‘Perfecte data’ betekent niet ‘perfecte voorspellingen’

Veel organisaties proberen een ‘data nirvana’ te bereiken door 100% complete informatie te gebruiken voor elke zakelijke beslissing die ze maken. Als het gaat om klantenanalyse wordt dit ook wel een “360 degree view of the customer” genoemd. We weten echter nooit echt alles over onze klanten. Wat we een 360-graden beeld noemen is eigenlijk alleen maar het zo beeld dat zo compleet mogelijk is aan de hand van de beschikbare data.

perfectdataimperfectpredictonsWat nu als we daadwerkelijk alles zouden weten dat er te weten is over onze klanten? Wat als we ze volledig zouden kunnen begrijpen, misschien wel beter dan zij zelf? Zou dat leiden tot voorspellende modellen die perfecte voorspellingen zouden kunnen maken? Zou het mogelijk zijn om de noodzaak voor voorspellende analyses volledig te elimineren?

Bill Franks legt uit waarom ‘perfecte data’ niet automatisch voor perfecte voorspellingen zorgt.

Reden 1: we kennen onszelf niet perfect

Als ik je nu zou vragen wat je favoriete film is, of je favoriete vakantieland, of zelfs je favoriete eten, zou je me dat waarschijnlijk wel kunnen vertellen. Als ik dat weet, zou ik je kunnen targetten op basis van die voorkeuren. Echter, de meest krachtige marketingaanbiedingen zijn voor dingen waarvan je nog niet wist dat je ze leuk vond of nodig had.

‘Recommendation engines’ maken gebruik van dit principe. Het is fantastisch om van een nieuw boek of film te leren waar je nog nooit van gehoord had, maar die perfect bij je smaak lijkt te passen. Op deze manier kunnen analytics gebruikt worden om ons nieuwe voorkeuren te helpen ontdekken. Het hebben van ‘perfecte’ informatie over mijn bestaande voorkeuren neemt niet de behoefte weg om analytics te gebruiken om mij over nieuwe voorkeuren te vertellen.

Reden 2: onze voorkeuren kunnen elk moment veranderen

Laten we aannemen dat je precies weet wat ik van plan ben om vanavond te eten. Met die perfecte informatie zou je me een aanbod kunnen doen voor een specifieke wijn of toetje bij mijn maaltijd. Echter, terwijl ik naar het restaurant rijd kom ik misschien een file tegen en beslis ik toch geen zin te hebben om uit te eten. Hoewel je aanbod perfect was toen je het aan mij verzond, is het niet langer meer relevant. Laten we aannemen dat je wacht tot ik op de parkeerplaats ben tot je me het aanbod doet, dan kan er nog van alles gebeuren dat een schijnbaar perfect aanbod irrelevant wordt.

Het punt is, om echt perfecte informatie te hebben, moet je moeten weten wat ik in real-time denk en pas een aanbod doen op het exacte moment dat ik me aan een activiteit wijd. Dit is niet alleen onmogelijk, maar het is waarschijnlijk ook geen goede manier om dingen te doen. Wanneer ik eenmaal een beslissing heb genomen, geeft jouw aanbod me alleen maar kortingen op zaken die ik toch al ging kopen. De echte waarde van een aanbod is wanneer je het gedrag van je klant weet te veranderen.

Reden 3: er is een natuurlijke variabele in ons gedrag

Met uitzondering van mensen met een obsessieve-compulsieve stoornis, zullen de meeste mensen van tijd tot tijd afwijken van hun favoriete gedragingen. Zelfs die-hard fans van bijvoorbeeld Heineken zullen wel eens een ander biertje geprobeerd hebben omdat het interessant leek, in de aanbieding was, of dat ze gewoon in een avontuurlijke stemming waren. Ik bezoek misschien meestal mijn favoriete restaurant, maar zo af en toe trek ik ook een kroketje uit de muur.

Zelfs als je een volledige en correcte samenvatting hebt van al mijn gedragingen en voorkeuren uit het verleden, is het beste dat je kunt doen proberen de waarschijnlijkheid van mijn keuzes in te schatten. Op basis van die waarschijnlijkheid doe je dan een aanbod.

Samenvatting

Hoewel sommige van deze voorbeelden misschien wat extreem lijkt, laten ze zien waarom ik geloof dat robuuste analytics nodig is, zelfs als je perfecte informatie hebt. Hoewel de voorbeelden specifiek op klantenanalytics gericht waren, is de basis natuurlijk op alle vormen van analytics toe te passen. Onze beste analyses zullen altijd ten prooi vallen aan veranderende omstandigheden. Zo kan zelfs perfecte informatie heel snel imperfect worden.