Vertrouwen op algoritmes verpest jouw performance als marketeer

Ondanks de kracht van algoritmes zit er een cruciale bottleneck in de werking van zo’n algoritme. Dit zit (de meeste) marketeers in de weg. Of het saboteert zelfs om de beste performance te halen uit hun campagnes. Waarom gebeurt dat en wat kan je daar precies aan doen?

Al sinds de Terminator-films worden wij als mensen verteld dat machines en algoritmes meer kunnen analyseren, sneller beslissingen kunnen nemen en dus ook beter performen dan onze hersenen. Het is dus ook niet gek dat, bij de introductie van social media en het brede gebruik van algoritmes, bedrijven als Google en Meta preken over de kracht van hun algoritmes. Dat is namelijk wat hen als platform zo succesvol heeft gemaakt.

Bij de opkomst van TikTok was het unieke interest-graph gebaseerde algoritme de key reden die werd aangehaald waarom TikTok beter was dan alle andere socialmediaplatformen.

Wat is een algoritme precies en wat doet het?

Een socialmedia-algoritme is een verzameling van regeltjes en signalen die automatisch bepalen welke content op een platform het beste resultaat oplevert. Voor de meeste platformen betekent dit een sociale interactie.

Praktisch alle algoritmes zijn zelf-lerend en zelf-optimaliserend. Dat betekent dat er een aantal doelen van het algoritme worden gespecificeerd (shares, likes, watch time). En dat het algoritme dan voor iedere individu en stuk content analyseert, wat de factoren zijn die uiteindelijk voor succes zorgen en hoe die factoren ontwikkelen over tijd.

In alle algoritmes spelen er dus meerdere factoren een rol die bepalen welke content viraal gaat en welke content aan niemand wordt getoond.

Maar naast de content-algoritmes zijn er ook algoritmes die gebruikers indelen en analyseren om te begrijpen waarin iemand geïnteresseerd is. Zo is er bijvoorbeeld een onderzoek geweest door de Wall Street Journal in 2021 die testte hoeveel video’s je moest kijken op TikTok voordat je in een specifiek hokje werd gezet. De gevolgen van deze test waren erg opvallend!

Deze algoritmes bepalen dus praktisch alles wat gebruikers te zien krijgen en zijn de gatekeepers tussen de contentmakers en adverteerders en de gebruikers van het platform. Maar hoe kunnen wij daar als marketeers dan last, of succes, mee hebben?

Wat is er nodig voor succesvolle marketingcampagnes?

Als marketeers zijn we op zoek naar een positief resultaat voor het merk of bedrijf waar we voor werken. Er zijn oneindig veel doelstellingen en KPI’s voor te bedenken, maar het is eigenlijk plat te slaan tot een van de onderstaande doelen:

• Awareness → mensen bekend maken met ons merk/bedrijf
• Engagement → mensen laten interacteren met content of direct met ons merk/bedrijf
• Conversie → mensen iets laten kopen, zich abonneren of gegevens laten delen

De beste marketeers zijn dag in dag uit bezig met het optimaliseren van hun campagnes, of dat nou online of offline is, om meer doelen te behalen.

Dus met de introductie van algoritmes was het voor marketeers ineens een stuk makkelijker (en sneller) om te optimaliseren, te testen en te zoeken naar specifieke mensen die ons zouden helpen met onze doelstellingen. En op eerste gezicht lijken algoritmes dus ook een godsgeschenk. Ze helpen ons automatisch, 24/7, te optimaliseren en onze doelgroep te bereiken.

Dat was direct de kick-start voor alle growth marketeers, performance marketeers en contentmarketeers om hun kunsten te laten zien. Maar ook de opkomst van de “goeroes” die met “hacks” en “secrets” een slaatje probeerden te slaan uit bedrijven omdat deze goeroes het zogezegde algoritme hadden “verslagen”.

Cruciale data

Maar wat we als marketeers echt nodig hebben is data, data, data. En ik schrijf dat 3x omdat de data cruciaal is om onze doelstellingen structureel en schaalbaar te kunnen behalen.

Als marketeer hebben we…

• Data nodig over onze doelgroep(en) om te snappen wie zij zijn en waarom ze eventueel interesse zouden kunnen hebben.
• Data nodig over onze campagnes om te snappen of we geld aan het verdienen zijn of aan het weggooien.
• Eveneens data nodig over de consumer journey, om te zien welke kanalen en campagnes bijdragen aan het resultaat en welke alleen maar voor de show zijn.

