1 Weet wat je meet

Het begint bij de bron. Bij het meten van de temperatuur is het essentieel om te weten om welke meeteenheid het gaat. Hetzelfde geldt voor marketingcijfers. Vraag tijdens de volgende vergadering maar eens wat de meeteenheid of definitie van een klant is. Grote kans dat je verschillende antwoorden krijgt. Helemaal duidelijk wordt het bij een berekende meetwaarden, zoals het conversiepercentage. Deze is bijvoorbeeld te bereken door het aantal bestellingen te delen door het aantal verstuurde e-mails. Maar in plaats van de oplage kun je natuurlijk ook kiezen voor het aantal unieke klanten. En wat was de definitie van een klant ook alweer? Zo is een conversiepercentage al snel op 10 verschillende manieren te bereken. Sommige marketeers maken hier overigens handig gebruik van door de resultaten van campagnes naar hun hand te zetten. Op de korte termijn misschien goed voor de eindejaarsbonus, maar zeker niet voor de accountability.Een praktijkvoorbeeld aan de hand van Google Analytics:

Er zijn maar weinig gebruikers die weten hoe Google Analytics gegevens verzameld en bewerkt. Bij een berekende meetwaarden, zoals “time on site” worden niet alle pagina’s in de berekening meegenomen en komt dit dus niet overeenkomt met de werkelijk tijd. Wie dit niet weet kan hierdoor gemakkelijk de verkeerde conclusies trekken. Een definitieregister biedt hier uitkomst. Zorg dat de belangrijkste meetwaarden zijn omschreven en dat deze definities gemakkelijk toegankelijk zijn. Stimuleer mensen in het hele bedrijf om dezelfde definities te gebruiken zodat minder misverstanden ontstaan en rapporten en analyses beter met elkaar zijn te vergelijken. Voor Google Analytics is het definitieregister trouwens te vinden in Analytics Help.

2 Garbage in garbage out

Natuurlijk is het ook belangrijk om met betrouwbare en actuele gegevens te werken. Niet elke thermometer is even nauwkeurig. Hetzelfde kan gezegd worden van de methodiek waarmee marktonderzoek en databases gegevens worden verzameld. Met name bij marktonderzoek wordt het niet altijd even nauw genomen met representativiteit en de steekproefgrootte. En ook CRM systemen zijn vaak ernstig vervuild met dubbele, onvolledige, onjuiste en verouderde records. Door deze onbetrouwbare gegevens te gebruiken bij het analyseren van marketingacties zul je ook onbetrouwbare conclusies trekken. Nog een praktijkvoorbeeld aan de hand van Google Analytics.

Door de manier waarop Google Analytics gegevens verzameld, worden lang niet alle bezoeken geregistreerd. Omdat bezoekers bijvoorbeeld geen cookies accepteren of de tracking code hebben geblokkeerd. Zolang de steekproef groot genoeg en representatief is, is dit natuurlijk geen probleem. Google Analytics is immers bedoelt voor trendanalyse en minder geschikt voor feitelijke rapportage. Maar dit kan nog wel eens gaan veranderen als de wetgeving met betrekking tot cookies wordt aangepast en het aantal meetbare bezoekers verder zal afnemen. Hierdoor wordt de steekproef die Google gebruikt mogelijk een stuk kleiner en dus ook minder betrouwbaar.

Zorg dus voor betrouwbare meetinstrumenten. Temperatuur meet je toch ook niet met een kapotte thermometer? Om de kwaliteit van de brondata te bepalen is het belangrijk om de oorsprong en methodiek van de gegevensinvoer te kennen. De betrouwbaarheid van interne data, zoals klant- en transactiegegevens, kan aanzienlijk worden verbeterd door meer aandacht te besteden aan gegevensvalidatie bij de gegevensinvoer. Voorkomen is immers beter dan genezen. Omdat vaak technische of statistische kennis nodig is, is niet iedereen in staat om de kwaliteit van een databron goed te beoordelen. Als je niet zeker bent of moeite hebt met het beoordelen van de betrouwbaarheid, is het aan te raden een specialist om hulp te vragen.

3 Appels met peren vergelijken

Terug naar het voorbeeld van de temperatuur. Door de gemeten temperatuur in context te plaatsen is het mogelijk een oordeel te geven over de waarde van de temperatuur. Dit oordeel maakt het verschil tussen cijfers en informatie.

Om marketingcijfers te kunnen beoordelen heb je dus referentiekaders nodig. Het meest gebruikte referentiekader is tijd. We vergelijken cijfer bijvoorbeeld met de voorgaande periode of dezelfde periode een jaar eerder, waardoor een trend zichtbaar wordt. Bij gelijkblijvende omstandigheden is dan eenvoudig een trendlijn te berekenen. Helaas is het in de praktijk niet altijd zo simpel, want de omstandigheden van een meting veranderen continu. Iets dat jullie ongetwijfeld zullen herkennen van de weersvoorspelling. Om deze reden zijn ook twee identieke campagnes niet altijd met elkaar te vergelijken.

Dit probleem wordt goed geïllustreerd in het onderstaande filmpje van Google ACE. Deze tool helpt bij het testen en meten van veranderingen in zoekwoorden, biedingen, advertentiegroepen en plaatsingen. Door de test en metingen in dezelfde periode en omstandigheden uit te voeren ontstaat een betrouwbaarder beeld van de effecten van een wijziging in één van deze variabelen.

Dit voorbeeld maakt duidelijk dat om resultaten in de juiste context te plaatsen, het zinvol is deze niet alleen met tijd, maar ook met andere dimensie te vergelijken. Veel gebruikte dimensie in marketing en verkoop zijn: product- en klantdimensies. Denk bijvoorbeeld aan productgroepen en klantsegmenten. Door de resultaten van een bepaalde klant- of productgroep met andere groepen te vergelijken creëer je inzicht in de invloed die verschillende variabelen op deze groepen hebben. Omdat de omstandigheden waaronder de resultaten gehaald zijn voor deze groepen gelijk zijn, krijg je een betrouwbaarder beeld dan bij het vergelijken van de resultaten in verschillende periodes. In dit geval kun je door appels met peren te vergelijken, dus meer inzicht krijgen.

Uiteraard is het in de praktijk niet altijd zo zwart/wit en levert juist een combinatie van tijdreeks- en segmentanalyse de meeste inzichten op, en is daarmee ook de beste basis voor accountability. Het maken van deze analyses is echter behoorlijk complex en het vergelijken van appels met peren is daarom vaak een goed alternatief. De meest eenvoudige manier om deze methodieken te combineren is het gebruik van een controlegroep. De controlegroep heeft hetzelfde profiel als de doelgroep, maar neemt geen deel aan de campagne. Het verschil in resultaat tussen deze groepen kan dan worden verklaard als het gevolg van de campagne. Ook hier een kanttekening, want zeker bij langlopende en cross mediale campagnes is het lastig om de controlegroep over tijd representatief te houden of geheel af te afsluiten van de campagne.

Bedenk dus goed waarmee je de resultaten van je campagne wilt vergelijk. Ook als je al eens een vergelijkbare campagne hebt uitgevoerd, kunnen andere dimensies of controlegroepen mogelijk betere referentiekaders zijn voor accountability dan de eerdere campagne.

Tot slot

Het is gemakkelijk om resultaten van een campagne te meten, maar dat is niet hetzelfde als accountability. Laat je niet te snel verleiden door online tools en software met flitsende metertjes en blinkende lichtjes. Deze mooie verpakking is niet zelden bedoeld om de krakkemikkige inhoud te verbloemen. Met deze drie tips in het achterhoofd heb je de handvatten om verder kijken dan de temperatuur die de thermometer aangeeft. Het mag duidelijk zijn dat het creëren van accountability niet altijd even simpel is als het lijkt. Een goede expert kan je een eind op weg helpen.