Big Data Marketing
Les 1 – Uitdagingen en Waarde van Big Data H1 & 2
Introductie
De toenemende beschikbaarheid van gegevens (door digitalisering van de maatschappij, het
zakenleven en marketing) vormt tegenwoordig een van de grootste uitdagingen voor managers.
Big data is een grote uitdaging in het bedrijfsleven. De opkomst van het internet en sociale
media heeft tot een verdere explosieve gegevensgroei geleid. Veel bedrijven hebben data nu
dagelijks of zelfs real time tot hun beschikking. Het creëren van waarde uit deze gegevens is een
motor van groei voor economieën. Het internet is tegenwoordig een van de belangrijkste
marktplaatsen, online C2C markten zijn dan ook steeds belangrijker geworden t.o.v. B2C markten.
Big data hebben (volgens het boek) een impact op 3 niveaus:
1 Marktniveau
2 Merk- of productniveau
3 Klantniveau
H2
Big-datawaardecreatiemodel H5 H12 H13
H8
Het model hiernaast geeft weer hoe big data-
waardecreatie plaatsvindt. De 4 elementen
worden hieronder toegelicht:
1 Big-data-activa | Hulpbronnen (materieel
of immaterieel) die een bedrijf in de loop
van de tijd vergaart. Een voorbeeld hiervan
is een klantendatabase.
2 Big-datacompetenties | Er zijn 4 competenties van big data:
- Mensen Personeel, big-dataexperts.
- Systemen Hier zijn 2 elementen van belang: data-integratie en het verzorgen van
een geïntegreerd datasysteem.
- Processen Hebben betrekking op hoe bedrijven de gegevensinvoer en -opslag
organiseren, de toegankelijkheid van gegevens voor analytische teams en de
communicatie tussen deze teams en (marketing)management.
- Organisaties Bedrijven moeten aandacht hebben voor de manier waarop ze big
data intern organiseren.
3 Big data analytics | Analytics zijn van belang voor een optimaal gebruik van de
mogelijkheden die big data bieden, ze richten zich op het verkrijgen van inzichten en het
ontwikkelen van modellen om de besluitvorming te verbeteren. De ontwikkelde inzichten
en modellen creëren op 3 manieren waarde voor bedrijven (zie pg. 26, 27 van het boek):
- Input / support voor strategische & tactische marketingbeslissingen
- Verbeterde acties en campagnes
- Op informatie gebaseerde producten en oplossingen
, Big data hebben 5 kenmerken die uitdagingen vormen voor onderzoekers en managers:
1. Volume | De toenemende hoeveelheid data leidt tot zeer grote databases.
2. Velociteit (snelheid) | Gegevens komen sneller bij bedrijven binnen, wat snellere analyses
en acties in de hand werkt.
3. Variatie | Gegevens worden complexer omdat ze in verschillende formats binnenkomen.
4. Veraciteit (betrouwbaarheid) | Niet alle gegevens zijn even betrouwbaar.
5. Value | De waarde die wordt gerealiseerd door het analyseren en gebruiken van date.
4 Big-datawaarde | Er zijn 3 methoden waarmee big-data-analyses waarde creëren:
- Nieuwe inzichten creëren die het marketingbeslissingsproces verbeteren
- Effectieve marketingcampagnes hierbij wordt gefocust op klanten (Customer
Lifetime Value en klantenbelang)
- Ontwikkelen klantoplossingen vaak een verbetering van de service-ervaring
Het begrip waarde heeft 2 perspectieven, namelijk
de waarde voor de klant (V2C) en voor het bedrijf
(V2F). In ruil voor waardecreatie voor klanten (zoals
aanbiedingen) ontvangen bedrijven waarde van
klanten. Value delivery (waardelevering) en value
extraction (waarde-extractie, dit is een direct gevolg
van waardelevering, het treedt op door betaalde
prijspremies, hogere loyaliteitsratio’s etc.). Bedrijven
classificeer je o.b.v. de 2 waardedimensies
Een focus op alleen V2F of V2C is niet langer voldoende, het waardeconcept moet worden
uitgebreid om rekening te houden met Value to Society (V2S).
