Marketingmeting: marketingattributie ontsluiten

Dat betekent niet dat het onmogelijk is om marketingsucces te meten, of dat het niet gemeten zou moeten worden. 

Marketeers moeten meer als financiële professionals en minder als marketeers denken om 'aan tafel te zitten' (waarmee de directietafel wordt bedoeld). Laten we marketingmeting definiëren, de betekenis ervan bespreken en uitleggen waarom het belangrijk is. 

Dus, wat is marketingmeting? 

Kort gezegd gaat het om het meten van de langetermijn- en kortetermijneffecten van marketing op het bedrijf. Ik deel het graag op in tijdshorizonten, omdat marketing nu eenmaal zo werkt. 

Sommige activiteiten leveren kortetermijnresultaten op (verkopen, leads, SQL's), terwijl andere langetermijnresultaten opleveren (herinnering, bekendheid, marktaandeel – hoewel de beste manier om meer bekendheid, herinnering en marktaandeel te krijgen misschien is om … meer spullen aan meer mensen te verkopen). 

Waarom is dit belangrijk? 

Zodat je weet waaraan je je volgende euro moet besteden. Als je een kwartaal- of jaarplan maakt, verantwoordelijk bent voor een omzetquotum of een quotum voor gegenereerde verkoopkansen, of het budget voor je volgende ABM-campagne moet verdedigen, moet je met een hoge mate van zekerheid weten waar je welke resultaten zult behalen. 

Je moet je marketingtrechter modelleren om te begrijpen welke kanalen welke aantallen opleveren. 

Hoe potentiële klanten verderop in de trechter converteren en wat prestaties uit het verleden laten zien, is soms de beste voorspeller van toekomstige resultaten – dus plaats enkele goed onderbouwde inzetten en enkele wilde gokjes. 

Anders gezegd: marketingmeting helpt je de vraag te beantwoorden: "Als je 100M had, waaraan zou je het dan besteden'? (misschien is het antwoord een Super Bowl-reclame).

Hoe MEET je marketing?
Kort antwoord: met modellen

Maar laten we het eerst hebben over iets wat vaak over het hoofd wordt gezien en essentieel is om dit onderwerp beter te begrijpen: incrementaliteit. 

Laten we beginnen met een eenvoudige analogie van een pizzazaak die iemand gebruikte om dit aan mij uit te leggen. 

Stel je voor dat je een pizzazaak hebt en coupons van $5 aanbiedt. Je huurt 2 mensen in om deze flyers uit te delen en motiveert hen met een bonus die gebaseerd is op hoeveel klanten met een coupon in de hand pizza komen kopen. 

Persoon A gaat de straat op en deelt flyers uit aan zoveel mogelijk mensen die rondlopen. Ondertussen staat persoon B bij de deur van de pizzazaak en deelt flyers uit aan mensen die binnenkomen om pizza's te kopen.

Welke persoon heeft voor meer coupongebruik gezorgd? 

Persoon B – een klant die toch al binnenloopt om pizza te kopen, zal de coupon voor $5 korting waarschijnlijk aannemen. Maar die klant zou de pizza ongeacht de coupon hebben gekocht (de klant was al door de deur gelopen). 

Persoon A heeft echter meer mensen bereikt die zonder de coupon van $5 geen pizza zouden hebben gekocht. 

Persoon A heeft meer 'nieuwe klanten' of incrementele verkopen opgeleverd, terwijl persoon B minder incrementele verkopen heeft opgeleverd. 

Dus hoewel persoon B de prijs zou winnen voor de meeste uitgedeelde coupons en verkochte pizza's, zou 90% van die mensen de pizza toch al hebben gekocht.

Waarom heb ik het over pizza? Omdat incrementaliteit een lastig probleem is om in marketing op te lossen. Hoeveel van onze door marketing gestimuleerde verkopen waren incrementeel, vergeleken met wat klanten toch al zouden hebben gekocht (zonder die beurs bij te wonen of zich voor dat webinar te registreren, enzovoort)? Hier gaan we hieronder nog wat dieper op in. 

Verwachtte je iets over tools voor marketingattributie? Haha.

Goed, voortbouwend op het belangrijke concept van incrementaliteit in marketing, gaan we nu dieper in op de verschillende methoden die voor marketingmeting worden gebruikt. Deze methoden zijn bedoeld om de impact van marketingactiviteiten te kwantificeren, zodat bedrijven hun budgetten effectiever kunnen toewijzen. 

Als je deze methoden begrijpt, kun je marketing benaderen vanuit een meer analytische en financieel verstandige mentaliteit.

Modellering van de marketingmix (MMM)

Modellering van de marketingmix (MMM) is een statistische analysetechniek die historische gegevens evalueert om de impact van verschillende marketingtactieken op de verkoop vast te stellen en vervolgens de impact van toekomstige combinaties van tactieken voorspelt. 

Hierbij wordt rekening gehouden met meerdere variabelen, waaronder economische omstandigheden, concurrentie, marketinguitgaven enzovoort. 

MMM biedt inzicht in de effectiviteit van elk marketingkanaal over langere perioden en helpt te begrijpen hoe verschillende componenten van de marketingmix bijdragen aan de omzet. Het is nuttig voor het verdelen van budgetten over marketingkanalen op hoog niveau en voor strategische planning op lange termijn. 

Voor MMM heb je een grote dataset nodig om te testen hoe verschillende statistische modellen de gegevens verklaren en erop aansluiten, en welk model het meeste vertrouwen biedt (oftewel: het model dat de gegevens en de schommelingen het beste verklaart. Ook wel: het is een minder risicovolle keuze). 

Voor betere modellen is het ideaal om gegevens met een hogere resolutie te gebruiken, bijvoorbeeld dagelijkse gegevens. Die sluiten beter aan dan maandelijkse gegevens, omdat er meer gegevens beschikbaar zijn. 

Het voordeel van MMM is dat het verder gaat dan alleen onlinekanalen en de impact van die billboardcampagne van 100K op het bedrijfsresultaat kan laten zien. 

Het probleem met MMM is dat er, net als bij de meeste B2B-bedrijven, meer gegevens nodig zijn. Denk bijvoorbeeld aan een bedrijf dat verkoopt aan een onderneming die slechts drie deals per jaar sluit. 

MMM is ook beter geschikt voor meer jaarlijkse of kwartaalanalyses en minder voor het optimaliseren van marketing op wekelijkse of maandelijkse basis. 

Voorbeelden van MMM in de praktijk

Bij 42 Agency gebruiken we marketingmixmodellen voor onze klanten en voeren we geavanceerde analyses uit om inzichten te verkrijgen die verder gaan dan attributie op basis van het eerste of laatste contactmoment. 

Een van onze klanten, die maandelijks ongeveer $1M aan media besteedt, besteedde een aanzienlijk deel van het budget aan Meta-advertenties voor merkbekendheid en LinkedIn-bereiksadvertenties. We voerden een analyse uit om enkele vragen te beantwoorden: 

1. Genereerden Meta en LinkedIn MQL/SQL's? (Het antwoord was ja) 
2. Hadden uitgaven aan bereik- en bekendheidsadvertenties een positieve invloed op de SQL's / MQL's? (Het antwoord was niet zo positief als we dachten. In sommige gevallen had het een negatief effect. Het is bijvoorbeeld waarschijnlijk dat we minder MQL's genereerden door uitgaven aan bereik / merkbekendheid) 
3. Wat is de advertentievoorraad van verschillende kanalen, oftewel: hoe lang herinneren mensen zich de advertentie nadat ze deze hebben gezien? (FB heeft de hoogste AdStock en Adwords de laagste) 
4. Waar ligt ons punt van afnemende meeropbrengst? Met andere woorden: wat is voor elke extra $$ die we aan verschillende kanalen besteden de verwachte conversie en kost per conversie? (Uitgaven boven een bepaald punt leverden minder conversies op tegen een relatief hogere CPA) 

Correlatie impliceert geen causaliteit, maar levert wel een interessant verhaal op.

