Hoe meet je de effectiviteit van online marketing?

Een serie van vier artikelen over de meest gebruikte analysemethoden. Deel 1: een korte introductie

Hoe meet je de effectiviteit van online marketing?

Als online marketeer ben je constant bezig om mensen te bereiken en bewust te maken van je product. Uiteraard met als doel dat zij geïnteresseerd raken en je product gaan kopen. Maar hoe weet je nu eigenlijk of je de mensen wel bereikt en of de reclamecampagnes echt effectief zijn? Dat is best een lastige vraag. Bij Merkle Amsterdam werken we aan analysemethoden om op die vraag een antwoord te geven. In deze blog leg ik uit hoe je, aan de hand van drie analysemethoden, een beter inzicht krijgt in het effect van je online marketing. 

Waarom meten?

Mensen kopen steeds vaker online en wordt het dus steeds belangrijker om ook op online platformen te adverteren. Maar kun je je geld het beste inzetten voor een reclamecampagne op Facebook, voor een banner op Nu.nl of toch voor het versturen van een e-mail? En hoeveel aankopen levert paid search eigenlijk op? 

Als je als bedrijf je mediabudget zo effectief mogelijk wilt inzetten en wilt kunnen groeien is het dus van belang om inzicht te krijgen in deze vragen. 

Welke analysemethoden zijn er?

De meest gebruikte analysemethoden om op die vragen een antwoord te geven zijn: attributie, media mix modeling en experimenten. En hoewel deze methoden allemaal uiteindelijk als doel hebben om inzichten te geven in hoe je zo optimaal mogelijk gebruik kunt maken van je advertentiebudget, zijn ze ook alle drie net even anders. Het is dus goed om de voor- en nadelen van iedere methode te begrijpen zodat je betere keuzes kunt maken over welke analyses de meeste inzichten voor jouw bedrijf opleveren. Hieronder bespreek ik kort elke methode. 

Attributie

Attributie is misschien wel een van de bekendste methoden om de performance van een campagne of kanaal inzichtelijk te maken. Dit is in het kort hoe het werkt. 

Stap 1: Meet hoe mensen op je website komen

Stel, iemand ziet een advertentie op Facebook, klikt op de advertentie en komt op je website maar is zich eerst nog aan het oriënteren en koopt nog niets. Vervolgens komt hij/zij terug naar je website via een paid search-advertentie en later nog een keer direct. Uiteindelijk besluit deze persoon je product te kopen. Hooray! 

Stap 2: Bepaal hoeveel credits ieder kanaal zou moeten krijgen voor een aankoop

Elk van de bovengenoemde kanalen zijn dus van belang in de ‘weg’ naar een aankoop. Maar aan welk van deze kanalen kunnen we de aankoop toekennen? Is dat het eerste kanaal (’de hele aankoop wordt geattribueerd aan social), is dat het laatste advertentiekanaal (de hele aankoop wordt geattribueerd aan paid search) of zouden alle kanalen een beetje van de credits moeten krijgen? Dit is een keuze die je als marketeer zelf kunt maken, maar die je ook op basis van data kan laten bepalen.

Stap 3: Vergelijk kanalen en perioden

Nu kun je kijken hoeveel aankopen ieder kanaal heeft opgeleverd door het totaal aantal credits dat een kanaal heeft gekregen in een bepaalde periode bij elkaar op te tellen. Zo kun je zien welke kanalen voor de meeste conversies zorgen en dus het effectiefst zijn. Ook kun je verschillende perioden met elkaar vergelijken. Zien we bijvoorbeeld meer aankopen in perioden waarin een campagne heeft gedraaid dan is de campagne waarschijnlijk effectief geweest.

Samengevat

Attributie is een methode om verschillende kanalen met elkaar te vergelijken maar ook verschillende campagnes binnen hetzelfde kanaal. We kijken hierbij op microniveau naar de online verkopen (via welke kanalen is iemand op je website gekomen). Je kunt dit gebruiken om continue te monitoren hoeveel sales ieder kanaal oplevert. Echter moet je wel kunnen meten hoe iemand op je site komt (en dit wordt steeds lastiger om wille van privacyredenen). 

Ik vertel je meer over attributie in mijn volgende artikel volgende week.

Media Mix Modeling 

Anders dan bij attributie kijken we bij media mix modeling niet naar welke kanalen mensen gebruiken om op je website te komen maar naar hoeveel geld we in een kanaal stoppen en hoeveel omzet (of bijvoorbeeld website bezoekers) dit uiteindelijk oplevert. Dit is in het kort hoe het werkt.

