Hoe zet je een goede datastrategie op? - What's next in... Data, Analytics & CRO?
•
0 likes•1,929 views
Eventdatum: 31-10-2017 Locatie: Google HQ, Amsterdam Spreker: Felipe Wesbonk
Recommended
More Related Content
What's hot
What's hot (20)
Similar to Hoe zet je een goede datastrategie op? - What's next in... Data, Analytics & CRO?
Similar to Hoe zet je een goede datastrategie op? - What's next in... Data, Analytics & CRO? (20)
More from Traffic Builders | Pushing Marketing Boundaries
More from Traffic Builders | Pushing Marketing Boundaries (20)
Hoe zet je een goede datastrategie op? - What's next in... Data, Analytics & CRO?
- 1. HOE ZET JE EEN GOEDE DATASTRATEGIE OP? 1
- 2. EVEN VOORSTELLEN Productmanager Webanalytics & Marketing Intelligence felipe@traffic-builders.com http://www.linkedin.com/in/fwesbonk Felipe Wesbonk
- 3. WAAROM EEN DATA STRATEGIE? Zorg dragen voor datakwaliteit = Zorgdragen voor de levensvatbaarheid (en het succes) van jouw marketingcampagnes op de lange termijn. 3
- 4. VOORWAARDEN GOEDE DATAKWALITEIT Bewustwording in hele organisatie Business moet in de lead zijn, niet de IT afdeling Continue verbeterproces meten -> analyseren -> verbeteren -> implementeren -> controleren Helder eigenaarschap 4
- 5. ONDERDELEN DATA STRATEGIE 5 1. Doelstellingen 2. Datawensen 3. Data-eisen & verantwoordelijkheid 4. Dataverzameling en -relaties 5. Databewerking 6. Data-analyse
- 6. 1. WAT ZIJN JE DOELSTELLINGEN? Waar wil ik naar toe met de organisatie op korte en lange termijn? Vertaal deze naar datadoelstellingen: wat wil je bereikt hebben op het gebied van data na 1 jaar en 3 jaar zodat je de organisatiedoelstellingen kunt halen? Na 1 jaar evalueer je of de behaalde doelstelling behaald hebt en wat de volgende doelstelling over een jaar wordt. 6
- 7. VOORBEELDEN VAN DOELSTELLINGEN JAAR 1 Opzetten van multichannel-attributie, cross device gekoppeld aan een attributiemodel voor een eerlijke verdeling van conversiewaarde 7 Koppeling online en offline systemen om specifieke inzichten over het gedrag van de klant in kaart te brengen
- 8. 2. DATAWENSEN Welke data zou je beschikbaar moeten hebben om jouw doelstellingen te behalen? First party data Second party data Third party data In welke data zit echte meerwaarde voor de organisatie? Welke data hebben we nodig om de klantwaarde te kunnen verhogen? 8
- 9. 3. DATA EISEN & VERANTWOORDELIJKHEID Wie is verantwoordelijk voor de uitvoer van het beleid? 9
- 10. 3. DATA EISEN & VERANTWOORDELIJKHEID Controle op data: Data moet een vaste structuur hebben Betrouwbaar zodat je weet waar je op gaat sturen Centraal in de organisatie Leg vast waar je data bewaard. Gevoeligheid van data Hoe vaak data geraadpleegd moet worden en door wie 10
- 11. DATA EISEN CONFORM GDPR (AVG) Hoe zorgen we ervoor dat data veilig is opgeslagen en dat dit in lijn is met de privacy wetgeving? General Data Protection Regulation: nieuwe Europese privacy-verordening Van kracht op 25 mei 2018 11
- 12. WAT VERANDERT ER MET DE GDPR (AVG) ? Activiteiten en gegevens vallen sneller onder de privacywet Regels m.b.t. transparantie van privacy verklaringen zijn aangescherpt Een verwerkersovereenkomst met dataverwerkende partners en leveranciers is verplicht 12
- 13. WAT VERANDERT ER MET DE GDPR (AVG) ? De wijze van gegevensverwerking moet worden gedocumenteerd Eisen aan het gebruik van interesseprofielen worden strenger De boetes bij overtreding worden gigantisch €€€€€€!!!! 13