En daar zit direct het probleem met algoritmes op socialmediaplatforms.

De gap tussen de algoritmes en strategie

De grootste bottleneck van de huidige algoritmes? Ze zijn zo zelflerend dat de ontwikkelaars zelf niet meer weten wat er precies wel en niet wordt meegenomen aan data. Dat zien we ook terug bij de platformen van Meta: steeds minder data over de doelgroep is zichtbaar bij campagnes.

Maar de meeste marketeers zijn het er volgens mij over eens, relevantie is dé cruciale factor in het behalen van resultaten met je campagnes. Om relevantie als marketeer te behalen moeten we de juiste doelgroep, op het juiste moment, met de juiste content bereiken. Dus hoe kunnen we relevant blijven als we (te) weinig data hebben?

Dat is geen onwil van de platformen, maar de aard van het beestje. Algoritmes gebruiken zoveel datapunten dat die niet (makkelijk) gedeeld kunnen worden met gebruikers en adverteerders. En daarnaast is met de introductie van privacywetgevingen ook het delen van data aan banden gelegd. Maar dat zorgt dus dat er juist een tekort ontstaat aan data, de grondstof die marketeers zo hard nodig hebben voor relevantere campagnes.

Dit kan uiteindelijk voor enorme problemen zorgen als algoritmes volledig los worden gelaten. Zo is er een heel boek geschreven over algoritmes die op die manier juist voor verkeerde uitkomsten zorgden. Het gaat om Weapons of Math Destruction (affiliate) van Cathy O’Neil.

Content nog het enige waar we controle op hebben

En wat doen de platformen en de “goeroes” daaraan? Ze adviseren aan alle marketeers om de targeting zo breed mogelijk te maken en alleen nog je creative te testen. Content is eigenlijk de enige factor die wij als marketeer “overhandigd” krijgen als waar wij controle op kunnen en mogen houden.

En de vraag is maar of met de introductie van steeds betere AI-tools dat nog wel van lange duur is. Of dat er binnen de kortste keren AI-algoritmes ontstaan die de content ook al voor ons maken.

Dat klinkt haast als een script voor een film. Machines die bepalen wat we te zien krijgen en aan de hand van waar wij op klikken en kijken zijn er weer andere machines die deze content meer en beter maken. Wat je dan dus krijgt zijn marketeers die eigenlijk niet meer weten wie hun doelgroep is, niet meer weten waarom een bepaalde advertentie wel of niet werkt en niet meer (goed) weten hoe ze verschillende uitingen tot een geheel kunnen maken.

Wat is dan nog de toegevoegde waarde en competitive advantage van marketeers?

Hoe overbruggen we die gap?

Een ding is zeker, vertrouwen op het algoritme levert een tekort aan data op. Het stelt de meeste marketeers alleen nog in staat om generieke creatives te testen in de hoop dat “iets” werkt.

Dus hoe brengen we de data terug in de handen van de marketeers, zonder dat we de benefits van de algoritmes opgeven? Simpel: we moeten meer controle nemen in het maken en bouwen van onze campagnes en content.

Mijn doelstelling bij het maken van campagnes is om data te krijgen over:

• Welke doelgroepen zijn het interessantst voor mij?
• Wat willen die doelgroepen precies zien qua communicatie?
• Hoe kan ik die doelgroepen het beste bereiken?

Want inzicht in deze punten levert mij een heel duidelijk competitive advantage op: ik ben relevant! En deze relevantie zorgt voor een (veel) betere performance. Zo zie ik campagnes met minimaal 50% betere performance (hogere engagement en lagere kosten) die tot wel op kan lopen tot 10x zo goed als andere campagnes.

Die betere performance is het zeker waard om daar iets meer werk voor te doen als marketeer! Maar hoe pak je dit aan?

Segmentatie versus brede targeting

Het is belangrijk om te begrijpen dat een algoritme, bijvoorbeeld voor advertising, werkt binnen de regels (voor targeting en doelstellingen) die jij als marketeer bepaalt.

Aangezien Meta niet de data achteraf kan delen, begin ik met het segmenteren van de doelgroepen. Dat betekent dus geen broad targeting, maar juist 20-50 specifieke gedrags- en interesse-doelgroepen.

Een paar voorbeelden:

• Geen “Vrouw, NL, 24-49” → Wel “Vrouw, NL, Hoog Inkomen, Sportief, Vega”
• Geen “Student NL” → Wel “Student, sociale studie, randstad, vereniging”
• Ook geen “Huisdier liefhebber NL” → Wel “Single Man met Kat”

Deze specifieke(re) segmenten leveren je 2 directe voordelen op:

• Je kan je content en advertenties veel specifieker maken dan bij brede targeting.
• Je zal tijdens de campagne het verschil in performance per doelgroep kunnen zien. Dus ineens heb je WEL inzicht in je doelgroep.

Specifieke creatives

Doordat je in de vorige stap segmentaties hebt toegevoegd, ben je nu in staat specifiekere creatives te maken. Die zijn bedoeld om die specifieke segmentaties perfect aan te spreken. Want, als je een student wil aanspreken moet je natuurlijk wel een student laten zien. Maar, verrassing: een beeld van een student zal niet direct een vrouw van 45 met een hoog inkomen aanspreken.

Dus maak per segment een aantal variaties van je creatives, specifiek met een boodschap bedoeld voor die doelgroep. Maar stop vooral niet bij de visual en zorg ook voor copy die matcht met de doelgroep zodat deze zich écht aangesproken voelt.

Krijg specifieke inzichten

Tijdens de campagne kan je nu ook per doelgroep de performance zien, want ineens zijn alle metrics in te zien per doelgroep. Dus waar Meta je tot nu toe alleen de algemene performance liet zien, zie je nu de algemene performance PER segment!

Daardoor weet je nu perfect welke doelgroep écht geïnteresseerd is. En welke doelgroep alleen maar klikt maar niet koopt en welke advertentie per specifieke doelgroep het beste resoneert.

De marketeers die echt het verschil willen maken nemen deze inzichten mee. Je kunt dan landingspagina’s verder personaliseren en offline campagnes gericht op de specifieke doelgroepen verbeteren.

Waarom doen de platformen dit zelf niet?

Nu zul je wellicht denken: “Dit klinkt allemaal heel logisch, waarom adviseren de platformen dit zelf niet. Of maken ze tools om dit gemakkelijker te maken?”

Tja de echte reden weet alleen “de Zuck”, maar mijn inschatting is dat er een aantal redenen meespelen:

• De MKB-adverteerders geven gezamenlijk evenveel uit als de grote nationale spelers aan advertenties, maar die hebben vaak geen specialisten in dienst (of hele goede agencies). Dus hoe makkelijker, hoe meer deze groep zal adverteren, dus hoe meer omzet voor Meta.
• Sinds Cambridge Analytica zijn de privacy- en datawetten een stuk strakker geworden in de Westerse wereld. Dus vanuit een corporate risicoperspectief is het “veiliger” voor Meta en Google om niet (te) veel data te delen met adverteerders.
• Het maken van tools is nutteloos als niemand ze gebruikt. Dus investeren in deze tools is onnodig als marketeers er (te) weinig naar vragen.
• Een goed algoritme klinkt “krachtiger” dan een mooi aantal tools. Dus de platformen vechten onderling voor 2 onderwerpen: users & algoritmes. De storyline dat Facebook of TikTok een goed algoritme hebben, zorgt voor meer vertrouwen van adverteerders.

Er zit op die manier praktisch geen incentive bij de platformen om dit zelf te ontwikkelen. Des te meer kans voor de slimmere marketeers om deze strategie te adopteren en de markt te outperformen.

Zet ‘m op!

Zoals met alle artikelen waarin een strategie of methodologie wordt uitgelegd is de waarde van de informatie afhankelijk van de inzet van die informatie door de lezer.

Daarom daag ik je uit om tenminste 1 poging te doen deze strategie in te zetten voor een van je campagnes. Voeg gewoon een aantal segmentaties toe aan je campagnes en maak een paar kleine personalisaties van de gebruikte advertenties om de segmenten specifiek aan te spreken.

En vergeet niet om de inzichten die je uit deze methodologie haalt in te zetten voor campagnes op andere kanalen, of dat nou online of offline is!