Marketing Metrics Samenvatting & lesstof
Hoofdstukken: 2, 3, 4, 5, 6, 7, 8 & 11.
Hoofdstuk 2: Waarde creëren met big data analytics
Tijdens een periode rondom big data doorlopen bedrijven doorgaans drie fasen:
1. Dataenthousiasme – de investeringsfase
2. Datateleurstelling – de frustratie- of desinvesteringsfase
3. Datarealisme – de herinvesteringsfase
Het Big-datawaardecreatiemodel (p. 23) heeft vier elementen:
1. Big data activa
2. Big data competenties
3. Big data analytics
4. Big datawaarde
Activa zijn hulpbronnen die een bedrijf in de loop van de tijd krijgt. De activa is materieel (bijv.
gebouwen) of immaterieel (merken, klantrelaties).
De competenties van big data betreffen; mensen, systemen, processen en organisaties.
- Mensen zijn essentieel voor een succesvolle big data strategie. Denk bijvoorbeeld aan data-
experts.
- Rondom systemen zijn twee elementen van belang; data integratie en het verzorgen van een
geïntegreerd datasysteem. Data integratie is het koppelen van data vanuit diverse systemen.
- Processen hebben betrekking op hoe bedrijven gegevens en opslag organiseren, de
toegankelijkheid van gegevens voor analytische teams en de communicatie tussen
analytische teams en (marketing) management.
De bedrijfscultuur kan zorgen voor problemen bij het exploiteren van big data. Hierbij kan er te veel
rekening gehouden worden met menselijke intuïtie. Er is ook een trend van vertrouwen op data
driven of fact based besluitvorming.
De definitie van big-data inzichten: relevante, vaak beschrijvende bevindingen, die voortvloeien uit
big-data analyses en gebruikt worden als input bij strategische beslissingen.
De ontwikkelde inzichten en modellen creëren op drie manieren waarde voor bedrijven:
1. Input/support voor strategische en tactische marketingbeslissingen
2. Verbeterde acties en campagnes
3. Op informatie gebaseerde producten en oplossingen
Er zijn twee modellen voor het nemen van marketingbeslissingen:
- Idiosyncratische modellen: ontwikkeld voor het aanpakken van marketingproblemen.
- Gestandaardiseerde modellen: belangrijke instrumenten voor het verbeteren van de
kwaliteit van tactische marketingbeslissingen.
De vijf V’s van big data zijn:
1. Volume (de hoeveelheid data)
2. Velociteit (snelheid van gegevens, per uur, per seconde)
3. Variatie (gegevens worden complexer, in diverse formats)
4. Veraciteit (betrouwbaarheid van de gegevens, zoals niet eerlijke reviews)
1
, 5. Value (de waarde die wordt gerealiseerd door het analyseren en gebruiken van de data)
Er zijn drie methoden waarbij big data analyses waarde creëren voor klanten en bedrijven:
1. Nieuwe inzichten creëren
2. Effectievere marketingcampagnes
3. Ontwikkelen van klantoplossingen
Het begrip waarde heeft twee perspectieven, namelijk de waarde voor de klant en de waarde voor
het bedrijf, oftewel Value to Customer (V2C) en Value to Firm (V2F).
In ruil voor deze waarde creatie, ontvangen bedrijven waarde van klanten, wat ook wel Value
Delivery of Value Extraction wordt genoemd. Waarde-extractie treedt op door betaalde
prijspremies, hogere loyaliteitsratio’s, een hogere omzet per klant en een sterkere
klantenbelangenbehartiging.
Lagere churn = overstap naar concurrenten.
Bedrijven kunnen worden geclassificeerd op basis van twee waardedimensies, waarde voor de klant
en waarde voor het bedrijf. Er kunnen hierin vier vormen worden onderscheiden:
- Fatal attraction: hoge waarde levering, lage waarde extractie.
- Win/win: hoge waarde levering, hoge waarde extractie.
- Doomed to fail: lage waarde levering, lage waarde extractie.
- Enjoy while it lasts: lage waarde levering, hoge waarde extractie (pagina 31).
Het waardeconcept moet worden uitgebreid om rekening te houden met value to society (V2S). Dit
is de waardelevering aan de samenleving. Duurzaamheid is hier een voorbeeld van.
