Gisteren vierden we samen met BMDA Valentijn: hun Dday event kondigden ze aan als “een dag om je eigen data te daten”. Hierbij enkele takeaways waarmee we gedurende deze dag werden geprikkeld.
Philip Greenfield gaf de aftrap (het event ging dan ook door in het business center van RSCA ANderlecht) met de resultaten van een IBM Study van eind 2011. Deze studie legt 4 top challenges bloot die leven onder marketing managers. Met stip op één vinden we een explosie aan data terug. Ook sociale media, de versnippering aan kanalen en devices en een demografische shift houden marketeers wakker.
De interactie met consumenten moet, zeker in dit digitale tijdperk, anders en beter verlopen. “The end is here” klonk het bij Philip Greenfield. Ik legde meteen de link naar de uitspraak van Bart de Waele (Netlash) vorige donderdag op de Trendsnight van STIMA, die zei: “Playtime is over”.
Dat een geïntegreerd databeleid hierbij vitaal is, klinkt logisch. Dat de meerderheid van de bedrijven nog stevige stappen op dit vlak dient te zetten, is echter ook een feit dat als een paal boven water staat.
In de cases van Vivium, ING en Roularta onderstreepten de sprekers het belang om aan “interne direct marketing” te doen. Hiermee bedoelen ze het belang om uit te pakken met geslaagde testcases, om dataprojecten zichtbaar te maken door het managment, teamleaders en business contacten. Zo krijgt het management bij Vivium en ING alvast twee- of driemaandelijks een overzichtelijk data-rapport gepresenteerd.
Een voorbeeld van een dergelijke, geslaagde case: Bob Rongé bracht de postretours op een jaarlijks recurrente Vivium mailing terug van 4% naar 0.36% in 2011. De uitgespaarde kost aan het herwerken van deze retours (callcenter, encodage, drukwerk, verzending) bedraagt maar liefst €42.960. Vivium werd voor deze case, waarbij gebruik wordt gemaakt van de WDM single customer view, recent met een DQ Award beloond.
Er is geen gouden regel die aangeeft hoe ver je in data analyses en data mining dient te duiken. ING pakte uit met succesvolle, ver doorgedreven predictieve analysemodellen. WWF daarentegen stelde dat “data meaning” primeert boven “data mining”. Zij behaalden geen substantiële lift door het werken met motivationeel aangestuurde content. Emotionele betrokkenheid en sterke visuals zorgen voor WWF daarentegen wel voor een duidelijke boost.
Belangrijk is de doelstellingen bloot te leggen en er stap voor stap naar toe te blijven werken. “Van idee over analyse naar data relevance, tot engagement en money” aldus een prachtige samenvatting door Peter Thiers van Roularta.
Het is één van de kerngedachten die Bob Rongé, Data Quality manager bij Vivium/P&V meegaf aan zijn publiek als winnaar van de eerste Data Quality Award op 19 januari jongstleden in de Breckpot te Mechelen die bij mij is blijven hangen. Als organisator schotelde BI-Community een gevarieerd programma voor. Een mix van theorie en praktijk, van binnen- en buitenlandse experten, denkers en doeners, juniors en seniors, maar allen met één gemeenschappelijke deler: de passie voor datakwaliteit.
Dit zijn zo van die momenten dat je even afstand kan nemen van de dagdagelijkse realiteit, inspiratie opdoet en met een paar leuke bruikbare ideeën terug naar huis keert. Ze staan al aangestipt in m’n agenda, want als je dat niet doet binnen de 48 uur komt er niets van, ga maar na! Het belang van datakwaliteit kwam sprekend naar voor in de praktijkcases: it’s all about money and efficiency!
Vanuit een kwaliteitsbesef en een verantwoordelijkheidsbesef willen mensen hun organisatie vlotter, efficiënter en goedkoper laten functioneren. Te oordelen aan het aanwezige publiek is dit absoluut niet alleen een bezorgdheid van IT. IT is dikwijls een enabler, maar wat je vooral nodig hebt, is een visie die gedragen wordt door het management en leeft op alle echelons. De cruciale vraag is natuurlijk hoe je dit voor elkaar krijgt.
