Marketing engineering
Wat is marketing engineering?
Marketeers hebben altijd een lange waslijst met beslissingen voor zich die ze moeten
nemen.
- Wat is onze doelgroep? Welke segmenten zijn er?
- Hoe bepalen we onze marketingmix?
o Hoe hoog zetten we onze prijs?
o Hoe bepalen we de grootte van onze reclamebudgetten?
- …
Hoe maken marketingmanagers nu deze beslissingen?
Experience-based approach Data-mining approach
= seat-of-the-pants approach = marketing data overload
We maken beslissingen puur op basis We maken beslissingen puur op basis
van “buikgevoel”, op basis van van data, via data mining, machine
voorgaande ervaring learning, …
De kunst ligt hem nu net om de juiste balans te vinden
tussen deze twee aanpakken
Mentale modellen/ conceptual marketing
Ervaring:
- Persoonsgebonden
- Cognitieve bias
o Availability heuristic: informatie die makkelijk
beschikbaar is voor ons gaat zwaarder doorwegen
(bv. dingen die dicht bij jou zijn, ervaring,
omgeving, …)
o Confirmation bias: als je een bepaald idee hebt, ga
je enkel informatie horen die jouw idee bevestigt.
Informatie die jouw idee niet bevestigt ga je vaker
niet horen
Praktijkstandaarden (bv. prijs = 2,5 x productiekosten)
- Negeren situatie specifieke factoren
- Onvoldoende flexibel
- Ook kans op hergebruiken van slechte data
Why data & models? The marketing challenge
Onderdelen van marketing engineering
1. Data: getallen (feitelijke cijfers), maar ook meningen of subjectievere data
, 2. Informatie: gemiddeldes berekenen, standaarddeviaties
3. Inzichten: modellen op loslaten
4. Beslissingen: op basis van de gemaakte inzichten
Beslissingsmodel
= een vereenvoudigde weergave/voorstelling van de realiteit die het makkelijker
maakt om een specifiek probleem te bestuderen dan de realiteit zelf
Mogelijkheid om volledige werkelijkheid weer te geven minder belangrijk dan de
mogelijkheid om gedachtegang te veranderen
Modellen zijn de KERN van marketing engineering
Karakteristieken:
- Doel
- Assumpties
- Variabelen
o Controleerbare variabelen
o Oncontroleerbare variabelen (vb. marketingcampagnes van concurrenten)
o Omgevingsvariabelen (vb. weer, inflatie)
- Relaties (= verbanden tussen variabelen – lineair, dalende meeropbrengsten, …)
Types:
(i) Verbal
= omschreven in woorden
Het idee dat klanten volgens een bepaalde levensloop gaan.
Het idee van innovators, immitators, …
+: gemakkelijk uit te leggen, zeer intuïtief, vaak voldoende
-: gebrek aan kwantificatie
(ii) Graphical
Eenvoudigere weergave dan verbal
Meer
expliciet in het
weergeven van
relaties
Brug
tussen verbal en
mathematical
models
(iii) Mathematical
= specificeren de relaties in het model door middel van equaties
Bvb. Sales = a(1-e-bx)
X = total advertising expenditures
A = parameter that indicates the market potential fort he product
B = parameter that indicate the rate at which sales will approach the
market potential as the level of advertising expenditure is increased
Dumb Excel sheet = marketing louter als kost
,Smart Excel sheet = marketing ook invloed op marktaandeel
Trial dynamics Repeat dynamics = share dynamics
Als we lang genoeg Mensen die in het begin Standaard verloop voor een
wachten (in tijd), gaat het product hebben nieuw product door combinatie
(bijna) iedereen ons geprobeerd, hebben de van trial dynamics en repeat
product geprobeerd meeste kans om het te dynamics. We beginnen met
hebben. Naarmate meer gaan (her)aankoopen een natuurlijke piek van
mensen het product (=die hards). Mensen mensen die dit proberen &
geprobeerd hebben, die het later proberen, vaak ook heraankopen, hierna
gaat de groei minder doen dit vaak enkel uit volgt automatisch een daling,
groot worden, omdat nieuwsgierigheid of doordat er steeds minder
minder mensen vanwege kortingen. mensen het nog niet hebben
overtuigd moeten geprobeerd en deze ook minder
worden kans hebben op heraankoop
Benefits of marketing engineering
Conclusie
- Mental models zijn vaak goed genoeg!
- Modellen lossen geen problemen op, mensen doen dat
- Managers observeren de opportuniteitskosten van hun beslissingen niet
- Modellen vereisen precisie
- Modellen benadrukken analyses
Informatieverzameling I
Soorten data
Primaire bronnen Secundaire bronnen
= resultaat van onderzoek = resultaat van eerder uitgevoerd
onderzoek met een ander doel
Kwaliteitscontrole nodig!
Secundaire data
Interne secundaire gegevens Externe secundaire gegevens
= in elke onderneming worden gegevens = bronnen die voor iedereen toegankelijk
bijgehouden zoals verkopen per regio, zijn
, per klant, per product, Bv. Kamer van koophandel,
voorraadgegevens, bezoekrapporten, overheid, beroepsfederaties,
klachten, website bezoeken, … vakbonden en
werkgeversorganisaties
= bronnen die niet voor iedereen
toegankelijk zijn
Bv Syndicated services zoals
consumentenpanels, retailerpanels
!! Kwaliteitscheck
- Wat was het doel van de studie? Was het in opdracht van een bedrijf, sponsor?
- Wie heeft de informatie verzameld?
- Welke informatie is verzameld?
- Hoe is de informatie verkregen? (steekproef, grootte)
- Hoe consistent is de informatie in vergelijking met andere informatie? In feite
vormt literatuur ook een ‘secundair gegeven’
Syndicated services
= op eigen initiatief en volgens een gestandaardiseerde procedure marktinformatie
verzamelen en die tegen betaling ter beschikking stellen van de geïnteresseerde
marktonderzoeker
Vb. retailerpanels, consumerpanels, media spending, new product tracking, …
Retailer panels
- CPG: Supplier of information to consumer packaged goods industry
- Information supplied
o Scanner data
o Coupons & features
o Displays
Idee: Ze vragen aan elke supermarkt in België om alles wat er gescand wordt aan
de kassa door te sturen naar hen. Boven op die scanner data verzamelen ze ook
display en features data (reclame bordjes, folders), door mensen echt fysiek naar de
supermarkten te sturen en dit te onderzoeken
NielsenIQ: how is data collected?
- All stores (met uitzondering van Lidl en Aldi: ze sturen hierbij mensen naar de
winkels om na aankoop mensen aan te spreken en te vragen een afbeelding te
maken van hun kassaticket)
- Scanner data
- Features & displays
The 4 dimensions of Nielsen Data
We maken een onderscheid tussen verschillende regio’s binnen een
land. We maken een onderscheid tussen verschillende groottes:
- F1: grote distributie, hypermarkets (bv. Colruyt, Carrefour)
- F2: gemiddelde distributie, supermarkt (bv. Okay, Spar)
- F3: kleine distributie, buurtsupermarkten (bv. Louis Delhaize,
Express)
- HD: Hard discounters
Open markt = F1 + F2 + F3
Wat is marketing engineering?
Marketeers hebben altijd een lange waslijst met beslissingen voor zich die ze moeten
nemen.
- Wat is onze doelgroep? Welke segmenten zijn er?
- Hoe bepalen we onze marketingmix?
o Hoe hoog zetten we onze prijs?
o Hoe bepalen we de grootte van onze reclamebudgetten?
- …
Hoe maken marketingmanagers nu deze beslissingen?
Experience-based approach Data-mining approach
= seat-of-the-pants approach = marketing data overload
We maken beslissingen puur op basis We maken beslissingen puur op basis
van “buikgevoel”, op basis van van data, via data mining, machine
voorgaande ervaring learning, …
De kunst ligt hem nu net om de juiste balans te vinden
tussen deze twee aanpakken
Mentale modellen/ conceptual marketing
Ervaring:
- Persoonsgebonden
- Cognitieve bias
o Availability heuristic: informatie die makkelijk
beschikbaar is voor ons gaat zwaarder doorwegen
(bv. dingen die dicht bij jou zijn, ervaring,
omgeving, …)
o Confirmation bias: als je een bepaald idee hebt, ga
je enkel informatie horen die jouw idee bevestigt.
Informatie die jouw idee niet bevestigt ga je vaker
niet horen
Praktijkstandaarden (bv. prijs = 2,5 x productiekosten)
- Negeren situatie specifieke factoren
- Onvoldoende flexibel
- Ook kans op hergebruiken van slechte data
Why data & models? The marketing challenge
Onderdelen van marketing engineering
1. Data: getallen (feitelijke cijfers), maar ook meningen of subjectievere data
, 2. Informatie: gemiddeldes berekenen, standaarddeviaties
3. Inzichten: modellen op loslaten
4. Beslissingen: op basis van de gemaakte inzichten
Beslissingsmodel
= een vereenvoudigde weergave/voorstelling van de realiteit die het makkelijker
maakt om een specifiek probleem te bestuderen dan de realiteit zelf
Mogelijkheid om volledige werkelijkheid weer te geven minder belangrijk dan de
mogelijkheid om gedachtegang te veranderen
Modellen zijn de KERN van marketing engineering
Karakteristieken:
- Doel
- Assumpties
- Variabelen
o Controleerbare variabelen
o Oncontroleerbare variabelen (vb. marketingcampagnes van concurrenten)
o Omgevingsvariabelen (vb. weer, inflatie)
- Relaties (= verbanden tussen variabelen – lineair, dalende meeropbrengsten, …)
Types:
(i) Verbal
= omschreven in woorden
Het idee dat klanten volgens een bepaalde levensloop gaan.
