
Alles begint met de juiste vraag. Want pas wanneer je scherp formuleert wat je wilt weten, wordt data waardevol. Niet als doel op zich, maar als middel om inzichten te krijgen die bijdragen aan groter publieksbereik en meer betrokkenheid.
In dit artikel neem ik je mee in een concreet vraagstuk dat we bij hebben aangepakt. Van een scherpe onderzoeksvraag, via relevante data en analyse, naar inzichten waar je direct mee aan de slag kunt. De basis vormt een smaaksegmentatieonderzoek dat Picl het afgelopen jaar uitvoerde samen met data-analist Sara Oomen en zeven aangesloten filmtheaters. De uitkomsten zijn niet alleen relevant voor filmtheaters, maar bieden ook inspiratie voor andere culturele instellingen die werken met een gesegmenteerde publieksbenadering.
Data-analyse klinkt misschien technisch of abstract, maar bij Picl zien we het vooral als middel om publieksgedrag beter te begrijpen, waardoor onze gebruikers beter geïnformeerd kunnen worden. Dit moet leiden tot meer publiekstevredenheid en efficiëntere communicatie, met uiteindelijk als doel dat publiek vaker terugkomt bij Picl. Denk aan het geven van aanbevelingen (filmtips) en herinneringen (deze film is nu te zien). Veel organisaties in de culturele sector verzamelen veel data, maar benutten slechts een klein deel ervan. Terwijl betere inzichten meestal niet zitten in meer data, maar eerder in betere vragen.
Picl is een streamingplatform voor arthousefilms. Op marketing- en programmavlak werken wij intensief samen met 36 filmtheaters in Nederland en 4 in België. Theaters verwijzen hun publiek naar Picl voor films die ze in de zaal gemist hebben, en Picl verwijst door naar die zalen. Per verkochte online view wordt bovendien een bedrag afgedragen aan het filmtheater dat de kijker geselecteerd heeft.
Omdat zowel Picl als de aangesloten theaters publieksdata verzamelen, ligt de uitdaging in het slim op elkaar afstemmen van al die informatie. De losse stukjes moeten samen één helder beeld vormen om zo het publiek relevant en tijdig informeren, zonder hen te overladen met boodschappen.
In dit onderzoek leerden we dat data nooit het startpunt is. Begin met een vraag. Die vraag bepaalt namelijk wat ik ga verzamelen, welke analysemethoden passen en welke acties mogelijk zijn.
Voor Picl was dat: “Kunnen we filmpubliek onderscheiden op basis van smaak, zodat we de marketing met filmtheaters effectiever en relevanter kunnen maken?”
Dat lijkt vanzelfsprekend, maar het is een bewuste keuze. Waarom? Omdat we ontdekten dat twee gangbare manieren van segmentering voor Picl niet goed werkten:
Juist daarom koos ik voor een vraag die niet uitging van leeftijd, regio of genre, maar van smaak. En die keuze bepaalde de rest van het traject.
Zodra de vraag helder is, ga ik op zoek naar de juiste databronnen. Cultuurmarketeers onderschatten vaak hoeveel bruikbare data zij al bezitten. Denk aan:
Met de juiste vraag kon ik gericht bepalen welke data ik nodig had. Voor het smaakonderzoek bracht ik drie bronnen samen:
De koppeling van data tussen Picl en de filmtheaters liep via geanonimiseerde e-mailadressen. Zo kregen we een compleet beeld van publiek dat zowel online als offline actief is.

Uit de analyse bleek dat mensen die films zowel online bij Picl als in het filmtheater kijken, veel meer films zien dan mensen die maar één van de twee doen. Door online én offline te combineren, kijken ze vaker, halen ze meer uit het filmaanbod en blijven loyaler aan hun filmtheater.
Hier zit voor ons de grootste winst: verschillende databronnen verbinden. Pas dan zie je patronen die je in afzonderlijke systemen niet ziet.
Voor Picl paste clusteranalyse het best. Clusteranalyse is een statistische techniek voor het indelen van klanten in segmenten. Met behulp van een algoritme wordt de ‘afstand’ tussen klanten bepaald, het verschil tussen elke set van twee klanten. Sara testte meerdere varianten, probeerde verschillende aantallen clusters en keek steeds: ontstaan hier segmenten die duidelijk en toepasbaar zijn?
Uiteindelijk leverde dit vier smaakgroepen op:
Wat deze segmenten zo waardevol maakte, is dat ze niet gebaseerd waren op aannames (“jong publiek houdt van…”), maar op echt kijkgedrag.
Per groep keken we vervolgens naar:
In veel organisaties stopt het proces na de analyse. Maar ik vind dat het werk dan pas begint. Voor Picl en de filmtheaters vertaalde ik de segmenten naar concrete marketing- en programmeringsacties.
Op basis van de uitkomsten ontwikkelden we een toolkit vol praktische handvatten voor de marketeers van de aangesloten filmtheaters. Tools en inzichten die meteen toepasbaar zijn in zowel marketing als programmering.
Die aanpak werkt. E-mailcampagnes die specifiek op deze segmenten werden afgestemd, lieten CTR-stijgingen zien van 20 tot 35 procent. Door scherper te targeten, campagnes te optimaliseren langs de hele funnel en marketeers van filmtheaters gericht te adviseren, behaalden we aantoonbaar betere resultaten.
Leden die eerst inactief waren werden opnieuw actief, er kwamen meer aanmeldingen voor de nieuwsbrief binnen en zowel online als in de filmtheaters werden er meer films gekeken. Met A/B-tests toetsten we aannames en scherpten we campagnes verder aan.
En of je nu werkt voor een theater, museum, festival of platform: als je de juiste vraag stelt en durft te segmenteren op gedrag in plaats van op aannames, verandert data plotseling van ruis in richting.
Wat ik meeneem uit dit traject:
De kern is simpel: datagedreven werken begint niet bij data, maar bij de juiste vraag. Door relevante bronnen te koppelen, gericht te analyseren en inzichten te vertalen naar concrete acties, kun je je publieksbereik, conversie en betrokkenheid structureel vergroten.
Juist wanneer persona’s en genres te grof blijken, biedt segmentatie op smaak en gedrag uitkomst. Het maakt communicatie persoonlijker, programmering scherper en samenwerking effectiever.
Met de juiste vraag wordt data niet ingewikkeld, maar juist eenvoudiger en waardevol.