Het online kanaal levert veel inzicht in het gedrag van bezoekers. Slimme managers weten deze inzichten te vertalen in waarde voor de hele organisatie. Zij leggen een heldere relatie tussen online gedrag en offline resultaat. Hieronder zal ik drie indicatieve cases behandelen, die opvielen tijdens de laatste editie van de Emetrics summit in Washington:

1: New York Times: relatie tussen page views en vrije verkoop
Op maandag 10 maart 2008 werd bekend dat een prominente Gouverneur van New York, Eliot Spitzer, verbonden was aan een prostitutienetwerk. De NYT had de primeur van dit ´ranzige´ nieuws, dat meteen op de website werd geplaatst. Als gevolg van dit nieuwsbericht en de bijbehorende foto´s van de dame van losse zeden, braken die middag alle online traffic records.

Grote vraag was: hoeveel kranten moeten we morgen bijdrukken om aan de vraag te kunnen voldoen?
De uitdaging: niet te weinig drukken, want dan lopen we inkomsten mis. Maar ook niet teveel drukken want dan verspillen we veel geld aan papier, distributie- en productiekosten.

Een snelle duik in het web analytics systeem bracht uitsluitsel.

Het bleek dat de page views op dag X namelijk een zeer sterke relatie hadden met de vrije verkoopoplage op dag X+1. De relatie die werd gevonden was dat iedere 100% toename in page views leidt tot 29% volumetoename de volgende dag in vrije verkoop. De correlatiecoëfficiënt voor deze relatie bedroeg 0,74, wat zeer sterk is.

Uitkomst: de drukkerijen produceerden conform de gevonden formule en de voorspellingen bleken te kloppen. Sindsdien zijn de page views van dag X leidend bij het bepalen van de drukkerijvolumes op dag X+1.

2: Home Depot: productintroducties eerst online
Home depot is een grote Amerikaanse doe-het-zelf keten. Online zijn ze zeer prominent aanwezig, maar hun grootste omzetten behalen ze offline in hun 2259 winkels.

Probleem: Home depot heeft veel productintroducties. Een productintroductie is een kostbare aangelegenheid. Men moet immers het product verschepen naar de 2259 verschillende winkels. Daar volgt dan een heel circus van het in schappen plaatsen, prijzen en labelen. Voor een geslaagde productintroductie zijn al deze kosten natuurlijk geen probleem. Maar een mislukte introductie is kostbaar. De inkomsten blijven achter, winkelruimte is verspild. En, de onverkochte spullen moeten weer uit de schappen en teruggescheept naar de distributeur.

Oplossing: doe de productintroductie eerst online en evalueer het effect met web analytics.
Na de online introductie kan men nagaan welke verkoopvolumes het nieuwe product behaalt. Daarmee is al een goede schatting voor een geslaagde offline introductie te maken. Met Web Analytics kan men verder nagaan hoeveel interesse er is in het product. Daartoe meet men de productviews. Daarnaast gebruikt home depot nog enquêtesoftware om de interesse vast te stellen onder de webbezoekers.

Uitkomst: Met de online introducties kan Home Depot tegen een fractie van de distributiekosten een product aanbieden. Door de meetbaarheid van het online kanaal kunnen ze daarna goed inschatten of een productintroductie rendabel zal zijn.

3: Mec Sporting Goods: Locatie nieuwe winkel afhankelijk van online ordergrote
Canadese bergsportbeoefenaars kopen spullen bij de Mountain Equipment Coop (MEC). De organisatie levert offline via 14 winkels. Online leveren ze door het hele land.

Probleem: Het openen van een nieuwe fysieke winkel is geen makkelijke opgave in het dunbevolkte Canada

Oplossing: Web Analytics data maakte duidelijk dat een relatie bestaat tussen gemiddelde ordergrote en afstand tot een fysieke winkel. Hoe groter de afstand, hoe hoger de gemiddelde ordergrote. Door deze relatie te plotten op een kaart vond de organisatie enkele hotspots waar de ordergrote een piek vertoonde. Deze hotspots hadden, hoe kan het ook anders, geen winkel. Die plekken werden vervolgens de locaties voor nieuwe vestigingen.

Ik vind bovenstaande voorbeelden tot de verbeelding spreken. Ze maken duidelijk dat online data een enorme rol kan spelen bij organisatiebrede tactische en strategische besluitvorming. De waarde die de beslissingen oplevert was natuurlijk enorm. Volgens mij zijn dergelijke cases voor iedere organisatie haalbaar. Er zijn volgens mij 3 aspecten van belang:

1. Focus niet op techniek. Alle bovenstaande cases zijn uitvoerbaar met de simpelste software. De informatie was op het niveau van visits en page views. Met gratis software is dergelijke data goed te achterhalen.
2. Kijk organisatiebreed. De cases maken duidelijk dat de analisten zochten naar de betekenis van de informatie voor de gehele organisatie. Meestal vind analyse van web data plaats in de context van het webkanaal. De inzichten zullen zich dan ook beperken tot het webkanaal. Wanneer men zich zou afvragen wat web data betekent voor het geheel van de organisatie komen de ´brede´ inzichten vanzelf.
3. Focus op problemen en zoek naar oplossingen. Alle bovenstaande cases zijn gericht op inzet van data om veranderingen te sturen. Actie komt vanzelf door de focus te leggen op problemen die een oplossing nodig hebben. Analyse richt zich dan op het effect van de mogelijke oplossingen en op de uitvoering van de meest kansrijke oplossingen.

Ik ben benieuwd welke voorbeelden jullie hebben waar online inzicht leidde tot offline rendement. Verder lijkt het me interessant om te discusieren over kansen die jullie zien bij jezelf en anderen om meer offline rendement te behalen met online data.
Zou het iets zijn voor bijvoorbeeld Albert Heijn om productintroducties eerst online te doen? Doen ze dat al? Bij mijn weten niet, maar waarom niet?