Metrcis, oftewel meetsystemen, zijn heel belangrijk vanwege de toenemende aandacht voor de
verantwoordelijkheid van bedrijven en de daaruit voortvloeiende gevolgen voor
marketingafdelingen. Metrics zijn meetsystemen die trends, dynamieken of kenmerken
kwantificeren. Er kan een onderscheid worden gemaakt in V2C-metrics en V2F metrics.
- V2C metrics richten zich op de evaluatie van de waarde door klanten.
- V2F metrics zijn vooral transactiegericht en richten zich op resultaten.
Hiernaast kan er nog onderscheid gemaakt worden tussen metrics op markt-, merk- en klantniveau
(figuur op pagina 33).
Hoofdstuk 3: waarde voor klantmetrics
In dit hoofdstuk gaat het over V2C metrics, deze richten zich op de waarde die wordt geleverd aan de
klanten.
Het adoptiemodel van Rogers stelt dat je nieuwe producten kunt evalueren op basis van
verschillende dimensies;
- Relatief voordeel
- Complexiteit
- Compatibiliteit
- Waarneembaarheid
- Testbaarheid
Je kunt deze aspecten bijvoorbeeld terug laten komen in een enquête. Een ander model is het
technologie-acceptatiemodel (TAM). Dit model bouwt voort op de theorie van beredeneerde actie
en stelt dat er twee belangrijke houdingen zijn ten opzichte van nieuwe technologieën:
2
, - Gebruiksgemak
- Bruikbaarheid
Google Trends is een handige tool om te gebruiken om de eerste interesse in merken en producten
te meten. Deze kijkt naar de gebruikte zoektermen van mensen.
V2C-merkmetrics
Merkmetrics kun je indelen op basis van hun focus. Je kunt onderscheid maken tussen
cognitieve merkmetrics die zich richten op de kennis die klanten hebben van een merk en affectieve
merkmetrics die zich richten op de gevoelens die klanten hebben bij een merk.
Een typisch cognitief merkmetric is ‘merkbekendheid’, dat meet of klanten het merk kennen of niet.
Onder merkassocicaties kun je verstaan waarmee iemand een merk associeert, bijvoorbeeld met een
innovatief merk of een hoogwaardig merk.
Merkmetrics die dichter bij de aankoop zelf zitten, zijn merkoverweging, merkvoorkeur of
merkwaardering. Dit zijn allemaal affectieve merkmetrics.
- Merkoverwegingsmetrics: heeft de klant het bedrijf overwogen? Aan deze eis moet een
merk sowieso voldoen om gekocht te worden.
- Merkvoorkeur: meet of klanten voorkeur geven aan een specifiek merk. Denk aan Apple
voor een telefoon of laptop.
- Merkwaardering: dit kun je meten door klanten hun voorkeur voor een merk te laten
aangeven, bijvoorbeeld door een schaal ‘vind ik niet leuk – vind ik ontzettend leuk’.
Goede V2C-merkmetrics presteren op drie criteria:
1. Moeten groeipotentieel hebben
2. Moeten enigszins stabiel zijn
3. Moeten reageren op marketinginspanningen
Een veelgebruikte term rondom naamsbekendheid, is brand equity (BE). Voorbeelden van merken
met sterke merkassociaties zijn BMW en Nike.
Er zijn veel nieuwe bronnen van gegevens over merken bijgekomen de afgelopen tijd. Klanten delen
namelijk hun mening op Tiktok bijvoorbeeld. Deze bronnen worden aangeduid als User Generated
Content (UGC).
Er zijn drie nieuwe specifieke big-datametrics:
1. Digitale netwerken van merkassociaties
Dit is met welke woorden mensen het merk associëren. Er ontstaat zo een netwerk.
Valentie houdt in de positieve dan wel negatieve associaties van woorden.
2. Digitale, samenvattende indexen van merkmetrics
Digitale samenvattingindices heten ook wel EWOM, de afkorting van electronic word of mouth. Hoe
positief of negatief beoordelen mensen het als ze het online over een merk hebben? Op basis van de
positieve en negatieve valentie voor merken kan een ‘valentiescore’ worden berekend. Een
voorbeeld van een ontwikkelde merkmetric die de online recensies van klanten samenvat, is de
digitale sentiment index (DSI).
3. Sociale mediamerkmetrics
De ‘vind ik leuk’ knop op een Facebook pagina van een merk, kan bijvoorbeeld een goede
merkmetric zijn. Het kan een indicator zijn voor merkvoorkeur en het aantal opmerkingen kan weer
een indicator zijn van de merkbetrokkenheid.
