HeaderJessica.png

Big Data en efficiënt adverteren - Interview Jessica Bulthé

20 december 2018

Onze data-specialiste Jessica Bulthé, master in de psychologie, geeft tekst en uitleg bij de datastrategie van Mediahuis, en hoe we data inzetten om slimme connecties te maken tussen adverteerder en doelpubliek.

Mediahuis heeft Big Data in haar advertentiestrategie ingezet. Wat betekent dit, en waar halen we die Big Data vandaan?

Mediahuis kennen we als de uitgever van vier van de grootste krantentitels van Vlaanderen: De Standaard, Het Nieuwsblad, Gazet van Antwerpen en Het Belang van Limburg. Die titels kennen miljoenen bezoekers per maand, wat al een enorme bron aan data oplevert. Maar daarnaast beheren we nog een veertigtal sites, vaak erg specifiek en diep in bepaalde doelgroepen, die onze data verder verrijken. In het Mediahuisnetwerk volgen we Zimmo (zimmo.be), Jani TV (janitv.be), Made In (madeinlimburg.be, madeinantwerpen.be,…), maar ook de sites van Wayne Parker Kent (manners.be, famme.be, culy.be,…) in België.

Over het totale netwerk tellen we 21 miljoen unieke bezoekers per maand. We hebben een aangemeld bereik van 3,4 miljoen gebruikers. En allen samen genereren deze 350 miljoen pageviews per maand. Dit vormt een enorme bron van data, die we nu analyseren en inzetten om onze adverteerders te helpen de juiste doelgroepen beter te bereiken.

1111Jessica Bulthé, Data Analyst Digital Advertising bij Mediahuis

Hoe kan deze data adverteerders helpen in hun marketingstrategie?

Op basis van surfgedrag en consumptie van tekst en beeld op de website, creëren we ‘audiences’ of doelgroepen. Dat zijn groepen van mensen waar we heel specifiek advertenties op kunnen richten. Ze worden verzameld in segmenten, die steevast worden verfijnd en bijgestuurd. We kunnen nu al doelgroepen aanbieden die gesegmenteerd zijn op socio-demografische gegevens, op intentie en op interesse. Intentie kunnen we afleiden uit surfgedrag: mensen die veel zoeken op Zimmo zijn waarschijnlijk op zoek naar een woning, surfers op Jobat zoeken waarschijnlijk naar werk. Interesse is ook erg belangrijk: iemand zal pas in een bepaald segment belanden wanneer het vertoonde gedrag bewijst dat de betrokken persoon een uitgesproken interesse vertoont in een bepaald onderwerp. Dit kan bijvoorbeeld aangetoond worden door het bijhouden van leesgedrag via tekstmining, een techniek waarbij artikels via sleutelwoorden in de tekst gecatalogeerd worden, en gekoppeld worden aan surfgedrag.

Het bovenstaande wordt in kaart gebracht, maar niet enkel door het bijhouden van het aantal artikels dat een persoon consumeert. Dat zou kunnen leiden tot verkeerde resultaten. Iemand die 20 sportartikelen per maand leest, zou zo kunnen geklasseerd worden als een absolute sportliefhebber. Maar, als diezelfde persoon 200 artikels per maand leest, vormt dit slechts een relatief beperkt onderdeel van zijn leesgedrag. Zijn plaats in het segment sportliefhebber is daarom mogelijk onterecht. Maar, als hij er 30 leest, is het wel significant. Of, als de gemiddelde lezer er 10 leest, is hij toch mogelijk kandidaat voor het sportliefhebber segment. Interpretatie van de data blijft een belangrijk element.

We  kunnen nog iets verder gaan. Er zijn nog twee methodes waar we onze adverteerders mee helpen hun doelgroepen nog beter te bereiken. We kunnen namelijk segmenten op maat aanmaken binnen onze doelgroep.

In een eerste scenario plaatsen we een pixel op de site van de adverteerder, en combineren we vervolgens de vergaarde data van de surfers daar met onze data. In een tweede scenario kunnen we ook databases vergelijken, zodat we de mensen die ze al bereiken - of nog niet bereiken - kunnen identificeren en al dan niet opnemen in het segment dat we voor hen gaan aanmaken.

Dit levert verschillende voordelen op voor adverteerders. We kunnen terugkoppelen welke boodschappen en/of producten goed werken bij bepaalde doelgroepen. Op die manier kunnen adverteerders hun datastrategie verfijnen en nog meer personaliseren.

We kunnen ook een ‘lookalike’ strategie volgen: hierbij zoeken we heel specifiek binnen onze data naar surfers die dezelfde gedragspatronen volgen als hun klanten.

Dit zal als muziek in de oren klinken van adverteerders, maar het klinkt erg verregaand op gebied van privacy. Hoe speelt GDPR in op deze materie?

Het is belangrijk te weten dat we in volle transparantie en in lijn met de GDPR en privacy wetgeving werken. Transparantie gaat twee richtingen uit: naar de lezer, die voorafgaand instemt en weet wat wij met zijn data doen. En er is transparantie naar de adverteerder: alle informatie die we verzamelen tijdens de campagne gaat enkel naar hem toe. Na afloop van de campagne verwijderen we alle data die we verzameld hebben. Deze data zal nooit worden ingezet voor campagnes van andere adverteerders.

Dat lijkt alvast een enorme efficiencywinst op te leveren voor onze adverteerders. Wat zal de toekomst ons nog brengen? 

We willen steeds meer gaan fungeren als ‘partner’ van onze adverteerders. We willen samen met hen kijken naar hun ideale marketingcampagne om vervolgens al onze tools in de strijd te gooien. Dit betekent, in mijn ogen, vooral de combinatie van native content met data driven campagnes. Op die manier kan je informatieve inhoud afleveren op maat van enkel de voor hen relevante doelgroepen. Vervolgens kunnen we die segmenten steeds verder verfijnen op maat van de adverteerder. Het lijkt een cliché, maar wanneer je met data werkt, wordt ‘the sky the limit’ in mijn ogen.

Categorie: Consumer Insights, Efficiënt adverteren, Big data, Big data

Hans De Loore

Auteur Hans De Loore

Voordat Hans in 2012 voor Mediahuis de content marketing afdeling "Content Connections" oprichtte, was hij twaalf jaar lang uitgever bij - en mede-oprichter van - Minoc Business Press. Die uitgeefervaring op zowel B2B als B2C markten komt nu van pas bij het adviseren van klanten over hoe ze hun eigen contentprojecten kunnen uitbouwen, onderhouden en rentabiliseren. Verder probeert hij gletsjers (met klimijzers) en zijn kinderen (bij het gamen) te overwinnen, wat in beide gevallen steeds moeilijker wordt.