Continue optimalisatie: het PEACO-model

In dit artikel leg het ik PEACO-model uit, het model wat ik gebruik om continue optimalisatie op basis van learnings uit data duidelijk te maken.

LEAN

Het principe van continue ontwikkeling is groot geworden doordat het onderdeel is van de principes van de LEAN startup. Lean startups werken met continue, zich herhalende ontwikkelingscycli. Anders dan een jarenlang productontwikkelingsproces waarbij de onderneming denkt de behoeften en problemen van klanten te kennen, elimineert de lean-methode verspilling van tijd en resources door producten iteratief (herhalend) en incrementeel (toenemend) te ontwikkelen. Het optimaliseren van de effectiviteit van de marketinginspanningen aan de hand van de strategie en doestellingen op basis van inzichten vanuit analytics, is een continu proces. Na elke cyclus ben je een stukje slimmer omdat je meer weet over wat werkt en wat niet. Dit wordt mooi gevisualiseerd in het PDCA-model. Het model is ontwikkeld door William Edwards Deming, die wordt beschouwd als de vader van de moderne kwaliteitscontrole. Daarom wordt het ook wel de Deming-cirkel genoemd. Er zijn verschillende versies van het model. Zo legde Deming later in zijn carrière meer nadruk op analyse in plaats van checken. Een stap die bij data onontbeerlijk is, is het communiceren met collega’s en andere belanghebbenden over de data. In mijn boek neem ik deze aanpassingen mee en praat ik over het PEACO-model (Plan, Execute, Analyze, Communicate, Optimize).

Iteracties

Deming was met zijn gedachtegoed de grondlegger van optimalisatiemethodieken zoals six sigma en lean. Iteraties (herhalingen) vormen een belangrijk concept in het model. Elke keer wanneer je het model doorloopt – dat wil zeggen; elke keer dat je plannen maakt, het resultaat meet en die vertaalt naar inzichten en vervolgens naar optimalisaties –ben je een stukje wijzer dan je was voordat je er aan begon. Daarna begin je weer aan een nieuwe cyclus van het model. Je leert, zorgt dat er een nieuwe standaard wordt gecreëerd en gaat weer verder met leren. Zo zorg je voor continue optimalisatie. Nieuwe learnings worden mogelijk gemaakt door datgeen wat je eerder hebt verbeterd en geoptimaliseerd. Zo is wat je leert steeds bepalender.

De benadering met de continue optimalisatie is gebaseerd op de overtuiging dat kennis en vaardigheden gelimiteerd zijn, maar steeds beter worden. Vooral aan het begin van een project is veel informatie nog niet beschikbaar. De PEACO-methode zorgt voor data om de hypotheses te bekrachtigen of ontkrachten en de kennis te vergroten. De methode zet zich af tegen het principe dat iets in één keer perfect neergezet kan worden; dat kost waardevolle tijd en bovendien loopt de organisatie het risico op analysis paralysis. Deze term wordt gebruikt om aan te geven dat als je wacht tot het moment dat je een probleem volledig juist kunt oplossen, je nooit tot een oplossing zal komen. In plaats daarvan is het beter om voor ‘redelijk goed’ te gaan en vanuit daar te experimenteren om kennis te vergaren.

De PEACO-cirkel

De PEACO-cirkel is een krachtige methode om de prestaties van je organisatie data-bedreven te verbeteren. Door de cirkel regelmatig te doorlopen met de juiste data en metrics, en de resultaten toe te passen, ontstaat een lerende organisatie. Bij continue optimalisatie werk je voortdurend aan het verkrijgen van meer kennis over klantgedrag en aan toepassing hiervan in de organisatie. Niet de onderbuik of de waan van de dag regeert, maar de kennis over de gebruiker. Wanneer je werkt met deze cycli is het direct duidelijk hoe belangrijk data en de juiste metrics zijn. Data is integraal onderdeel van het ontwikkelproces. Daarbij is het heel belangrijk dat je weet wát je wil meten (beslissingen of gedrag), hoe je dat gaat meten (dataverzamelingsmethode) en op basis waarvan je het resultaat beoordeelt (de juiste metric). Alleen relevante metrics leiden tot geïnformeerde beslissingen.

De PEACO-cirkel bestaat uit de volgende vijf stappen:

1. Plan. Je bepaalt wat het doel is van je marketingstrategie/ marketingplannen en welke invulling je geeft aan je marketingmiddelen.
2. Execute. Je voert je marketingstrategie/marketingplannen uit.
3. Analyze. Je meet het resultaat en toetst dat aan de vastgestelde doelen.
4. Communicate. Je communiceert de inzichten van de analyse met anderen.
5. Optimize. Je optimaliseert aan de hand van de opgedane inzichten.

1 Plan

Strategie geeft een organisatie richting en vertelt ‘hoe’ de organisatie haar doelen gaat bereiken. De marketingstrategie is afgeleid van de bedrijfsstrategie en beschrijft hoe marketing bijdraagt aan het realiseren van de bedrijfsstrategie. Je bepaalt welke marketingmiddelen je gaat inzetten en met welk doel.

