Marketing20.03.2009

SES Amsterdam – cross media effect on search


ses-amsterdam-cross-media-effect-on-sear.jpg
ses-amsterdam-cross-media-effect-on-sear.jpg

Na een gevecht van twee dagen met mijn account instellingen lukt het dan eindelijk om in te loggen op DutchCowboys. Pfff… ik ben er nu een beetje laat mee, maar bij deze als hekkesluiter een laatste posting over SES Amsterdam.

Ik schuif aan bij de presentatie van Franc Goebbels van OMD. Hij introduceert OMD als het grootste worldwide full service media bureau. Er zitten veel slides van apen in het begin van de presentatie en ik zie wat tweets langskomen van mensen die al vrolijk paralellen trekken met het Darwin jaar. En dan zien we opnieuw het getal 67 langskomen, Franc noemt hetzelfde onderzoek wat we al eerder in de presentatie van Google hadden gezien: brand uitingen in tv, radio en print vergroten je online verkeer met 67%. Ook nu reageren de Twitteraars: iemand stelt voor dat we het getal 67 maar moeten introduceren als het universele antwoord op alle SES vragen.

Franc legt sterk de nadruk op modelleren, oftewel het in kaart brengen van alle factoren die de online conversie beinvloeden. Hij noemt de “BrandScience” aanpak van OMD als voorbeeld, en toont ons een aantal variabelen die de conversie kunnen beinvloeden:

  • onafhankelijke variabelen: seasonality, het weer, vakanties, de verkeerssituatie, criminaliteitscijfers
  • Afhankelijke vrariabelen: uitingen op radio, tv, en print

Hier rollen dan een setje key performance indicators uit zoals het totaal aantal leads, het aantal leads per channel, total calls, total sales enz. In grafieken toont hij vervolgens hoe al deze variabelen de online conversie kunnen beinvloeden. We zien dat uitingen via tv, print en radio de conversie sturen maar dat met name de onafhankelijke variabelen een hele sterke invloed hebben. Het BrandScience model pikt deze correlaties op en geeft je dus handvaten om bijvoorbeeld je actiematige campagnnes goed te timen of regionaal te spreiden.

Nou heb ik ooit op de universiteit (lang lang geleden) te maken gehad met voorspellende modellen en die werken meestal op basis van een neuraal netwerk of een genetisch algoritme. Die modellen hebben de nare neiging om overdreven sterk te reageren op brongegevens en onjuiste correlaties te vinden die je helemaal op het verkeerde been kunnen zetten. Het maakt bijvoorbeeld heel veel uit of je de buitentemperatuur in zo’n model stopt of alleen  het feit of het wel of niet regent. In hoeverre zijn de tools van OMD hiertegen beveiligd?

Ik ga even lekker zitten voor een uiteenzetting van de techniek achter de modellen, maar ineens is de presentatie afgelopen. De zaal is beduusd een aantal seconden helemaal stil voordat het applaus begint. In het vragenrondje blijkt dat de zaal niet helemaal overtuigd is. De aanwezigen hebben moeite met het gegeven dat een simulatie goed de performance van een campagne kan voorspellen. Joost merkt op dat modellen risicovol kunnen zijn omdat mensen zich erachter kunnen verschuilen. Franc gaat op elke vraag in maar kan met zijn antwoorden de zaal niet echt overtuigen. Met de grap dat we volledige informatie pas krijgen als we klant van OMD worden sluit Henk de sessie af. Terwijl ik naar buiten loop hoor ik iemand zeggen:

    “Het is zo zonde. Modellen kunnen echt een hele waardevolle toevoeging zijn. Wat een gemiste kans”

Tsja. Ik denk dat dit verhaal te ingewikkeld is om in een presentatie van krap 30 minuten te vertellen, en Franc’s suggestie om naar de stand van OMD te komen voor een uitgebreide uitleg valt niet lekker bij een publiek dat op zoek is naar snelle en handzame oplossingen. Het is denk ik beter om dit onderwerp de volgende keer in een van de workshops te behandelen, dan is er veel meer tijd om uitgebreid op vragen in te gaan.