Waarom meten we in marketing? Om het uitgegeven geld te verantwoorden, om strategische keuzes te maken, modellen te bouwen? Gebruiken we data voor validatie of voor een vooruitziende blik? En vergeten we eigenlijk niet te meten wat we niet weten? Vragen die André van Loon, Research & Insight Director van Moët Hennessy, reden gaven voor het schrijven van een artikel.
Wanneer we effectiviteit meten en evalueren, richten we ons op data. We zijn getuige van bewegingen in de tijd, van pieken en dalen. Het zijn allemaal zaken die we kunnen meten en weten – en analyseren. Maar hoe zit het met de dingen die we niet weten?
Mijn stelling is dat wanneer je de beschikbare data analyseert en kijkt naar effectiviteit, je grotendeels voorbijgaat aan de dingen die niet zijn gebeurd. Niet alleen hebben we niet de neiging om te analyseren wat er niet zit in effectiviteitsstudies (in de zin van ‘gegeven’, waarneembaar), we vragen ons meestal niet eens af waarom bepaalde aspecten van de marketingrealiteit dat wel zijn, en andere niet.
X% wel, Y% niet
Een bekende kerstcampagne in Engeland was enorm effectief in marketing. De campagne werd onthouden, geliked, gezocht, gedeeld, er werd over gepraat. Maar veel meer mensen deed het niets. Zelfs de beste marketingcampagnes resulteren blijkbaar niet in universeel waarneembare effecten. Het is fascinerend om te proberen te begrijpen waarom X% van een publiek reageerde en Y% niet. Was het onverschilligheid? Gebrek aan zichtbaarheid of aandacht? Gebrek aan emotionele of rationele verbinding? Onbekende merkassociaties? Iets anders?
Veel marketingonderzoek probeert te begrijpen wat er nodig is om consumenten te veranderen zodat ze op een waarneembare manier reageren, die vervolgens kan worden gemeten en geëvalueerd. Maar binnen de specifieke sfeer van effectiviteitsstudies is er weinig zicht op het tegendeel van wat er wel is gebeurd. Geen begrip van en vervolgens geen aanvullend onderzoek naar wat er niet is gebeurd.
Ik zou erop willen wijzen dat vastgestelde feiten, zeker als je ze gebruikt voor voorspellende modellen, slechts een klein deel van het plaatje laten zien. Geen enkele campagne die zich richt op alle categorieën kopers, zal ooit helemaal bekend zijn bij al die categorieën. Relevante effectiviteitsvragen worden meestal niet gesteld zolang de campagne of activiteit de verwachtingen overtrof, of zolang het voorspellende model werkt.
Niet-waarneembare data
Het probleem ligt volgens mij in de acceptatie van waarneembare data (verschuivingen in gedrag etc.) als basis voor meten van de effectiviteit van campagnes. Wil je de niet-waarneembare data te weten komen, dan zijn hier een paar methoden.
- Kwalitatief onderzoek naar onverschillige, niet-reagerende doelgroepen;
- Spit de gemiste kansen uit;
- Evaluatie van soorten aandacht (uitgesplitst naar doelgroeptype, en zeker naar mediakanaal/platform);
- Digitaal traceren van wat consumenten deden op relevante momenten;
- Kritisch beoordelen van de merkpositionering (mis je een truc bij nieuwe doelgroepen?).
Meer leren
Voor alle duidelijkheid: deze taken laten je niet marketing beter begrijpen, maar het zijn specifieke manieren om afdoende een marketingcampagne te meten. Waar ik op doel is dat zelfs de meest succesvolle campagne vragen onbeantwoord laat. We kijken alleen naar doelstellingen, strategie, creatie, media, prestaties, evaluatie na de campagne/activiteit, behaalde resultaten.
Als we in plaats daarvan proactief de gebieden onderzoeken waar de campagne/activiteit niet resoneerde – en waarom dit het geval was – hebben we een kans om veel meer te leren dan we al weten. Kortom: een aanvullende analyse van ‘stille gebieden’ (de delen die de marketing blijkbaar niet heeft bereikt) kan de waarneembare data van meer rijkdom voorzien.
Auteur: André van Loon
Bron: warc.com