Eigenlijk is het antwoord voor de hand liggend. Detecteer de belangrijkste pijnpunten in je organisatie en bewijs “quick wins” aan de hand van een business case. Focus bijvoorbeeld op de directe en indirecte kosten verbonden aan dubbels of postretours in je database, die zetten je ongetwijfeld al een heel eind op weg. Verder is het belangrijk om data quality een gezicht te geven, te werken met een klein flexibel team en met data stewards in andere afdelingen. Communiceer resultaten, successen en progressie en toon aan wat het goed beheren van de datakwaliteit voor de hele organisatie concreet oplevert. Maak je inspanningen zichtbaar, kortom: maak datakwaliteit tastbaar.
Concrete resultaten zijn immers een doorslaggevend argument om een volgend traject op te starten. Belangrijk is ook om dit pro-actief in een zo vlug mogelijk stadium te doen. Eens je van start gaat met slechte data besmetten ze heel dikwijls de daaropvolgende processen. Kritische succesfactoren zijn hier: passie hebben voor data en change én ook de ruimte krijgen om hier mee aan de slag te gaan binnen je organisatie.
En eerlijk, naast de inspiratie deed het uiteraard deugd om twee van onze klanten op het schavotje bij de genomineerden en de winnaars te zien, kwestie van passie voor Data Quality, zeker?
Every now and then we meet clients who believe that if the data is correct at the entry point, there is no need for data quality treatments later. Well, in the perfect world that would be the case. Unfortunately, consumers tend to do unpredictable things like moving, getting married or divorced, having children and buying a new dog with a weird name (yes, in the FMCG world data quality extends to the pets). Luckily, it’s possible to update the new addresses and other criteria, also for international CRM databases.
The WDM Belgium keys facilitate your internal process in order to improve the quality of your data and increase your marketing efficiency thanks to a better customer insight and a single customer view.
Ce jeudi 24 février a eu lieu la première journée consacrée au Data Quality organisée par la BDMA
Une petite centaine de personnes étaient présentes, beau succès donc pour un sujet qui n’a pas la réputation d’attirer les foules et qui pourtant est tellement important et … nous touche tous !
C’est d’ailleurs le message que le premier orateur, Cliff Longman (consultant en data management), nous a transmis : « le Data Quality concerne toute la société », « le Data Quality est plus un état d’esprit qu’un process ». Le cadre était planté ! et Cliff de continuer : « des données de qualité doivent représenter correctement la réalité ».
Une des plus grosses problématiques selon Cliff est que malheureusement nous avons tous le sentiment que nos données sont correctes, notre PERCEPTION est positive, alors que la REALITE est autre. Pourquoi ? Car trop peu d’entreprises ont un responsable de la qualité des données.
Cliff nous explique alors les motivations des sociétés intégrant la qualité des données dans leur politique : (1) une croissance de l’efficacité opérationnelle surtout lorsque l’on sait que 30% des erreurs opérationnelles sont provoquées par une pauvre qualité des donnés (2) l’optimalisation de la tactique commerciale (3) l’augmentation de la satisfaction des clients.
Mais tout ceci n’est pas gratuit, la qualité a un coût. Il est absolument nécessaire de réaliser un business case intégrant le ROI-return on investment- et la NPV -Net Present Value . Les éléments bénéficiaires à prendre en compte dans le business case sont triples : (1) le temps : des données de meilleure qualité vont permettre d’agir plus rapidement et sans erreur (2) les coûts : la meilleure qualité des données va éviter certains coûts (3) le risque : des données de qualité vont contribuer de manière importante à diminuer le risque de fâcher un client lors d’une communication. Illustration : vos clients entrent en relation via différents canaux de communication, courrier, web, téléphone, … Si les données issues de ces différents canaux ne sont pas agrégées, vous risquez en une seule communication de transformer votre client fidèle et jusque là très content en client très mécontent .
Après cette présentation très convaincante, Paul Gysemans (Information quality expert) de Belgacom nous a parlé de la fusion des données de Proximus et de Belgacom. Deux éléments clés (1) il est crucial lors de la fusion de différentes sources de données d’intégrer l’ensemble des données provenant des différentes sources et seulement ensuite de procéder à une fusion des informations. En effet, si la fusion se passe avant l’intégration seule une version de la réalité sera encore disponible (2) une collaboration avec le business est indispensable pour toutes les opérations de migration. En effet, ce sont les objectifs business qui vont dicter la voie à suivre et non l’inverse.
