Iedere marketeer die gebruikmaakt van een Customer Data Platform (CDP) ziet elke maand vele duizenden pageviews, kliks, e-mailinteracties en CRM-updates de tooling binnenstromen. Data waar we ook graag mee rekenen: klikratio’s, lifetime value, gemiddelde orderwaarde etc. Toch heb je hiermee vooral inzicht in bestaand gedrag, terwijl je ’t liefst wil weten: welke klanten zorgen in mijn nieuwste campagne voor conversie? Met AI Analytics krijg je hier antwoord op. Vraag is uiteraard: hoe?
AI Analytics zet data om in inzicht
Als je AI inzet om je marketingdata te verzamelen, te analyseren en te interpreteren, dan is je marketingsoftware uitgerust met AI Analytics. Je kunt met deze technologie veel eenvoudiger schommelingen in je data detecteren, inzichten verkrijgen in toekomstige prestaties en je kunt scherpere attributieanalyses maken. Je weet wel: het toewijzen van conversies aan kanalen.
En wat levert dit zoal op? Om enkele voordelen te noemen:
- Relevantere campagnes door slimmere segmentaties
- Betere ROI en minder budgetverspilling door de juiste voorspellingen
- Scherpere content door datakoppeling aan creatieve uitingen
Voor je alle info leest over deze drie voordelen is het goed om te weten waarom AI Analytics zo’n geweldige marketingtechnologie is. Komt ie:
Voor marketeers die meer willen weten dan hun dashboard vertelt
Als marketeer heb je ongetwijfeld al veel artikelen gelezen over beter segmenteren, het tegengaan van budgetverspilling of over het verbeteren van je content. En als je hier leest dat AI je daarmee kan helpen, dan geloof je dat ongetwijfeld. Toch: een goede tool voor AI Analytics maakt je nieuwsgierig. Je krijgt zin om te experimenteren met je data. De reden daarvoor, is: Natural Language Quiry. AI Analytics werkt zoals ChatGPT. Je voert in ‘gewone’ taal je opdracht in en de AI-machine doet de interpretatie en voert de opdracht uit. En als je zo’n invoerbalk voor je neus hebt, dan is het gewoon leuk om wat in te tikken. Bijvoorbeeld: welke 10 e-mailcampagnes hadden de afgelopen maand de hoogste CTR?
De data-kolomnamen, de ingevoerde waarden en allerlei keywords als ‘vorige maand’ of ‘bevat’ waarop de output van je vraag is gebaseerd, worden ‘netjes’ door de AI machine ingevoerd. Vervolgens krijg je de grafiek die je wenst. Mocht je nu willen weten of de campagnes met de hoogste CTR’s ook verantwoordelijk zijn voor de meeste conversies, dan kun je dat als vervolgvraag intikken.
Op deze wijze voer je een dialoog met je data en laat je al het ingewikkelde uitzoekwerk over aan je AI- tool.
En we zijn het nog niet vergeten: dat wow-gevoel toen je voor de eerste keer een opdracht intikte in ChatGPT. Van alle marketingtechnologieën die ondertussen zijn uitgerust met een AI module geeft vooral AI Analytics weer dat wow-gevoel.
Nog mooier: als je eenmaal ‘uitgepraat’ bent met AI en je bent tevreden met het zoekresultaat dan sla je de zoekopdracht op. De meeste aanbieders van AI Analytics geven je de mogelijkheid om opgeslagen zoekopdrachten vast te pinnen op een dashboard. Telkens als je inlogt, krijg je realtime inzicht in deze statistiek.
Op deze wijze kun je met AI je campagnes optimaliseren.
Wat kan AI Analytics in de praktijk?
Op zoek naar dat wow-gevoel? Ook eens voor jezelf en je marketingteam ontdekken wat AI Analytics allemaal kan doen? Bekijk de AI-mogelijkheden van Spotler en plan een demo in.
Slimmere segmentatie en scherpere campagnes
De marketing en sales zitten vol afkortingen. Om er enkele te noemen: CLV, AOV, ATF, RFM, COR, CTR, ROI en wat te denken van WOM: Word of Mouth. Wat simpelweg mond tot-mondreclame betekent. Maar als je – gewoon een voorbeeld – de gemiddelde orderwaarde (AOV) hebt uitgerekend, dan heb je een waardevol getal op je scherm. Maar dat is ‘t dan ook: een getal.
Vaak zijn de metrics in marketing en sales ratio’s en gemiddelden. Je deelt bepaalde gegevens op elkaar. En zolang je al die gegevens kunt selecteren, dan kun je die afkortingen uitrekenen. Maar het blijven gegevens die je kent.
Je hebt AI nodig als je er een voorspellende waarde aan wilt geven. Bijvoorbeeld: welke klanten hebben binnen 48 uur een hoge koopintentie of welke nieuwsbriefinschrijvers melden zich af bij de volgende campagne? Hoe fijn is het als je deze kennis kunt ophalen uit je data? Het scheelt immers uitschrijvers als je nieuwsbrieflezers kunt uitsluiten van campagnes die dit uitschrijfgedrag bij hen triggert.
Slimmere segmentatie door AI betekent dat je AI een reis laat maken door je data om daar emergente subgroepen uit te halen. Of iets minder ingewikkeld: AI combineert gegevens tot nieuwe inzichten en segmenten. En daarin schuilt dat wow-gevoel.
Betere ROI en minder budgetverspilling door de juiste voorspellingen
Een ander heikel punt in de huidige marketing: attributie. Welke kanaal trekt welk type bezoeker, lezer of klant aan en welk kanaal is uiteindelijk verantwoordelijk voor de conversie? Voor je het in de gaten hebt, plaats je mooie advertenties op Google en trek je alleen bestaande klanten aan. Of: je zet alle mogelijke marketingkanalen in om maar geen conversie mis te lopen.
Voor je het weet, krijg je via heel veel kanalen te horen dat Amazon Prime is gestart:
Stel dat je klant ’s ochtends dat WhatsApp-bericht ziet, maar later op de dag toch via de mail doorklikt naar de site om een bestelling te plaatsen. Je kunt dan moeilijk volhouden dat die mail als enige bijdraagt aan de conversie. Dit is in een notendop het attributievraagstuk van de moderne marketing. Maar AI kan helpen.
AI Analytics kijkt niet alleen lineair naar attributie of alleen naar de laatste klik, maar herkent combinaties van touchpoints en analyseert de volgorde en tijdspatronen van contactmomenten. Zo ontdek je wat de waarde van zo’n WhatsApp-bericht is, ook als de conversie via e-mail plaatsvindt.
Daarnaast is AI Analytics in staat om de intentie van een interactie te herkennen. Je verzamelt niet alleen data over je contacten, je kunt deze data ook andere attributiewaarden geven. Zo kan eenzelfde e-mail, advertentie of app-bericht verschillende attributiewaarden krijgen; afhankelijk van de fase en motivatie van de gebruiker. Voor de liefhebbers: een artikel van Ali Ben Mrad en Brahin Hnich op Elsevier ScienceDirect is een echte aanrader als ’t gaat over onderzoek naar AI en marketingattributie.
Toch is de bottomline heel simpel: als je betere attributieanalyses kunt maken, dan weet je ook beter waar je je marketingbudgetten voor moet inzetten. En dat is voor je ROI een feestje.
Gerichter schrijven met data-inzicht
Nogmaals: met AI Analytics meet je niet alleen wat goed presteert, maar vaak ook waarom. Een klassieke A/B-splittest op bijvoorbeeld de onderwerpregels van een mailing geeft je informatie over de scores van de geteste onderwerpregels. Zo kun je achterhalen of ‘Vul vandaag nog de enquête in’ beter is dan ‘Doe mee met ons marketingonderzoek’.
Maar eigenlijk weet je alleen welke van die twee onderwerpregels binnen een bepaalde periode de meeste opens heeft. Als dat de metric is waarop je test. Wat je niet weet, is of een woord als ‘vandaag’ of ‘onderzoek’ de trigger is geweest voor het openen van de mail. Of dat de gebiedende wijs ‘vul in’ beter scoort dan ‘doe mee’ et cetera.
Met AI Analytics kun je duizenden teksten in social posts, e-mails, advertenties e.d. analyseren. Vervolgens laat je AI de analyses koppelen aan engagement, kliks of conversies. Zo krijg je informatie over het effect van bepaalde content en welke segmenten in je database gevoelig zijn voor bepaalde woordkeuzes. En als een woordgroep als ‘vul in’ niks doet bij je doelgroep, dan kun je betere A/B- splittesten opzetten met ‘doe mee’.
AI Analytics kan de optimalisatie van je marketing enorm versnellen. Het is toch geweldig als je van je tooling het volgende terugkrijgt: ‘deze blogpost heeft 85% kans om bovengemiddeld te presteren op engagement, mits op dinsdagmiddag gepost.’ Kortom, ontdek wat AI Analytics voor jouw campagnes kan doen.