3
Hoofdstukken: 2, 3, 4, 5, 6, 7, 8 & 11.
Hoofdstuk 2: Waarde creëren met big data analytics
Tijdens een periode rondom big data doorlopen bedrijven doorgaans drie fasen:
1. Dataenthousiasme – de investeringsfase
2. Datateleurstelling – de frustratie- of desinvesteringsfase
3. Datarealisme – de herinvesteringsfase
Het Big-datawaardecreatiemodel (p. 23) heeft vier elementen:
1. Big data activa
2. Big data competenties
3. Big data analytics
4. Big datawaarde
Activa zijn hulpbronnen die een bedrijf in de loop van de tijd krijgt. De activa is materieel (bijv.
gebouwen) of immaterieel (merken, klantrelaties).
De competenties van big data betreffen; mensen, systemen, processen en organisaties.
- Mensen zijn essentieel voor een succesvolle big data strategie. Denk bijvoorbeeld aan data-
experts.
- Rondom systemen zijn twee elementen van belang; data integratie en het verzorgen van een
geïntegreerd datasysteem. Data integratie is het koppelen van data vanuit diverse systemen.
- Processen hebben betrekking op hoe bedrijven gegevens en opslag organiseren, de
toegankelijkheid van gegevens voor analytische teams en de communicatie tussen
analytische teams en (marketing) management.
De bedrijfscultuur kan zorgen voor problemen bij het exploiteren van big data. Hierbij kan er te veel
rekening gehouden worden met menselijke intuïtie. Er is ook een trend van vertrouwen op data
driven of fact based besluitvorming.
De definitie van big-data inzichten: relevante, vaak beschrijvende bevindingen, die voortvloeien uit
big-data analyses en gebruikt worden als input bij strategische beslissingen.
De ontwikkelde inzichten en modellen creëren op drie manieren waarde voor bedrijven:
1. Input/support voor strategische en tactische marketingbeslissingen
2. Verbeterde acties en campagnes
3. Op informatie gebaseerde producten en oplossingen
Er zijn twee modellen voor het nemen van marketingbeslissingen:
- Idiosyncratische modellen: ontwikkeld voor het aanpakken van marketingproblemen.
- Gestandaardiseerde modellen: belangrijke instrumenten voor het verbeteren van de
kwaliteit van tactische marketingbeslissingen.
De vijf V’s van big data zijn:
1. Volume (de hoeveelheid data)
2. Velociteit (snelheid van gegevens, per uur, per seconde)
3. Variatie (gegevens worden complexer, in diverse formats)
4. Veraciteit (betrouwbaarheid van de gegevens, zoals niet eerlijke reviews)
1
, 5. Value (de waarde die wordt gerealiseerd door het analyseren en gebruiken van de data)
Er zijn drie methoden waarbij big data analyses waarde creëren voor klanten en bedrijven:
1. Nieuwe inzichten creëren
2. Effectievere marketingcampagnes
3. Ontwikkelen van klantoplossingen
Het begrip waarde heeft twee perspectieven, namelijk de waarde voor de klant en de waarde voor
het bedrijf, oftewel Value to Customer (V2C) en Value to Firm (V2F).
In ruil voor deze waarde creatie, ontvangen bedrijven waarde van klanten, wat ook wel Value
Delivery of Value Extraction wordt genoemd. Waarde-extractie treedt op door betaalde
prijspremies, hogere loyaliteitsratio’s, een hogere omzet per klant en een sterkere
klantenbelangenbehartiging.
Lagere churn = overstap naar concurrenten.
Bedrijven kunnen worden geclassificeerd op basis van twee waardedimensies, waarde voor de klant
en waarde voor het bedrijf. Er kunnen hierin vier vormen worden onderscheiden:
- Fatal attraction: hoge waarde levering, lage waarde extractie.
- Win/win: hoge waarde levering, hoge waarde extractie.
- Doomed to fail: lage waarde levering, lage waarde extractie.
- Enjoy while it lasts: lage waarde levering, hoge waarde extractie (pagina 31).
Het waardeconcept moet worden uitgebreid om rekening te houden met value to society (V2S). Dit
is de waardelevering aan de samenleving. Duurzaamheid is hier een voorbeeld van.