Metrics (meetsystemen die trends, dynamieken of kenmerken kwantificeren) zijn belangrijk
vanwege de toenemende aandacht voor de verantwoordelijkheid van bedrijven en de daaruit
voortvloeiende gevolgen voor marketingafdelingen. Binnen de marketing worden tal van metrics
gemeten, hieronder is de classificatie van V2F en V2C metrics te zien.
H3 H4
, Les 2 – Waarde-voor-Klant- en Bedrijfmetrics H3 & 4
V2C-marktmetrics
De V2C-marktmetrics zijn voornamelijk relevant in de vroege fasen van de levensduurcyclus van
een product, wanneer bedrijven de waarde en relevantie van nieuwe producten en diensten
communiceren. De belangrijkste manier om dit proces te evalueren is met het adoptiemodel van
Rogers (zie pg. 44 van het boek). Een ander veelgebruikt model is het technologie-
acceptatiemodel (TAM), dit stelt dat er 2 houdingen zijn t.o.v.
nieuwe technologieën: gebruiksgemak en bruikbaarheid.
V2C-merkmetrics
V2C-merkmetrics worden veelvuldig verzameld, voor bedrijven is het belangrijk om voortdurend
de indicatoren van hun merkprestaties te meten. Traditionele merkprestatiemaatstaven kun je
structureren rond de sales funnel, merkmetrics kun je ook indelen o.b.v. hun focus. In grote lijnen
kun je onderscheid maken tussen cognitieve (gericht op kennis die klanten al hebben van een
merk) en affectieve (gericht op gevoelens die klanten hebben bij een merk) merkmetrics. Wat
voorbeelden van merkmetrics zijn: merkassociaties, merkoverweging, merkvoorkeur en
merkwaardering.
Brand Equity (BE, merkwaarde) Heeft verschillende betekenissen. Afhankelijk van de maatstaf
beschouw je het als een extra V2C-metric of een extra V2F-metric.
Goede V2C-merkmetrics presteren op 3 criteria:
1 Ze moeten groeipotentieel hebben
2 Ze moeten enigszins stabiel zijn
3 Ze moeten reageren op marketinginspanningen
Als gevolg van online en sociale-mediaontwikkelingen zijn er nieuwe bronnen voor gegevens over
merken bijgekomen, deze bronnen worden aangeduid als user generated content (UGC). UGC
kun je verzamelen en analyseren om merkmetrics te maken. De volgende specifieke nieuwe big-
datametrics worden bekeken:
1 Digitale netwerken van merkassociaties Klanten kunnen hun mening over een merk
verbaal met elkaar delen. Methoden om deze gegevens te verzamelen en analyseren,
evalueren de valentie, ofwel de positieve en negatieve associaties van woorden.
2 Digitale, samenvattende indexen van merkmetrics Heten ook wel ‘eWOM’ (electronic
Word of Mouth), oftewel digitale mond-op-mond reclame
3 Sociale-mediamerkmetrics Ook merken zelf maken gebruik van social media voor
promotiedoeleinden. De inhoud van sociale-mediamarketingcampagnes heeft invloed op
verschillende metrics., of deze metrics echte V2C-merkmetrics zijn is discutabel.
V2C-klantmetrics
Marketingonderzoekers duiden V2C-klantmetrics vaak aan als customer feedback metrics
(CFMs) klanten geven feedback (customer feedback loop). De meest populaire metrics zijn de
net promotor score (NPS, klanttevredenheid) en de recentere customer effort score (CES,
klantinspanning). Zie in tabel 3.2 in het boek (pg. 52) hoe deze gemeten worden). De hierboven
genoemde metrics worden onderscheiden in 2 dimensies:
Les 1 – Uitdagingen en Waarde van Big Data H1 & 2
Introductie
De toenemende beschikbaarheid van gegevens (door digitalisering van de maatschappij, het
zakenleven en marketing) vormt tegenwoordig een van de grootste uitdagingen voor managers.
Big data is een grote uitdaging in het bedrijfsleven. De opkomst van het internet en sociale
media heeft tot een verdere explosieve gegevensgroei geleid. Veel bedrijven hebben data nu
dagelijks of zelfs real time tot hun beschikking. Het creëren van waarde uit deze gegevens is een
motor van groei voor economieën. Het internet is tegenwoordig een van de belangrijkste
marktplaatsen, online C2C markten zijn dan ook steeds belangrijker geworden t.o.v. B2C markten.
Big data hebben (volgens het boek) een impact op 3 niveaus:
1 Marktniveau
2 Merk- of productniveau
3 Klantniveau
H2
Big-datawaardecreatiemodel H5 H12 H13
H8
Het model hiernaast geeft weer hoe big data-
waardecreatie plaatsvindt. De 4 elementen
worden hieronder toegelicht:
1 Big-data-activa | Hulpbronnen (materieel
of immaterieel) die een bedrijf in de loop
van de tijd vergaart. Een voorbeeld hiervan
is een klantendatabase.
2 Big-datacompetenties | Er zijn 4 competenties van big data:
- Mensen Personeel, big-dataexperts.
- Systemen Hier zijn 2 elementen van belang: data-integratie en het verzorgen van
een geïntegreerd datasysteem.
- Processen Hebben betrekking op hoe bedrijven de gegevensinvoer en -opslag
organiseren, de toegankelijkheid van gegevens voor analytische teams en de
communicatie tussen deze teams en (marketing)management.
- Organisaties Bedrijven moeten aandacht hebben voor de manier waarop ze big
data intern organiseren.
3 Big data analytics | Analytics zijn van belang voor een optimaal gebruik van de
mogelijkheden die big data bieden, ze richten zich op het verkrijgen van inzichten en het
ontwikkelen van modellen om de besluitvorming te verbeteren. De ontwikkelde inzichten
en modellen creëren op 3 manieren waarde voor bedrijven (zie pg. 26, 27 van het boek):
- Input / support voor strategische & tactische marketingbeslissingen
- Verbeterde acties en campagnes
- Op informatie gebaseerde producten en oplossingen
, Big data hebben 5 kenmerken die uitdagingen vormen voor onderzoekers en managers:
1. Volume | De toenemende hoeveelheid data leidt tot zeer grote databases.
2. Velociteit (snelheid) | Gegevens komen sneller bij bedrijven binnen, wat snellere analyses
en acties in de hand werkt.
3. Variatie | Gegevens worden complexer omdat ze in verschillende formats binnenkomen.
4. Veraciteit (betrouwbaarheid) | Niet alle gegevens zijn even betrouwbaar.
5. Value | De waarde die wordt gerealiseerd door het analyseren en gebruiken van date.
4 Big-datawaarde | Er zijn 3 methoden waarmee big-data-analyses waarde creëren:
- Nieuwe inzichten creëren die het marketingbeslissingsproces verbeteren
- Effectieve marketingcampagnes hierbij wordt gefocust op klanten (Customer
Lifetime Value en klantenbelang)
- Ontwikkelen klantoplossingen vaak een verbetering van de service-ervaring
Het begrip waarde heeft 2 perspectieven, namelijk
de waarde voor de klant (V2C) en voor het bedrijf
(V2F). In ruil voor waardecreatie voor klanten (zoals
aanbiedingen) ontvangen bedrijven waarde van
klanten. Value delivery (waardelevering) en value
extraction (waarde-extractie, dit is een direct gevolg
van waardelevering, het treedt op door betaalde
prijspremies, hogere loyaliteitsratio’s etc.). Bedrijven
classificeer je o.b.v. de 2 waardedimensies
Een focus op alleen V2F of V2C is niet langer voldoende, het waardeconcept moet worden
uitgebreid om rekening te houden met Value to Society (V2S).
Metrics (meetsystemen die trends, dynamieken of kenmerken kwantificeren) zijn belangrijk
vanwege de toenemende aandacht voor de verantwoordelijkheid van bedrijven en de daaruit
voortvloeiende gevolgen voor marketingafdelingen. Binnen de marketing worden tal van metrics
gemeten, hieronder is de classificatie van V2F en V2C metrics te zien.
H3 H4
, Les 2 – Waarde-voor-Klant- en Bedrijfmetrics H3 & 4
V2C-marktmetrics
De V2C-marktmetrics zijn voornamelijk relevant in de vroege fasen van de levensduurcyclus van
een product, wanneer bedrijven de waarde en relevantie van nieuwe producten en diensten
communiceren. De belangrijkste manier om dit proces te evalueren is met het adoptiemodel van
Rogers (zie pg. 44 van het boek). Een ander veelgebruikt model is het technologie-
acceptatiemodel (TAM), dit stelt dat er 2 houdingen zijn t.o.v.
nieuwe technologieën: gebruiksgemak en bruikbaarheid.
V2C-merkmetrics
V2C-merkmetrics worden veelvuldig verzameld, voor bedrijven is het belangrijk om voortdurend
de indicatoren van hun merkprestaties te meten. Traditionele merkprestatiemaatstaven kun je
structureren rond de sales funnel, merkmetrics kun je ook indelen o.b.v. hun focus. In grote lijnen
kun je onderscheid maken tussen cognitieve (gericht op kennis die klanten al hebben van een
merk) en affectieve (gericht op gevoelens die klanten hebben bij een merk) merkmetrics. Wat
voorbeelden van merkmetrics zijn: merkassociaties, merkoverweging, merkvoorkeur en
merkwaardering.
Brand Equity (BE, merkwaarde) Heeft verschillende betekenissen. Afhankelijk van de maatstaf
beschouw je het als een extra V2C-metric of een extra V2F-metric.
Goede V2C-merkmetrics presteren op 3 criteria:
1 Ze moeten groeipotentieel hebben
2 Ze moeten enigszins stabiel zijn
3 Ze moeten reageren op marketinginspanningen
Als gevolg van online en sociale-mediaontwikkelingen zijn er nieuwe bronnen voor gegevens over
merken bijgekomen, deze bronnen worden aangeduid als user generated content (UGC). UGC
kun je verzamelen en analyseren om merkmetrics te maken. De volgende specifieke nieuwe big-
datametrics worden bekeken:
1 Digitale netwerken van merkassociaties Klanten kunnen hun mening over een merk
verbaal met elkaar delen. Methoden om deze gegevens te verzamelen en analyseren,
evalueren de valentie, ofwel de positieve en negatieve associaties van woorden.
2 Digitale, samenvattende indexen van merkmetrics Heten ook wel ‘eWOM’ (electronic
Word of Mouth), oftewel digitale mond-op-mond reclame
3 Sociale-mediamerkmetrics Ook merken zelf maken gebruik van social media voor
promotiedoeleinden. De inhoud van sociale-mediamarketingcampagnes heeft invloed op
verschillende metrics., of deze metrics echte V2C-merkmetrics zijn is discutabel.
V2C-klantmetrics
Marketingonderzoekers duiden V2C-klantmetrics vaak aan als customer feedback metrics
(CFMs) klanten geven feedback (customer feedback loop). De meest populaire metrics zijn de
net promotor score (NPS, klanttevredenheid) en de recentere customer effort score (CES,
klantinspanning). Zie in tabel 3.2 in het boek (pg. 52) hoe deze gemeten worden). De hierboven
genoemde metrics worden onderscheiden in 2 dimensies:
