Op naar een data-driven LinkedIn-strategie

12 juli 2018, 06:00

Social data, de heilige graal van socialmedialand. Vanuit social data kun je precies zien waar de interesses van je doelgroep liggen. Denk aan de onderwerpen, contentbehoeften, tone of voice en de beelden die jouw doelgroep aanspreken, te meten in het aantal likes en comments. Voor spreker en bestselling auteur Christian Kromme werd een data-driven LinkedIn-strategie ontwikkeld. Op basis van het voorbeeld laten we zien welke stappen je kunt ondernemen voor een solide data-driven LinkedIn-strategie.

Het doel bij de case van Christian Kromme was om meer enagegement te creëren, door in te spelen op de interesses van de doelgroep, die in kaart werden gebracht met behulp van data-analyses. Vanuit de nieuwe inzichten werd nieuwe content geplaatst. En met succes: gemiddeld 480 procent meer likes, 66 procent meer comments en 500 procent stijging in engagement.

Hoe hoger het engagement, hoe beter voor het algoritme

Engagement heeft invloed op het algoritme van LinkedIn. Het engagement is het aantal keer dat actie is ondernomen door een LinkedIn-lid, dit kan een like (‘interessant’), een reactie of het delen van het bericht zijn.

Als het engagement met je doelgroep stijgt, dan stijgt ook de engagementratio. De engagementratio laat zien hoe accounts op LinkedIn presteren op basis van interacties die de berichten hebben gekregen.

Hoe hoger de engagementratio, hoe beter het is voor het algoritme. Want als dit percentage stijgt, dan stijgt ook het bereik. Dit vergroot de kans op nieuwe volgers, bekendheid en conversies.

Tone of voice: hoe spreek je de doelgroep aan?

Allereerst werd onderzocht hoe de doelgroep aangesproken wil worden: slaat formeel of informeel aan?

Voor Christian Kromme werd hiernaar gekeken op basis van een textmininganalyse, het analyseren van gegevens in taaltekst. Een onderdeel van textmining is het identificeren van zaken als woordgebruik, persoonlijke voornaamwoorden, onderwerpen binnen teksten en het vaststellen van relaties tussen deze entiteiten. Uit deze analyse werd zichtbaar dat een persoonlijke en informele tone of voice meer aan zou slaan bij de doelgroep.

Tone of voice: hoe het niet moet

Een lange zin waar AI centraal staat. Dit is formeel en onpersoonlijk.

“Even as the debate about the impact of Artificial Intelligence on employment and the workforce continues to engage analysts and tech experts, new research appears to indicate that AI will create more jobs than it destroys. #humanification”

Tone of voice: hoe het wel moet

Korte zinnen waar de doelgroep centraal staat. Dit is informeel en persoonlijk. De opbouw waar rekening mee is gehouden: informatie geven > mening vragen > instrueren.

“New research appears to indicate that AI will create more jobs than it destroys. What is your opinion about AI on employment? Are you afraid or do you see the benefits? Let me know in a comments! #humanification #AI”

Beeldtaal: welke beelden werken?

Daarna werd gekeken naar de beeldtaal. De vragen die hier werden gesteld: Komen de beelden overeen met de geschreven tekst? En komen de beelden overeen met de merkidentiteit van de organisatie? Vanuit de data-analyse bleek dit niet altijd zo te zijn. ‘Go Digital, Stay Human’ is Christians merkidentiteit. Daarom werd voor een nieuwe beeldtaal gekozen, om de focus op technologie én menselijk gedrag terug te laten komen. Andere inzichten vanuit de data-analyse:

  • Persoonlijke foto’s zullen meer engagement oproepen
  • Diversiteit in foto’s zal meer engagement oproepen

Links past het beeld niet bij de tekst. Het onderwerp is het testen van commerciële drones die pakketjes bezorgen in IJsland, op de foto is een afbeelding van IJsland zichtbaar. Dit is niet het hoofdonderwerp. Rechts gaat over precies hetzelfde onderwerp. Hier is alleen voor een ander beeld gekozen: het laat een filmpje zien van een demonstratie van een commerciële drone in IJsland. Het beeld past perfect bij de tekst.

