Arjan Haring

Vrije markten zorgen voor een prijsevenwicht, 'automagisch': vraag en aanbod van goederen bereiken automatisch en efficiënt een evenwicht. Dat noemen we de onzichtbare hand. Maar ik ben een datawetenschapper, ik doe niet aan automagisch. Geen waarnemingen betekent dat het fenomeen niet bestaat. Computer says no.

Fairness en bias in machine learning zijn bloeiende onderzoekslijnen. Het grootste deel van dit werk richt zich op discriminatie en inclusiviteit. Hoewel dit een belangrijke onderzoekslijn is die ik van harte steun, stel ik voor dat technologie bedrijven en platforms ook gaan werken aan 'bevooroordeelde' algoritmen die eerlijke markten mogelijk maken. Bias en oneerlijkheid zijn alomtegenwoordig in technologie, ook in machinelearning-technologie. Maar eerlijkheid van markten kan juist ook worden bevorderd door machine learning.

Het was begin 2017 en het was pas enkele weken na mijn start bij de Jheronimus Acadamy of Data Science, een universiteit waar data science en ondernemerschap gecombineerd worden, dat ik de hoop begon te verliezen. Tal van bedrijven hadden interesse getoond om samen te werken aan onderzoek of met studenten aan bedrijfsopdrachten, de belangstelling was echt overweldigend. Maar ze hadden allemaal bestaande datasets die wij moesten omzetten in goud. Dat moet anders. Bedrijven moeten streven naar extra inkomstenstromen die een positief effect hebben op hun continuïteit. Voor aanvullende inkomstenstromen is nieuwe data  nodig, en dit vereist een nieuwe aanpak voor datascience-projecten.

Ik heb het geluk gehad deel uit te maken van een aantal van de beste marketingteams in de wereld. Deze experts lijken een intuïtief gevoel te hebben over hoe je de beste experimenten uit kan voeren. Het is mij opgevallen dat er een patroon is in hun manier van denken. Het leek mij goed om hier een proces van te maken, een proces waardoor elke organisatie zichzelf kan leren om beter te experimenteren. Het canvas dat ik hier introduceer, zorgt ervoor dat teams de juiste mindset hebben en hopelijk is het ook leuk om te gebruiken. Wat volgt is geen rocket science, maar dit kader kan wel heel goed helpen efficiënter te experimenteren en de datagedreven cultuur van een organisatie op een hoger niveau te krijgen.

Bedrijven hebben het vaak over een datagedreven cultuur. Sommige organisaties willen evidence-based management implementeren. Andere zijn bezig met business-experimenten. Voor marketeers gaat het om fact-based marketing. Dit zijn allemaal verwante stromingen die weg willen van organisaties die gestuurd worden door meningen. Weg van de mening van de persoon die het meest betaald krijgt (de zogenaamde HiPPO). In dit artikel deel ik mijn eerste ervaringen met het opbouwen van dergelijke organisaties en benoem ik drie vaardigheden die marketeers moeten (door)ontwikkelen als ze mee willen gaan met deze nieuwe beweging.

Ik geloof niet dat ik de enige ben die op zoek is naar de ultieme marketingmachine. Lang dacht ik dat gedragswetenschap het geheime ingrediënt was (naïef, ik weet het). Na een aantal jaren aan de voorkant te hebben gewerkt van online marketing, denk ik hier inmiddels toch anders over. De crème de la crème van e-commercebedrijven onderscheidt zich in ieder geval op 3 punten. Wil jij in de toekomst ook tig experimenten per dag en enge conversieratios draaien? Neem de volgende lessen dan ter harte.

Veel experts gaan ervan uit dat Amazon's social recommender system hun killer app is. Maar wat precies maakt deze aanbevelingstechnologie een killer? Wat - feitelijk - is het geheim van Amazon? Natuurlijk haal je enige voorspellende waarde uit het bijhouden van heel veel verschillende variabelen. Dat haal je altijd. Maar wat het precies nou zo effectief maakt, is waarschijnlijk Amazon's best bewaarde geheim. Sterker nog, ik vermoed dat dit niet alleen een geheim is voor mensen búiten Amazon. Als je me zou vragen wat de meest beïnvloedende factor is van Amazon, zou ik zeggen dat het woorden zijn.

James H. Fowler behaalde een doctoraat aan Harvard in 2003 en is momenteel hoogleraar Medische Genetica en Politicologie aan de Universiteit van Californië, San Diego. Zijn werk ligt op het kruispunt van de natuur en sociale wetenschappen, met een focus op sociale netwerken, gedrag, evolutie, politiek, genetica, en big data.

James werd uitgeroepen tot een van Foreign Policy's Top 100 Global Thinkers, TechCrunch's Top 20 meest innovatieve mensen in democratie en de meest originele denker van het jaar door de McLaughlin Group. Samen met Nicholas Christakis schreef James een boek over sociale netwerken voor een algemeen publiek, genaamd Connected. Het boek is vertaald in twintig talen, Editor's Choice van de New York Times Book Review en was een van Business Week's Best Books of the Year.

“It's the little details that are vital. Little things make big things happen.”  - John Wooden

Ik ben een groot van van de discussie micro-conversie vs. macro-conversie (go team micro!). Aangezien ikzelf vanuit de gedragswetenschappen kom en conversie-uitdagingen oplos, zou ik graag deze discussie willen aanslingeren. 

Marketeers zijn vaak ietwat te ambitieus om daadwerkelijk effectief te zijn met persuasion. Gedragswetenschappers zijn getraind om te beginnen met microdoelen wanneer ze macrodoelen willen bewerkstelligen. Wanneer je iemand wilt motiveren om meer te gaan sporten, is een eerste push up al een prima begin! Hetzelfde geldt voor wanneer je producten wilt verkopen.

Voor een nieuwe meetup #projectwaalhalla: Social Sciences for Startups 2 september in Nijmegen komen Professor James Fowler en Stephen Wendel PhD naar Nederland. Fowler is bekend van zijn boek Connected: The Surprising Power of our Social Networks en Wendel is auteur van het nog te verschijnen Designing for Behavior Change, nu als early release bij O’Reilly. Onlangs mocht ik Stephen interviewen.

Ik heb onlangs gesproken met een van de trekkers van de data science-beweging, Eric Siegel, auteur van Predictive Analytics. Eric concludeerde dat organisaties in essentie niet willen weten wat een consument zal doen - ze willen vooral weten hoe zij het gedrag kunnen beïnvloeden. Ik had er eigenlijk nooit zo over nagedacht. Maar ik denk dat het een belangrijk inzicht is, dat ik graag iets verder uitwerk. Het blijkt dat het niet zo interessant is om te weten wat klanten zullen doen. Het weten dat een klant klikt of niet klikt, naar links of naar rechts gaat, is vrij nutteloze data. Je wilt weten welke klanten je kunt beïnvloeden om zich te gedragen zoals jij wilt. Aldus de nieuwe wetenschap van intelligent omgaan met grote datasets. Door te focussen op beïnvloedbare consumenten, zogenaamde persuadables, zullen marketeers meer resultaat bereiken. Daarnaast kan het ook nog eens bijdragen aan het verbeteren van de reputatie van ons vakgebied.