Stap 1: Log je sales en uitgaven

Voor deze analyse kijken we naar de relatie tussen campagne-uitgaven en sales in de afgelopen één, twee jaar. Ook kijken we naar eventuele andere factoren (bijvoorbeeld kortingsacties) die hebben plaatsgevonden. Het is dus zaak dit goed bij te houden. 

Stap 2: Het mediamix-modelalgoritme zoekt de relatie tussen uitgaven en sales

Aan de hand van de data van de afgelopen jaren kan het algoritme de relatie tussen de uitgaven van een bepaald kanaal en de sales vinden. Zie je bijvoorbeeld op momenten dat je campagnes draait ook de omzet stijgen, en als je de campagnes uitzet, daalt dan het aantal verkopen? Hoe sterker deze relatie is hoe effectiever een kanaal is in het genereren van omzet. Ieder kanaal krijgt dus een waarde toegekend over diens effectiviteit. 

Stap 3: Voorspel wat de beste media mix is

Als het model de relaties tussen de individuele kanaal-uitgaven en de sales heeft gevonden, combineert hij deze in één model en kunnen we dit gebruiken om een voorspelling te maken over hoeveel verkoop we denken te generen bij een bepaalde mix van media-uitgaven. Stel, je verschuift een deel van het budget van je social campagnes naar display, levert dat dan meer omzet op? Door middel van dit model kun je dus spelen met je budgetverdeling en de meest optimale verdeling zoeken.

Samengevat

Bij media mix modeling kijken we hoog over; hoeveel geef je uit aan een kanaal (zowel offline als online) en zie je een verband met de omzet? We gebruiken dit ook om een data gedreven voorspelling te maken van de meest optimale mediamix. Daarnaast kunnen we met media mix modeling tevens het effect op offline aankopen in kaart brengen. Je hebt hiervoor wel één, twee jaar aan data nodig voor je dit kunt inzetten.

In mijn volgende blog over media mix modeling  geef ik een uitgebreide uitleg.

Experimenten 

Bij attributie en media mix modeling kijk je naar wat de relatie is tussen je media uitingen en het aantal verkopen over de tijd om een beeld van je media-effectiviteit te vormen. Het is daarbij echter lastig om de incrementele waarde van een specifieke campagne aan te tonen. Je weet namelijk nooit zeker hoeveel mensen je product zouden hebben gekocht (in de campagne periode) als ze de reclame niet hadden gezien. Als je dus wilt weten wat de hoeveelheid extra sales zijn die je campagne heeft opgeleverd, moet je een experiment doen.

Stap 1: Maak twee groepen

Allereerst maak je twee groepen van mensen. Eén groep krijgt tijdens het experiment je advertisement niet te zien (dit is de controlegroep) en de andere groep krijgt je advertisement wel te zien (dit is de testgroep). 

Stap 2: Kijk of er een significant verschil is in de hoeveelheid aankopen tussen de twee groepen

Als de campagne lang genoeg heeft geduurd en er genoeg mensen in iedere groep zitten kunnen we kijken naar de hoeveelheid aankopen in de controlegroep (die je advertisement niet zagen) en de hoeveelheid aankopen in de testgroep. Als hier een significant verschil in is, kun je concluderen dat dit komt door je campagne. 

Samengevat

Bij experimenten kunnen we causaal de impact van een campagne aantonen (hoeveel mensen zouden je product sowieso wel kopen en hoeveel extra aankopen hebben de campagnes opgeleverd?). Je kunt dus de incrementele waarden van een campagne aantonen maar je moet daarvoor een deel van potentiële klanten onthouden van je reclame. 

Wanneer zet je wat in?

Er zijn verschillende methoden om het effect van je marketing inzichtelijk te maken en iedere analyse heeft zijn eigen voor- en nadelen.  

Omdat iedere analyse net een andere invalshoek heeft om de effectiviteit van je mediacampagnes te belichten is het dus verstandig om, als dat kan, niet te focussen op één analyse maar om je te laten informeren door een combinatie van deze analyses. Zo wil je waarschijnlijk de invloed van elke campagne op online sales in de gaten houden met attributie, de algemene mediamix uitgaven bepalen met media mix modeling en opvallende wijzigingen in campagnestrategie testen met experimenten. Geen van deze analyses geven de volledige waarheid, maar ze belichten alle drie een ander deel van de waarheid waardoor je als marketeer de beste keuzes kan maken. 

Meer weten?

Uiteraard was dit slechts een korte introductie en er zijn nog veel meer details die we hierin niet hebben kunnen bespreken. Wil je dus meer weten over attributie, media mix modeling of experimenten, houd dan Marketingfacts in de gaten voor mijn blogs over attributie, media mix modeling en experimenten.

Credits afbeelding: 123RF, licentie: Alle rechten voorbehouden

Delen



Er zijn 0 reacties op dit artikel

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.