5 manieren waarop alledaagse marketeers als datawetenschappers kunnen zijn

In marketing -als met al het andere in het leven- is er goed nieuws en slecht nieuws. Het goede nieuws is dat we alle data hebben die we maar kunnen wensen. Het slechte nieuws? Er is zoveel data dat we niet weten wat we er mee moeten doen. De gebruikelijke oplossing is om meer (en meer en meer) datawetenschappers in te huren. Maar, door een tekort aan bekwame datawetenschappers en de kosten die gepaard gaan met het inhuren van hun, is dit noch realistisch, noch schaalbaar. In plaats daarvan schrijf Adobe’s Chris Wareham over deze 5 methoden die je huidige marketingafdeling de kans geeft om zelf data toe te passen door gebruik van intuïtieve technische tools.

1. Kijk naar het intellect van je tools

Een veelvoorkomende reden om een datawetenschapper in te huren is om inzichten te vinden in data waar je om moet geven. Zoek in plaats daarvan naar een tool dat niet alleen kijkt naar trends die je verwacht dat aanwezig zullen zijn, maar ook die waar je zelf nooit op was gekomen om naar te kijken. Een handige tool is ontworpen zodat zelfs je minst technisch onderlegde marketeers het kunnen gebruiken en de kracht van ‘machine learning’ kunnen gebruiken om acties te automatiseren welke marketeers helpen om beter te begrijpen hoe klanten interactie hebben een bedrijf.

Als je over de zee vaart dan zijn er vele lagen onder je vol met dieren en planten die je nooit zult zien zonder geavanceerde instrumenten. Analytics tools, zoals het detecteren van afwijkingen, zijn die instrumenten die je helpen om inzicht te krijgen uit zowel de oppervlakkige als de diepe lagen van data. Het detecteren van afwijkingen kan niet alleen helpen om verborgen inzichten op te duiken, maar kan ook automatisch marketeers tot actie aanzetten, waardoor er nieuwe workflows ontstaan die anders nooit ontdekt zouden zijn. Dit is een krachtige zwengel voor niet-technische marketeers om waarde toe te voegen aan iedere organisatie.

2. Gebruik algoritmes in plaats van regels

Het probleem met regels is dat ze vaak worden gegenereerd door een toegewijd analytics team dat zich ver weg bevindt van daar waar de klantinteractie plaats van. Regels worden vaak van bovenaf doorgegeven en laten geen tot weinig ruimte om zich aan te passen aan lokale behoeften. Nog belangrijker, ze kunnen niet in real-time gegenereerd of aangepast worden.

Algoritmische tools aan de andere kant moeten gebruikt worden door de mensen die het dichtst bij de klanten staan. Deze algoritmes kunnen heel snel bergen aan data opleveren, waardoor marketeers de klantervaring kunnen optimaliseren op basis van constant veranderende omstandigheden. Zelfs de beste marketeers kunnen niet voorspellen wie precies hun klanten zijn zonder dat ze door enorme stapels aan data graven – een project data weken of zelfs maanden in beslag kan nemen. Een machine echter kan in enkele seconden een indicatie geven van wie er een grote kans heeft om te converteren. Bespaar tijd en geld en geef je niet-technische marketeers slimme tools waarmee zij data kunnen opgraven waar ze vervolgens direct op in kunnen spelen.

3. Democratiseer je toolset voor een geoptimaliseerde ervaring

Een strike toolset die door de hele organisatie heen kan worden gebruikt door medewerkers met variërende vaardigheden kan een transformerend effect hebben. De Royal Bank of Scotland (RBS) is daar een goed voorbeeld van. Ze hebben een toegewijd team van digital-journey managers (DJs) die iteratief klantervaringen testen en optimaliseren. Ze nodigen ook managers vanuit het hele bedrijf uit om als gastDJs mee te werken en soms doen deze gasten het nog beter dan het reguliere team in het optimaliseren van belangrijke key-performance indicators. Zelfs zij die geen achtergrond in data hebben kunnen zo helpen om de ervaringen van hun klanten te verbeteren. Door deze innovatieve aanpak van het optimaliseren van de klantervaring kan dit 300 jaar oude instituut extreem goed meedraaien in het moderne digitale tijdperk.

Dit is wat een slimme, goed ontworpen tool kan doen. Deze is sterk genoeg om gebruikt te worden door getrainde analisten, maar ook simpel genoeg om door niet-technische medewerkers ingezet te worden. Het geeft iedereen de mogelijkheid om snel te reageren op nieuwe inzichten.

4. Kijk verder dan digitaal om je data te verrijken

Om de beste actiegerichte inzichten bloot te leggen moeten bedrijven verder kijken dan digitale data. Bedrijven analyseren vaak hun webdata, en misschien, mobile en video. Echter, met een geïntegreerde tool kan je een compleet klantoverzicht maken door data te integreren uit kanalen als call centers, winkelbezoeken en klantrelatie management systemen (CRM). Wanneer je de informatiebronnen uitbreidt, zal je ook je inzicht uitbreiden. Er wordt gezegd dat meer data altijd betere algoritmes aftroeft. Maar waarom zou je kiezen? Investeer in een tool die je helpt om de kracht van beiden in te kunnen zetten.

5. Integreer om de waarde van analytics uit te breiden

Integratie gaat over wat je doet met je inzichten. Je leert van data en gebruikt het niet alleen om campagnes te optimaliseren, maar ook om actiegerichte inzichten te ontdekken die aan anderen doorgegeven kan worden in verschillende workflows – en in de tools die zij gebruiken. Zo kan bijvoorbeeld een contentmaker zien dat een bepaald stuk content goed werkt voor mannen tussen 20 en 35 jaar oud. Hij hoefde niet de analytics door te spitten om dat te leren maar zag dit direct terug in zijn content library. Op zo’n manier kan de waarde van analytics uitgebreid worden naar andere partners binnen iedere marketingafdeling.

Onze industrie ervaart een enorme verschuiving in de distributie van toegang tot kennis. Dit zal een enorme impact hebben op hoe goed een bedrijf dynamisch kan veranderen en de ervaringen van hun klanten kan optimaliseren. De bedrijven die dit goed doen zullen uiteindelijk de top weten te bereiken; bedrijven die dit niet kunnen zullen achterblijven en door hun concurrenten voorbij gestreefd worden.