- 14. GOOGLE VOLDOET AAN DE GDPR https://privacy.google.com/businesses/compliance 14
- 15. 4. DATAVERZAMELING EN -RELATIES Welke databronnen zijn er nodig en moeten gekoppeld worden? Hoe gaan we databronnen koppelen en welke tools/systemen hebben we daarvoor nodig? 15
- 16. Voorbeeld: Productmarge tonen in plaats van omzet of ‘opbrengst’ Gedeelde sleutel is hier de productcode die zowel in GA als in het ordersysteem staat VOORBEELD VAN KOPPELING DATA UIT CRM IN GOOGLE ANALYTICS 16
- 17. WELKE TOOLS HEBBEN WE NODIG OM DIE DATARELATIES TE MAKEN? 17 Data Management Platform (DMP): tooling waar organisaties verschillende databronnen kunnen samenbrengen en gebruiken voor, onder andere, marketing doeleinden. Vervolgens worden op basis hiervan acties opgezet. Bron: marketingfacts.nl
- 18. DATA MANAGEMENT PLATFORMEN DMP/Datatoepassingen voor digital marketing, o.a. Automatisch, op juiste moment, met juiste boodschap e-mails versturen programmatic display advertising/remarketing campagnes draaien Salesafdeling: op het juiste moment, de juiste klant/lead (na-) bellen Website dynamisch personaliseren op basis van gebruikersgedrag 18 bij 35% van Amazon’s omzet is een vorm van personalisatie betrokken. Bron: bigcommerce.com
- 19. WAT BEREIK JE MET EEN DMP? DMP levert data waarop online marketing tools beter hun werk kunnen doen. Hierdoor is het mogelijk o.a.: Betere remarketing campagnes draaien Geautomatiseerd doelgroepen, dynamisch, targetten Meer resultaat uit dezelfde (online) advertising euro halen Inzicht krijgen in het gedrag van eigen doelgroep 19
- 20. 5. DATABEWERKING Veel data vereisen bepaalde bewerkingen, zowel voor als na opslaan van data Leg hierbij vast: Welke data welke bewerking ondergaat Hoe dit gebeurt Wie hiervoor verantwoordelijk is 20
- 21. 6. DATA-ANALYSE Leg de context van de data- analyse vast Mag bepaalde data gebruikt en gedeeld worden in rapportages? Is alle verzamelde data even betrouwbaar? Bepaal welke tools worden gebruikt voor analyse en rapportages en wie beheerrechten heeft 21
- 22. Productmarge tonen in plaat van omzet of ‘opbrengst’ VOORBEELD ANALYSE 22
- 23. Productmarge tonen in plaats van omzet of ‘opbrengst’ Retouren opnemen om uiteindelijk resultaat eerlijker te beoordelen VOORBEELD ANALYSE RETOUREN WEBSHOP NA DATAVERRIJKING
- 24. Productmarge tonen in plaats van omzet of ‘opbrengst’ Retouren opnemen om uiteindelijk resultaat eerlijker te beoordelen Leadbeoordeling VOORBEELD DATA ANALYSE NA DATAVERRIJKING
- 25. DATA STRATEGIE IS EEN PROCES 25 Doelstelling Datawensen Data eisen & verantwoordelijkheid Dataverzameling en -relaties Databewerking Data-analyse
- 26. KEY TAKEAWAYS Datakwaliteit is voorwaarde om te kunnen sturen op resultaat Definieer een duidelijke datastrategie Zorg voor een continue proces in datakwaliteit Maak jouw organisatie klaar voor de nieuwe Europese wetgeving GDPR! 26
Editor's Notes
- Zorg dragen voor datakwaliteit is namelijk zorg dragen voor de levensvatbaarheid (en het succes) van je marketingcampagnes op de lange termijn. Begin daar op tijd mee, ook als je niet complexe campagnes hebt. Gezien de big data mogelijkheden is de kans groot dat je in de toekomst wel complexere campagnes opzet en die zal gevoed moeten worden met data die je al die tijd hebt opgebouwd.