Welke contentbehoeften heeft de doelgroep?

Als laatste werd gekeken naar de contentbehoeften van de doelgroep: content die bijdraagt aan merk- en marketingdoelstellingen en tegelijk ook gewaardeerd wordt door de doelgroep. Als je weet wat je doelgroep wil, dan kun je hier op inspelen en is de doelgroep sneller geneigd om te liken en te reageren. De contentbehoefte is verdeeld in twee onderdelen.

1. Welke soort content triggert jouw doelgroep?

Content is in zes verschillende tekstsoorten te verdelen.

  1. Informeren: informatie geven over een bepaald onderwerp, uitleggen hoe iets werkt
  2. Instrueren: vertellen hoe een ander iets moet doen
  3. Opiniëren: de lezer aanzetten tot het vormen van een mening over een onderwerp
  4. Overtuigen: de lezer overtuigen van een standpunt
  5. Activeren: de lezer overhalen om iets te doen
  6. Amuseren: de lezer vermaken

Misschien is het jouw strategie om je doelgroep te amuseren, maar wil de doelgroep juist geïnformeerd worden. Dit kan je achterhalen via de social data.

2. Welke onderwerpen ‘scoren’?

Wat slaat aan bij je doelgroep? Bij dit onderdeel werd gekeken welke onderwerpen de meeste likes, comments en views hadden. Uit deze gegevens kwamen een aantal onderwerpen naar voren, die daarop werden gebruikt voor het schrijven van nieuwe content.

Ingrediënten voor een data-driven LinkedInstrategie

Om een data-drivenstrategie te ontwikkelen, is het juiste recept nodig:

  1. Verzamel de data van je LinkedInprofiel (persoonsgegevens uitgesloten)
  2. Datamine de verzamelde data met behulp van Business Intelligencetools
  3. Wanneer de data is gesegmenteerd, voer je een textmininganalyse uit
  4. Analyseer de beelden die je gebruikt. Welke beelden hebben de meeste likes, comments en views? Wat valt op aan deze beelden? Past het beeld bij de tekst? Komt je merkidentiteit terug?
  5. Breng de contentbehoeften van de doelgroep in kaart. Maak een top 50 van berichten met de meeste likes,commenst en views. Analyseer welke soort content de doelgroep het meeste aanspreekt
  6. Breng de onderwerpen met het hoogste engagement in kaart
  7. Maak nieuwe content en testen maar!

De informatie is verkregen via datamining van Big Data. Datamining maakt het mogelijk om patronen en scenario’s te ontdekken in Big Data, met wiskundige algoritmes om data te segmenteren. Hierdoor is het mogelijk voorspellingen te doen, trends te ontdekken en gebeurtenissen in te schatten. Op internet zijn veel open source-tools te vinden die het mogelijk maken om data te verzamelen en te segmenteren.

Het succes van social data

Met social data kun je klantgericht content schrijven. Op basis van de verkregen inzichten is een strategie ontwikkeld voor Christian Kromme, waarin de behoeften van de doelgroep en onderwerpen met hoogste engagement zijn toegepast. Ook is de tone of voice en de beeldtaal aangepast naar de behoeften van de doelgroep.

Om meer likes en comments te krijgen op LinkedIn, kun je handig gebruik maken van je eigen social data: een bron van waardevolle informatie die je kunt verwerken in je socialmediastrategie. Onderzoek wat jouw doelgroep wil aan de hand van kwantitatieve data. Blijf analyseren, testen en analyseren. Als jij hier je strategie voor social media op afstemt, zul je zien dat je meer likes en comments krijgt op je berichten, waardoor de kans op nieuwe volgers, bekendheid en conversies wordt vergroot.

Ruben Bos
Online Marketeer bij Forest Insights

Een energieke, enthousiaste digitale marketeer!

Categorie
Tags

Marketingfacts. Elke dag vers. Mis niks!