Marketingmanagement, 19 September
Lecture 5. Marketing informatiesystemen
Beslissingen nemen op basis van: informatie perceptie voorspellingen
Een marketinginformatiesysteem bestaat uit personeelsuitrusting en
procedures voor het verzamelen, sorteren, analyseren, evalueren en
distribueren van benodigde, tijdige en nauwkeurige informatie aan
marketingbesluitvormers.
Beslissingen nemen over op basis van de 5 c’s
Beslissingen gebaseerd op “data” of op “intuïtie”
o Als we een betere informatie systeem hebben accuratere perceptie
beter voorspellingen betere beslissingen
o Intuïtie is niet slecht, waar is het op gebaseerd?
Big data is veranderd:
o Meer data beschikbaar (volume)
V’s
De 3
o We kunnen de data snel verwerken (velocity)
o Er zijn veel verschillende soorten data (variety)
HIPPO: HIghest Paid Person’s Opinion < vroeger met weinig informatie
2 dingen waar je op moet letten bij bigdata:
1. Fluke correlation
Als er meer variabele zijn dan is de kans op fluke correlation hoog
Ongeveer 1/20 is a fluke = er is een relatie tussen twee variabelen
maar er is geen echte relatie, dus valse informatie (false positive)
2. Spurious correlations
, Als er een verband is, betekent het niet dat er causaliteit is. Twee
variabalen waar een relatie tussen is maar geen verband/oorzaak van
elkaar
Big data in combinatie met andere bronnen = triangulatie
Algoritmes:
Het is een systeem dat stap voor stap analytische operaties op een
ongelofelijke snelheid en schaal
Maakt verwachtingen accurater
o Algoritmes doen de opdracht heel letterlijk en kijken niet naar de
negatieve effecten
o Algoritmes kunnen dingen uitzoeken en aanbevelen maar kunnen niet
uitleggen waarom < black boxes. Oplossing: wees expliciet over jouw
doelen. En kijk naar het lange termijn + kies naar de juiste data input
Internal records: RFM
o Purchase recency: how long since last purchase?
o Purchase frequency: how often?
o Purchase monetary value: how much spend?
MIS: marketing intelligence (mijn vogeltje)
Geeft een signaal
o Undercover
o Eigen bedrijf/concurrentie
o Quality check
Random walk (serendipity) > zelf genomen beslissingen ervaren
Het internet, dynamische fair value: verwachtingen veranderen
consumenten verwachten een reactie
De analyse van de klanten moet snel meegenomen worden bij het
beslissingsproces
Marktonderzoek: problemen
o Consumenten kunnen niet altijd vertellen waar ze behoefte aan hebben,
dus vraag het!
o Als ze wel wat vertellen dan kan het niet volledig waar zijn, jezelf in een
positief daglicht zetten social desirability bias (gezond eten)
o Onderzoeksomstandigheden zijn niet hetzelfde tijdens aankoop en gebruik
(condoom = hot vs. Cold state)
Oplossing: triangulatie met andere methodes: bv. A/B testing = meer
soorten opzetten vergelijken aan de helft van de proefpersonen. Maar niet
zomaar de groep in tweeën delen > random assignment
Hawthorne-effect: als mensen doorhebben dat ze gecontroleerd worden
dan gaan ze zich anders gedragen
Aggragation of small gains: op een langer termijn worden kleine
verbeteringen samen groter
Lecture 5. Marketing informatiesystemen
Beslissingen nemen op basis van: informatie perceptie voorspellingen
Een marketinginformatiesysteem bestaat uit personeelsuitrusting en
procedures voor het verzamelen, sorteren, analyseren, evalueren en
distribueren van benodigde, tijdige en nauwkeurige informatie aan
marketingbesluitvormers.
Beslissingen nemen over op basis van de 5 c’s
Beslissingen gebaseerd op “data” of op “intuïtie”
o Als we een betere informatie systeem hebben accuratere perceptie
beter voorspellingen betere beslissingen
o Intuïtie is niet slecht, waar is het op gebaseerd?
Big data is veranderd:
o Meer data beschikbaar (volume)
V’s
De 3
o We kunnen de data snel verwerken (velocity)
o Er zijn veel verschillende soorten data (variety)
HIPPO: HIghest Paid Person’s Opinion < vroeger met weinig informatie
2 dingen waar je op moet letten bij bigdata:
1. Fluke correlation
Als er meer variabele zijn dan is de kans op fluke correlation hoog
Ongeveer 1/20 is a fluke = er is een relatie tussen twee variabelen
maar er is geen echte relatie, dus valse informatie (false positive)
2. Spurious correlations
, Als er een verband is, betekent het niet dat er causaliteit is. Twee
variabalen waar een relatie tussen is maar geen verband/oorzaak van
elkaar
Big data in combinatie met andere bronnen = triangulatie
Algoritmes:
Het is een systeem dat stap voor stap analytische operaties op een
ongelofelijke snelheid en schaal
Maakt verwachtingen accurater
o Algoritmes doen de opdracht heel letterlijk en kijken niet naar de
negatieve effecten
o Algoritmes kunnen dingen uitzoeken en aanbevelen maar kunnen niet
uitleggen waarom < black boxes. Oplossing: wees expliciet over jouw
doelen. En kijk naar het lange termijn + kies naar de juiste data input
Internal records: RFM
o Purchase recency: how long since last purchase?
o Purchase frequency: how often?
o Purchase monetary value: how much spend?
MIS: marketing intelligence (mijn vogeltje)
Geeft een signaal
o Undercover
o Eigen bedrijf/concurrentie
o Quality check
Random walk (serendipity) > zelf genomen beslissingen ervaren
Het internet, dynamische fair value: verwachtingen veranderen
consumenten verwachten een reactie
De analyse van de klanten moet snel meegenomen worden bij het
beslissingsproces
Marktonderzoek: problemen
o Consumenten kunnen niet altijd vertellen waar ze behoefte aan hebben,
dus vraag het!
o Als ze wel wat vertellen dan kan het niet volledig waar zijn, jezelf in een
positief daglicht zetten social desirability bias (gezond eten)
o Onderzoeksomstandigheden zijn niet hetzelfde tijdens aankoop en gebruik
(condoom = hot vs. Cold state)
Oplossing: triangulatie met andere methodes: bv. A/B testing = meer
soorten opzetten vergelijken aan de helft van de proefpersonen. Maar niet
zomaar de groep in tweeën delen > random assignment
Hawthorne-effect: als mensen doorhebben dat ze gecontroleerd worden
dan gaan ze zich anders gedragen
Aggragation of small gains: op een langer termijn worden kleine
verbeteringen samen groter