- De volledige organisatie zal doordrongen moeten zijn van het feit dat met de juiste kwaliteit van data een efficiency verhoging wordt bewerkstelligd. Business in de lead: zij bepalen welke data ze nodig hebben. Je moet niet denken vanuit beperkingen van het systeem. De IT-afdeling speelt vooral een faciliterende rol Continue verbeterproces: Het verhogen van de datakwaliteit is niet iets dat in een project even geregeld kan worden: Meten, analyseren, verbeteren, implementeren en controleren zullen als stappen in een cyclus elkaar op blijven volgen. Er moet dus continue aandacht voor zijn en dat vergt een data-governancestructuur die de datamanagementfunctie blijvend aanstuurt welke gericht is op het verbeteren van datakwaliteit. Moet belegd worden op senior/management niveau, zodat er draagvlak is in de hele organisatie Eigenaarschap: wie is waarvoor verantwoordelijk. Zonder belegde verantwoordelijkheid heeft het geheel geen kans van slagen.
- In een wereld waarin klanten een real time een gepersonaliseerd aanbod verwachten , op het juiste moment, via het juiste kanaal, met de juiste boodschap via het juiste device, en waarin alles met alles is verbonden, zijn een datastrategie en een datagedreven organisatie onontbeerlijk.
- Het doel van je datastrategie is om vorm te geven waar je heen wilt en hoe je dat wilt bereiken, ongeachte de huidige situatie Kortom, wat wil je bereikt hebben over 1 jaar en wat over 3 jaar? Drie jaar is ver weg en er kan veel veranderen, maar je moet wel een punt aan de horizon hebben waar je je datadoelstelling op korte termijn aan toetst. Na 1 jaar: bepaal wat je doelstelling wordt wanneer je een jaar verder bent (welke ook weer in lijn is met de lange termijn doelstelling)
- Inzicht in volledige multichannel-attributie, cross device (welke rol speelt welk kanaal in het conversiepad) gekoppeld aan een attributiemodel voor een eerlijke verdeling van conversiewaarde
- Welke data je als bedrijf nodig hebt voor succesvolle sales en marketing kan verschillen. First party data: data die je zelf verzameld, is dus jouw eigendom. Bijv. data uit webanalyics, CRM, etc. Kostenbesparend, want het is gratis Geen privacyregels gebonden want is met toestemming van de klant gekregen Second party data: 1st party data die je van een ander bedrijf koopt of een samenwerking mee hebt (bijv data van een doelgroep waar jezelf nog geen bereik hebt) Third party: verzameld door dataverzamelingsbedrijven en verkocht aan bedrijven om marketingsegmenten te maken voor gerichte marketinginitiatieven Kenmerkend: levert een grotere hoeveelheid informatie over de markt en doelgroep Door inzichten hieruit kun je doelgroepen beter volgen Kun je nog meer specifieke datahoeveelheden kopen om klantdata uit te breiden Is relatief duur en niet altijd volledig betrouwbaar en relevant Kijk niet alleen naar de reeds beschikbare databronnen -> beperkt Juist kijken naar wat je wil bereiken Welke data hebben we nodig om de waarde VAN de klant en de waarde VOOR de klant te verhogen? Wanneer ervaart de klant zelf dat hij/zij meer waarde krijgt en hoe kan de organisatie dit bereiken?