Bij een andere klant investeerden we veel in videoadvertenties op YouTube. 

YouTube heeft een zeer lage CVR (conversieratio op basis van klikken), omdat 80% van de YouTube-advertenties op tv's verschijnt. Ze zijn echter uitstekend in het vertellen van een merkverhaal, iets wat direct-responsadvertenties zoals Google Ads of Meta niet kunnen. 

Hoewel we YouTube-uitgaven niet rechtstreeks via CVR aan conversies konden koppelen, was er een duidelijke correlatie tussen advertentiecampagnes op YouTube en conversies via directe of organische kanalen. Deze correlatie betekende dat onze advertenties prospects ertoe aanzetten zich via andere kanalen aan te melden.

CREATE AN ACCOUNT

Create a CMO Club Account for access to exclusive content, practical templates, member-only events, and weekly leadership insights—it’s free to join.

Create Free Account

Have an account? Log In

Multi-touchattributie (MTA)

Modellen voor multi-touchattributie (MTA) kennen waarde toe aan elk contactmoment dat een klant tegenkomt op weg naar een conversie. In tegenstelling tot MMM, dat op macroniveau naar de marketingmix kijkt, werkt MTA op microniveau. Het analyseert de effectiviteit van specifieke digitale marketinginspanningen, zoals B2B-e-mailmarketing, advertenties of SEO / organisch verkeer, bij een conversie. 

MTA helpt marketeers te begrijpen welke contactmomenten het effectiefst zijn in het stimuleren van conversies, waardoor marketinguitgaven gedetailleerder kunnen worden geoptimaliseerd. 

Met MTA kunnen we bijvoorbeeld de volgende maand meer budget toewijzen aan LinkedIn Ads, omdat uit het rapport van de afgelopen 30 dagen bleek dat dit kanaal een hogere conversie naar een opportunity had dan Google Ads. 

Waar MMM voldoende prestatieverbetering kan oppikken zonder gegevens op basis van directe klikken, heeft MTA klikken en tracking (aan de browser- of serverzijde) nodig om contactmomenten aan elkaar te koppelen en een klantreis op te bouwen. 

Het belangrijkste probleem met MTA is dat het sterk afhankelijk is van UTM-tracking, klikken en cookies, die steeds vaker worden uitgefaseerd. 

Belangrijk om op te merken: MTA is niet afhankelijk van cookies van derden (die vaker voor advertenties worden gebruikt), maar van first-party cookies (1P). Maar zelfs met 1P-cookies verwijderen browsers zoals Safari deze na zeven dagen. In een wereld waarin prospects steeds vaker verschillende apparaten gebruiken, blokkeren browsers scripts en verwijderen ze UTM-links. 

Met andere woorden: MTA-tracking wordt complexer en de nauwkeurigheid ervan is onduidelijk.

Als je een cookiebanner gebruikt waarmee bezoekers toestemming kunnen geven, maar de bezoeker ervoor kiest dit niet te doen, kun je geen verwijzingsgegevens of andere gegevens bijhouden over hoe die persoon op je website terechtkwam. 

In je analytics wordt dit weergegeven als een 'direct bezoek'. Slechts 31% van de bezoekers geeft toestemming voor cookies, waardoor bijna 70% van je bezoeken als 'direct' wordt weergegeven. 

Ik kan nog dagen doorgaan, maar laten we weer op het juiste spoor komen en ons verdiepen in enkele MTA-modellen en het gebruik ervan.

Veelgebruikte modellen voor multi-touch-attributie (MTA)

Hier zijn de meest voorkomende MTA-modellen die ik in mijn tijd als B2B-marketeer ben tegengekomen. En hoe je ze gebruikt.

1. Het model van het eerste contactpunt

Het model van het eerste contactpunt schrijft 100% van de conversiewaarde toe aan het eerste contactpunt in de klantreis. 

Dit model gaat uit van het principe dat de eerste interactie het meest cruciaal is, omdat deze de klant kennis laat maken met het merk of product en de basis legt voor alle daaropvolgende betrokkenheid.

Toepassing: Dit model is nuttig om de effectiviteit van activiteiten boven in de marketingtrechter te beoordelen, zoals campagnes voor merkbekendheid. Het helpt ons te begrijpen hoe we onder de aandacht van mensen komen (d.w.z. bekendheid) 

Zo gebruik je het: In HubSpot wordt dit Original Source genoemd in het standaardgegevensmodel. HubSpot en analysetools plaatsen een cookie wanneer iemand je website voor het eerst bezoekt en koppelen dit aan een lead wanneer die persoon converteert. 

Als je UTM's gebruikt, is dit doorgaans de UTM van het eerste bezoek aan je website (niet alleen het invullen van een formulier). Je kunt dit bijhouden in Google Analytics (UA) onder Modelvergelijking > Eerste klik. GA4 heeft deze opties verwijderd. 

2. Het model van het laatste contactpunt

Daarentegen schrijft het model van het laatste contactpunt alle conversiewaarde toe aan het laatste contactpunt voordat de conversie plaatsvindt. Dit model gaat ervan uit dat de laatste interactie het belangrijkst is, omdat deze het dichtst bij de conversie ligt.

Toepassing: Ideaal om de impact van activiteiten onder in de marketingtrechter te beoordelen, zoals retargeting of zoekadvertenties. Het maakt duidelijk welke kanalen en boodschappen het effectiefst zijn in het stimuleren van de laatste stap naar conversie. 

Dit bevoordeelt echter kanalen met een hoge koopintentie, zoals Google Ads, ten opzichte van TOFU-kanalen zoals LinkedIn, Meta of content. Ook al ontdekken klanten je misschien via een Meta-advertentie op Instagram, Google Ads krijgt 100% van de waarde toegewezen als je alleen een model van het laatste contactpunt gebruikt. Dit kan leiden tot de onjuiste conclusie dat Meta Ads simpelweg niet werken. 

Zo gebruik je het: Dit is wat Latest Source in HubSpot is, of — als je UTM's gebruikt — de UTM die in het formulier wordt vastgelegd (bij het verzenden van het formulier). Hoewel dit een uitgebreider betoog kan worden, is Latest Source in HubSpot een vrij nauwkeurige benadering van het laatste contactpunt van de prospect voordat deze converteerde. Google Analytics (UA en GA4) ondersteunt modellering op basis van het laatste contactpunt in de tool voor modelvergelijking (laatste klik).

3. Het lineaire model

Het lineaire model verdeelt de waarde gelijkmatig over alle contactpunten in de klantreis. 

Dit model gaat ervan uit dat elke interactie in gelijke mate bijdraagt aan de uiteindelijke beslissing, van de eerste betrokkenheid tot de conversiegebeurtenis. Het is eenvoudig te implementeren, maar houdt mogelijk onvoldoende rekening met de impact van invloedrijkere contactpunten.

Toepassing: Het best te gebruiken wanneer je een eenvoudige aanpak wilt die elk contactpunt erkent zonder een specifieke interactie voorrang te geven. Het is geschikt voor bedrijven met een vlakke, lineaire klantreis.

Zo gebruik je het: Veel attributietools van derden ondersteunen lineaire modellen. Het was beschikbaar als optie in GA UA, maar GA4 ondersteunt dit niet. Gebruik je HubSpot Pro / Enterprise? Dan kun je ook lineaire attributierapporten maken met Attribution Reporting.

4. Het U-vormige model (positiegebaseerd model)

Het U-vormige of positiegebaseerde model kent meer waarde toe aan het eerste en laatste contactpunt, doorgaans ongeveer 40% aan elk, en verdeelt de resterende 20% over de interacties in het midden. Dit model erkent dat het eerste en laatste contactpunt een hogere prioriteit hebben.

Toepassing: Nuttig voor marketingstrategieën die het belang van een eerste indruk en afsluitende interacties benadrukken, bijvoorbeeld in sectoren met kortere verkoopcycli of bij de lancering van nieuwe producten.

Zo gebruik je het: Veel attributietools van derden ondersteunen U-modellen. In het inmiddels uitgefaseerde Universal Analytics was dit als optie beschikbaar. GA4 ondersteunt dit echter niet. 

Als je HubSpot Pro / Enterprise gebruikt, kun je ook U-attributierapporten maken met de functie Attribution Reporting.

5. Het W-vormige model

Voortbouwend op de U-vorm omvat het W-vormmodel drie cruciale fasen van de klantreis: 

• Het eerste contact (introductie) 
• Het creëren van een lead (betrokkenheid halverwege de klantreis) 
• En het creëren van de verkoopkans (beslissing). 

Elk cruciaal contactmoment krijgt een aanzienlijk deel van de toeschrijving (meestal ongeveer 30% per contactmoment), terwijl de resterende 10% over andere interacties wordt verdeeld.

Toepassing: Ideaal voor bedrijven met langere verkoopcycli die meerdere fasen van betrokkenheid omvatten, zoals B2B-bedrijven, waar het eerste contact, de kwalificatie van leads en de uiteindelijke onderhandelingen allemaal cruciale fasen zijn.

Hoe gebruik je het: Gebruik attributie van derden om dit te modelleren en inzicht te krijgen in de drie belangrijkste mijlpalen in de klantreis van een prospect (d.w.z. lead/SQL/deal gewonnen), om vast te stellen wat TOFU/Conversie en een gewonnen deal stimuleert. 

6. Het datagedreven (algoritmische) model

Het datagedreven model gebruikt algoritmen en machine learning om alle contactmomenten te analyseren en kent krediet toe op basis van de daadwerkelijk waargenomen impact van elke interactie. 

In tegenstelling tot regelgebaseerde modellen past deze aanpak zich dynamisch aan om de uiteenlopende invloed van elk contactmoment in verschillende scenario's en klantsegmenten weer te geven.

Toepassing: Het meest geschikt voor organisaties die toegang hebben tot grote datasets en over de analytische mogelijkheden beschikken om complexe modellen te verwerken. Het biedt de meest gepersonaliseerde en nauwkeurige attributie, maar vereist aanzienlijke middelen.

Hoe gebruik je het: Gepopulariseerd door Google Ads. Ik denk niet dat veel B2B-bedrijven over datasets beschikken die groot genoeg zijn om dit betekenisvol te maken. 

7. Het tijdsvervalmodel

Het tijdsvervalmodel kent meer krediet toe aan contactmomenten die dichter in de tijd bij de conversie liggen, op basis van de aanname dat latere interacties meer invloed hebben op het besluitvormingsproces. 

Het krediet voor oudere contactmomenten neemt exponentieel of lineair af.

Toepassing: Geschikt voor campagnes die gericht zijn op het stimuleren van snelle conversies, waarbij wordt aangenomen dat de recentheid van de interactie een grotere invloed heeft op de beslissing van de klant.

Hoe gebruik je het: Gebruik dit model met HubSpot Attribution of tools van derden om de snelheid van deals per kanaal te begrijpen.

Enkele aanvullende opmerkingen over het begrijpen van modellen voor meervoudige attributie 

Als we verder kijken dan de modellen, is het belangrijk dat we MTA begrijpen als een manier om inzicht te krijgen in de kanalen die TOFU-bekendheid stimuleren, in plaats van alleen BOFU-conversies. 

In ons werk met B2B-merken zien we vaak dat Google Ads 80% van de conversies genereert volgens een model op basis van het laatste contactmoment (dat vaak wordt gebruikt). Maar na enige modellering wordt duidelijk dat betaalde social media, SEO, content, YouTube enzovoort TOFU-bekendheid genereren die leidt tot Google Ads en conversies in de laatste fase. 

Een prospect kan via een YouTube- of Meta-/LinkedIn-advertentie over een merk horen en niet converteren, maar de frequentie is hoog genoeg dat diezelfde prospect vervolgens op een categorie- of merkzoekwoord googelt, op een Google Ads-link klikt en converteert. 

Het laatste contactmoment zou 100% van de toeschrijving aan Google Ads geven, en het eerste contactmoment aan YouTube of Meta, maar de waarheid is dat ze allebei hebben samengewerkt om de conversie te realiseren.

Maar wacht. Vergeet incrementaliteit niet.

MTA is fantastisch en vertelt ons welke acties/interacties de prospect heeft gehad die er uiteindelijk toe hebben geleid dat deze converteerde. 

Het beantwoordt echter niet de vraag: zou deze persoon sowieso iets hebben gekocht? 

Een van onze klanten was sterk afhankelijk van Google Ads (typisch voor een B2B-bedrijf), maar 70% van hun zoekbudget was toegewezen aan merkgerichte zoekopdrachten (d.w.z. iemand zocht op hun merknaam). 

Wij (42 Agency) hadden de hypothese dat 90% van degenen die via merkgerichte zoekopdrachten converteerden, ook op de organische SERP zouden zijn geconverteerd. 

We hebben het budget voor merkgerichte zoekopdrachten geleidelijk verlaagd en opnieuw geïnvesteerd in categorie-/gebruiksscenariozoekwoorden en andere kanalen. Hoewel het aantal conversies uit Google Search afnam, nam het aantal conversies uit organisch zoeken aanzienlijk toe, waarmee onze hypothese werd bevestigd dat merkgerichte zoekopdrachten niet incrementeel waren.

Voordat je de straat op gaat om alle merkgerichte zoekcampagnes stop te zetten: ze hebben hun nut, vooral als je actief bent in een drukke markt (bijv. CRM-, PM- en ATS-tools enzovoort). 

Ze helpen je je merk tegen concurrenten te ‘verdedigen’ en extra zichtbaarheid op een pagina in te nemen. 

Over branded search gesproken: veel marketeers schrikken ervoor terug om merken te meten, maar dat is een vergissing. Merken kunnen en moeten worden gemeten; ze moeten deel uitmaken van een uniform meetkader voor marketing. 

Maar hoe doe je dat precies?

Hoe meet je een merk?

Ironisch genoeg is de meest gebruikte manier waarop B2B-professionals een merk meten ‘direct verkeer’, wat enigszins misleidend is.

In het beste geval vertegenwoordigt direct verkeer niet iemand die bekend is met het merk. In tegenstelling tot wat vaak wordt gedacht, is direct verkeer simpelweg elke verkeersbron (versleuteld of niet) waarbij webanalyse geen verwijzende bron kan vaststellen. 

Het gaat niet om iemand die je website in de adresbalk typt. 

Een betere benadering zijn mogelijk merkgerelateerde zoekopdrachten (toegankelijk via Google / Bing Search Console), maar zelfs dan is dit niet de meest nauwkeurige manier om een merk te meten. Potentiële klanten die van je merk op de hoogte zijn, gaan niet per se naar je website.

Dus wat is de gouden standaard om een merk te meten? Enquêtes, geografische tests en controlegroeptests.

Herinnering en geholpen/ongeholpen enquêtes

Enquêtes (zowel geholpen als ongeholpen), die traditioneel worden gebruikt door grote mediabureaus en FMCG- en CPG-merken, zijn een uitstekende manier om marketingcampagnes voor merken te meten. 

Bij ongeholpen herinnering wordt deelnemers gevraagd om zich merken, producten of advertenties te herinneren zonder aanwijzingen, waarmee spontane merkherinnering wordt getest. 

