Donderdag 12 februari won Roelof Hars op het MARUG de Leeflang Scriptieprijs van de Rijksuniversiteit Groningen, met zijn onderzoek naar marketinguitgaven, merkwaardevariabelen en verkopen.
In dit artikel legt hij uit wat hij heeft ontdekt, en wat marketeers er allemaal mee kunnen. ‘Marketing voegt erg veel toe aan het omzetresultaat, en het is wel degelijk meetbaar.’
Roelof Hars: ‘Establishing the hierarchy of effects and its value in sales prediction: The case of an insurance company.’
Roelof Hars schreef zijn scriptie tijdens een stage bij een verzekeraar. Er was in het bedrijf een discussie gaande over wat de waarde van de advertentie-euro nu eigenlijk was, als je de opbrengsten niet direct kunt terugzien. Hars: ‘Het management van het bedrijf had er absoluut baat bij om het effect van marketing zo veel mogelijk meetbaar te maken, omdat het eindresultaat daardoor zo stuurbaar mogelijk wordt. Op de marketingafdeling werd hetzelfde ideaal gedeeld, echter realiseerden ze zich hier dat het meetbaar maken van marketing in veel gevallen erg lastig is, omdat je van sommige acties het effect vaak niet direct terug ziet. Hoe relateer je bijvoorbeeld extra 'goodwill' meetbaar aan eindresultaat?
De crux
In de wetenschappelijke literatuur is eigenlijk precies dezelfde discussie gaande, aldus Hars: ‘Ook hier zie je twee groepen. Enerzijds de mensen die van mening zijn dat je de effectiviteit van marketing alleen kan meten door direct naar de output (verkopen) te kijken, en een tweede kamp dat vooral geïnteresseerd is in de relatie tussen marketing en merkwaarde. Een aantal jaren geleden verscheen een artikel waarin beide benaderingen werden gecombineerd. De auteurs vroegen zich af: “Als we de dingen waaruit merkwaarde bestaat (dus merkbekendheid, merkoverweging, voorkeur enzovoort) nu eens meenemen in een model waarin we ook adverteren en prijs stoppen, zijn dan onze verkoopresultaten beter en eerder te voorspellen dan zonder deze variabelen?” Het verrassende antwoord kwam neer op “ja, nogal”. De crux zat ‘m in het feit dat het even duurde voordat ‘meer awareness’ zich doorvertaalde naar ‘meer overweging’ en ‘meer verkopen’, waardoor een verandering in bijvoorbeeld bekendheid in feite een waarschuwingssignaal zou kunnen zijn voor een verandering in verkopen, een aantal weken later.’
Het artikel vormde grotendeels de inspiratie voor zijn scriptie. De letterlijke vraagstelling (in het Engels) was ‘To which extent can the classical cognition-affect-behaviour hierarchy of effects be established and measured by attitudinal and online metrics on the long term, and can these metrics be used as key performance indicators to predict changes in sales over time?’
Hars: ‘Vrij vertaald: zie ik een relatie tussen marketinguitgaven, merkwaardevariabelen en verkopen? Zo ja, hoe steekt dit in elkaar, hoe meten we dit en kunnen we het als waarschuwingssignaal gebruiken?’
Hars verzamelde allereerst data binnen (en buiten) het bedrijf over een zo lang mogelijke periode, zowel verkoopcijfers van een bepaald gedeelte van het bedrijf, marketingacties/uitgaven als antwoorden op allerlei surveyvragen over merkwaarde, over een aantal jaren. Hars: ‘Voor mijn uiteindelijke (statistische) model heb ik een klein aantal van deze variabelen gekozen (in verband met beschikbaarheid, missende data, red.) en de bewegingen hiervan gedurende ongeveer een jaar bekeken.’
Hars trekt de volgende conclusies:
Er blijkt wel degelijk een relatie tussen bewegingen in een aantal merkwaardevariabelen (bijvoorbeeld bekendheid, merkoverweging) en het aantal verkopen/afsluiters op de lange termijn. Op zich goed nieuws voor marketing dus. Maar: lang niet in allemaal! Met andere woorden: sommige merkwaardevariabelen voegen inderdaad voorspellende kracht toe, andere totaal niet. Hierbij is vooral gekeken naar algemene bewegingen over de tijd heen.
De invloed van marketing op de merkvariabelen was aanwezig, maar erg afhankelijk van hoe het gemeten werd, en lang niet altijd even duidelijk.
Er zit tijd tussen de effecten van deze (merk)variabelen, dus het idee van waarschuwingssignalen is zo gek nog niet. Het slechte nieuws is dat ondanks dat er een relatie is, deze merkvariabelen te zwak lijken om als waarschuwingssignalen te dienen. Het effect is alleen zichtbaar op langere termijn. Dit is dus wezenlijk anders dan eerdere literatuur suggereert. Het probleem is dat eerdere studies veel meer bedrijven onderzocht hebben, maar wel in een andere tak van sport. Het is dus wat onduidelijk of dit resultaat alleen voor het bedrijf geldt waar Hars zijn onderzoek deed, of misschien voor verzekeringen in het algemeen.
Wat kon je niet onderzoeken?
‘Omdat veel merkvariabelen redelijk lastig meetbaar te maken zijn, wil het niet vinden van een effect hiervan absoluut niet zeggen dat hier geen effect van is. Het probleem is meer dat, hoewel merkbekendheid en merkoverweging nog wel aan verkopen te verbinden zijn over de tijd heen (want vrij concreet) je zou verwachten dat het effect van merkimago veel minder direct en niet op korte termijn vast te stellen is in zulke algemene zaken als cijfers over aantallen afsluiters van verzekeringen. Als je dit dus in een model meeneemt waarin je zegt ‘ik zie in week 1 merkimago omhoog gaan, maar in week 2 of 3 niet dat er meer sluiters volgen’ wil dit dus absoluut niet zeggen dat er geen effect is; het is simpelweg lastig aan elkaar te relateren. Met andere woorden; zelfs als je merkwaardevariabelen en verkopen in hetzelfde model stopt, beperk je je eigenlijk automatisch tot de meest concrete van deze variabelen. Het niveau (en de opzet) is simpelweg te ‘hoog-over/geabstraheerd’ voor bevindingen over imago, maar ik moest uiteindelijk een keuze maken. Ten tweede heb ik me erg moeten beperken in omvang.’
Wat kunnen marketeers met je onderzoek?
‘Zo langzamerhand kunnen we wel aantoonbaar maken wat we eigenlijk allang wisten: hoewel het directe resultaat van marketing op verkopen niet altijd volledig meetbaar is, voegt marketing via merkwaarde, direct of indirect, veel toe aan omzetresultaat, en is dit dus ten dele wel degelijk meetbaar. Naar mijn idee willen de meeste marketingmanagers naar een zo ‘stuurbaar’ mogelijk resultaat toe, waarbij ze met de ‘handen aan de knoppen’ op basis van hoe het merk ervoor staat, zaken willen bijsturen. Ik denk dat dit onderzoek hierbij helpt, maar verder onderzoek (bijvoorbeeld over de waarschuwingssignalen en andere merkvariabelem) is absoluut nodig, omdat we daar simpelweg nog lang niet zijn.
Sommige resultaten (bijvoorbeeld dat sommige merkwaardevariabelen niet lijken te werken) kunnen we denk ik het beste met een grote korrel zout nemen, omdat dit nogal aan de meetmethode ligt. Ik denk dat bijvoorbeeld niemand werkelijk verwacht dat een positiever imago in een bepaalde week zich werkelijk meetbaar zal uiten in verkopen een aantal weken erna, omdat dit een zeer geleidelijk en ‘ad hoc-’effect is.
Naast Roelof Hars waren ook Amanda ten Brink en Christie Quarton genomineerd voor de prijs. Ten Brink onderzocht welke elementen de resultaten van loyaltyprogramma’s het meeste beïnvloeden, Quarton analyseerde shoppergedrag om te kijken of je hiermee aankopen kunt voorspellen.
Christie J.A. Quarton: ‘Seek and you shall find. An exploratory study on the effects of consumer in-store search behavior on purchase decision, total amount spent, and number of products purchased’.
Onderzoek naar waarom mensen een product kopen, heeft zich altijd gefocust op het moment van de aankoopbeslissing zelf. Het proces hiervoor (wat doet een consument allemaal in de winkel dat maakt dat hij uiteindelijk voor een product kiest), daar werd eigenlijk niet echt naar gekeken. Maar de laatste tijd zijn er betere technieken voorhanden waardoor je dit opeens wel beter kunt meten.
Denk aan RFID, barcode-scanners en videotracking. Verschillende onderzoekers hebben deze technieken gebruikt om aankoopbeslissingen te onderzoeken, maar concentreerden zich hierbij vaak op onderdelen als impulsaankopen en de effectiviteit van winkelpaden. Pas in 2013 is er goed onderzoek verricht naar diepere productoverwegingen bij een aankoopbeslissing (Hui et al, 2013).
Christie Quarton heeft geprobeerd uit te zoeken of de uitkomsten uit dit onderzoek ook aankoopgedrag kunnen voorspellen. De data die ze hiervoor gebruikte, zijn een aantal jaren geleden verzameld door onderzoeker Julien Schmitt, die 190 shoppers in een Franse beautywinkel heeft gevolgd. Klantbewegingen werden per seconde vastgelegd, terwijl ze wandelden, stopten om te kijken naar een schap, een product oppakten en het uitprobeerden.
In totaal werden veertien verschillende acties vastgelegd. Verdere analyse van de data resulteerde in de opzet van verschillende modellen, waarbij gebruik werd gemaakt van zogenaamde two-step modelling. In totaal werden zes verschillende modellen getest, en er werd gebruik gemaakt van twee constructen: één waarbij de consument een product bekijkt, en één waarbij de consument ene product test.
Wat kwam hier uit?
Quarton: ‘Wanneer je koopgedrag meeneemt in modellen voor aankoopbeslissingen, werken voorspellingen beter. Het lezen en aanraken van producten en de hulp van verkopers hebben een positieve invloed op de aankoopbeslissing. Daarentegen heeft het testen van een product negatieve invloed op de aankoopbeslissing, een daling van maar liefst 60 procent. De daling zie je ook bij mensen die een vriend bij zich hebben. Drukte in een winkel blijkt van geen invloed op de aankoopbeslissing. Maar tijdsdruk maakt dat iemand meer koopt. Man of vrouw, leeftijd, dat maakt allemaal niet uit.’ Wat betreft de hoogte van de bestedingen: het aantal volbrachte acties bepaalt mee hoeveel een consument spendeert. Hoe meer acties er worden gedaan, hoe hoger het uiteindelijke bedrag.
Wat kunnen marketeers hiermee?
‘Veel. Zo is het opmerkelijk dat consumenten een product eerder niet kopen als ze het uitproberen. Aanraken kan echter wel, dit helpt ook bij de uiteindelijke beslissing. Retailers zouden wat dat betreft hele leuke dingen kunnen doen met hun schappen en producten. Onderscheidende etikettering, veel info geven en digitale elementen toevoegen, maar mensen dus niet de producten echt laten uitproberen. En een verkoper in de winkel is van positieve invloed op de aankoop, maar niet als een consument iemand bij zich heeft. Iemand die weinig tijd heeft, zal meer kopen. Houd daar dus rekening mee in de layout van je winkel.’
Amanda ten Brink: ‘We weten wat je wil!’ ‘Choice based conjoint analysis on the drivers of frequency reward program equity’.
Welke elementen van een incentive programma drijven de waarde van kortlopende loyaliteitsprogramma’s? Ten Brink onderzocht voor loyaliteitsbedrijf BrandLoyalty wat de invloed is van de verschillende elementen van een retailspaarprogramma, op hoe mensen een loyaliteitsprogramma beoordelen en enthousiast raken om mee te doen. De vijf onderzochte elementen: producten, merken, kortingspercentage, minimale uitgave - aantal stempels - en additionele betaling.
Daarnaast onderzocht Ten Brink welk van deze vijf elementen de meeste invloed heeft op de participatie-intentie, welke samenstelling van elementen het optimale programma vormt voor de markt als geheel en welke klantsegmenten met bijbehorende programma's onderscheiden kunnen worden. Onderzoek werd verricht voor drie productcategorieën die centraal staan in enkele van BrandLoyalty’s programma’s: glazen, messen en elektronische keukenapparatuur.
Het onderzoek werd gedaan met behulp van een conjoint-analyse, om precies te zijn een choice based conjoint-analyse. Een techniek die helpt te bepalen wat de voorkeur van consumenten is voor een bepaald niveau van de verschillende elementen in een loyaliteitsprogramma, en het relatieve belang dat klanten hechten aan deze elementen.
Wat waren de resultaten?
Ten Brink: ‘We kregen inzichtelijk wat de invloed van de elementen was op de keuze en waardering van een programma. Daarmee konden we het optimale loyaliteitsprogramma definiëren. Daarnaast resulteerde het onderzoek per productcategorie in vier heterogene segmenten, die elk een ander programmavoorkeur hebben in de markt. De demografische opbouw van deze segmenten kwam ook als resultaat uit het onderzoek. Vanuit deze resultaten konden we per segment definiëren wat het optimale programma zou zijn voor deze consumenten, wat hun participatie-intentie zou zijn, en welk element het meeste invloed had op hun keuze tot deelname. Ook lieten de resultaten per elementniveau zien wat het effect zou zijn op waardering en participatie-intentie als men een ander niveau van een element zou kiezen.
En welke conclusies trek je?
Ten Brink: ‘Dat voor de categorieën messen en elektronica alle vijf elementen een significant effect hebben op de waardering van klanten voor het loyaliteitsprogramma en hun participatie-intentie. Voor de categorie glazen hebben alle elementen een effect, behalve het ontwerp van het product. Ook, en dat is anders dan alle andere segmenten, waarderen mensen in de glazencategorie niet het hoogste kortingspercentage. Een mogelijke verklaring hiervoor is dat consumenten een hoog kortingspercentage koppelen aan lage kwaliteit.
Uit de resultaten blijkt dat consumenten zich vooral richten op het maximaliseren van hun resultaten in relatie tot de inspanningen die ze moeten leveren om een product via het loyaliteitsprogramma te verkrijgen. De financiële elementen (de minimale uitgave – het aantal stempels – en de additionele betaling) bleken samen de grootste invloed te hebben op de participatie en programmawaardering door consumenten (tussen de 70 en 90 procent, afhankelijk van de productcategorie en het marktsegment).
Wat kunnen marketeers met je onderzoek?
Ten Brink: ‘Op basis van de voorkeuren die naar voren kwamen, kun je met de onderzoeksresultaten optimale programma set-ups samenstellen voor verschillende marktsegmenten in retail. Door je doelgroep zo goed mogelijk te matchen met een segment uit de analyse, kun je een programma kiezen met de hoogste verwachte uitkomsten in participatie-intentie. Deze opzet is wellicht niet het meest winstgevend voor de retailer of loyaltymarketeer.
Maar als je het programma naar winstgevendheid aanpast, en je neemt de consumentenvoorkeuren in acht, helpt het onderzoek bij het opzetten van een loyaliteitsprogramma dat zowel winstgevend is als aantrekkelijk voor klanten. Met de conjoint analyse-uitkomsten over het relatieve belang van de elementen kunnen retailers en loyaltymarketeers concluderen welke elementen het belangrijkst zijn voor klanten. Met deze informatie kunnen ze kiezen welke elementen in de promotie de meeste aandacht krijgen.’