Metrcis, oftewel meetsystemen, zijn heel belangrijk vanwege de toenemende aandacht voor de
verantwoordelijkheid van bedrijven en de daaruit voortvloeiende gevolgen voor
marketingafdelingen. Metrics zijn meetsystemen die trends, dynamieken of kenmerken
kwantificeren. Er kan een onderscheid worden gemaakt in V2C-metrics en V2F metrics.
- V2C metrics richten zich op de evaluatie van de waarde door klanten.
- V2F metrics zijn vooral transactiegericht en richten zich op resultaten.
Hiernaast kan er nog onderscheid gemaakt worden tussen metrics op markt-, merk- en klantniveau
(figuur op pagina 33).
Hoofdstuk 3: waarde voor klantmetrics
In dit hoofdstuk gaat het over V2C metrics, deze richten zich op de waarde die wordt geleverd aan de
klanten.
Het adoptiemodel van Rogers stelt dat je nieuwe producten kunt evalueren op basis van
verschillende dimensies;
- Relatief voordeel
- Complexiteit
- Compatibiliteit
- Waarneembaarheid
- Testbaarheid
Je kunt deze aspecten bijvoorbeeld terug laten komen in een enquête. Een ander model is het
technologie-acceptatiemodel (TAM). Dit model bouwt voort op de theorie van beredeneerde actie
en stelt dat er twee belangrijke houdingen zijn ten opzichte van nieuwe technologieën:
2
, - Gebruiksgemak
- Bruikbaarheid
Google Trends is een handige tool om te gebruiken om de eerste interesse in merken en producten
te meten. Deze kijkt naar de gebruikte zoektermen van mensen.
V2C-merkmetrics
Merkmetrics kun je indelen op basis van hun focus. Je kunt onderscheid maken tussen
cognitieve merkmetrics die zich richten op de kennis die klanten hebben van een merk en affectieve
merkmetrics die zich richten op de gevoelens die klanten hebben bij een merk.
Een typisch cognitief merkmetric is ‘merkbekendheid’, dat meet of klanten het merk kennen of niet.
Onder merkassocicaties kun je verstaan waarmee iemand een merk associeert, bijvoorbeeld met een
innovatief merk of een hoogwaardig merk.
Merkmetrics die dichter bij de aankoop zelf zitten, zijn merkoverweging, merkvoorkeur of
merkwaardering. Dit zijn allemaal affectieve merkmetrics.
- Merkoverwegingsmetrics: heeft de klant het bedrijf overwogen? Aan deze eis moet een
merk sowieso voldoen om gekocht te worden.
- Merkvoorkeur: meet of klanten voorkeur geven aan een specifiek merk. Denk aan Apple
voor een telefoon of laptop.
- Merkwaardering: dit kun je meten door klanten hun voorkeur voor een merk te laten
aangeven, bijvoorbeeld door een schaal ‘vind ik niet leuk – vind ik ontzettend leuk’.
Goede V2C-merkmetrics presteren op drie criteria:
1. Moeten groeipotentieel hebben
2. Moeten enigszins stabiel zijn
3. Moeten reageren op marketinginspanningen
Een veelgebruikte term rondom naamsbekendheid, is brand equity (BE). Voorbeelden van merken
met sterke merkassociaties zijn BMW en Nike.
Er zijn veel nieuwe bronnen van gegevens over merken bijgekomen de afgelopen tijd. Klanten delen
namelijk hun mening op Tiktok bijvoorbeeld. Deze bronnen worden aangeduid als User Generated
Content (UGC).
Er zijn drie nieuwe specifieke big-datametrics:
1. Digitale netwerken van merkassociaties
Dit is met welke woorden mensen het merk associëren. Er ontstaat zo een netwerk.
Valentie houdt in de positieve dan wel negatieve associaties van woorden.
2. Digitale, samenvattende indexen van merkmetrics
Digitale samenvattingindices heten ook wel EWOM, de afkorting van electronic word of mouth. Hoe
positief of negatief beoordelen mensen het als ze het online over een merk hebben? Op basis van de
positieve en negatieve valentie voor merken kan een ‘valentiescore’ worden berekend. Een
voorbeeld van een ontwikkelde merkmetric die de online recensies van klanten samenvat, is de
digitale sentiment index (DSI).
3. Sociale mediamerkmetrics
De ‘vind ik leuk’ knop op een Facebook pagina van een merk, kan bijvoorbeeld een goede
merkmetric zijn. Het kan een indicator zijn voor merkvoorkeur en het aantal opmerkingen kan weer
een indicator zijn van de merkbetrokkenheid.
3