Bij geholpen herinnering worden daarentegen aanwijzingen of hints gegeven om deelnemers te helpen zich iets te herinneren. 

Deze enquêtes kunnen in de loop van de tijd de impact van marketingactiviteiten op merkbekendheid en herinnering in kaart brengen. Misschien heb je ze weleens zien verschijnen op YouTube of in je sociale feeds: 

• ‘Welke van deze merken zou je overwegen de volgende keer te kopen wanneer je op zoek bent naar X?’ 
• ‘Welke van deze merkreclames herinner je je de afgelopen zeven dagen te hebben gezien?’. 

Naarmate je merk een groter marktaandeel krijgt, zouden je geholpen en ongeholpen merkbekendheid moeten toenemen. 

Betaalde sociale en zoekplatforms bieden deze metingen ook aan als onderdeel van hun meetmogelijkheden. LinkedIn introduceerde onlangs merkimpactonderzoeken die de herinnering meten van een groep mensen die je advertentie op LinkedIn heeft gezien en een groep mensen die dat niet heeft gedaan. 

Facebook introduceerde iets vergelijkbaars. Voorheen waren deze onderzoeken alleen beschikbaar voor grote adverteerders op het platform, maar inmiddels zijn ze allebei beschikbaar voor adverteerders die het platform zelf bedienen. 

Geografische tests en controlegroeptests

Hoe meet je een OOH-campagne, zoals reclameborden? Toen we dit voor onszelf en onze klanten deden, keken we naar een stijging in het verkeer vanuit de stad waar we de campagne met reclameborden hadden uitgevoerd, of naar vermeldingen van het merk. 

Het principe hierachter is controlegroeptesten (en wanneer dit op geografisch niveau wordt uitgevoerd: geografisch testen). 

Bij controlegroeptesten, of testen met een controlegroep, worden bepaalde marketingactiviteiten achterwege gelaten voor een doelgroepsegment, zodat het gedrag ervan kan worden vergeleken met dat van mensen die de marketingactiviteit wel hebben meegemaakt. 

Met deze methode wordt incrementaliteit rechtstreeks gemeten door te laten zien wat er zou gebeuren zonder bepaalde marketinginspanningen. Als New York bijvoorbeeld een campagne met reclameborden uitvoert, maar een vergelijkbare stad (voor het gemak Toronto) geen reclameborden heeft. Dan is er een vergelijkbaar verschil in belangrijke statistieken tussen de twee steden.

Opmerking over OOH: één reclamebord voor twee weken inkopen zal geen grote impact hebben - 

Les: We huurden twee dagen lang een mobiel reclamebord voor de jaarlijkse conferentie van Hubspot in Boston. Hoewel het enige buzz op sociale media opleverde & het een fantastisch verhaal opleverde, kregen we niet de verkeerspiek die we wilden. Maar we kregen wel aandacht omdat we iets deden dat als ‘duur’ (OOH) & anders werd gezien. 

Van meten naar handelen

Dit is de fundamentele gedachte achter dit artikel: je kunt en moet je marketing- en merkinspanningen meten. Laat niemand je iets anders vertellen.

Zelfs als je dat doet, moet je een experimenteel systeem opbouwen waarmee je snel kunt itereren en stapsgewijs betere ideeën kunt ontwikkelen op basis van wat je leert uit wat je meet.

Dit is een onderwerp voor een heel ander essay. Maar naast de tactieken vereist het een mentaliteit van helderheid, het bewust opbouwen van een marketingfunctie die zowel snel als langzaam beweegt, en inzicht in wat je wekelijks en wat je per kwartaal (of per jaar) moet meten. Je hebt ook de juiste software voor marketinganalyse nodig.

Blijf ons volgen voor meer. Terwijl je wacht, kun je je ook inschrijven voor onze nieuwsbrief, samengesteld voor marketingleiders, en de nieuwste trends, inzichten en tactieken in je inbox ontvangen.