Le troisième orateur Thibaut Cardinael Business Domain Manager chez D’Ieteren a confirmé que les données clients étaient une valeur clé, comment en être autre quand on apprend que 10.000 créations ou modifications sont effectuées chaque jour dans leur base de données. Thibaut nous dit appliquer la stratégie suivante (1)profiter de chaque contact avec un consommateur pour collecter de l’information, (2) centraliser l’information d’où qu’elle vienne (3) mettre en place des campagnes standardisées, mais vouloir évoluer vers une stratégie pull afin de dépasser la notion de la « satisfaction « du client et d’évoluer vers la « dévotion « du client. Avoir des clients satisfaits n’est-il donc plus suffisant ? NON répond Thibaut, car aujourd’hui 86% des clients satisfaits quittent néanmoins la marque. C’est la raison pour laquelle, un des objectifs de D’Ieteren est de mettre à disposition de ses clients une plate-forme personnalisée lui permettant d’accéder QUAND il le souhaite aux informations importante pour LUI.
Anne-Marie Zeghers, Head of Customer Information chez ING, nous dit être convaincue que le succès d’ING provient en grande partie de la bonne qualité de ses données. La stratégie suivie par ING est de récolter le plus d’informations possible directement auprès du client. Cette stratégie s’explique d’autant plus que les données étant dynamiques (naissance, décès, divorce, …), elles nécessitent la mise en place de système visant à profiter de chaque contact avec ses clients afin de les mettre à jour.
Ce fut ensuite au tour de Pascal De Greef, CRM Manager chez Makro et Kirsten De Clercq, Key Account Manager chez WDM Belgium d’aborder un autre aspect du Data Quality. En effet, le groupe disposant de 2 enseignes commerciales sur le marché, d’une part l’enseigne Makro et d’autre part l’enseinge Metro réservée uniquement aux clients professionnels, il est essentiel dans un premier temps de pouvoir distinguer les données professionnelles des données privées et ensuite de pouvoir les qualifier au mieux par secteur d’activité afin de pouvoir accroître l’impact de la communication. D’où la nécessité d’avoir à sa disposition des référentiels.
Après le lunch, nous avons entendu Frederik Vandenberghe et Tony Spelkens, consultants chez SAS qui ont à nouveau insisté sur l’importance cruciale d’inclure le business dans tous les projets en data quality.
Goulven Aubree directeur de la fidélisation chez WDM France a quand à lui mis l’accent sur l’obligation de penser multi-canal. Pour y arriver, il nous a expliqué comment en fusionnant une trentaine de sources issues de secteurs différents et contenant des informations variées tel que nom, prénom, date de naissance, téléphone, gsm, nr twitter, n face book , … WDM France a constitué un fichier reprenant +/- 42 mio de personnes et peut ainsi enrichir/mettre à jour des fichiers de clients avec des points de contact multi-canaux.
Peter Trap, Director International Business Development chez Bisnode Interact a mis en lumière la complexité du data quality dans un environnement international. En prenant l’exemple d’une adresse postale, il nous apprend que la diversité va de l’Irlande qui n’utilise pas de code postal (excepté à Dublin) aux Pays-Bas pour qui un code postal et un numéro de maison sont suffisants pour identifier une habitation, …. La solution est pour Peter un travail d’équipe entre l’expertise humaine, des outils et des référentiels.
A son tour Pierre-Paul Arthau, Chief Information Officer Organization de IBM insiste sur l’importance de désigner un responsable des données et sur la nécessité d’ impliquer le business. Il constate que 20 à 30% des nouveaux records créés au cours d’une semaine sont des doubles … En effet, si lors de l’introduction d’un nouveau record trop de liberté est laissée à l’utilisateur , beaucoup de données sont récoltées mais avec le risque d’une faible qualité par contre si peu de liberté est laissée, peu de données seront récoltées mais de meilleure qualité … il est donc très important de mettre la barre au bon niveau.
