Lecture 3: Market Information en Customer Insights

Dit college bestaat uit drie delen: (1) het marktonderzoeksproces, (2) klantgerichte inzichten (customer-centric insights), en (3) secundaire data en een uitgebreid dataverzamelingsvoorbeeld (Tesla in Nederland).

Segment 1: Het onderzoeksproces

Kernbegrippen rondom marketinginformatie:

• Big data: de enorme en complexe datasets die worden gegenereerd door de hedendaagse, geavanceerde technologieën voor het genereren, verzamelen, opslaan en analyseren van informatie.

• Customer insights: verse, op marketinginformatie gebaseerde inzichten in klanten en de markt, die de basis vormen voor het creëren van klantwaarde, betrokkenheid (engagement) en relaties.

• Marketing information system (MIS): de mensen en procedures die zijn gewijd aan het inschatten van informatiebehoeften, het ontwikkelen van de benodigde informatie, en het helpen van besluitvormers om die informatie te gebruiken om bruikbare (actionable) klant- en marktinzichten te genereren en te valideren.

Onderscheid tussen twee vormen van onderzoek:

• Competitive marketing intelligence: het systematisch monitoren, verzamelen en analyseren van publiek beschikbare informatie over consumenten, concurrenten en ontwikkelingen in de marketingomgeving.

• Marketing research (marktonderzoek): het systematisch ontwerpen, verzamelen, analyseren en rapporteren van data die relevant zijn voor een specifieke marketingsituatie waarmee een organisatie te maken heeft.

Het marktonderzoeksproces is niet lineair: op basis van feedback kan een onderzoeker terug moeten naar een eerdere stap. Deze feedback kan intern zijn (nieuwe data suggereert een nieuw probleem of een herdefinitie van het probleem, of er is meer data nodig) of extern (de markt zelf verandert).

Soorten marktonderzoek: kwantitatief versus kwalitatief

• Kwantitatief onderzoek: statistisch geanalyseerd (cijfermatig, bijv. enquêtes met grote steekproeven).

• Kwalitatief onderzoek: subjectief en op meningen gebaseerd (bijv. diepte-interviews, focusgroepen).

Welke van de twee 'beter' is, hangt af van de situatie: kosten, beschikbare middelen/tijd, beschikbaarheid van data, ethische overwegingen, en het type beslissing/doelstelling.

Primaire dataverzamelingsmethoden

Primaire data verzamelen betekent zelf nieuwe data verzamelen (in tegenstelling tot secundaire data, die al door anderen is verzameld: zie Segment 3). Vier methoden:

• Observational research (observationeel onderzoek): primaire data verzamelen door relevante mensen, gedragingen en situaties te observeren.

• Ethnographic research (etnografisch onderzoek): een vorm van observationeel onderzoek waarbij getrainde observatoren consumenten in hun 'natuurlijke omgeving' bekijken en ermee interacteren.

• Survey research (enquêteonderzoek): primaire data verzamelen door mensen vragen te stellen over hun kennis, houding, voorkeuren en koopgedrag.

• Experimental research (experimenteel onderzoek): primaire data verzamelen door gematchte groepen proefpersonen te selecteren, hen verschillende behandelingen te geven, gerelateerde factoren te controleren, en te kijken naar verschillen in de reacties van de groepen (dus: causaliteit testen).

Sampling plan: een sample (steekproef) is een segment van de populatie dat wordt geselecteerd voor marktonderzoek om de gehele populatie te representeren.

Drie typen onderzoeksdoelen (exploratory / descriptive / causal)

• Exploratory research (verkennend onderzoek): marktonderzoek om voorlopige informatie te verzamelen die helpt om problemen te definiëren en hypothesen te suggereren (bijv. wat vinden onze klanten het leukst aan product X?).

• Descriptive research (beschrijvend onderzoek): marktonderzoek om marketingproblemen, situaties of markten beter te beschrijven, zoals het marktpotentieel voor een product of de demografie en attitudes van consumenten (bijv. waarom dalen onze verkopen tijdens feestdagen?).

• Causal research (causaal onderzoek): marktonderzoek om hypotheses te testen over oorzaak-gevolgrelaties (bijv. beïnvloedt een prijsverhoging de merkperceptie?).

Segment 2: Klantgerichte inzichten (customer-centric insights)

Buying behavior (koopgedrag) is de studie van hoe individuen of groepen goederen, diensten, ideeën of ervaringen kopen, gebruiken en wegdoen om hun behoeften en wensen te bevredigen (Kotler et al., 2009). Belangrijk hierbij:

• Hoe mensen kopen: wie, waarom, waar, wanneer.

• Het gaat om meer dan alleen kopen: welke waarde voegt het product/de dienst toe aan hun leven?

• Needs (behoeften) zijn niet hetzelfde als wants (wensen): een behoefte is fundamenteel (bijv. honger), een wens is de specifieke, cultureel/persoonlijk gevormde manier waarop iemand die behoefte wil vervullen (bijv. een specifiek merk fastfood).

Waar halen we klantinzichten vandaan? Onder andere uit: demografische gegevens, behoeften/wensen, wat mensen doen in hun dagelijks leven en wat daar waarde aan zou kunnen toevoegen, klantwaarden/overtuigingen/motivaties, wat klanten wel/niet fijn vinden aan producten/diensten, en de mate van merkloyaliteit.

Ethische overwegingen bij dataverzameling

Privacy is een belangrijk aandachtspunt bij het verzamelen van klantdata. Relevante vragen: overschrijdt het verzamelen van data een ethische grens? Wordt klantprivacy te veel opgeofferd voor betere service? Moeten klanten echt hun data afstaan om betere service te krijgen? Hoe zit het met inclusiviteit en minderheidsgroepen? Hoe wordt data veilig gehouden? Denk hierbij aan de GDPR (AVG) en ander databeleid. Naarmate data steeds meer de 'valuta' van de digitale wereld wordt, is de vraag hoe dit gereguleerd wordt: via publiek beleid of zelfregulering?

Segment 3: Secundaire data en een dataverzamelingsvoorbeeld

Secundaire data is data die al bestaat en door iemand anders is verzameld (in tegenstelling tot primaire data, die je zelf verzamelt). Methoden voor secundaire klantinzichten:

• Traditioneel: commerciële/tertiaire (derde partij) databases, marktdata, klantdata, publieke/overheidsdata, data van onderwijsinstellingen, openbare bibliotheken.

• Digitaal: data scraping/mining (bijv. van Twitter/sociale media), sensordata (bijv. eye-tracking), gedragstracking (bijv. internetcookies/mobiele app-gebruik).

Casus (rode draad door dit segment): als marketingmanagers van Tesla wil je verkoopkansen in Nederland vinden. Eerste indruk uit verkoopdata: de Tesla Model 3 doet het uitstekend, terwijl de Model X en Model S achterblijven. De verleiding is om te concluderen dat Model 3 een 'ster' is en Model X/S 'honden' zijn (in termen van de BCG-matrix, zie hieronder), maar deze conclusie is te snel: er is meer context nodig.

De BCG-matrix (Boston Consulting Group Matrix)

De BCG-matrix is een strategisch model om een productportfolio te analyseren op basis van twee dimensies: het marktgroeipercentage (verticale as) en het relatieve marktaandeel (horizontale as). Dit levert vier kwadranten op:

• Stars (sterren): hoog marktaandeel in een snelgroeiende markt: veelbelovend, maar vereist vaak veel investering.

• Cash cows (melkkoeien): hoog marktaandeel in een langzaam groeiende (volwassen) markt: genereren stabiele winst met weinig investering nodig.

• Question marks (vraagtekens): laag marktaandeel in een snelgroeiende markt: onzeker potentieel, vereist een strategische keuze (investeren of afstoten).

• Dogs (honden): laag marktaandeel in een langzaam groeiende markt: vaak weinig winstgevend, kandidaat voor afstoting.

In de Tesla-casus laat het college zien dat je voorzichtig moet zijn met het te snel toepassen van deze matrix: wanneer je meer databronnen raadpleegt (bijvoorbeeld open kentekendata van de RDW en externe analyses), blijkt dat de Model S het juist relatief goed deed totdat de Model 3 op de markt kwam, waardoor de Model S eerder een 'question mark' is dan een 'dog'. Dit illustreert waarom je verschillende (secundaire) databronnen moet combineren voor een genuanceerd beeld, in plaats van te vertrouwen op één simpele analyse of enkel wat een chatbot/zoekmachine op het eerste gezicht laat zien.

Conclusie van het college: data is essentieel, niet alleen om meer over klanten te leren, maar ook om objectief de 'fit' van de value proposition te evalueren (zie Lecture 2). Zonder goede data zou een bedrijf moeten gokken en beslissingen op onderbuikgevoel nemen, wat het risico op slechte bedrijfsprestaties en verkeerde besluiten vergroot.

Modellen bij dit hoofdstuk

Ansoff-matrix: Groeistrategieën langs twee assen (product × markt): Market penetration (bestaand product, bestaande markt: laagste risico), Product development (nieuw product, bestaande markt), Market development (bestaand product, nieuwe markt) en Diversification (nieuw product, nieuwe markt: hoogste risico).

BCG-matrix: Portfolio-analyse langs marktgroei × relatief marktaandeel: Stars (hoge groei/hoog aandeel, build/hold), Question marks (hoge groei/laag aandeel, build of divest), Cash cows (lage groei/hoog aandeel, hold/harvest) en Dogs (lage groei/laag aandeel, harvest/divest). SBU = strategic business unit.

Primaire vs. secundaire data: Primaire data wordt nieuw verzameld voor het specifieke onderzoeksdoel (enquêtes, interviews, experimenten): precies afgestemd maar duur en tijdrovend. Secundaire data bestaat al voor een ander doel (CBS, brancherapporten, interne data): sneller en goedkoper, maar mogelijk verouderd of niet relevant. Vuistregel: start met secundaire data, vul aan met primaire data.