In de ogen van marketeers zijn twee van de sterkste punten van de menselijke geest:

1. ons vermogen om patronen te herkennen uit imperfecte informatie.
2. ons vermogen om verhalen te vertellen die resoneren en verspreiden.

Ironisch genoeg zijn dit ook twee van de grootste zwakke punten van data-gedreven marketing.

Marketing technologie blogger Scott Brinker presenteerde begin deze maand op DemandCon over effectief marketing management met data en deelde daaruit 2 menselijke sterke punten die zwakke punten van data zijn.

Patronen zijn overal, maar dode mensen dragen geen ruitjes

Bekijk het onderstaande plaatje uit een kinderboek:

Welke vorm volgt hier op? Bijna uit reflex zeg je: cirkel!

Onze hersenen zijn van nature zo ingesteld dat we inductieve patronen herkennen. Het is een kenmerk van ons brein. Maar ook een bug. Want, als je er over nadenkt, dat is maar een ongelooflijk kleine dataset die we zien. Hoe kunnen we dan zo snel en zeker zeggen “cirkel”?

Hoe weten we niet dat het patroon bijvoorbeeld driehoek, cirkel, driehoek, driehoek, cirkel, driehoek, driehoek, driehoek is? Dat zou zeker een mogelijkheid zijn, en een die we zo zouden kunnen herkennen als we een grotere sample van de data hadden.

We moeten ook rekening houden met de mogelijkheid van ruis. Wat als deze sample fouten bevatten? Wat als iemand een driehoek heeft geplaatst waar een cirkel had horen te staan? Of per ongeluk een hexagon? Hoe goed is onze patroonherkenning opgewassen tegen zulke fouten?

Dat ligt er aan. Dat ligt aan het patroon, de ruis, en eerlijk gezegd, of het wel echt een patroon is of simpelweg iets dat toevallig op een lijkt. Het is een krachtige gave die we hebben om patronen in data te ontdekken, maar we bedriegen ons zelf als we patronen simpelweg op het eerste gezicht aannemen.

Neem patronen in data niet zomaar aan. Detecteer maar verifieer.

We kunnen het patroon proberen te verifiëren door andere databronnen te gebruiken. Of nog beter, we kunnen experimenten draaien om onze hypotheses te testen. Hoewel we nooit een perfecte garantie kunnen krijgen, zal het gebruik van zulke technieken de mogelijkheid dat het patroon dat we geïdentificeerd echt (en relevant) is wel dramatisch verbeteren.

Alle datagedreven marketeers zijn verhalenvertellers

Scott Brinker had een paar maanden geleden een gesprek op Twitter met Jeff Cram. Jeff waarschuwde een big data panel over het gebruik van verouderde data om een belangrijk punt te maken. Meer recente data sprak hun argument namelijk tegen. Zoals Robert Plant zei, dat is “pumping irony”.

En dat is het probleem in een notendop.

Marketeers, misschien nog meer dan iedereen anders, zijn hele goede verhaalvertellers. Seth Godin heeft dat punt goed gemaakt. Het blijkt dat we ook uiterst vatbaar zijn voor goede verhalen.

Zo kunnen we een annecdote over data die we een keer gehoord hebben, misschien van een opinipeiling jaren geleden, met wie-weet-wat voor een soort methode, waar een leuke soundbite uit kwam die over het web is gegaan met verschillende interpretaties en verfraaiingen -en die voor waarheid aannemen. We kunnen het dan in ons eigen verhaal verwerken. We geloven het. En met genoeg passie, kunnen we anderen overtuigen om het te geloven.

Maar dat maakt het niet perse waar.

Althans, niet waar in het heden, in een andere tijd, onder andere omstandigheden.

Begrijp me niet verkeerd. Rauwe data is verschrikkelijk saai. Om data toe te passen voor goede marketing, moeten we het in de context van een belangrijk verhaal zetten. Maar feitelijk is het een hypothese, geen verhaal.

Neem niet elk verhaal zomaar over. Luister, maar verifieer de relevantie van de data.

Omdat onze patroonherkennende talenten zo gemakkelijk verkeerde conclusies kunnen trekken, zouden we niet alleen moeten luisteren naar verhalen, maar ze ook verifiëren. Als het een verhaal is waar we een belangrijk iets aan hangen (zoals onze reputatie van iemand met kennis op een bepaald gebied), is het meer dan de moeite waard om te verifiëren dat we de nieuwste en meeste relevante bron hebben.

Waar mogelijk is het beste dat we kunnen doen een test doen om de hypothese te verifiëren in de context waarin we het willen toepassen. De kracht van experimenteren om data mythes van data realiteit te onderscheiden is de hoofdreden waarom big testing nog veel belangrijker is dan big data.

In dit digitale tijdperk is misschien de grootste marketingfout die je kan maken, het negeren van data. Maar de tweede grootste fout die je kunt maken is om de data te veel te vertrouwen.