-

Zo laat je in 5 stappen een team data & evidence based-gedreven werken

Dat het leerzaam en financieel aantrekkelijk is om te experimenteren is inmiddels bij veel marketeers en managers wel bekend, maar hoe zorg je dat je de data en inzichten die je tot je beschikking hebt ook slim inzet? Hoe ga je gestructureerd te werk en hoe haal je het meeste uit jouw team(s)? zo implementeer je in 5 stappen een data & evidence based werkwijze in jouw organisatie.

1. Quality check

Voordat het team begint met het uitvoeren van experimenten doe je eerst een aantal checks om te zorgen dat de webdata klopt en gebruikt kan worden. Welke metrics en events gebruik je? Wat wordt er gemeten en wat niet? Welke metingen heb je nodig om te experimenteren (denk aan: event tracking, analytics instellingen en conversie meetpunten)? Daarnaast controleer je of alle tooling op orde is. Wat is de kwaliteit van je data? Komt alle data binnen? Wordt de gehele populatie gemeten door de A/B-test tool en wordt deze random verdeeld?

2. Test Potentieel (bandbreedte) bepalen

Op het moment dat de data klopt en geschikt is om mee te testen kijkt het team naar de bandbreedte van het online kanaal of de website. Bandbreedte is in principe de test potentie doorberekend over het hele jaar. De berekening geeft een hoop informatie over waar je kunt optimaliseren en hoeveel impact er dan op welke template zou moeten worden gemaakt. Op basis hiervan kan worden bepaald wat je totale experimenten potentieel is (en hoeveel resources er dan zouden nodig zijn). De bandbreedte calculatie geeft antwoord op de volgende vragen:

  •      Welke pagina zorgt voor de hoogste impact?
  •      Welk effect moet per pagina behaald worden?
  •      Hoe lang staat mijn test live?

In het artikel “Waarom je altijd begint met een bandbreedte calculatie” lees je meer over de bandbreedte calculatie.

3. Customer Journey analyse

It all starts and ends with your customer. Wat beweegt een bezoeker om klant te worden? Waarom kiezen bezoekers specifiek voor jouw merk, product of dienst? Wat weerhoudt hen om iets te kopen?

Data kan voor een groot deel helpen met het beantwoorden van deze vragen. Het team leert aan de hand van de webdata welke stappen bezoekers zetten, waar ze twijfelen, afhaken of doorgaan. Op basis van deze belangrijke inzichten gaat het team vervolgens achterhalen waarom bezoekers deze stappen zetten. Hiervoor is het belangrijk dat je een gedrags expert of onderzoeker aanhaakt. Waarom doen bezoekers wat ze doen, hoe werkt het brein met betrekking tot beslissingen en hoe kunnen we het voor hen duidelijker of makkelijk maken.

In een customer journey analyse voer je een onderzoek uit naar de motivatie en kunde van jouw bezoekers. Uit bronnen zoals webdata, surveys, wetenschap, marktonderzoek en gesprekken met collega’s haalt het team waardevolle informatie om te doorgronden wat op welk moment speelt bij klanten en bezoekers. Voor het onderzoek gebruiken we bij Online Dialogue het 5V model. De optimalisatie hypotheses worden op basis van dit onderzoek geformuleerd en geprioriteerd op kans van slagen op basis van de data uit het vooronderzoek.

4. Create, Test, Analyze  

Uit de customer journey analyse heeft het team veel inzichten en problemen gehaald die je kunt gaan onderzoeken, aanpassen of testen. Snelle verbeteringen doorvoeren en groeien is vaak het doel van testen, maar er zijn veel meer inzichten en mogelijkheden die experimenten geven. Op testniveau kunnen resultaten veel inzicht geven per type test:

  • Continu in (kleine) stapjes verbeteren en daardoor groeien
  • Risico bepalen; testen die een negatieve impact hebben geven het inzicht om iets niet door te voeren. Bij doorvoeren zonder testen was je conversies verloren
  • Prototype of concept onderzoeken; als we een nieuwe dienst of product aanbieden, nemen bezoekers deze dan af?
  • Feature niveau: als we een nieuwe feature op de site zetten, wordt deze dan gebruikt?

Afhankelijk van de insteek van testen wil je bij het analyseren van de resultaten bepalen of je de variant gaat implementeren of dat je een test nogmaals wilt uitvoeren om zeker te weten dat het resultaat zich nog eens voordoet. Of misschien geven de resultaten inspiratie voor een geheel nieuwe test hypothese. Op deze manier helpen de inzichten uit testen het team bij het bepalen van de strategie.

5. Optimaliseer je optimalisatieprogramma

Jeff Bezos heeft eerder eens gezegd “If you double the number of experiments you do per year you’re going to double your inventiveness.” Hij doelt hiermee op de hoeveelheid testen en de inzichten die je experimenten opleveren. Experimenteren is een manier van werken die voornamelijk op de lange termijn heel veel kan opleveren, zowel in conversies als in inzichten in gedrag van bezoekers en klanten. Daarbij is het belangrijk om het testprogramma structureel op te bouwen en (waar nodig) bij te sturen. De tijd en aandacht die je als organisatie besteedt aan data en evidence based werken bepaalt wat je focus is.

Transactioneel

Op de korte termijn ligt de focus op transacties. Je doel is om het aantal conversies snel te verhogen en je bandbreedte zoveel mogelijk te exploiteren. Dus “doen, doen, doen” en veel testen.

Informationeel

Op de middellange termijn ga je naar een informationeel programma. Hier ligt de focus op het verzamelen van inzichten. Je kijkt meer naar de kwaliteit van je testen en voegt een psychologische laag toe aan je analyse. Hoe zijn mensen gemotiveerd, moeten we de online ervaring vergemakkelijken of juist inspelen op de motivatie van de bezoeker, welke verschillende groepen zijn er en hoe kunnen we onze communicatie en activiteiten voor hen op maat maken?

Transformationeel

Op het moment dat het team veel experimenteert kun je gaan sturen en innoveren op basis van de inzichten die je op hebt gedaan over je klanten. Je zult merken dat de kennis die je opdoet enorm waardevol is bij het ontwikkelen van nieuwe producten, nieuwe campagnes, features en het leveren van zoveel mogelijk klantwaarde.

Door op deze manier te structureren versnel je de werkwijze van je team(s) enorm. Quick wins voor nu, learnings voor de standaardisatie en innovatie op de lange termijn.

Zo veel meer dan alleen experimenteren

Wees je bewust van het feit dat het experimenteren zelf maar een heel klein onderdeel is van een data en evidence based werkwijze. Er komen genoeg stappen voor en na het uitvoeren van een experiment die je werkwijze succesvol maakt. Daarnaast is je aanpak en focus afhankelijk van de fase waarin je organisatie zich bevindt. Een data en evidence gedreven werkwijze versnelt en vergroot de groei van je organisatie alleen als je een duidelijke werkstructuur hanteert.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond