In dit artikel lees je:
De hoeveelheid data die je als cultuurmarketeer kunt gebruiken, wordt steeds omvangrijker. Het liefst haal je informatie en inzichten dan ook zo efficiënt mogelijk uit de beschikbare data. Vaak zijn we geneigd om te denken dat nieuwe software daarbij gaat helpen. Maar, zegt Frans Riemersma, docent van de cursus bij Cultuurmarketing: “Nieuwe tools lossen je marketingprobleem zelden op.”
Na zijn opleiding culturele studies stortte Frans Riemersma zich op een loopbaan in marketing en technologie. Als internationaal MarTech-analist en consultant helpt hij organisaties om hun data- en technologie-ecosysteem te begrijpen. Door zijn kennis van de technische kant van software en data-architectuur heeft hij als geen ander inzicht in de tools die nodig zijn om datagedreven te werken.
“Software was heel lang zo nieuw en complex dat we niet goed wisten wat we ermee moesten doen”, zegt Frans. In de praktijk ziet hij dan ook regelmatig dat organisaties een ‘Ferrari in de garage’ hebben staan: geavanceerde software die niet optimaal wordt gebruikt. Als cultuurmarketeer zou je je niet primair moeten richten op wat software allemaal kan, maar op de vraag waar je naartoe wilt sturen, de bestemming. En de bestemming is altijd de klant, bezoeker of deelnemer.
Wanneer marketeers beter inzicht in hun data willen krijgen, vragen ze zich al snel af welke software ontbreekt. Dat is volgens Frans niet nodig: “Ik word heel vaak gevraagd om te kijken welke software mist, maar bijna altijd is de software om datagedreven te werken al gewoon in huis.” Als je start met data, kun je volgens hem dan ook het beste beginnen bij de data in je bestaande systemen in plaats van bij de aanschaf van nieuwe software. Daarmee kom je in de meeste gevallen al een heel eind. “Software is slechts zo geavanceerd als de persoon die het gebruikt. Om datagedreven te werken is begrip van de data in de software belangrijker dan de software zelf.”
In de praktijk ziet Frans dat organisaties vaak aan de verkeerde kant beginnen. De aanleiding om datagedreven te werken is meestal intern gedreven: er moet een datastrategie komen of een nieuw ticketingsysteem. Maar de vraag waarom en voor wie je dat precies doet, wordt overgeslagen. Wat lost het op? Wat als we het niet doen? Daardoor leveren investeringen in techniek onderaan de streep weinig op voor de bezoeker en voor de organisatie zelf.
Wil je datagedreven werken? Verleg dan de focus van intern naar extern. Als cultuurmarketeer zet je de bezoeker voorop en vertegenwoordig je diens stem. Pas als je data gaat zien als de taal die bezoekers spreken, leer je hen echt (her)kennen. En pas vanuit die publieksinzichten ontdek je wat er eventueel aan techniek nodig is – en niet andersom.
Maar welke data geeft je echt inzicht in je publiek? Veel nieuwe software belooft directe antwoorden via dashboards, realtime cijfers en KPI’s: fast data. Het gevaar daarvan is dat je je meer op de software en de grafieken gaat focussen dan op de data die er daadwerkelijk toe doen.
Fast data heeft alleen zin, als je slow data op orde is. De echt waardevolle informatie vind je namelijk in slow data, legt Frans uit. Slow data laat bezoekersgedrag over een langere periode zien. Het maakt duidelijk wat iemand door de tijd heen wel of niet doet, wat je inzicht geeft in de behoeften en het gedrag van publiek op de lange termijn. Uit slow data haal je het verhaal achter de cijfers om de bezoeker écht te begrijpen. Wat willen ze bereiken? Wanneer hebben ze dat bereikt? Onderzoeker Brenée Brown zegt het helder: “Storytelling is data with a soul”. Dat laatste ontbreekt vaak. Het blijft bij data, maar het wordt geen informatie, geen verhaal. Laat staan een inzicht waar we een plan of campagne op kunnen bouwen.
Heb je al die complexe tools en software nog wel nodig als AI steeds meer kan? AI maakt het bouwen en koppelen van software makkelijker, waardoor techniek minder snel een knelpunt is. Maar vooral op het gebied van data-analyse bewijst AI op dit moment haar nut, ziet Frans.
“Met AI hoef je geen data-analist te zijn om waardevolle inzichten boven water te halen. Het maakt het eenvoudiger om data te interpreteren, juist ook ongestructureerde informatie zoals bezoekersreviews, enquêtes en reacties op social media.”
Toch blijft ook bij het gebruik van AI menselijke context onmisbaar. Je kunt AI niet goed inzetten, zonder te begrijpen wie je publiek is. Zolang je denkt vanuit systemen in plaats van bezoekers, brengt ook AI je niet dichter bij je publiek.