Zoekaandeel blijkt wederom een belangrijke KPI

Leestijd: 4 minuten

Enkele jaren geleden deelde Les Binet een interessante conclusie over zoekgedrag. Er blijkt een sterke correlatie te zijn tussen het zoekaandeel en het marktaandeel van een merk. Tenminste, in het geval van auto’s, energie en mobiele telefoons.

Ofwel, als er vaker wordt gezocht op Vodafone in vergelijking met KPN, Odido, Simpel en Lebara, is de kans groot dat het marktaandeel van Vodafone omhoog gaat.

Hierbij kan zoekgedrag van allerlei bronnen komen. Dus niet alleen van Google, maar ook van TikTok, Amazon, Independer, et cetera.

Belangrijk is dat het effect niet onmiddellijk is. De vertraging verschilt per categorie. Voor producten met een lage betrokkenheid, zoals energieabonnementen, is deze relatie kort, circa drie maanden. Voor complexere aankopen, zoals auto’s, duurt de conversie langer. Daar kan het wel twaalf maanden duren voordat zoekgedrag zich vertaalt naar een aankoop. Dit is logisch: een energieabonnement kun je op een avondje omzetten. Een nieuwe auto koop je niet zomaar.

Het zoekaandeel als overkoepelende KPI.

Interessant is dat het zoekaandeel een KPI is met een overkoepelend karakter. Want het is een optelsom van allerlei inspanning. Jouw zoekgedrag kan immers worden beïnvloed door een ervaring uit het verleden, een reclame en een verkooppromotie. Daarmee is het een mooie indicator voor zowel mensen van de lange termijn (‘merk’) als de korte termijn (‘performance’).

Het zoekaandeel is daarom geïntroduceerd als een dynamisch en kosteneffectief meetinstrument. En het verschil tussen het zoekaandeel en het huidige marktaandeel – de ‘Extra Share of Search’ – lijkt een goede kanarie in de koolmijn voor veranderingen in de markt.

Een nieuw onderzoek van Captify en Circana.

Maar zoals ik schreef, Binet onderzocht dit verband voor slechts drie categorieën. Dus blijft het nog een beetje de vraag of het zoekaandeel ook voor andere markten een succesvolle indicator is.

Daarom werd mijn aandacht getrokken toen ik een soortgelijk onderzoek tegenkwam. Dit is van Captify, gespecialiseerd in zoekdata, en Circana, een adviseur rond consumentengedrag. Zij onderzochten eveneens het verband tussen wat mensen online zoeken en wat ze uiteindelijk kopen.

Dit onderzoek richtte zich echter op de Britse markt voor diervoeding. Ofwel, een vierde categorie. Deze keuze is gemaakt omdat het percentage huishoudens met een huisdier hoog is. En omdat het een noodzakelijk product betreft, zijn de verkopen van diervoeding relatief stabiel, met weinig seizoenschommelingen. Veel Britten blijken zelfs bereid meer aan hun huisdier te besteden dan aan zichzelf. Dit maakt de diervoedingsmarkt ook nog eens ‘recessiebestendig’.

Dit onderzoek concludeert eveneens dat zoekdata niet alleen een reflectie is van de huidige situatie. Het blijkt wederom een goede voorspeller van toekomstig gedrag.

Want ook in diervoeding is te zien dat veranderingen in zoekgedrag, zowel op categorieniveau als merkniveau, samen gaan met verschuivingen in verkoop. Hierbij wordt gesteld dat een toename van 10% in zoekactiviteit in potentie kan leiden tot een verkoopstijging van 5%.

Een conversie van twee weken of twee maanden.

Ook hier blijkt de snelheid van conversie niet voor alle merken hetzelfde. Maar ditmaal is een onderscheid op merkbekendheid gemaakt. Minder bekende merken moeten in de regel langer werken om zoekinteresse om te zetten in daadwerkelijke aankopen. Bij grotere, gevestigde merken gebeurt dit sneller. Ook dit leest logisch: als je zoekt op ‘organisch kattenvoer’ is de kans groter dat je het aanbod van een bekend merk overweegt dan dat van een onbekend merk.

Voor een groot merk bleek er een gemiddelde vertraging van twee weken te zitten tussen zoeken en kopen. Voor kleinere merken kan deze periode oplopen tot twee maanden.

Het effect van merkbouwen op zoekvolume.

De onderzoekers stellen dat kleinere spelers daarmee meer moeten investeren in het bouwen van hun merk en het vertrouwen dat dit geeft. Dit is een belangrijke nuancering. Zoekvolume wordt in de regel als een KPI voor de korte termijn gebruikt. Merken zoeken meestal naar snelle ingrepen om het zoekgedrag van hun klanten te beïnvloeden.