Annick Declecq-Kloppert de Xerox et Alec Maréchal de Just in Time Management Group insistent à leur tour sur l’importance de récolter beaucoup de données afin de pouvoir mettre en place une communication personnalisée.
Mark Humphries Data Manager chez Essent nous dit qu’il est essentiel de bien comprendre le business d’une société pour évaluer le data quality, ainsi chez Essent si 1% des factures étaient impayées, la marge se verrait amputée de 20% … crucial donc ! Il insiste quand à lui sur l’importance d’utiliser une solution qui mette en avant la zone grise … en effet, plus de 90% des décisions peuvent être prises par un outil mais certains records nécessitent un traitement manuel , il est donc crucial que la solutionl utilisée puisse isoler ces cas là car ils ont beaucoup de valeur ajoutée.
En conclusion, on peut dire qu’une pauvre qualité coûte de l’argent, or le bénéfice d’une bonne qualité va très souvent dépasser les coûts, il est dès lors important de désigner un responsable des data au sein de l’organisation qui va veiller à la qualité des données en prenant en compte les besoins du business.
De eerste Data Quality Day van het BDMA was een succes. Met een volle zaal en heleboel interessante gastsprekers kon de dag niet stuk.
Dankzij Cliff Longman, consultant van Adaptable Data, was de toon onmiddellijk gezet met de vraag “How to make money from data quality?” Data moeten ‘fit for purpose’ zijn en om daarvoor te zorgen heb je kwaliteit nodig. Ondanks het feit dat veel bedrijven, in zijn ervaring, ontkennen een data quality probleem te hebben, heeft elk bedrijf data quality issues. Om aan data quality te werken zijn een aantal elementen belangrijk: meet regelmatig de kwaliteit van je data. Als de kwaliteit van de data niet meer voldoende is, moet daar zo snel mogelijk aan gewerkt worden. Bovendien is het belangrijk om iemand verantwoordelijk te stellen voor elk stuk data. Het is dan aan deze persoon om een project op te starten met als eerste stap het opbouwen van een business case waarin ook het element ‘tijd’ wordt meegenomen. Hoe sneller je de positieve effecten van data quality kan waarnemen en meten, hoe beter.
Na de inleiding van Cliff Longman, kwamen een aantal ervaringsdeskundigen aan het woord. Zoals Paul Gysemans van Belgacom, die als Information Quality Expert, dagelijks geconfronteerd wordt met data quality projecten. Daarbij werd duidelijk hoe belangrijk het is om de Business te betrekken bij het op peil houden van de kwaliteit van de data. Op het moment dat uit wekelijkse scorecards blijkt dat de kwaliteit niet meer voldoet, wordt onmiddellijk onderzocht hoe dit verbeterd kan worden. Hoe sneller de Business verantwoordelijken hierbij betrokken zijn, hoe hoger de succesrate van dergelijke projecten.
Thibaut Cardinael van D’Ieteren Auto toonde aan dat klantendata een ‘key asset’ is voor D’Ieteren. Aangezien zij als autoconstructeur niet zo vaak contact hebben met hun klanten, moeten ze gebruik maken van elke opportuniteit om info over deze klant te verzamelen of up te daten (Collect principe). Een tweede principe is ‘Centralize’: wat ook de bron of het type van de data is, het kunnen samenbrengen van al deze informatie kan tot interessante inzichten leiden. Met al deze informatie proberen zij te komen tot gestandaardiseerde campagnes die opgestart worden door bepaalde triggers die in de data van een klant worden gedetecteerd.
Anne-Marie Zeghers van ING, als Head of Customer Information ook een ervaringsdeskundige op het vlak van data quality, geeft haar visie op de challenges op het vlak van DQ binnen de bankwereld. Daar spelen niet enkel de gewoonlijke challenges zoals up to date contactgegevens, linken van interessante marketing informatie e.d., maar ook alle wettelijke bepalingen die aan een bank worden opgelegd rond identificatie. Omgaan met al deze challenges lukt enkel via structureel data quality management binnen het bedrijf. Er moeten value chains opgesteld worden met telkens een trekker. In deze value chain moeten mensen van verschillende afdelingen vertegenwoordigd zijn. Data quality is met andere woorden geen eenvoudige materie, maar met de woorden van Anne-Marie Zeghers: het kan “fun” zijn.
De presentatie van Pascal De Greef van Makro en Kirsten De Clercq van WDM Belgium spitste dan weer toe op een bijkomende moeilijkheid in data quality, namelijk de identificatie van consumenten en bedrijven binnen de Makro en Metro bestanden. Dankzij een goede samenwerking tussen WDM Belgium en Makro en de opmaak van duidelijke business rules, gebaseerd op de kennis en de identificatietools van WDM en de strategie van Makro, werden de Makro/Metro klanten opgedeeld, verrijkt en kon Makro hun verdere aanpak uitwerken.
In de namiddag kwamen Frederik Vandenberghe en Tony Spelkens van SAS aan het woord. Zij gaven ons meer uitleg over de zes stappen die moeten ondernomen worden in het kader van een Master Data Management (MDM) project, waar data quality uiteraard een belangrijk deel van uitmaakt. Eerst moet het volledige project gepland worden in de ‘define’ en de ‘discovery’ fase. Eens dat gebeurd is, kunnen de verbeteringen uitgevoerd worden in de ‘Design’ en ‘Execute’ fases. De laatste twee fases die essentieel zijn voor het project zijn de evaluatiefase en de controlefase. Indien deze 6 stappen correct worden uitgevoerd, kan men tot een geslaagd MDM project komen.
Met ‘List-Up’ en ‘Sonaria’, twee oplossingen ontwikkeld door WDM France, toonde Goulven Aubree aan hoe zij hun klanten helpen in het verwezenlijken van data kwaliteit door gegevens te verrijken en door voor de klant een single customer view te creëren. Daarvoor werken zij samen met allerlei partners die een heleboel sociodemografische gegevens aanleveren.
Uit de presentatie van Bisnode Interact, door Peter Trap, bleek duidelijk dat we op het vlak van data quality alleszins NIET de ‘United States of Europe’ zijn. Aan de ene kant zijn de Europese landen zeer verschillend op het vlak van privacy regels (met bijvoorbeeld Spanje als één van de strengste landen), aan de andere kant zitten we ook met een verschillend niveau van complexiteit, bijvoorbeeld in het adressysteem. Belangrijke conclusie uit de voorbeelden is dat als je aan de kwaliteit wil werken van een Europees bestand, je respect moet hebben voor de specifieke regels in elk land en dat een globale aanpak wel eens tot problemen kan leiden.
Ook een bedrijf zoals IBM wordt dagelijks geconfronteerd met data quality problemen, blijkt. Pierre-Paul Arthau gaf een aantal bronnen van data kwaliteitsproblemen mee en gelukkig ook een aantal oplossingen. Zorg dat je de business betrekt in elke stap. Zorg dat zij weten waarom ze bepaalde info moeten invullen in het systeem. Pas indien ze er een goede reden voor hebben, zullen ze het ook doen. Zorg voor een continue data quality monitoring en opkuis. Zorg ook dat er een algemene visie is op waar men naartoe wil en waarom data quality daarin zo belangrijk is.
Annick Declercq-Kloppert van Xerox en Alec Maréchal van Just in Time pasten data quality dan weer concreet toe op one-to-one marketing. Hoe meer je over je klant weet, hoe beter je hem gepersonaliseerde boodschappen kan sturen op het juiste moment en met het juiste aanbod. Deze informatie kan je onder andere bekomen door het uitsturen van enquêtes. De leads die daaruit voorkomen worden dan opgevolgd.
Last but not least was er de presentatie van Essent. Mark Humphries gaf ons een zicht op de impact van (slechte) datakwaliteit op een bedrijf zoals Essent, dat in de woorden van Mark vooral een DATAbedrijf is. Zorg dat je je business case kan ondersteunen met concrete voorbeelden van wat er fout gaat. “The power to shock” is hoe Mark het omschrijft en het is volgens hem absoluut nodig om een project opgestart te krijgen. Durf na het beëindigen van je project je business case ook eens opnieuw op te bouwen. Durf ook erkennen dat ondanks een (hopelijk) positieve business case er ook dingen fout zijn gelopen. En vooral: blijf ook na het beëindigen van je project de kwaliteit van de data testen. Het zou spijtig zijn om alle moeite te niets te laten gaan en de kwaliteit van de data weer te laten achteruitgaan.
