (Thinking fast and slow) legt Schutz uit dat verschillende type bezoekers anders reageren op verleidingselementen, dat je hier goede inzichten over moet verzamelen en daar bij het ontwerpen van je pagina’s rekening mee moet houden. Een voorbeeld: op maandochtend zijn er meer bezoekers met system 2 (slow) en op vrijdagmiddag meer bezoekers met system 1 (fast). A/B testen kunnen een verbetering van de conversie laten zien voor de ene groep en een daling van de conversie voor de andere groep.

Daniel Markus van ClickValue laat zien dat er naast de gebruikelijke inzichten in traffic en conversie ook nuttig inzichten verzameld kunnen worden om orderwaarde, herhaalaankopen en viraliteit (mate waarin klanten hun ervaring delen) te laten groeien. Door niet alleen op traffic en conversie te richten maar over al deze 5 drivers inzichten te verzamelen en hierop te sturen, kunnen organisaties veel sneller groeien dan door slechts een focus op twee van de groeidrivers te hebben.

Markus van ClickValue: Door 5 drivers te analyseren en te optimaliseren, kan je veel sneller groeien.