- Als je al je datawensen bij elkaar hebt is het handig om ook nog de data-eisen vast te leggen. Hiermee bedoel ik niet dat je vast legt welke data je moet hebben, maar waar je data aan moet voldoen. Wie is verantwoordelijk, wie krijgen rechten om data aan te passen en hoe vindt de controle hierop plaats. wie kan aangesproken worden op de kwaliteit van een bepaald datadomein. Denk ook aan toegangscodes als mensen uit dienst gaan, stel hiervoor een procedure op
- Controle: Vaste structuur: voorkom hiermee dat data dubbel wordt opgeslagen omdat het in verschillende structuren staat. Hoofdletters/kleine letters, punten/komma’s, wel/niet koppelstreepje bij email, etc Betrouwbaar: zorg dat je data up-to-date is. Niets is zo erg dat je met verkeerde data je marketingacties aanstuurt. Als je kanalen hebt gedefinieerd, zorg ervoor dat data uit bepaalde verkeersbronnen aan het juiste kanaal wordt toegewezen in GA. Centraal in de organisatie: voorkom dat medewerkers eigen lijstjes bijhouden en zorg dat er vanuit 1 centrale database wordt gestuurd Waar staat de data, welke data worden gecombineerd en moeten geïntegreerd worden. Gebruik je hiervoor een DMP? Als je met predictive analytics en machine learning aan de slag wilt is het goed om veel historische data te hebben waar je algoritmes van kunnen leren en patronen in kunnen ontdekken.
- AVG: Algemene Verordening Gegevensbescherming Gevolgen voor digital marketing in het algemeen en hoe organisaties om moeten gaan met privacy gevoelige data Wie van jullie weet wat de GDPR voor je eigen organisatie betekent? Wie van jullie is al bezig om de organisatie klaar te maken voor de GDPR? Wie van jullie is al helemaal ingericht voor de GDPR?
- Activiteiten: Niet alleen NAW-gegevens, ook IP-adressen en cookies Regels: Duidelijk vermelden wat wordt gedaan met deze gegevens en hoe men dit kan inzien/wijzigen Verwerkersovereenkomst: met alle leveranciers en partners aan wie privacygevoelige informatie wordt verstrekt, bijv. van websitebezoekers, dient een verwerkersovereenkomst te worden gesloten. Voor deze verstrekking van gegevens dient tevens toestemming te zijn gegeven. Met een verwerkersovereenkomst regel je dat die derde partij zorgvuldig met de persoonsgegevens omspringt. En zich bovendien netjes houdt aan de afspraken die jij met de betrokkenen daarover gemaakt hebt. Hierin staan zaken als: Doel van verwerking Manier/methode van verwerking Geheimhouding Afspraken over eventuele onderaannemers Securitymaatregelen Duur van de verwerking
- Documenteren gegevensverwerking: Alle verwerkingen van privacygevoelige gegevens dienen te worden gedocumenteerd, van de personeelsadministratie tot de abonnees op een nieuwsbrief. Eisen gebruik interesse profielen Uitleggen hoe profielen van bezoekers en klanten worden bijgehouden en hoe cookies worden gebruikt voor advertentiedoeleinden Boetes: kan oplopen naar 20 miljoen Euro of max. 4% jaaromzet
- Wanneer je bijvoorbeeld CRM data weet te koppelen aan je Google Analytics (web)data word het inzicht in de gehele customer journey in één klap veel groter en wordt het makkelijker om waardevollere klanten beter te benutten en op zoek te gaan naar meer waardevolle klanten. welke gedeelde sleutel of sleutels (denk aan UID, datum, etc.) maken het combineren van datasets mogelijk? Ook als je twee sets (of bronnen) nu nog niet per se wilt koppelen kan het zijn dat je dit later wel wilt. Creëer deze mogelijkheid altijd zo vroeg mogelijk.
- Webshops: opbrengst tonen in WA is de basis, maar alleen sturen op opbrengst doe je niet als bedrijf. Het ene product heeft een veel hogere marge dan het andere product en dat vertelt opbrengst niet. Bij een van onze klanten hebben we middels een Koppeling met cms daarin staan inkoopprijzen ecommerce gegevens verrijkt en er voor gezorgd dat we de inkoopprijs op productniveau hebben ingeladen.