Ook helpt zoekdata handig om inzicht te krijgen in wat klanten belangrijk vinden. Voor diervoeding blijkt niet alleen prijs belangrijk te zijn, maar ook de kwaliteit en voedingswaarde. Eigenaren geven dus niet alleen prioriteit aan hun portemonnee, maar ook aan het welzijn van hun huisdier. En zoekdata kan helpen bij het ontdekken van nieuwe doelgroepen. Denk aan mensen die op zoek zijn naar veganistisch kattenvoer. Merken kunnen hier vervolgens met hun campagnes op inspelen.

Kortom: een hoger aandeel in zoekopdrachten blijkt opnieuw belangrijk voor merken die willen groeien. Ik houd m’n ogen open voor de vijfde en zesde categorie.

Hier kun je het onderzoek downloaden.

24/7 hotline voor je merkstrategie

Leestijd: < 1 minuut

Je bent een slimme marketeer, dus merkbouwen doe je het liefst in-house. Maar hoe houd je je teams scherp? Hoe zorg je voor tijdelijke extra denkkracht?  

Als merkstrateeg coach ik allerlei marketingteams, op een laagdrempelige wijze. Ook jouw organisatie kan zo een directe boost krijgen.  

Denk aan vragen als:
Hoe houd je je positionering scherp in dynamiek? Hoe maak je je propositie relevant in nieuwe omgevingen? Hoe verdeel je jouw budget? Hoe kies je de juiste KPI’s? Hoe brief je bureaus goed? Hoe evalueer je hun werk? Hoe combineer je campagnes? Hoe gebruik je AI slim? Et cetera. 

Wil je ook een directe hotline met merkexpertise? Laat het me weten! Dan sta ik voor je klaar, samen met andere topspecialisten. ☎️ 

Voor meer info.

Gartner: effect van data blijkt lastig aan te tonen

Leestijd: 2 minuten

Data is één van de grote beloftes van het digitale tijdperk. Hoe meer data, hoe meer effect. Maar is dat echt zo?

Je hebt het eerder gelezen, ik verzamel de laatste tijd kritische geluiden in dit kader (bijvoorbeeld hier en hier). Nee, zeker niet omdat ik tegen data ben. Maar omdat ik een keerzijde zie van data en meetbaarheid. En omdat ik denk dat te weinig organisaties zich dit realiseren of durven toe te geven.

Neem dit Gartner-onderzoek: wat is één van de grootste uitdaging van Chief Data and Analytics Officers (CDAO’s)? Het aantonen van de impact van data, analytics en AI. Het lukt ze meestal niet om een link te leggen tussen de cijfers die ze verzamelen en de resultaten van hun bedrijf.

Veel waardering, maar weinig effect.

“Er is een grote waardering voor data. Veel organisaties praten over de waarde van data en willen data-gedreven werken. Maar weinigen kunnen dit effect concreet aantonen,” aldus Gartner.

De meeste respondenten hebben dan ook als doel de waarde van data en analyses te onderbouwen met concrete resultaten. Maar slechts 22% van de ondervraagden lukt dit goed.

Nu is uiteraard de vraag wat er aan de hand is. Aan de ene kant kan dit een klassieke situatie zijn van trage organisaties die in silo’s denken, die achterlopen met analysetechnieken en die data uit diverse bronnen niet weten te combineren. Daar zit zonder twijfel een kern van waarheid inzitten.

Het frame van succes.

Maar ik denk dat er ook een “frame” is. Het frame dat iedere organisatie net zo succesvol als Amazon of Booking.com kan worden als ze maar net zo slim met hun data omgaan. En als dat niet lukt, doen ze niet genoeg hun best. Dan zijn ze oud en grijs en verliezen ze het gevecht van jonge slimme spelers.

Het valt mij op dat ik in de praktijk allerlei organisaties zie worstelen met hun data. Zeker de data die grote mediapartijen als Google en Meta op ze afvuren. Dit zijn cijfers die grip lijken te geven, maar dat vaak niet doen. Bijvoorbeeld omdat het momentopnames betreffen, die niet consistent zijn met andere momentopnames. Of omdat ze KPI’s (zoals CTR) terugkoppelen die er niet toe doen.

Uiteraard blijf ik dit onderwerp geboeid volgen. En ik laat het weten als ik voorbeelden tegenkom die wel goed werken. Vuur die ook gerust op mij af :).

“Precisietargeting is duur en werkt meestal niet”

Leestijd: 3 minuten

Meten is weten? Toch? De grote belofte van digitale marketing is data. Met data zijn media effectiever in te zetten. Want je weet precies wie je benadert. En je meet wat werkt en niet. Hoe meer data, hoe preciezer het effect. Leve de precisiemarketing, de droom van elke CMO.

Wel, daar blijkt vaak niets van waar. In mijn boek Sterk Digitaal Merk heb ik daar allerlei voorbeelden van gegeven: veel data lijken interessant, maar doen niets. Of ze hebben zelfs een negatief effect. Neem bijvoorbeeld de correlatie tussen het meten van een klik en het behalen van een effect. Die is vrijwel altijd nul. Ook al meet iedereen nog iedere dag kliks.

Kritisch op marketingdata.

Daarom vond ik het onderzoek van de Australische professor Nico Neumann al eerder interessant. Hij kwam een aantal jaar geleden tot onthutsende conclusies toen hij kritisch keek naar de marketingdata die merken inkochten, voor een boel geld. En hij zag dat niemand vragen leek te stellen.

Neem deze simpele vraag: welk geslacht heeft iemand uit de doelgroep? Data van toonaangevende datahandelaren hadden dit gemiddeld in 42 procent van de gevallen goed. Dat is slechter dan blind keuzes te maken. En tegelijkertijd een stuk duurder (‘spray and pray’).

Maar Neumann kreeg ook kritiek. Zijn B2C-onderzoek zou te algemeen zijn. En voor niche-doelgroepen en B2B zou precies ingekochte online reclame wél werken. (Tussen haakjes: organisaties als Bain en het B2B Institute – gesteund door LinkedIn – stellen dat leadgeneratie in B2B vaak een schijnmetric is. Dit omdat er grotere “koopsystemen” en “verborgen” beslissers zijn.)

Daarom deed hij samen met HP onderzoek. Daarbij keek hij zowel naar First Party- en Third Party-data. Zo kon hij zowel ‘probabilistische data’ (afgeleid van IP-adressen, browsers of apparaat) als ‘deterministische data’ (naam, adres, e-mail of telefoonnummer) testen.

De uitkomst stelt grote vraagtekens bij de meeste B2B-marketingstrategieën, vooral in de techsector. Het maakte niet uit welke data Neumann gebruikte. De resultaten waren treurig.

“Het was of gelijk aan willekeurige targeting, of zelfs slechter voor de probabilistische data. Als je een lijst met namen hebt – deterministische data – dan was dat beter dan willekeurig. Maar dan nog is de vraag: rechtvaardigen de kosten dit?”

Een markt van 20 miljard dollar.

Pikant: volgens de professor gaf een belangrijke medewerker van een datahandelaar toe, dat al lang bekend was dat hun data waardeloos was. “Wat maakt het uit? Marketeers kopen het toch.” Alleen al in de Verenigde Staten vormt dit soort data een markt van 20 miljard dollar.

Neumann vroeg ook z’n eigen dataprofiel op bij verschillende datahandelaren. “Iedereen kan dat doen. Download je eigen segmenten en kijk wat de data over jou zeggen. Het is hilarisch, ik heb dat vaak gedaan.”

Neumann en collega’s analyseerden ook welke factor de nauwkeurigheid in data van derden bepaalt. Daaruit bleek dat het niet zozeer de slimme AI is die het verschil maakt, maar juist de kenmerken van de persoon. Sommige mensen zitten voortdurend online en hebben talloze digitale profielen. Anderen hebben bijna geen digitaal spoor, dus dan kun je lastig data over hen verzamelen. De succesfactor draait daarmee meer om de persoon dan om de aanbieder.

First party-data scoorde beter dan data van derden. Maar ook hier waren nadelen. Neumann waarschuwt dat de matches die in Clean Rooms worden gemaakt nep kunnen zijn. Hij raadt aan om dit te testen door bewust wat besmette of verzonnen, gehashte e-mailadressen toe te voegen. Als het systeem deze mailadressen koppelt aan bestaande profielen, is er iets mis.

Zijn advies: gebruik alleen First en Second party-data die je vertrouwt. Bijvoorbeeld die van grote uitgevers of een luchtvaartmaatschappij. Partijen die kunnen uitleggen waar hun data vandaan komt.

Neumann stelt daarmee fikse vraagtekens bij een smalle doelgroepbepaling. Dit levert vaak geen groter rendement op, maar kost wel meer. Zeker in combinatie met rotte gebruikersdata.

“Ik zou zelfs een stap terugdoen en vragen: moet je zo nauwkeurig targeten? In weinig gevallen heeft dat écht zin … Waarom zou je mensen uitsluiten en de kosten opdrijven, in plaats van je boodschap het werk te laten doen? Is het ooit erg als iemand je merk leert kennen?”

Als alles werkt, word je voor de gek gehouden.

Als volgende stap wil hij de belangrijkste platformen voor Mixed Media Modelling onder de loep nemen (zie mijn eerdere artikel hierover). Hierbij ziet hij de toename van mogelijkheden als goed nieuws. Bijvoorbeeld de opensource modellen van Google en Meta. Maar ook daar plaatst hij kanttekeningen bij. “Sommige mensen vragen zich af: ‘Ze verkopen zelf media en hebben nu een tool om die te evalueren, kan dat wel?’ Dat is een terechte zorg.”

In de tussentijd adviseert hij om vooral vragen te blijven stellen over Mixed Media Modellen. Vooral als ze suggereren dat alles werkt. “Als dat gebeurt, word je waarschijnlijk voor de gek gehouden.”

Bron: Mi3