Samenvatting Marketing Metrics
Thijs van Duin
Les 1
Weblecture 1: Waarde creëren met big data analytics
Digital marketing is enige vorm van marketing uitgevoerd via elektronische apparaten.
Predictive analytics is een onderdeel van big data analytics, waarbij het doel is om de toekomst te
voorspellen op basis van historische (big) data gegevens, analysetechnieken en machine learning.
Gestructureerde data zijn alle gegevens die komen in een vaste format, denk aan postcodes, leeftijd
en gemiddelde bestelwaarde. Ongestructureerde data zijn de tekstuele gegevens, denk aan reviews
op social media of commentaren op de website of posts. Deze data kan steeds beter gebruikt worden
op klantbehoeftes te voorspellen.
Marketing metrics is even simpel gezegd de tools/meetsystemen die gebruikt worden om iets te
meten. Het doel hiervan is om trends, dynamieken en kenmerken te kwantificeren.
Een metric heeft altijd een huidige waarde (bijvoorbeeld 95% retention rate) en is een hulpmiddel om
iets te meten.
KPI’s (Key Performance Indicator) is een hulpmiddel om bij te houden hoe een specifiek belangrijk
onderdeel van je bedrijf presteert. Buiten de metric gebruik je dan een doel- of streefwaarde (zoals
97% retention rate), een gewenste/beoogde situatie, waarmee een performance indicator gecreëerd
wordt. Daarnaast heeft een KPI altijd een titel (in dit geval, het realiseren van een toename van
minimaal 2%). Hierdoor heb je een duidelijk doel, op basis waarvan je data kan gaan verzamelen.
Big data zijn grotere complexere datasets die voortkomen uit met name nieuwe data bronnen, dus
ongestructureerde data (tekst uit reviews, posts etc.). Die datasets zijn zo omvangrijk dat traditionele
datasoftware zoals SPSS die data niet meer kan verwerken en analyseren.
Traditionele analytics worden vaak gebruikt om te beschrijven wat er in het verleden en huidige
situatie is gebeurd. Waar big data analytics wordt gebruikt om de toekomst te voorspellen, met een
combinatie van historische en real-time ongestructureerde en gestructureerde data.
Big data bestaat uit de 5 V’s:
- Volume
De hoeveelheid gegevens, gaat om enorme hoeveelheden, waardoor het de basis van big
data vormt.
- Velocity
Verwijst naar de snelheid waarop deze gegevens bewegen en verwerkt kunnen worden.
Bijvoorbeeld real-time data dat gelijk in analyses meegenomen kan worden.
- Variety
Verwijst naar de diversiteit van gegevens soorten, interne en externe gegevensbronnen die
gestructureerd en ongestructureerd kunnen zijn.
- Veracity
Verwijst naar de kwaliteit van de nauwkeurigheid van de gegevens, hoe compleet zijn ze en
bieden ze een waardevol inzicht? Dus het niveau van vertrouwen in de gegevens.
- Value
Verwijst naar de waarde van die verzamelde data, wat kunnen de organisaties ermee doen.
, Weblecture 2: Waarde creëren met big data analytics
Als organisatie moet je er rekening mee houden dat big data een speciale manier van opslaan,
verwerken, rapporteren en visualiseren van data vereist.
Big data analytics worden in de praktijk vaak gebruikt om de behoeftes van klanten beter in kaart te
brengen. Hierdoor kan een bedrijf effectiever up- en cross selling toepassen en waarde trekken uit
big data. Daarbij is het ook een goeie tool om het succes van campagnes en promoties makkelijker te
kunnen meten.
Voordelen van big data:
- Gemakkelijker beslissingsproces
Doordat organisaties makkelijker grote hoeveelheden data kunnen beheren en analyseren, is
de kans groter dat interessante patronen en inzichten worden ontdekt. Op basis waarvan
beslissingen genomen kunnen worden.
- Hogere betrouwbaarheid
Doordat onderbouwde beslissingen op basis van data gemaakt kunnen worden, hoeft te
marketeer minder beslissingen te maken op basis van intuïtie.
- Productiviteit en efficiëntie verhogen
Doormiddel van de big data tools kunnen bedrijven veel sneller informatie verwerken,
waardoor het proces versnelt wordt of op basis van de vergaarde informatie kunnen
aanpassingen gemaakt worden die productiviteit en efficiëntie verhogen.
- Kosten besparen
De bovenstaande voordelen kunnen daarbij ook kosten besparen voor de organisatie.
- Verbeteren van klantenservice en klantervaring
Zie tweede alinea
- Verhoogd de wendbaarheid
Doordat gegevens in real-time omgezet worden naar bruikbare informatie kan het bedrijf ook
in real-time handelen en toepasselijker handelen/aanpassingen maken. Zo verhoogt het
bijvoorbeeld ook de speed-to-market.
Nadelen van big data:
- Twijfelachtige gegevens kwaliteit
Niet alle big data is even waardevol, de data gedreven beslissingen zijn alleen zo goed als de
onderliggende data set. Het kans zelfs schadevol zijn voor een bedrijf als er conclusies of
beslissingen worden genomen op basis van data die niet klopt.
- Beveiligingsrisico’s
Soms bevat big data gevoelige gegevens die een doelwit kunnen vormen voor
cybercriminelen.
- Complaince problematiek
Soms is het lastig om te navigeren rondom de privacy vereisten die gelden.
- Kostenintensief door opslag en verzending
Doordat het om enorme hoeveelheden gaat kan het een uitdaging zijn om de data op te slaan
en eventueel te verzenden. Daarbij is dit ook de reden dat big data vaak kostintensief voor
bedrijven is, aanschafprijs en onderhoud spelen hier ook een rol bij.
- Tekort mensen in de talentpool
Er is veel vraag naar, maar weinig mensen die er talent voor hebben en in willen werken.
Thijs van Duin
Les 1
Weblecture 1: Waarde creëren met big data analytics
Digital marketing is enige vorm van marketing uitgevoerd via elektronische apparaten.
Predictive analytics is een onderdeel van big data analytics, waarbij het doel is om de toekomst te
voorspellen op basis van historische (big) data gegevens, analysetechnieken en machine learning.
Gestructureerde data zijn alle gegevens die komen in een vaste format, denk aan postcodes, leeftijd
en gemiddelde bestelwaarde. Ongestructureerde data zijn de tekstuele gegevens, denk aan reviews
op social media of commentaren op de website of posts. Deze data kan steeds beter gebruikt worden
op klantbehoeftes te voorspellen.
Marketing metrics is even simpel gezegd de tools/meetsystemen die gebruikt worden om iets te
meten. Het doel hiervan is om trends, dynamieken en kenmerken te kwantificeren.
Een metric heeft altijd een huidige waarde (bijvoorbeeld 95% retention rate) en is een hulpmiddel om
iets te meten.
KPI’s (Key Performance Indicator) is een hulpmiddel om bij te houden hoe een specifiek belangrijk
onderdeel van je bedrijf presteert. Buiten de metric gebruik je dan een doel- of streefwaarde (zoals
97% retention rate), een gewenste/beoogde situatie, waarmee een performance indicator gecreëerd
wordt. Daarnaast heeft een KPI altijd een titel (in dit geval, het realiseren van een toename van
minimaal 2%). Hierdoor heb je een duidelijk doel, op basis waarvan je data kan gaan verzamelen.
Big data zijn grotere complexere datasets die voortkomen uit met name nieuwe data bronnen, dus
ongestructureerde data (tekst uit reviews, posts etc.). Die datasets zijn zo omvangrijk dat traditionele
datasoftware zoals SPSS die data niet meer kan verwerken en analyseren.
Traditionele analytics worden vaak gebruikt om te beschrijven wat er in het verleden en huidige
situatie is gebeurd. Waar big data analytics wordt gebruikt om de toekomst te voorspellen, met een
combinatie van historische en real-time ongestructureerde en gestructureerde data.
Big data bestaat uit de 5 V’s:
- Volume
De hoeveelheid gegevens, gaat om enorme hoeveelheden, waardoor het de basis van big
data vormt.
- Velocity
Verwijst naar de snelheid waarop deze gegevens bewegen en verwerkt kunnen worden.
Bijvoorbeeld real-time data dat gelijk in analyses meegenomen kan worden.
- Variety
Verwijst naar de diversiteit van gegevens soorten, interne en externe gegevensbronnen die
gestructureerd en ongestructureerd kunnen zijn.
- Veracity
Verwijst naar de kwaliteit van de nauwkeurigheid van de gegevens, hoe compleet zijn ze en
bieden ze een waardevol inzicht? Dus het niveau van vertrouwen in de gegevens.
- Value
Verwijst naar de waarde van die verzamelde data, wat kunnen de organisaties ermee doen.
, Weblecture 2: Waarde creëren met big data analytics
Als organisatie moet je er rekening mee houden dat big data een speciale manier van opslaan,
verwerken, rapporteren en visualiseren van data vereist.
Big data analytics worden in de praktijk vaak gebruikt om de behoeftes van klanten beter in kaart te
brengen. Hierdoor kan een bedrijf effectiever up- en cross selling toepassen en waarde trekken uit
big data. Daarbij is het ook een goeie tool om het succes van campagnes en promoties makkelijker te
kunnen meten.
Voordelen van big data:
- Gemakkelijker beslissingsproces
Doordat organisaties makkelijker grote hoeveelheden data kunnen beheren en analyseren, is
de kans groter dat interessante patronen en inzichten worden ontdekt. Op basis waarvan
beslissingen genomen kunnen worden.
- Hogere betrouwbaarheid
Doordat onderbouwde beslissingen op basis van data gemaakt kunnen worden, hoeft te
marketeer minder beslissingen te maken op basis van intuïtie.
- Productiviteit en efficiëntie verhogen
Doormiddel van de big data tools kunnen bedrijven veel sneller informatie verwerken,
waardoor het proces versnelt wordt of op basis van de vergaarde informatie kunnen
aanpassingen gemaakt worden die productiviteit en efficiëntie verhogen.
- Kosten besparen
De bovenstaande voordelen kunnen daarbij ook kosten besparen voor de organisatie.
- Verbeteren van klantenservice en klantervaring
Zie tweede alinea
- Verhoogd de wendbaarheid
Doordat gegevens in real-time omgezet worden naar bruikbare informatie kan het bedrijf ook
in real-time handelen en toepasselijker handelen/aanpassingen maken. Zo verhoogt het
bijvoorbeeld ook de speed-to-market.
Nadelen van big data:
- Twijfelachtige gegevens kwaliteit
Niet alle big data is even waardevol, de data gedreven beslissingen zijn alleen zo goed als de
onderliggende data set. Het kans zelfs schadevol zijn voor een bedrijf als er conclusies of
beslissingen worden genomen op basis van data die niet klopt.
- Beveiligingsrisico’s
Soms bevat big data gevoelige gegevens die een doelwit kunnen vormen voor
cybercriminelen.
- Complaince problematiek
Soms is het lastig om te navigeren rondom de privacy vereisten die gelden.
- Kostenintensief door opslag en verzending
Doordat het om enorme hoeveelheden gaat kan het een uitdaging zijn om de data op te slaan
en eventueel te verzenden. Daarbij is dit ook de reden dat big data vaak kostintensief voor
bedrijven is, aanschafprijs en onderhoud spelen hier ook een rol bij.
- Tekort mensen in de talentpool
Er is veel vraag naar, maar weinig mensen die er talent voor hebben en in willen werken.
