-

Vier misvattingen over data science (en tips om vandaag nog te starten)

Data science klinkt prachtig, maar is voor veel bedrijven toch vooral een toekomstverhaal. Gemiste kans! Ook op kleine schaal kun je als marketeer al datagedreven werken. Begin met de data waar je zelf verantwoordelijk voor bent. 

De meeste bedrijven zijn er over uit dat ze aan de slag willen met voorspellende consumentendata, maar denken dat ze er nog niet klaar voor zijn of krijgen het niet van de grond. Vaak heerst het idee dat ze eerst een aantal hordes moeten nemen, voor ze aan de slag kunnen met data. Dit help ik graag de wereld uit, omdat veel bedrijven zich hierdoor onnodig laten beperken. Vier veel voorkomende misvattingen op een rij:

Misvatting 1: Ik ben volledig afhankelijk van de IT-afdeling

Marketeers die aan de slag willen met data, kloppen vaak als eerste bij de IT-afdeling aan. Zij beheren immers de data en de tools. Het gevolg? Het hele verhaal wordt onnodig complex, omdat er IT-gerelateerde beperkingen worden opgelegd op het gebied van data en technologie. De marketeer keert onverrichter zake terug naar zijn eigen afdeling. Als je echter vanuit het CRM of de digitale marketingplatformen begint in plaats vanuit IT, ontdek je dat je geen complete infrastructuur of datastrategie nodig hebt om datagedreven te kunnen werken. Start bijvoorbeeld met een eenvoudige data extractie vanuit de systemen die je zelf beheert. Hiermee kun je snel een intelligente segmentatie doen voor bijvoorbeeld het voorspellen van de verwachte klantwaarde per persoon. 

Misvatting 2: Ik heb een 360 graden klantbeeld nodig

Data staat vaak op verschillende plekken binnen de organisatie en de gedachte is dat dit allemaal aan elkaar gekoppeld moet worden, voor je er waarde uit kunt halen. Dat zou je immers een 360 graden klantbeeld opleveren. Niets is minder waar. Je kunt al starten vanuit één domein, zoals het slimmer inzetten van mailings op basis van beschikbare data. Daarna kun je de volgende stap zetten, zoals optimalisatie van je website. Liever snel beschikken over een 90 of 180 graden klantbeeld en direct waarde realiseren, dan heel lang wachten op de ultieme 360 graden-versie. 

Misvatting 3: De stap van persona’s op groepsniveau naar personalisatie is te groot

Organisaties denken vaak dat ze een keer de (grote) stap van persona’s op groepsniveau naar personalisatie moeten zetten. Die gedachte is onterecht. Consumentendata leent zich goed om stap voor stap naar personalisatie toe te werken. Met algoritmes maak je huidige groepen dynamisch; niets is immers zo veranderlijk als menselijk gedrag. Een consument die vandaag in groep A valt, kan morgen in groep B vallen. Door te werken met dynamische groepen kun je consumenten persoonlijk behandelen en inspelen op veranderende behoeften en gedrag. Zo werk je langzaam toe naar meer personalisatie, zonder in één keer een grote stap te hoeven zetten.

Misvatting 4: Ik heb inzichten en analyses nodig, voor ik voorspellingen kan doen

Voor je gevoel is het doen van voorspellingen twee stations verder dan waar je nu bent. Je moet eerst data analyseren en inzichten opdoen, maar dat is een complex, technisch en kostbaar traject. Gelukkig is dit helemaal niet nodig. Terwijl je inzichten opdoet, kun je al starten met eerste voorspellende algoritmes. Hier heb je geen dure IT-projecten voor nodig. Zie het dus als één geheel in plaats van verschillende chronologische stappen die parallel aan elkaar lopen.

Heb het lef om datagedreven te werken

Als al deze zaken niet van toepassing zijn, wat is er dan wel nodig om datagedreven te werken? Het antwoord is vrij eenvoudig: lef om aan de slag te gaan, de eerste stap te zetten en expertise in huis te halen. Datagedreven werken vraagt om een andere mindset. Eentje waarbij je jezelf wendbaar en flexibel opstelt. Het is een kwestie van een haalbare case opzetten, resultaten analyseren en stap voor stap verder ontwikkelen in een continu proces. Vervolgens zul je zien dat de data zich al snel bewijst in tastbare waarde. Begin met data waarvoor je zelf verantwoordelijk bent, zoals data uit marketing- en salessystemen. Deze inzichten zijn een goed uitgangspunt om aan de slag te gaan, bijvoorbeeld voor het personaliseren van e-mails. Dit resulteert al snel in meer conversie op je website en dat met relatief weinig inspanning.

Stap voor stap

Zodra je bent begonnen met datagedreven werken en de eerste resultaten zich hebben bewezen, ben je in staat om dit verder uit te bouwen. Daardoor neem je ook financiële onzekerheid voor de toekomst weg. Je bent immers begonnen met een kleine case die zich tegen een lage investering heeft bewezen. Met dit bewijs kun je de volgende stap zetten, bijvoorbeeld om de inzichten en voorspellingen ook in andere kanalen te gebruiken. Hoe meer informatie je uiteindelijk over de consument verzamelt, hoe beter je in staat bent om relevante content te bieden. En hoe meer kanalen je aan elkaar kunt koppelen, des te betrouwbaarder de voorspellingen gaan zijn.

Uiteindelijk werk je toe naar een situatie waarin alles geautomatiseerd is en jij geen omkijken meer hebt naar het personaliseren van de klantbeleving. Zorg ervoor dat je beschikt over software die aansluit op de unieke kenmerken van jouw bedrijf en klantreis. Dan kun je alle klanten op persoonlijk niveau relevante content bieden vanuit één waarheid. Het resultaat? Tientallen procenten meer conversie op je website tegen relatief lage kosten en arbeid.

Ready, set, go!

Ik hoop dat je inmiddels staat te popelen om aan de slag te gaan met data om de klantreis te personaliseren. Laat je niet langer beperken door randzaken. En denk ook vooral niet dat je nooit kunt opboksen tegen de grote e-commercespelers, want als je in staat bent om waarde uit data te halen, kun je dat zeker wel. Consumentendata inzetten voor personalisatie is dé manier om ervoor te zorgen dat je ook in de toekomst relevant blijft voor je klanten. Ben je er klaar voor?

Over de auteur: Erwin van Oosten is Founder van de Consumer Data & Personalization community bij Building Blocks

 

Deel dit bericht

3 Reacties

Blockchain killer

Dit heeft niks met datascience te maken, dit is gewoon marketing statestiek, datascience (en datascientists) is een totaal ander iets.

Mijn vriendin is datascientist en ik kan je vertellen dat die hele andere dingen doet dan wat hier geschreven staat; niks met verkoop en marketing.

Simo

@Blockchain killer, wellicht uw kring iets uitbreiden? Niet elke datascientist is hetzelfde, nogal een beperkte gedachte

blockchain killer

Ik weet dat je verschillende takken van sport hebt, maar wat ik hier lees zijn gewoon dingen zoals verkoop en geografische klantdata koppelen aan producten in je webshop zodat je je inkoop daar beter op kan afstemmen of wellicht later kan automatiseren. Dat vind ik nou niet echt heel spannend eigenlijk.

Mijn vriendin is bezig met dingen zoals AI en algoritmes die “dingen” opsporen op het web en daar volledig automatisch een profiel van maken. Daar heft zij een serieuze studie voor moeten volgen.

Een zuster is toch ook geen dokter?

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond