De onherkenbare lookalike

De onherkenbare lookalike

Is uw campagne al verrijkt met data-extracten? Als uw campagne matig presteert, voeg dan wat data toe. Dat is het nieuwe goud. U zult het zien: resultaten stijgen direct. Data-driven noemen we dat. Of liever nog: evidence-based. U hoeft dus zelf niet meer na te denken. Intuïtie, buikgevoel of gezond verstand zijn overbodig. Alles gaat geheel “automatic”.

Kritische houding

Er is een onbegrensd vertrouwen in de (big) data technologie aan het ontstaan. In plaats van doorzichtige reclamepraatjes, zoals hierboven, wordt de datarevolutie in stijl gepresenteerd met strakke presentaties, indrukwekkende modellen en stroomschema’s die zo uit de elektrotechniek afkomstig zouden kunnen zijn. De theorie klinkt vaak indrukwekkend, maar wat is de praktijk? Menselijk gedrag is helemaal niet zo gemakkelijk te volgen. En zolang de financiële belangen van de data-industrie groot zijn, blijft een kritische houding op zijn plaats.

Lookalike audience

Er zijn voldoende efficiënte datatoepassingen in de marketingcommunicatie, maar dergelijke successen moeten ons niet verblinden. Zo verbaas ik mij de laatste tijd steeds vaker over het gemak waarmee over “lookalike audiences” wordt gepraat. Lookalike audiences werden ruim drie jaar geleden door Facebook geïntroduceerd. Al snel daarna werden ze in een of andere vorm ook door andere partijen zoals Twitter, Linked-In en Google aangeboden.

Het idee is simpel. Eerst wordt er op basis van eigen (first party) data een “seed audience” opgebouwd. Dat kan op basis van een pixel of eigen klantgegevens. Deze “seed audience” wordt geanalyseerd en vervolgens wordt op basis van externe (third party) data een grotere lookalike audience samengesteld met vergelijkbare eigenschappen.

Met een druk op de knop

Op Facebook gebeurt dit allemaal volautomatisch met een druk op de knop. De rekentijd kan oplopen van 6 tot 24 uur. De lookalike audience wordt ook nog eens in de 3 tot 7 dagen ververst. Een campagnemanager kan zelf door middel van een slider bepalen hoe sterk de fit moet zijn. Op deze manier kan ook de grootte van de lookalike audience worden gereguleerd.

Dit klinkt allemaal heel degelijk en betrouwbaar. Op het hele internet is er dan ook nauwelijks een wanklank of een kritische noot over lookalike audiences te vinden. Maar dat is ook weer niet zo verwonderlijk. Innovaties die de inzetbaarheid van Facebook vergroten worden door een heel ecosysteem van bloggende specialisten en gespecialiseerde bureaus steeds gretig omarmd.

“Blackbox” audience

Hoe je het ook bekijkt, in zijn huidige vorm is een lookalike audience een “blackbox” audience. We kunnen niet onder de motorkap van het selectieproces kijken en nagaan welke eigenschappen van de “seed audience” de doorslag geven bij de selectie van de lookalikes. Het zal een combinatie zijn van alles wat Facebook over zijn gebruikers weet: woonplaats, geslacht, leeftijd, levensfase, interesses en hobbies en natuurlijk hun like- en klikgedrag.

Datamining

Een lookalike audience zal in de meeste gevallen echter geen homogene groep zijn. Datamining is een complexe exercitie die ook veel vraagtekens op kan roepen. Ik heb zelf wel eens gewerkt met de DoelgroepDetector van Sentient. Deze software biedt de mogelijkheid om een specifieke eigenschap in het NOM Doelgroeponderzoek als “seed” te gebruiken en op basis daarvan doelgroepssegmenten te onderscheiden. Het resultaat is meestal een mix van een aantal verwachte, herkenbare segmenten (die je vaak zelf ook wel had kunnen bedenken) en een aantal verrassende, vaak minder goed definieerbare clusters van respondenten.

Bij de samenstelling van lookalike audiences zal het niet veel anders zijn. Het is nog maar de vraag wat betere basis is voor doelgroepsbepaling: een panel dat exact dezelfde gerichte vragen heeft beantwoord of profielen van mensen waarover verschillende hoeveelheden, min of meer toevallig verkregen informatie beschikbaar is.

Uiteraard kan er met lookalikes getest worden. Als lookalike audiences bovengemiddeld resultaten laten zien, wat is er dan op aan te merken?

Menselijke regie

Als marketeer zou ik in plaats van een ongedefinieerde brede groep “lookalikes” liever een duidelijk beeld van mijn klanten willen opbouwen en zelf bepalen welke kenmerken daarbinnen het meest relevant zijn. Vervolgens kun je ook boodschappen op specifieke segmenten afstemmen, iets dat bij een groep verder ondefinieerbare lookalikes veel lastiger is.

Zo’n werkwijze is misschien minder data-driven, automatic en gemakkelijk dan een pixeltje plaatsen of een lijst mailadressen uit een database uitdraaien, maar je houdt als mens zo wel de regie. Data en algoritmes zullen ons in de toekomst steeds meer van dienst kunnen zijn, maar inlevingsvermogen en gezond verstand, oftewel de “human factor”, zullen altijd belangrijk blijven.

We communiceren immers met mensen, niet met anonieme data-extracten.

 

Harm Jaap Hartmans

Strateeg

Delen: