De ontwikkelingen op het gebied van data-gedreven marketing gaan heel snel. In deze blog belicht ik de macro-omgevingsfactoren binnen het werkgebied van MI. Hier in probeer ik de volgende vragen betreffende Marketing Intelligence te beantwoorden: - Wat zijn trends en ontwikkelingen die invloed hebben op het werkgebied Marketing Intelligence. - Wat zijn nu de kansen en gevaren in de wereld van Marketing Intelligence? Om deze vragen te beantwoorden heb ik deskresearch gedaan aan de hand van verschillende bronnen. Ik heb hier literaire bronnen gebruikt van IEEE, heb ik bronnen van de data-driven marketing brancheorganisatie geraadpleegd en heb ik gekeken naar cijfers en rapporten van het Centraal Planbureau en het Centraal Bureau voor de Statistiek. Naast deze bronnen heb ik ook blogs en bronnen van organisaties in het werkveld geraadpleegd.

1. 1
MARKETING INTELLIGENCE: MACRO OMGEVING BIEDT KANSEN
Auteur: Tarik Azouagh
De ontwikkelingen op het gebied van data-gedreven marketing gaan heel snel. In deze blog belicht ik
de macro-omgevingsfactoren binnen het werkgebied van MI. Hier in probeer ik de volgende vragen
betreffende Marketing Intelligence te beantwoorden:
- Wat zijn trends en ontwikkelingen die invloed hebben op het werkgebied Marketing
Intelligence.
- Wat zijn nu de kansen en gevaren in de wereld van Marketing Intelligence?
Om deze vragen te beantwoorden heb ik deskresearch gedaan aan de hand van verschillende bronnen.
Ik heb hier literaire bronnen gebruikt van IEEE, heb ik bronnen van de data-driven marketing
brancheorganisatie geraadpleegd en heb ik gekeken naar cijfers en rapporten van het Centraal
Planbureau en het Centraal Bureau voor de Statistiek. Naast deze bronnen heb ik ook blogs en bronnen
van organisaties in het werkveld geraadpleegd.
MACRO-ANALYSE
In de macro-analyse bekeek ik globaal welke trends en ontwikkelingen zich nu voordoen die betrekking
hebben op het werkveld Marketing Intelligence. Daarbij gaat het over het internetgedrag onder de
Nederlanders, de technologische ontwikkelingen wereldwijd in het werkveld en de economische
ontwikkelingen die zich voordoen rondom het Corona-virus.
INTERNETGEBRUIK NEDERLAND
Uit recent onderzoek (SIDN, 2018) blijkt dat de smartphone het Nederlands internetgebruik beheerst
van de afgelopen jaren. Het online smartphonegebruik (dus browser en app tijd) is in 2018 (61 uur per
maand) meer dan verdubbeld is ten opzichte van 2014 (29 uur per maand). Tevens weet SIDN (2018)
te melden dat de gemiddelde tijd per sessie op een website tussen de 2 en 3 minuten ligt. Het
smartphonegebruik wordt in overgrote deel gedaan op platformen van tech-giganten Facebook en
Google, namelijk 26 van de 61 uur. Aan online gaming wordt 11 uur besteed. Het Centraal Bureau voor
de Statistiek (2019) bevestigd dat er een groei is in online gebruik op de smartphone en voegt daar aan
toe dat het aantal mensen wat online aankopen doet vanaf 2014 (71%) tot en met 2019 (80%) met 9%
gegroeid is. Het DDMA (2018) heeft onderzoek gedaan naar de houding van Nederlanders ten opzichte
van hun privacy. Uit dit onderzoek blijkt dat meer dan de helft zich zorgen maakt om hun online privacy
en drie kwart van de Nederlanders meer controle wil over hun persoonsgegevens. Wel zegt het
onderzoek dat ondanks dat Nederlanders zich hier zorgen om maken, zij er niet naar handelen.
CUSTOMER DATA PLATFORMS
De laatste jaren is er veel te doen omtrent Customer Data Platforms (CDP’s). Het Customer Data
Platforms Institute (CDPI) omschrijft het Customer Data Platform verpakte software die een
blijvende, verenigde klantendatabase creëert die toegankelijk is voor andere systemen. Dit betekent
dat het als het ware een soort datawarenhuis is (meer info daarover in mijn vorige blog Marketing
Intelligence: van ruwe data naar marketing inzichten) waarin data vanuit verschillende plekken wordt
verzameld en verpakt in een software met daarbij meerdere mogelijkheden. Earley, (2018) voegt
daaraan toe dat je daarbij kunt denken aan data op elke plaats waarop een interactie met een
bepaalde klant wordt geregistreerd, gevolgd of beheerd. In het verleden gedane aankopen vormt
een grote categorie van klantgedrag. Social-media interacties en websitebezoeken zijn daar ook

2. 2
onderdeel van, zelfs als er niets wordt gekocht. Deze gegevens produceren gezamenlijk signalen die
kunnen worden opgevat als ‘’elektronische lichaamstaal’’ zoals Earley het noemt. Brinkman (2017)
vertelt dat het CDP hierin verder gaat dan het al bekende Customer Relationship Management. Zo
bevat het CRM veelal historische en algemene klantgegevens en kun je in het CDP meerdere vormen
van data gebruiken om klantgedrag te meten, klanten te segmenteren en hierop inspelen met
gepersonaliseerde targeting (via bijvoorbeeld emailmarketing). Door een CDP kan steeds beter en
preciezer gebruik worden gemaakt van voorspellende analyses in plaats van beschrijvende analyses.
PREDICTIVE ANALYTICS
Nog een technologische trend die goed te combineren is met de vorige trend is Predictive Analytics
(voorspellende analyses) in de marketing, zo meldt Carranza (2019). Predictive Analytics is het
gebruik van artificiaI intelligence (doormiddel van machine learning) in het proces waarin
marketingactiviteiten worden gemeten voor het vinden van trends en kansen. Virtanen (2020) geeft
vijf voorbeelden waar predictive analytics gebruikt kan
worden in de marketing:
1. Klant en doelgroep-segmentatie (met behulp van
clustermodellering): clustermodellering kan je helpen
bij het vinden van patronen als je wilt weten op basis
waarvan je je klanten of doelgroep kan segmenteren
(bijvoorbeeld op demografische factoren). Bij
clustermodellering kan de computer groepen in een
dataset onderscheiden van elkaar en ieder een eigen
cluster te geven (zoals te zien in de afbeelding hier
naast).
2. Nieuwe klantenwerving (met behulp van identificatiemodellen): Dit gaat één stap verder dan
het klant en doelgroep segmentatie doormiddel van clustermodellen. Dit is omdat de
computer in dit geval al labels heeft gegeven aan de verschillende soorten klanten en haar
interesses, en op basis daar van een nieuwe klant kan indelen in één van die clusters. Zo
identificeert de computer de nieuwe klant en voorspelt het welke interesses bij hem/haar
passen.
3. Lead scoring (met behulp van propensity score matching): in dit geval kan de computer op
basis van historische data klanten sorteren op basis van hun waarschijnlijkheid om te
converteren. Dit is handig om te gebruiken in de marketing want zo kan de computer
berekenen wanneer een consument klaar is voor de laatste boodschap (bijvoorbeeld door
een e-mail of telefoongesprek) om te converteren.
4. Inhoud en aanbevelingen voor advertenties (met behulp van collaboratieve filtering): Een
bekend voorbeeld van een platform die dit goed doet is Netflix. Zij doen online
aanbevelingen op films die goed passen bij jouw historische kijk- en zoekgedrag. Dit wordt
(automatisch) berekend door jouw gedrag af te zetten tegen andere bezoekers die met jouw
profiel matchen. Als soortgelijken iets hebben bekeken wat jij nog niet hebt bekeken, is de
kans groot dat jij dat ook interessant zult vinden.
FIGUUR 1: CLUSTEREN MET MACHINE LEARNING

3. 3
5. Het personaliseren van klantervaringen (met behulp van geautomatiseerde segmentatie):
Vroeger waren berichten gepersonaliseerd op het moment dat je met je naam werd
aangesproken in de mail. Tegenwoordig kan de computer op basis van historische data van
de klant in kwestie gecombineerd met de data van soortgelijke klanten, berekenen welke
inhoud van het bericht het beste ervoor zorgt dat de consument tot actie overgaat. Zo wordt
het klantcontact en de klantervaring beiden geautomatiseerd.
Uit recent onderzoek (DDMA, 2020) blijkt dat predictive modelling onder een aanzienlijk deel van de
organisaties in Nederland nog onbekend of onbesproken is (30%). Net iets minder dan de helft van
de organisaties die er wel van op de hoogte waren, heeft er wel eens gebruik van gemaakt.
MACRO-ECONOMISCHE ONTWIKKELINGEN
Het Centraal Bureau voor de Statistiek (2020b) meldt dat de Nederlandse economie in het tweede
kwartaal met 8,5 procent gekrompen is. Het aantal banen is ten opzichte van het eerste kwartaal
gedaald met 397 duizend. Ook meldt het Centraal Bureau voor de Statistiek (2020a) dat de omzet van
de zakelijke dienstverlening het tweede kwartaal van 2020 gedaald is met 18% ten opzichte van het
eerste kwartaal. De sector Markt- en Opinieonderzoek heeft een daling meegemaakt van 20%, de
Reclamewereld een daling van 30%. Volgens het Centraal Planbureau (2020) zal de coronacrisis ook op
lange termijn zorgen voor blijvende economische schade. Ze zeggen hier het volgende over ‘’De
productiviteitsgroei zal langdurig lager zijn onder meer door verminderde innovatie en investeringen.