- Centrale plek om (online/offline) gedragsdata van zowel niet-klanten (acquisitie) als klanten (retentie en upsell) te verzamelen en te beheren DMP: de dirigent van je marketingorkest Een DMP is een soort Jaap van Zweden, een dirigent die alle secties (kanalen) bij elkaar brengt en het geheel tot betere prestaties opstuwt. Die er met z’n baton (algoritmen & profielen) voor zorgt dat zijn orkestleden de juiste snaar raken, in harmonie meeblazen en precies de juiste toon raken.
- DMP is dus niet de tool voor e-mailen of adverteren zelf, maar een voorwaarde om dit beter, sneller en vooral effectiever te doen. Voorbeelden: tealium, ingnition one, relay42, datatrics, salesforce dmp (vroeger Krux)
- Voor opslag kan het bijvoorbeeld zijn dat je data wilt filteren (eigen medewerkers) of anonimiseren in lijn met de wetgeving Na opslag data aggregeren voor bijvoorbeeld monitoring, dashboarding en reporting
- Betrouwbaarheid: Google Analytics data is in de regel minder betrouwbaar (want minder volledig) dan bijvoorbeeld data van je eigen kassa-systeem of CRM. Beheerrechten: beperk dit zoveel mogelijk, dan blijft het beheersbaar. Ook als mensen uit dienst gaan moet hiervoor een procedure zijn om wachtwoorden aan te passen en deze persoon als gebruiker te verwijderen, etc
- Transactierapport breid je uit en sla je op als aangepast rapport Inkoopprijs marge euro per transactie en in percentage Adwords campagnes worden nu gestuurd op marges en niet op opbrengst Hoe mooi is het om te ontdekken op basis van data-analyse wat de meest gebruikt customer journeys zijn van de klanten die producten met hoge marges kopen zodat je deze customer journeys kunt gaan optimaliseren? Of dat je ziet wat de algemene kenmerken van deze groep is, motivatie kunt achterhalen via kwalitatief onderzoek en deze groep beter kunt targetten via kanalen als search, display en social?
- Hoe vaak komt het niet voor dat iemand 4 kledingstukken koopt en er 3 weer retour stuurt. Omzet in GA is dan 4x, terwijl het daadwerkelijk maar 1x is Kortom, omzetdata is niet meer betrouwbaar. Door annuleringen te importeren krijg je hier veel beter inzicht in. Middels data-upload via csv bestand welke je bijv wekelijks kunt importeren houd je je data schoon en kun je een berekende statistiek maken van netto-omzet, om vervolgens hierop te kunnen sturen. In dit voorbeeld zie je dat er ruim 20K transacties zijn en slechts 213 annuleringen. Maar als het annuleringen zijn met hoge transactiewaarde, dan verandert dat de omzet aanzienlijk. Het geeft dus een veel completer beeld
- Mensen vullen een kort vragenlijstje in op de website, wordt afgevangen in google sheets. Daarin beoordeelt of lead succesvol was. In dit google sheet tevens API koppeling met wordt op basis van CID de bron/medium campagne, zoekwoorden etc hieraan toegevoegd, zodat we deze data kunnen gebruiken om bij te sturen. En budgetten beter te alloceren. Je hebt inzicht in het proces zelf. Als er 10 leads goed zijn maar er is maar 1 zaak van geworden dan weet de klant dat ze hierin moeten kijken hoe ze dit proces kunnen verbeteren. Daar hebben wij geen invloed op. Dus er is onderscheid tussen goede en slechte lead en wel/niet zaak geworden Ander voorbeeld bij energiemaatschappijen. Aanmelding online als lead, BKR check kunnen klanten geweigerd worden. Dit kan ook als annulering terug naar analytics geschoten worden.