Je meetaanpak testen & verfijnen: 3 belangrijke inzichten van adverteerders

Je meetaanpak testen & verfijnen: 3 belangrijke inzichten van adverteerders

We bewegen ons meer en meer richting een toekomst waarin marketinginvesteringen en hun rendement steeds meer afhankelijk zijn van privacygerichte oplossingen. Daarom zullen we als marketeers nieuwe manieren moeten vinden om de gaten in data te dichten en consumentengedrag beter te begrijpen. Hoe doe je dit dan?

‘Hoe krijg je vandaag de dag als organisatie nog écht grip op de effecten van je marketinginspanningen, nu het medialandschap steeds meer versnipperd raakt en privacywetgeving strenger wordt?’ Deze vraag was de aanleiding om vorig jaar in oktober met een selecte groep marketingexperts een DDMA elite-sessie te organiseren omtrent Modern Measurement in search.

Nu, 9 maanden later, vond een vervolgsessie plaats. Tijdens de eerste sessie lag de focus vooral op de hedendaagse uitdagingen en de noodzaak van nieuwe meetmethodieken zoals Marketing Mix Modeling (MMM), Incrementality Testing en Multi-Touch Attributie. In de vervolgsessie draaide het om de praktijk.

Van theorie naar praktijk: wat werkt nou wel?

Tijdens de sessie deelden verschillende adverteerders hun praktijkervaringen met het testen en verfijnen van hun meetaanpak. Hier volgen de belangrijkste inzichten:

1. Begin klein, groei slim

Een valkuil is het streven naar perfectie vanaf dag één, zeker met complexe modellen als MMM of incrementality tests. De les: start met een werkbare opzet, valideer eenvoudige hypothesen en bouw stap voor stap verder. Voor een duurzame vooruitgang is het advies dan ook ‘begin klein, groei slim’. Meten is zeker geen eenmalig project, maar een continu proces waarin je telkens opnieuw je aanpak, samenwerking en mindset moet aanpassen om zo de output continu te kunnen verbeteren.

2. MMM en incrementality: samen sterker

Marketing Mix Modeling geeft inzicht in de impact van marketing op online en offline kanalen. De aanwezigen bevestigden dat organisaties steeds vaker hun marketingbudgetten sturen op basis van deze inzichten. Tegelijk duurt de terugkoppeling relatief lang en is het vertalen van learnings naar dagelijkse sturing niet eenvoudig.

Daarom wordt MMM vaak gecombineerd met snellere, meer gedetailleerde methodes zoals incrementality testing. De combinatie is krachtig: MMM kijkt naar correlaties waar incrementality tests de causale impact van mediakanalen op daadwerkelijke conversies in kaart brengen.

Zo kreeg in een besproken voorbeeld een branded search campagne via MMM een positieve waardering, terwijl incrementality testing liet zien dat er geen sprake was van daadwerkelijke stijging in conversie. Er was een duidelijke correlatie tussen het branded zoekvolume en online sales, maar er is geen incrementele waarde gevonden. Dit illustreert dat incrementality niet alleen waardevolle inzichten oplevert voor campagnesturing, maar ook van belang is als input en validatie voor het MMM-model.

3. Incrementality testing onthult verborgen inzichten

Steeds meer organisaties maken gebruik van geo-based of user-based incrementality tests, waarbij een deel van de experimentgroep geen advertenties te zien krijgt, om zo het werkelijke incrementele effect te meten. Zulke tests kunnen laten zien dat bepaalde campagnes, die op het eerste gezicht erg succesvol lijken, in werkelijkheid weinig tot geen extra waarde toevoegen. Dit zet vertrouwde aannames op losse schroeven en verschuift de focus naar wat écht nieuwe groei aandrijft.

We zien organisaties die zelf de regie in handen nemen bij incrementaliteitstesten en voor het bepalen van testlocaties door bijvoorbeeld te kijken naar Chronbachs Alphas. Maar ook vanuit Google worden er momenteel oplossingen uitgerold (Conversion Lift Studies) om de validatie van groepen en het testen van incrementaliteit voor advertereerders makkelijker te maken.

Een belangrijk inzicht is dat incrementality testing verder kan gaan dan een binaire test van ‘wel of niet adverteren’. Voor campagnes die je kunt opschalen zoals je non-branded campagnes kan het helpen om optimale investeringsniveaus te bepalen: wat gebeurt er als je het mediabudget met bijvoorbeeld 50% verhoogt, of juist met 30% verlaagt? Je kunt meerdere scenario’s naast elkaar testen. Met deze aanpak kan je het punt van afnemende meerwaarde opzoeken, oftewel: het kantelpunt waarna iedere extra euro minder extra resultaat oplevert.

Uit één praktijkvoorbeeld bleek dat een groot deel van het paid search budget in eerste instantie werd geïnvesteerd in het zogenoemde ‘low hanging fruit’, welke nauwelijks incrementele conversies opleverde. Pas bij hogere investeringen kwamen de echte incrementele resultaten naar voren. Met andere woorden: extra investeren gaf het algoritme ruimte om nieuwe prospects te zoeken en incrementele sales te behalen, buiten de (niet incrementele) sales die het behaalde met het oorspronkelijke mediabudget.

Uitdagingen: interne acceptatie en internationale verschillen

Hoewel het belang van meten breed wordt erkend, blijkt intern draagvlak geen vanzelfsprekendheid. Zeker bij internationale organisaties, waar markten, teams en werkwijzes sterk kunnen verschillen, blijkt het vaak lastig om iedereen mee te krijgen en resultaten breed geaccepteerd te krijgen. Transparantie over de opzet, duidelijkheid, het actief delen van inzichten en het hebben van een gezamenlijke langertermijnvisie zijn dan ook onmisbaar om de toegevoegde waarde van testen breed erkend te krijgen.

Een ander belangrijk struikelblok is dat er vaak nog in silo’s wordt gewerkt, met teams die verschillende KPI’s en attributiemodellen hanteren. Terwijl de directie op basis van MMM-bewijzen strategisch stuurt, blijven operationele teams vaak georiënteerd op korte termijn-metrics als ROAS en directe omzet. Ook wanneer er vanuit de organisatie de ambitie is om bijvoorbeeld customer life time value (CLV) of incrementele waarde mee te nemen, blijft in praktijk omzet vaak leidend. Zeker onder commerciële druk weegt de korte termijn helaas vaak zwaarder dan de lange termijn.

Praktische vervolgstappen en tips

• Maak een testagenda: bepaal wat je wil onderzoeken en formuleer de belangrijkste hypotheses om te valideren. Bijvoorbeeld het verschil tussen branded en generieke campagnes. Of effectverschillen tussen sale- en non-sale perioden.
• Kalibreer modellen: gebruik inzichten uit incrementality tests om MMM-modellen te verfijnen voor meer nauwkeurigheid, vertrouwen en draagvlak.
• Bouw businesscases: toon met harde cijfers aan dat moderne measurement tot betere ROI en effectievere budgetten leidt.
• Doorbreek silo’s: investeer in gedeelde definities, interne samenwerking en duidelijk leiderschap. Het verbinden van inzichten, vertalen van data naar actie en stimuleren van adoptie is wat moderne metingen omzet van theorie naar impact.
• Blijf testen: eenmalig testen is niet genoeg. Structureel experimenteren en leren moet onderdeel worden van de cultuur. Het hoeft en kan niet in één keer perfect zijn, met stapsgewijs verbeteren boek je ook vooruitgang.