Ook zal de werkloosheid, na een sterke stijging, pas na ongeveer vijf jaar, weer zijn teruggekeerd naar
een structureel niveau. Mensen die werkloos raken gaan, als ze opnieuw een baan vinden, vaak
langdurig in inkomen achteruit. Dit geldt vooral als ze langere tijd geen werk hebben gehad en
daardoor vaardigheden en kennis verliezen.’’
CONCLUSIE
Het is vanzelfsprekend dat er zich vandaag de dag veel ontwikkelingen voordoen en dat wij leven in
een onzekere tijd door toedoen van het Coronavirus. Gekeken naar de macro-omgevingsfactoren die
invloed hebben op Marketing Intelligence is het grootste gevaar dat zich voordoet een blijvende
economische schade waarin we al een grote daling hebben meegemaakt in het laatste (tweede)
kwartaal van 2020. Deze economische krimp wordt vooral gevoeld op de werkgebieden van
Marktonderzoek en in de Reclamesector. Gelukkig zijn er ook veel kansen te vinden. Zo is er een snelle
opwaartse trend te zien als het gaat om online smartphonegebruik welke gepaard gaat met het gebruik
van social media en diverse platformen van Google. Daarnaast wordt er ook veel online gegamed via
de smartphone. Dit kunnen goede bronnen zijn om data te verzamelen. Op technologisch vlak doen
zich de volgende kansen voor waardoor het verzamelen en gebruiken van marketingdata beter en
efficiënter wordt. Ten eerste de opkomst van het Customer Data Platform waarin nog beter data
verzameld en gemanipuleerd kan worden. Ten tweede en hand in hand daarmee is er de ontwikkeling
op het gebied van voorspellende analytics. Vooral op het laatste gebied valt een competitieve
voorsprong te behalen omdat blijkt dat een groot deel van de organisaties nog in het geheel niet bezig
is met het gebruik van machine learning voor marketing analytics.

4. 4
LITERATUURLIJST
Brinkman, G. (2017, 6 december). Customer Data Platforms: wat kun je ermee? Geraadpleegd van
https://www.emerce.nl/achtergrond/customer-data-platforms-kun-ermee
Carranza, A. (2019, 27 november). 5 Must-Know Marketing Analytics Trends for 2020. Geraadpleegd
van https://www.business2community.com/marketing-automation/5-must-know-marketing-
analytics-trends-for-2020-02262422
Centraal Planbureau. (2020, 25 augustus). Coronapublicatie “Blijvende economische schade van de
coronacrisis” | CPB.nl. Geraadpleegd van https://www.cpb.nl/blijvende-economische-schade-van-de-
coronacrisis
Centraal Bureau voor de Statistiek. (2019 mei). Europese Meetlat 2019, Internet. Geraadpleegd van
https://longreads.cbs.nl/europese-meetlat-2019/internet/
Centraal Bureau voor de Statistiek. (2020a, 1 september). Omzet zakelijke dienstverlening 18,5 procent
lager in tweede kwartaal 2020. Geraadpleegd van https://www.cbs.nl/nl-nl/nieuws/2020/36/omzet-
zakelijke-dienstverlening-18-5-procent-lager-in-tweede-kwartaal-2020
Centraal Bureau voor de Statistiek. (2020b, 23 september). Economie krimpt met 8,5 procent in
tweede kwartaal 2020. Geraadpleegd van https://www.cbs.nl/nl-nl/nieuws/2020/39/economie-
krimpt-met-8-5-procent-in-tweede-kwartaal-2020
DDMA. (2020, 1 september). Data wordt steeds toegankelijker, centraal klantbeeld blijft een uitdaging.
Geraadpleegd van https://ddma.nl/actueel/data-wordt-steeds-toegankelijker-centraal-klantbeeld-
blijft-een-uitdaging/
Bovenkamp, E. (2018, 28 augustus). Privacy Monitor 2018: Nederlander maakt zich zorgen om privacy,
maar handelt daar niet naar. Geraadpleegd van https://ddma.nl/actueel/privacy-monitor-2018-
nederlander-maakt-zich-zorgen-om-privacy-handelt-daar-naar/
Earley, S. (2018). The Role of a Customer Data Platform. IT Professional, 20(1), 69–76.
https://doi.org/10.1109/MITP.2018.011301803
Gartner. (2018). A MARKETER’S GUIDE TO WHAT IS — AND ISN’T — A CUSTOMER DATA PLATFORM.
Geraadpleegd van https://www.gartner.com/en/marketing/research/data-analytics-customer-data-
platform-free-research-2018
Informatica. (z.d.). What is a Customer Data Platform? A Brief History of CDPs | Informatica.
Geraadpleegd van https://www.informatica.com/resources/articles/what-is-a-customer-data-
platform.html
SIDN. (2018). Smartphone: spin in het Nederlandse web. Onderzoek Trends in Internetgebruik 2018.
Geraadpleegd van https://www.sidn.nl/over-sidn/trends-in-internetgebruik
Virtanen, P. (2020, 26 juni). Predictive analytics in marketing: everything you need to know in 2020.
Geraadpleegd van https://supermetrics.com/blog/predictive-analytics-in-marketing