Marketing is een van de vakgebieden die misschien wel het meest aan verandering onderhevig is door de digitalisering van onze samenleving. Met het oog op de hierna volgende veranderingen lijkt de opkomst van data science in marketing niet meer dan logisch.
Ongekende hoeveelheden data
De hoeveelheden data die beschikbaar zijn zijn onvoorstelbaar:
- Mensen geven precies aan wat zij leuk vinden via Likes op Facebook
- Mensen delen hun mening op Twitter
- Mensen maken hun capaciteiten, carrièrepad, en huidige functie en werkgever publiekelijk beschikbaar via LinkedIn
- Mensen maken prikborden van producten die zij mooi vinden op Pinterest
- Mensen navigeren over het internet, waar iedere klik die mensen doen weer een extra datapunt genereert
We kunnen zonder dat we iemand ooit gezien hebben al een heel goed beeld van iemand vormen. Voor veel mensen kun je moeiteloos leeftijd, hobbies, burgerlijke staat, politieke voorkeur, uiterlijk, en sociaal-economische status achterhalen. Doordat we zo nauwkeurig kunnen achterhalen wie iemand is, kunnen we vervolgens ook zeer nauwkeurig gerichte aanbiedingen doen. Dit is de wereld van online marketing.
Voor veel mensen kun je online moeiteloos de leeftijd, hobbies, burgerlijke staat, politieke voorkeur, uiterlijk, en sociaal-economische status achterhalen.
Nieuwe kanalen om mensen te bereiken
Waar je het vroeger als marketeer van de TV, krant, of advertentieborden moest hebben om de aandacht van consumenten te krijgen, doen we dit tegenwoordig op andere manieren. Via online kanalen kunnen we mensen gericht bereiken, bijvoorbeeld via Facebook, Instagram, LinkedIn, of Google. Er wordt dus niet alleen veel meer data gegenereerd, maar er is ook een veelheid aan distributiekanalen bijgekomen. En alles gebeurt online, is meetbaar, en genereert data.
Data, data, data dus...
En waar data zijn komt de data scientist vroeg of laat om de hoek kijken. In dit artikel bespreken we:
- Wat is data science?
- Van Data Analyst naar Data Scientist in marketing
- 5 toepassingen als voorbeeld
1. Wat is data science?
Data science is een relatief nieuw vakgebied waarin bestaande vakgebieden gecombineerd worden: (1) wiskunde & statistiek, (2) computer science, en (3) business kennis.
Qua wiskunde en statistiek beschikt een data scientist kennis over het ontwikkelen van wiskundige modellen. Hiervoor is kennis van bijvoorbeeld statistiek, lineaire algebra, logistiek, en wachtrijtheorie belangrijk. Dit gaat dus verder dan het uitrekenen van een gemiddelde in Excel.
Qua computer science heeft een data scientist vaardigheden op het gebied van programmeren in bijvoorbeeld Python en SQL. Verder vragen de hoeveelheden data ook om de juiste hardware waardoor analyses mogelijk zijn. Ook hier kan een data scientist kennis van hebben.
Om waarde toe te kunnen voegen is het van belang dat een data scientist de organisatie en sector begrijpt waar hij of zij in opereert. De veelal technische vaardigheden moet de data scientist bovendien over weten te brengen op anderen binnen de organisatie. Het is zeer belangrijk dat je als data scientist de switch van techniek naar business-waarde kunt maken.
2. Van Data Analyst naar Data Scientist in marketing
Een Data Analyst in marketing analyseert datasets van binnen en buiten de organisatie. Inzichten die hieruit ontstaan worden gebruikt voor nieuwe marketinginitiatieven. De resultaten zijn gebaseerd op historische data. Tools die een analyst gebruikt zijn bijvoorbeeld: Google Analytics, Excel, SAS, en SQL.
Een Data Scientist voegt hier enkele skills aan toe, namelijk de capaciteit om wiskundige (machine learning) modellen te maken die in staat zijn allerlei waardevolle voorspellingen te doen of adviezen te geven. Ook kan een data scientist terugkerende analyses automatiseren in Python. Python leren biedt dus grote voordelen als marketeer.
Lees ook: Hoe lang duurt het om Python te leren?
3. Data science in marketing: 5 toepassingen ter illustratie
1. Verschillende bezoekers-types identificeren
We kunnen alle stappen van iedere individuele websitebezoeker volgen. Als we al deze individuele gedragingen aggregeren naar een hoger niveau dan ontstaan er verschillende groepen die vergelijkbaar gedrag vertonen. Binnen marketing spreekt men ook vaak van persona's.
Persona's worden echter soms opgesteld op onderbuikgevoel. Een data scientist kan op basis van data verschillende gebruikersgroepen op jouw website identificeren. Dit doe je met een machine learning algoritme. Vervolgens kun je voor verschillende gebruikersgroepen verschillende producten tonen of zelfs een volledig verschillende website per persona.
2. Content automatisch analyseren uit de Social accounts
Voor grote organisaties kan het lastig zijn om alle social media berichten rond hun product of dienst in de gaten te houden. Het is dan makkelijker om dat geautomatiseerd te laten doen door een model dat bijvoorbeeld iedere 15 minuten alle Tweets waarin de bedrijfsnaam werd genoemd binnenhaalt en hier een sentiment analyse op doet. Zo kun je geautomatiseerd hele boze of hele blije klanten identificeren en hier een notificatie van krijgen. Dat scheelt een hoop tijd en kan met bovenmenselijke nauwkeurigheid uitgevoerd worden.
3. Prijsoptimalisatie met dynamic pricing
De prijzen van concurrenten veranderen voortdurend. Omdat prijs een belangrijk selectiecriterium is (zeker voor online consumenten) zijn veel organisaties bezig met hoe concurrenten hun producten beprijzen. Een data scientist kan de prijsstelling automatiseren door bijvoorbeeld rekening te houden met prijzen die concurrenten rekenen of door prijzen aan te passen op bepaalde persona's (zie toepassing 1).
4. Chatbots voor klantcontact
We vinden het nu nog een beetje vreemd aanvoelen, chatten met een robot. Maar in enkele jaren gaat dit precies omgekeerd zijn; dan baal je als je met een mens moet chatten. Een robot kan namelijk veel meer onthouden en veel sneller reageren. En dat is precies wat je wilt: snel en goed advies. Deze robots worden geprogrammeerd door data scientists.
5. A/B testen van marketing campagnes
Iedere online marketeer heeft een veelheid aan marketingcampagnes draaien. Waar je vroeger bezig was met één grote TV-commercial, zijn online marketeers nu vaak bezig met misschien wel 50 campagnes voor 50 verschillende producten. Voor al deze campagnes maakt een data scientist vervolgens verschillende versies aan, waardoor gekeken kan worden naar welke campagne het best presteert. Geeft een bepaalde afbeelding of een bepaalde tekst een hogere conversie? Dit kan een data scientist uitzoeken. Het is van belang niet alleen aan te tonen dat campagnes anders presteren, maar ook te onderzoeken of de verschillen statistisch gezien significant zijn.
Meer voorbeelden vind je in dit blog met 13 Python voorbeelden uit 5 toepassingsgebieden
Jezelf als data scientist in marketing ontwikkelen?
Wil jij snel op stoom zijn als data scientist in marketing? Krijg in twee dagen vertrouwen in het analyseren van data met Python. Schrijf je in voor onze Python cursus voor data science en ontwikkel je onder begeleiding van ervaren trainers succesvol verder als data scientist. Of wil jij in één keer klaar zijn? Dan is een keuze voor onze vierdaagse all round data science opleiding misschien geschikter.
Download één van onze opleidingsbrochures voor meer informatie
Rik is data scientist en marketeer bij Data Science Partners. Vanuit zijn achtergrond op de Technische Universiteit Eindhoven heeft hij veel affiniteit met data. Na zijn studie heeft hij als consultant altijd met data gewerkt en tevens ervaring opgedaan in het geven van trainingen.
