-

Zo voorspelt Vakmedianet de deelname aan een evenement 

De waarschijnlijkheid of iemand deel zal nemen aan een evenement is heel goed te voorspellen, zo vertelt Stephanie Gillisse, Marketing Manager Data & Development bij Vakmedianet. Door alle beschikbare marketingdata te analyseren in een AI-model, worden belangrijke kenmerken inzichtelijk en kan de juiste mail op het juiste moment het verschil maken. 

Vakmedianet organiseert als b2b-uitgever jaarlijks diverse congressen en evenementen. Het vullen daarvan vergt de nodige marketinginspanningen, waarin marketingdata een centrale rol spelen. “Alle data die binnenkomen – zoals klikgedrag, interactie met e-mail, eerdere deelnames – verwerken we in. Hiermee faciliteert het centrale Marketing Data & Development team de rest van de organisatie met datagedreven inzichten”, legt Gillisse uit. In maart begon een gezamenlijke pilot: “Ternair is goed in het ontsluiten en aan elkaar knopen van data. Cmotions is weer slim in het gebruiken van die data in AI-modellen. Voor Vakmedianet bood deze pilot de kans om de e-mail marketing relevanter te maken.”

Reageren op gedrag dat deelname voorspelt

Vakmedianet werkt met drie verschillende soorten e-mails voor het werven van deelnemers voor evenementen. De eerste zijn inhoudelijke mails met artikelen en content rondom het thema van het evenement. Deze zorgen voor meer awareness en interesse rond het onderwerp. De tweede soort mails informeert de doelgroep over het evenement, aangevuld met inhoudelijke content. De derde soort mails, bedoeld om te overtuigen, brengen extra argumenten waarom het evenement echt nú de moeite waard is. De uitdaging van Vakmedianet is om de juiste e-mail naar de juiste persoon op het juiste moment te versturen. Daarvoor werd de pilot opgezet, welke bestond uit drie onderdelen: 

  • Analyse van alle data. Cmotions analyseerde eerst de data uit alle touchpoints van de afgelopen tien maanden: bezoek op de diverse websites, downloads, e-mailhistorie, het profiel, koophistorie van vakbladen, boeken en online diensten zoals kennisbanken. Vervolgens komt deze data voor het model near realtime beschikbaar. Van het evenementenbezoek gebruikte Cmotions de historie van enkele jaren. Met al deze data werd het AI-model getraind en bepaalde Cmotions welke aspecten een voorspellende waarde hebben voor het inschrijven op een evenement. Iemand die zich al eens op een evenement heeft ingeschreven bijvoorbeeld, heeft meer kans op een volgende inschrijving. Ook het vijf keer bezoeken van de website in één maand is een sterke factor. 
  • Eerste campagne om te leren. De inzichten werden vervolgens toegepast op de e-mails rondom twee campagnes. De eerste campagne, een Nyenrode Summercourse, verifieerde de gewonnen inzichten en gaf de ruimte om eventuele fouten er uit te halen. Er werd gewerkt met een éénmalige score vanuit het AI-model waarop de mails handmatig werden verzonden. Iemand die al de evenementenpagina bezocht en signalen afgaf het evenement te overwegen, kreeg de overtuigingsmail. Iemand die hoog in het model scoorde maar nog niet leek te overwegen, kreeg de tweede mail over het evenement. En bezoekers die hoger dan gemiddeld scoorden maar niet in de top zaten, ontvingen de inhoudelijke mail. Het kiezen van welke mail wanneer werd verzonden was een kwestie van uitproberen en aanpassen. Daarnaast waren er ook controlegroepen, om het effect van het AI-model en enerzijds en de verstuurde content anderzijds zuiver te meten.
  • Tweede campagne om te bewijzen. De tweede campagne was voor de HR Actualiteitendag, gericht op HR managers over actuele wetswijzigingen met praktische handvatten. Voor deze campagne draaide het AI-model in Vakmedianet’s eigen omgeving. Het voordeel daarvan was dat de score van de data vanuit het AI-model realtime kon worden gemaakt en dat toepassing na de pilotfase hiermee ook gemakkelijker werd. Met de actuele data uit de Ternair Marketing Cloud bepaalde het Cmotions model realtime nu het type e-mail en het moment van versturen. De uiteindelijke resultaten van de verzonden mails werden direct teruggevoerd in het AI-model, waardoor het model werkte beter dan de eerste campagne. Hiermee zag Vakmedianet heel helder wat het aandeel van het model was.
Twee keer zoveel inschrijvingen

De twee campagnes deden het bovengemiddeld. Het eerste evenement zat helemaal vol, iets wat niet volledig aan het model was toe te wijzen maar zeker gedeeltelijk. “De timing en het programma spelen natuurlijk ook altijd een belangrijke rol. Maar vergeleken met andere evenementen voor deze doelgroep zonder AI-model, had het voor een groot deel zeker impact. En voor een bepaald segment uit de doelgroep betekende het zelfs twee keer zoveel inschrijvingen”, stelt Gillisse. “En opmerkelijk: onze organisator ter plaatse kreeg van drie mensen de ongevraagde feedback dat het goede mails waren die op het juiste moment binnenkwamen. Dat soort feedback kregen we voor het eerst. Het betekent dat deze nieuwe manier van mailen relevanter is voor onze doelgroep.”

Gillisse is wel terughoudend over het succes. “Dit model is niet oneindig geldig natuurlijk. De vraag is of en hoe lang je dit volhoudt. Richten we ons hiermee alleen op een beperkte bestaande doelgroep of werkt dit ook voor nieuwe contacten die voor het eerst in de marketingfunnel verschijnen?” Vakmedianet kiest er daarom voor om de pilot voor een jaar te verlengen. “We willen ook testen met verschillende thema’s. Wat is het onderlinge effect wanneer iemand zich aanmeldt voor één evenement maar ook interesse heeft voor een ander thema?”

Meer datagedreven werken – drie best practices

Deze pilot bracht Vakmedianet de eerste ervaring met AI. “Deze zomer volgden alle uitgevers en marketingcollega’s ook een AI-training. We hebben veel marketingdata beschikbaar en daarmee kunnen we interessante analyses doen om meer actiegerichte inzichten te krijgen”, stelt Gillisse. “Er is overigens helemaal geen angst dat het werk zal worden overgenomen door AI. Het marketingvak is al jaren flink aan het veranderen, er komen steeds meer taken en tools bij. Het is daarom ook wel fijn als er een aantal zaken worden geautomatiseerd en daarmee weer een stap beter worden, zoals het versturen van e-mails. Onze marketingcollega’s zijn erg enthousiast hierover.”

Vanuit haar ervaringen met deze pilot geeft Gillisse drie best practices mee aan marketeers die een eerste soortgelijk project plannen: 

  1. Doe het in fases. Ga niet volledig van 0 naar 100, maar maak iedere keer een klein stapje. Richt je op één doelgroep of één merk. Zo leer je van de fouten en gaat het beter in de volgende fase. Zo houd je ook de focus en de aandacht en kun je tijdig bijsturen. 
  2. Niet alles is even relevant. De analyse in de eerste fase bracht heel veel zaken naar voren. Maar niet alle kenmerken hebben een grote voorspellende waarde. Die gingen daarom ook niet het AI-model in, zodat deze efficiënter werkte. 
  3. Bepaal eerst de aanpak. Hoe gaan we dit doen? Belangrijke zaken zoals privacy bijvoorbeeld kun je beter vooraf volledig uitdenken, dan er achteraf mee worden geconfronteerd. 

Over de auteur: Ton Soddemann werkt als Senior Marketing Consultant bij Ternair.

Op de hoogte blijven van het laatste nieuws binnen je vakgebied? Volg Emerce dan ook op social: LinkedIn, Twitter en Facebook.

Deel dit bericht

Plaats een reactie

Uw e-mailadres wordt niet op de site getoond