De verschillende sprekers leken het al bij al vrij eens te zijn met elkaar als het ging over de belangrijke elementen om een data quality project tot een goed einde te brengen. Er moet een visie zijn op waar IT én Business naartoe willen, er moet een business case opgebouwd worden die voor zich spreekt, zorg dat je project niet bij een one-shot blijft door ongoing de kwaliteit van de data te gaan meten en door je verwezenlijkingen te promoten bij het management. En als laatste: data quality costs money, but poor data quality costs even more money.
As usual this time of the year, there are prediction posts on pretty much every blog I read – digital predictions, marketing predictions, social media predictions… But what influence will all these changes have on the consumer data companies have to store, analyse and use?
The data will have to follow the shifts in consumers’ lives and the main changes in consumer data that we can expect in 2011 will be driven by all things social and digital:
1. Social networks data
The exponential growth of Facebook and Twitter last year also caused a boom of related applications, share and like buttons etc. More than ever brands want to connect with their consumers in social media; and they want to know what the social media value of the consumers is. To answer these questions, companies will have to start storing that information and connecting it to all other available data about the consumers (consumer centricity, remember? It is a new channel, but it has to be integrated in the overall picture).
For this reason companies will have to store the information about the consumers who are on Facebook, Twitter and other networks; how many friends or followers they have and how often they share information about the brand. There is a huge difference between that monitoring social media and actually using that information: smart companies have been monitoring social media for a while; but now they have to figure out how to integrate that information into their consumer database, match it with individual clients and how to use it.
2. Location data
Location based apps and platforms like Gowalla, Facebook Places, Foursquare and many others continue to grow and open a whole new set of opportunities for marketeers. Location based marketing is on top of all marketing trends in 2011, but it requires significant amounts of data to implement it well; and it will produce additional data to analyse. Here the capabilities of combining the GPS coordinates with store data and consumer information will be crucial for successful campaigns. Those who will get the right data expertise for location based marketing will succeed, the rest can expect big costs with limited results.
3. Mobile data
All marketing predictions lists expect 2011 to be the year of defining and implementing more mature mobile marketing strategies. According to Forrester however, “Despite increasing activity and more strategic spending, inconsistent data and analytics will plague mobile marketers hoping to make a business case for testing emerging opportunities.” Mobile, as well as social network and location data is very complex – it comes from many different sources, in many different formats, there are huge volumes of it and it has to be kept as real time as possible. For all those reasons it will indeed give big headache to marketeers.
4. Visualization
In the world of increasing amount and types of data, visualization will become more important than ever, and various dashboard and visualization vendors will experience a year of euphoric interest in their offering. The successful ones will have to offer not only great data view capabilities but also very powerful engines to cope with the amount of data and sources. Unfortunately augmented reality technology is not in the visualization budget of the average marketeer:
5. Data diet
Despite – or exactly because of – the exponential increase of available and necessary data over the last years, marketers and managers will willingly go on data diet. Brands will focus on measuring only the most relevant information. They will demand the agencies and analysts to cut the amount of data they have to look at and deliver predigested insights and conclusions. This can only be achieved by automation of analytics and segmentation using various algorithms, that will continue to develop and become more complex.
It seems like we have a very exciting year ahead, with a lot of innovative tools and methodologies to discover and implement!
Wat is er van de slimme priority inbox geworden? Wordt hij in grote getale gebruikt? Is het nu een droom of nachtmerrie voor de direct marketeer?
Eind augustus 2010 introduceerde Google de Gmail Priority Inbox, een manier om structuur te brengen in de grote hoeveelheid informatie die dagelijks in je mailbox binnenkomt. De Priority Inbox rangschikt al het inkomende e-mailverkeer in drie categorieën: IMPORTANT, STAR (e-mail die je later wil lezen) en EVERYTHING ELSE. Uiteraard kan je deze categorieën personaliseren en ingrijpen wanneer het systeem iets fout categoriseert.
=6,0,40,0">
Uit onderzoek, weliswaar door Google zelf uitgevoerd, blijkt dat je 6% minder tijd besteedt aan het checken van jouw inbox en tot 13% minder tijd aan het lezen van onbelangrijke mails. Een welgekomen tijdsbesparing als je het mij vraagt.
Het filmpje toont ook hoe de Priority Inbox er in slaagt om o.a. ‘Special offer’ mails als minder belangrijk te klasseren. Dit gebeurt op basis van de afzender, de inhoudelijke relevantie door ontvangen en verzonden e-mails te scannen (Google claimt geen gebruik te maken van jouw recent zoekgedrag) en jouw reactie op bepaalde e-mails.
Omwille van de bovenstaande criteria zou deze slimme inbox wel eens een ware nachtmerrie of op z’n minst een enorme uitdaging kunnen worden voor direct marketeers. Ik kan mij niet inbeelden dat er iemand een promotiemail direct opent, beantwoordt of laat staan als belangrijk rangschikt, tenzij…
Tenzij je ervoor zorgt dat de boodschap relevant is voor de geadresseerde, dat je de 'consumens' achter het e-mailadres leert kennen. Op zoek dus naar de interesses en noden van jouw doelgroep en naar het ideale tijdstip om haar een mail te sturen.
Verder rest nog de vraag of het allemaal zo’n vaart zal lopen met deze slimme inboxen; worden ze überhaupt gebruikt? Wat denken jullie?
Onlangs zag ik de aannemer die een paar maanden geleden het ongeluk had om bij graafwerken een gasleiding te hebben geraakt. De hele buurt werd uren afgezet. Mensen werden zelfs geëvacueerd. Er was immers een reëel ontploffing- en brandgevaar. Hij zei me: “Ik had nochtans digitale kaarten met de ondergrondse leidingen. Wat we nodig hadden hebben we online van de officiële website gedownload. En toch ging het serieus fout”.
Het is niet omdat je digitale data hebt, dat er niets mis kan gaan. Het is niet omdat het digitaal is dat het daarom kwalitatieve data zijn. “Wat betekent dit dan: kwalitatieve data?” vroeg hij mij.
Ik vermoed dat jouw digitale kaart die op de website plukte niet accuraat was. Dit wil zeggen: niet up to date. Je had wellicht een verouderde kaart in handen, waar de laatste leidingen of aanpassingen niet waren op aangebracht. Je rukte een leiding los die er volgens je kaart niet was, met alle gevolgen van dien. “Nee, die gasleiding stond wel op de kaart, maar niet op de juiste plaats. “
Dit noemen we dan integriteit. De data waren niet ‘integer’, of met andere woorden: onbetrouwbaar. De kaarten reflecteerden niet de vastgestelde realiteit. De gasleiding lag er wel en was ook op de kaart getekend, maar niet zoals je kon zien in de realiteit. “Ja”, zei hij “volgens de kaart lag de leiding 0.75 meter verder, maar dat was niet zo. Met alle gekende gevolgen . En moet je weten, we hebben ook nog een telefoonkabel losgetrokken. Deze stond helemaal niet op de kaart.”
Dit slaat dan op de volledigheid. Je dacht met je digitale kaart een volledig beeld te hebben van de realiteit van kabels en leidingen onder de grond, maar deze kaart omvatte blijkbaar niet alles. “Wat er wel opstond, was de waterleiding”, zei de aannemer. “Maar het was wel verwarrend. De afmeting van de waterbuizen stond in inch, terwijl de dikte van de gasleidingbuizen in mm stond vermeld.”
Data moeten inderdaad ook consistent zijn. Het kan niet zijn dat je de ene keer afstanden uitdrukt in kilometers, en een andere keer in mijlen. Of dat je de ene keer blauw gebruikt voor koud, en een andere keer rood. “Zwijg!” zei hij smalend, “met de kleur was inderdaad ook iets niet juist. Wij waren gewoon om altijd om een groene lijn te zien op een kaart als een er kabeldistributie leiding ligt. Maar op deze kaart was het een dubbele lijn in ’t geel. Geel is al moeilijk te zien op kaart. Ik had niets de gaten totdat ik zag bij de kaartlegende dat ‘geel ‘ stond voor kabeldistributie. Maar die hebben we gelukkig niet geraakt”.
Dit is probleem van validiteit. Als een gegeven op een bepaalde manier, volgens bepaalde afspraken, moet worden weergegeven, dan verwacht je dit zo. Het houdt geen steek zich niet aan deze vastgelegde regels te houden. Groenen lijnen zijn volgens de normen lve voorstelling van de leidingen van de kabeldistributie. Dit gegeven met iets anders voorstellen kan ernstige gevolgen hebben.
Het niet respecteren van datakwaliteit kan inderdaad ernstige gevolgen hebben. Met digitale data moet net zo omzichtig worden omgesprongen als andere data. De 5 regels van kwaliteit kunnen daarbij helpen bij de evaluatie. Of het nu gaat om een papieren kaart of een digitale kaart op een website, of het nu gaat om een postaal adres of e-mail adres, of het nu gaat om onderzoeksresultaten online verzameld of via straatinterviews, … Om rampen (verkeerde conclusies, verliezen van geld en tijd, missen van opportuniteiten, …) te vermijden moeten alle data gecheckt worden op hun: accuraatheid, integriteit, volledigheid, consistentie en validiteit. Bovendien moet de data beschikbaar zijn als je ze nodig het, en uiteraard liefst zo snel mogelijk.
Recently, the Bisnode Group, mother of the WDM Belgium Company, conducted a research amongst European marketeers, looking for trends and what they expect from data companies as we are.
Here is the outcome in 10 bullet points :
1. Stop permission, start collaborating, instead of push and sell.
2. Brand identification = brand loyalty : the more a customer identifies himself with you and your values, the more loyal advocacy he will give you in return. Branding will also in the future be very important. It's not the end goal of a communication manager, but the start of a conversation. If you want to identify your customers, this also means you have to capture more than only 'objective' data of them.
3. From walled garden to social platforms. In you search to evolve from interesting consumers to infuencial consumers, you do not only ask them to come to you, but you have to make sure you go and meet them where they are. To do so, you need to collect all the touchpoints where you can conversate with them.
4. Try to keep up with the ultra fast moving consumer. It will be vital to adapt strategies and campaings on an ongoing and instant basis. Data intelligence is crucial to install the right triggers to target the consumer 'in the moment'.
5. Forget the internet : it’s connection forever time, instant, now and everywhere. This give you also live access to all types of 'real time' data, supported and offered by dbase companies in full flexibility
6.Offline is dead, long live offline : Online shall not exclude Offline, Life is not only virtual and traditional direct mailing is certainly complementary to your media- and 1:1 strategy
7. Merge, integrate, shuffle and deal : collaborative marketeers will create joint marketing offers and run them in fully integrated mega databases.
8.Surgical targeting : we need to go from direct marketing to precision marketing, with ultraniche as a challenge, shooting with a small gun form short distance instead of spamming your entire audience with one size fits all messages.
9. 1:1 makes the marketeer smart. All interactions give marketeers live research and insights available. Marketeers seek for services that integrate brand KPI’s, marcom metrics, socio-demo’s, behavioral data, research insights,… and enables them to measure return on investment and moreover, return on customer.
10.Future marketing is experimental marketing. You need tot test test test continuously, even test in real time, learn from it and adapt fast.
So yes, we think there is much to say about data being the new oil and a nice challenge for data companies to help the marketeers. Since consumers are ultra moving targets, marketeers need to capture more data, mine all data and find better ways to exploit them. "Data" will become so complex, marketeers can’t handle it alone. External expertise is needed and "strategicly handling data" will be a valuable asset for companies. Therefor new technologies en techniques should be embraced to enable better ‘gathering’ and profitable ‘targeting’
But be aware : privacy laws -and the consumer itself!- are becoming more strict. Consumers will be less eager to share data in the future, or at least request something in return. Not only a give-away or the possibility to win something big. Consumers become 'data brokers' and in return for 'their data' they want more relevancy. Data companies should help marketeers to deliver more relevancy by better segmentations and accurate ‘surgical’ databases to assure consumers that information is exchanged in both interest.
Recent tweets
WDM Del.icio.us
WDM Slideshare
