Dat precisietargeting meestal niet werkt, daar ben ik het wel mee eens. Ik heb dat vroeger zelf ook geprobeerd, want het lijkt zo mooi, je duikt in de data en je selecteert je doelgroep haarscherp. We noemden het daarom ’laser-targeting’. We wisten onze doelgroep precies te benoemen. Ik zag ze voor me: “2-onder-1 kap woning, management baan, 1 of 2 kinderen..” Maar toen we resultaten probeerden te analyseren en vergelijken, bleek het net zo effectief als random marketing, of zelfs helemaal niets doen. Wat we met die data wel konden zien dat je op basis van recent of zelfs oud gedrag wel goed kon targetten.
Klassiek Linda-probleem
Dat had je best van tevoren kunnen bedenken, bedacht ik achteraf. Door al dat selecteren maak je de doelgroep steeds kleiner, maar als je niet alleen die ene gedragsbepalende factor hebt gebruikt, dan heb je met al je voorwaarden vooral de aantallen en je kansen verkleind. Toch is het niet raar dat je daarin trapt. Dat heeft Kahneman ons al geleerd met het ‘Linda probleem’
Het Linda probleem is een klassieker in de behavioral science dus voor wie hem niet kent:
In een onderzoek worden mensen gevraagd na de volgende beschrijving te kiezen ->
“Linda is 31 years old, single, outspoken, and very bright. She majored in philosophy. As a student, she was deeply concerned with issues of discrimination and social justice, and also participated in anti-nuclear demonstrations.” – Kahneman en Tversky
Welke optie is het meest waarschijnlijk:
- Linda is bankbediende
- Linda is bankbediende en actief in de feministische beweging.
Van de respondenten kiest 85 procent optie 2. Toch is die kans per definitie kleiner: iedereen die in optie 2 valt, valt ook in optie 1, maar omgekeerd niet. Toch voedt het ons brein beter. We gebruiken meer informatie en het past beter bij het beeld dat we hebben. Helaas is de kans kleiner dat het raak is. Zo is het ook met precisietargeting.
Goed mikken met data
Je intuïtie is niet altijd te vertrouwen. Dan helpt het om te meten wat werkt. Daarvoor heb je die data toch echt nodig. En je kunt er wel degelijk goed mee mikken. Daarbij moet je zo weinig mogelijk, maar zo relevant mogelijke criteria gebruiken.
Als je gedrag wilt veranderen – en wie wil dat nu niet – helpt het als je aansluit bij gedrag. Niet bij tot in detail ingekleurde doelgroepen die maar weinig zeggen over gedrag. Nee, vis gedragskenmerken uit de data en sluit daarbij aan. Het beste werkt ‘positief gedrag’, gedrag dat een voorspeller is voor koopgedrag. Pas op: dat zijn klanten die misschien geen marketing behoeven. Ook dat kun je met data achterhalen. Vervolgens is het tijd voor next level marketing: zoek gedrag dat nog wél het beïnvloeden waard is. Het interessantste en meest beïnvloedbare gedrag vind je vaak bij mensen die ‘niets’ zeggen. Drie voorbeelden uit de praktijk:
- Verkiezingen
De ‘zwevende kiezer’ bepaalt vaak de uitslag. Toch richten campagnes van politieke partijen zich meestal op mensen die zeggen wat ze vinden, waarop ze gaan stemmen en waarom. Die bewuste kiezers op andere gedachten brengen is natuurlijk onbegonnen werk. Juist de mensen die (nog) niet zeggen wat ze gaan stemmen, wil je volgen, begrijpen en kun je (soms) nog wel beïnvloeden, als je maar weet wat hen bezighoudt en beweegt. Bij die grote groep ligt je kans op winst; zij zorgen voor de verrassing in de verkiezingsuitslag.
- Verkeersdoden
In het verkeer sterven te veel mensen, daar wordt uitgebreid onderzoek naar gedaan. Er is een piek bij jongeren in een auto, dat is geen nieuws. Maar wat doe je eraan? Als je beter gaat kijken vind je wel een aanknopingspunten, want dan zie jaarlijks zo’n 15 jongeren die omkomen als passagier in een auto, omdat ze hun gordel niet om doen. Waarschijnlijk, want ze zeggen het niet, maar gedrag en ongevalsdata laten het zien. Als je jongeren óók achterin hun gordel om laat doen, kunnen vijftien jonge mensen blijven leven en bespaar je hun familie en vrienden onnoemlijk leed.
- Energietransitie
Onderzoeken naar de energietransitie vragen meestal of mensen zeggen mee te willen doen (‘van het gas af’). Aan tegenstanders vragen ze waarom niet. En dan gaat het fout, want door voor- en tegenstanders aan te spreken gaat de energietransitie niet sneller. Daarvoor moet je bij die grote groep er tussenin zijn. Die er niets over zegt, omdat ze er nog niet over hebben nagedacht of niet weten waarover ze moeten nadenken. Als overheden en energieleveranciers daarop voorzichtig aanhaken, kunnen ze betere resultaten boeken.
Waarde van whitespaces
Deze behavioral insights komen uit beschikbare data en hebben allemaal geleid tot campagnes geleid om (stem-, verkeers-, en energie)gedrag te veranderen. Nu maar hopen (en meten) dat die campagnes beter werken.
Gedrag zit meestal al verstopt in data en onderzoek dat je al hebt. Kijk dan vooral naar wat mensen níet zeggen, naar mensen die niets zeggen of voortijdig uit het onderzoek stappen. Precies in die whitespaces schuilt gedrag dat je kunt veranderen.