Het idee van innovators, immitators, …
+: gemakkelijk uit te leggen, zeer intuïtief, vaak voldoende
-: gebrek aan kwantificatie
(ii) Graphical
Eenvoudigere weergave dan verbal
Meer
expliciet in het
weergeven van
relaties
Brug
tussen verbal en
mathematical
models
(iii) Mathematical
= specificeren de relaties in het model door middel van equaties
Bvb. Sales = a(1-e-bx)
X = total advertising expenditures
A = parameter that indicates the market potential fort he product
B = parameter that indicate the rate at which sales will approach the
market potential as the level of advertising expenditure is increased
Dumb Excel sheet = marketing louter als kost
,Smart Excel sheet = marketing ook invloed op marktaandeel
Trial dynamics Repeat dynamics = share dynamics
Als we lang genoeg Mensen die in het begin Standaard verloop voor een
wachten (in tijd), gaat het product hebben nieuw product door combinatie
(bijna) iedereen ons geprobeerd, hebben de van trial dynamics en repeat
product geprobeerd meeste kans om het te dynamics. We beginnen met
hebben. Naarmate meer gaan (her)aankoopen een natuurlijke piek van
mensen het product (=die hards). Mensen mensen die dit proberen &
geprobeerd hebben, die het later proberen, vaak ook heraankopen, hierna
gaat de groei minder doen dit vaak enkel uit volgt automatisch een daling,
groot worden, omdat nieuwsgierigheid of doordat er steeds minder
minder mensen vanwege kortingen. mensen het nog niet hebben
overtuigd moeten geprobeerd en deze ook minder
worden kans hebben op heraankoop
Benefits of marketing engineering
Conclusie
- Mental models zijn vaak goed genoeg!
- Modellen lossen geen problemen op, mensen doen dat
- Managers observeren de opportuniteitskosten van hun beslissingen niet
- Modellen vereisen precisie
- Modellen benadrukken analyses
Informatieverzameling I
Soorten data
Primaire bronnen Secundaire bronnen
= resultaat van onderzoek = resultaat van eerder uitgevoerd
onderzoek met een ander doel
Kwaliteitscontrole nodig!
Secundaire data
Interne secundaire gegevens Externe secundaire gegevens
= in elke onderneming worden gegevens = bronnen die voor iedereen toegankelijk
bijgehouden zoals verkopen per regio, zijn
, per klant, per product, Bv. Kamer van koophandel,
voorraadgegevens, bezoekrapporten, overheid, beroepsfederaties,
klachten, website bezoeken, … vakbonden en
werkgeversorganisaties
= bronnen die niet voor iedereen
toegankelijk zijn
Bv Syndicated services zoals
consumentenpanels, retailerpanels
!! Kwaliteitscheck
- Wat was het doel van de studie? Was het in opdracht van een bedrijf, sponsor?
- Wie heeft de informatie verzameld?
- Welke informatie is verzameld?
- Hoe is de informatie verkregen? (steekproef, grootte)
- Hoe consistent is de informatie in vergelijking met andere informatie? In feite
vormt literatuur ook een ‘secundair gegeven’
Syndicated services
= op eigen initiatief en volgens een gestandaardiseerde procedure marktinformatie
verzamelen en die tegen betaling ter beschikking stellen van de geïnteresseerde
marktonderzoeker
Vb. retailerpanels, consumerpanels, media spending, new product tracking, …
Retailer panels
- CPG: Supplier of information to consumer packaged goods industry
- Information supplied
o Scanner data
o Coupons & features
o Displays
Idee: Ze vragen aan elke supermarkt in België om alles wat er gescand wordt aan
de kassa door te sturen naar hen. Boven op die scanner data verzamelen ze ook
display en features data (reclame bordjes, folders), door mensen echt fysiek naar de
supermarkten te sturen en dit te onderzoeken
NielsenIQ: how is data collected?
- All stores (met uitzondering van Lidl en Aldi: ze sturen hierbij mensen naar de
winkels om na aankoop mensen aan te spreken en te vragen een afbeelding te
maken van hun kassaticket)
- Scanner data
- Features & displays
The 4 dimensions of Nielsen Data
We maken een onderscheid tussen verschillende regio’s binnen een
land. We maken een onderscheid tussen verschillende groottes:
- F1: grote distributie, hypermarkets (bv. Colruyt, Carrefour)
- F2: gemiddelde distributie, supermarkt (bv. Okay, Spar)
- F3: kleine distributie, buurtsupermarkten (bv. Louis Delhaize,
Express)
- HD: Hard discounters
Open markt = F1 + F2 + F3
