Haal meer uit data van de Museumkaart

Musea willen, net als andere culturele instellingen, meer inzicht krijgen in hun publiek om hun marketing effectiever in te richten en zo een groter publiek te bereiken. Data-analyse van transactiedata, de gegevens die vastgelegd worden rondom de verkoop van een ticket, is een bron van inzicht in kaartkopers. Deze analyse levert vooral veel op als data gekoppeld kunnen worden aan een uniek persoon, dus als tickets op naam (of e-mailadres) geregistreerd worden. De maatregelen rondom Covid-19 hebben ervoor gezorgd dat meer musea online tickets op naam gingen verkopen, waardoor er meer data is verzameld dan voorheen.

Daarnaast verzamelt de Museumvereniging, uitgever van de Museumkaart, al jaren data over museumbezoekers die gekoppeld zijn aan persoonsgegevens. Elk museumbezoek van Museumkaarthouders wordt tenslotte geregistreerd in hun database, inclusief het moment van bezoeken. Ook leeftijd is hieraan gekoppeld, omdat museumkaarthouders dit verplicht moeten registreren. Voor musea bevatten deze gegevens een schat aan informatie; zij zouden hiermee heel gerichte marketingacties en persoonlijke en relevante communicatie aan hun bezoekers kunnen inrichten.

De Museumvereniging is helaas nog steeds terughoudend in het leveren van data (inclusief persoonsgegevens) aan individuele musea over bezoek door museumkaarthouders. Musea kunnen wel geaggregeerde inzichten halen uit het dashboard van de Museumvereniging. Aggregatie wil zeggen dat je inzichten kunt krijgen in het gedrag van groepen mensen in plaats van individuen. Die groepen zijn bijvoorbeeld samengesteld op basis van leeftijd of provincie van herkomst.

Voor Kunsthal KAdE in Amersfoort ging ik aan de slag met data uit dit dashboard. We waren op zoek naar verschillen in bezoekgedrag tussen nieuwe bezoekers en herhaalbezoekers, tussen jongere en oudere bezoekers en tussen bezoekers uit de regio en bezoekers van verder weg. Omdat er wellicht meer mogelijkheden met dit dashboard zijn dan musea op het eerste gezicht denken, geef ik hierbij een korte uitleg van hoe ik te werk ben gegaan. Deze uitleg is bedoeld voor musea die toegang tot dit dashboard hebben.

Het dashboard bestaat uit een grafiek en een aantal variabelen waarmee je deze grafiek kunt aanpassen. Met de exportfunctie van het dashboard haal je de gegevens, waar de grafiek op gebaseerd is, naar een tabel in Excel. Door deze exportfunctie te benutten, kun je met behulp van draaitabellen je eigen analyses maken van de gegevens uit het dashboard.

In het dashboard voer je de volgende stappen uit:

1. Kies bij tijdsperiode ‘vrije keuze’ en kies dan de volledige periode waarover data zijn verzameld (of kies een kortere periode als dat voor jou relevanter is).
2. Als interval kies je ‘dag’, zodat de gegevens in de grafiek per dag worden weergegeven.
3. Je kunt nu twee variabelen kiezen om te kruisen, bijvoorbeeld geslacht en dagdeel. Dan kies je in het filter ‘man’ en links in het menu kies je dagdeel. Je ziet nu de grafiek van het aantal mannen per dagdeel, per datum. Deze exporteer je.
4. Als je vervolgens hetzelfde doet voor het aantal vrouwen per dagdeel, kun je deze twee tabellen combineren.

Vervolgens voer je deze stappen uit in Excel:

1. Het combineren van tabellen kun je doen met verticaal zoeken of met knippen en plakken (controleer dan wel goed of de combinatie datum/dagdeel gelijk loopt).
2. Aan de ‘datums’ in je Excel-tabel kun je dan zelf nog weekdagen koppelen. Als je tijdelijke tentoonstellingen had, kun je die ook aan de data koppelen. Misschien heb je nog andere relevante informatie die je hieraan kunt koppelen?
3. Nu kun je met behulp van draaitabellen op zoek naar patronen; op welke weekdagen zien we relatief meer mannen (of juist vrouwen)? Op welke dagdelen zien we meer mannen? Bij welke tentoonstellingen zien we meer mannen?

Nou is geslacht misschien niet het meest interessante filter, maar je kunt dit ook doen met herhaalbezoek en bezoektijd, of met leeftijd en uur van bezoeken, of gezinsgrootte en uur van bezoeken. Denk aan vragen als: krijg ik meer nieuwe bezoekers aan het begin van een tentoonstelling, of aan het eind? Komen herhaalbezoekers op andere momenten in de week dan nieuwe bezoekers? En als er veel nieuwe bezoekers zijn, zien we dan ook veel bezoekers van buiten de regio? Of valt dat samen met relatief jonge bezoekers? Als we evenementen organiseren, zien we op die momenten dan ook relatief jong publiek binnenkomen?

Voor KAdE combineerde ik de uitkomsten van deze analyse met gegevens over bezoekers van andere instellingen in het Eemhuis, waarin KAdE gevestigd is. Dit leverde interessante inzichten op over kansen voor kruisbestuiving. We zagen bijvoorbeeld dat bezoekers uit de directe omgeving, ook de doelgroep van andere instellingen in het Eemhuis, op een andere weekdag naar KAdE komen dan we hadden verwacht. Ook zagen we dat oudere en jongere bezoekers andere tijdstippen kiezen om het museum te bezoeken en of die pieken overeenkwamen met bezoekers aan de bibliotheek in het Eemhuis.

Ik hoop dat in de nabije toekomst meer samenwerking op het vlak van data gaat ontstaan tussen partners, zoals musea en de Museumvereniging. Laten we in de tussentijd het dashboard van de Museumkaart zo goed mogelijk benutten!