Marketing automation I

Radarwerk

Structureren van (big) data

Het hoeft geen betoog dat digitale marketing een must is voor ieder zichzelf respecterend bedrijf. Velen zien zelfs geen onderscheid meer tussen traditionele marketing en de digitale variant: een marketeer die vandaag de dag niet digital savvy is, is als een dinosaurus nadat de komeet ingeslagen is: gedoemd om snel te verdwijnen. Diegene die wel op de digitale kar zitten, zullen het beamen: de verscheidenheid aan platformen en de hoeveelheid aan interactiemomenten maken het tegenwoordig als marketing boy or girl geen sinecure om je boodschap effectief over te brengen. 

Maar er is redding aan de horizon. Marketing automation kan het vele werk uit handen nemen zodat jij je opnieuw kan buigen over het creatieve aspect. Ook kan marketing automation je realtime feedback geven over de effectiviteit van je marketing campagnes, iets wat voorheen vaak nogal flou was: er ging veel geld in marketing maar de return was niet altijd even meetbaar.

De brandstof voor marketing automation is (big) data. Je gebruikt die data in geautomatiseerde campagnes die meerwaarde betekenen voor jou en je klant. Daar schuilt ook meteen een gevaar. De kwaliteit van je campagnes is maar zo hoog als de kwaliteit van je data. Als je slechts van 10% van je klantendatabase de geboortedatum weet, die ook nog eens in totaal verschillende formaten opgeslagen is en je de voornaam en achternaam van een klant niet kan onderscheiden, dan kan een verjaardagscampagne onpersoonlijk overkomen of zelfs compleet de mist in gaan.

Daarom identificeerden we enkele stappen om structuur te brengen aan het marketing automation process: verzamelen van data, het opschonen ervan, het verrijken van data en uiteindelijk het gebruik van deze waardevolle gegevens in je marketing flow.

Stap 1: verzamelen van data

Veel bedrijven zijn vandaag de dag volop bezig met het verzamelen van data. Vaak kennen ze zelf hun rijkdom aan data niet. Die data in kaart brengen, is je eerste stap. We overlopen hierna kort de soorten data.

Gedeclareerde data zijn de gegevens die de klant zelf heeft aangebracht. Die kunnen relatief vast liggen (geboortedatum, geslacht, ...), variabel zijn (adres, telefoonnummer,...) of sterk variabel zijn (bv. "Wat eten we vanavond?"). Het hoeft geen betoog dat data maar waardevol is als ze up-to-date is, dus wees niet bang te vragen aan de klant of zijn gedeclareerde data nog correct is en die te wijzigen of aan te vullen waar nodig.

Geïmpliceerde data kan voortstromen uit verschillende bronnen. Het is data die een klant niet rechtstreeks of bewust aan jou gegeven heeft, maar door het opslaan van bepaalde acties van die klant kunnen je veel te weten komen en kan deze geïmpliceerde data waardevoller zijn dan de data die de klant je zelf gegeven heeft. Want een klant doet uiteraard niet altijd wat hij zegt. Voorbeelden van deze soort data zijn een online of offline aankoop, een bezoek aan een website, een like op Facebook, een cookie op een website of een post op Twitter.

Externe data is data die je niet zelf verzameld hebt, maar die uit externe bronnen gehaald wordt en waar je optioneel je bestaande klantendata mee verrijkt. We denken hierbij bv. aan geografische data, weersinformatie, demografische gegevens, medische data, verkeersinformatie, financiële informatie, sectorinformatie, ... Het is hierbij belangrijk dat de leverancier van deze data betrouwbaar is en up-to-date informatie aanlevert. Zo niet, vervuil je je eigen database.

Analytische data is gegeneerde data die afgeleid is uit de vele geïmpliceerde, gedeclareerde en externe data die je bezit. Die data geeft bepaalde trends en statistische inzichten weer, die je kan opslaan en ter beschikking stellen van je marketing machine. Periodiek toets je dan die bevindingen om na te gaan of ze nog steeds kloppen in een snel veranderende wereld.

Eens je alle data in kaart gebracht hebt, is het ook belangrijk te identificeren hoe je die data met elkaar kan verbinden. Heeft iedere unieke klant of product in je bedrijf een eigen identificatienummer? Super, dan kan je daarmee aan de slag. Maar vaak zul je koppeltabellen moeten voorzien om data in tabel A te linken met data uit een tabel B.

Een alternatieve werkmethode, is een compleet nieuwe databasestructuur uitbouwen, waarin je zelf bepaalt hoe alle data opgeslagen wordt. Dan ben je niet afhankelijk van bestaande structuren, die vaak niet altijd aansluiten bij de noden van de huidige digitale marketing.

Je hebt nu een basis gelegd voor het marketing automation process; hoe je daarna het meeste uit je data kunt halen en die data voor jou aan het werk kunt zetten, ontdek je in een volgende blog.

Archief

Pagina's