Naast dat je je marketinginzet bepaalt, bepaal je ook hoe je meetbaar maakt of je marketinginzet succesvol is of niet. Het lijkt misschien plain obvious, maar deze stap wordt vaak maar half gedaan of zelfs overgeslagen. En dat terwijl het succes van je strategie juist afhangt van hoe je dat succes definieert en hoe (of waaraan) je dit succes kunt aflezen. Metrics hebben hierbij een centrale rol, dat zijn immers de criteria op basis waarvan je de inspanningen gaat beoordelen en bijsturen. Dit dwingt je om het precieze doel van een campagne scherp te krijgen. Op welke fase in de klantreis richt een campagne zich? Hoe kan en mag het succes van deze campagne worden beoordeeld?

Analytics draait om het vinden van antwoorden: over het effect van je marketing en over de bedrijfsprestaties. Goede analytics en goede data beginnen met het stellen van de goede vragen. Daarbij is het belangrijk om te beginnen bij de vragen waar je echt een antwoord op wilt. Begin vooral niet bij vragen vanuit je data, zoals: wat is het ratio van x of hoe vaak komt y voor. Begin liever bij vragen die écht belangrijk zijn: Wat willen we dit jaar bereiken? Wat is het doel van deze campagne? Wat moet deze campagne opbrengen voor het bedrijf?

Goede metrics brengen zodoende ook focus aan op datgene wat je uiteindelijk nastreeft met de inzet van je marketingmiddelen. Daarom is het belangrijk dat je geen waslijst aan metrics opstelt, maar dat je een klein aantal écht belangrijke metrics hanteert: de Key Performance Indicators (KPI’s). Je wilt dat iedereen in het bedrijf deze kerncijfers kan onthouden. Ze moeten bij iedereen top of mind zijn. Deze paar metrics, die er echt toe doen, worden ook wel de critical few genoemd. Het focussen op een beperkt aantal KPI’s is ook logisch uit strategisch oogpunt, want een organisatie kan niet meer dan een paar KPI’s echt beïnvloeden.

Het focussen op een beperkte set KPI’s betekent overigens niet dat er in de organisatie geen andere metrics gemonitord worden. Per kanaal of campagne kunnen er allerlei operationele metrics worden gebruikt die nodig zijn om op te sturen. Meer over het opstellen van metrics lees je in hoofdstuk 3.

Het PEACO-model is behalve op strategisch niveau, ook op meer praktisch niveau inzetbaar. Je kunt het ook toepassen op bijvoorbeeld campagne- of kanaalniveau. Als je een data-bedreven werkwijze wilt introduceren, dan is het inzetten op strategisch niveau vaak een grote stap en is het haalbaarder om het eerst toe te passen op een praktischer niveau. Pas de data-bedreven werkwijze toe om bijvoorbeeld de engagement van je Facebookpagina te vergroten, of om de vindbaarheid van je website te verbeteren. Wanneer je het model helemaal doorloopt leer je steeds meer, pas je verbeteringen toe en zorg je voor een betere performance. Hiermee doe je voor jezelf ervaring op en creëer je richting je collega’s en manager draagkracht, zodat je daarna je data-bedreven werkwijze kunt opschalen.

2 Execute

De volgende stap in het PEACO-model is de execute-fase. Hier wordt de marketingstrategie of campagne daadwerkelijk uitgevoerd. Om te zorgen dat we straks beschikken over de juiste data, begint deze fase met het implementeren van de metingen. Hieronder valt het opzetten van alle benodigde metingen en dataverzameling, ongeacht de methode van analyse. De execute-fase begint idealiter dus voordat een campagne (of bedrijfsproces) zelf van start gaat en loopt door tot het einde van de campagne of het proces. Het einddoel van de execute-fase is om zo kort mogelijk na het einde van de campagne alle bij de planningsfase geformuleerde, gewenste data beschikbaar te hebben.

3 Analyze

De verworven data vormen de input voor de analysefase. In deze fase is het doel de strategie of campagne objectief te beoordelen aan de hand van de vastgelegde metrics en vragen. Deze rapportage is altijd het eerste onderdeel van de analysefase. De opgeleverde rapportages vormen vaak ook een beginpunt voor verdere analyses.

De analysefase is bij uitstek het moment om op zoek te gaan naar verklaringen van de gerapporteerde uitkomsten. Waarom presteert een campagne beter of minder dan verwacht? Welk verschil zat er in de verzonden en de ontvangen boodschap? En hoe kwam dit? Idealiter is de analysefase het moment waarop kwalitatieve en kwantitatieve data samenkomen.

Naast de eerder genoemde rapportage- en verklaringsfunctie is er in de analysefase ook ruimte voor het ontdekken van extra inzichten die niet vooraf zijn vastgelegd. Soms lijkt er zich tijdens een campagne al een patroon te ontwaren. Dergelijke patronen kunnen in de analysefase definitief worden blootgelegd. Het beoogde resultaat van de analysefase is een concrete conclusie, die kan worden vertaald naar acties in de actiefase.

De uitkomst van deze fase is daarmee een rapportage van de resultaten, aangevuld met verklaringen. Deze zet je vervolgens om naar concrete learnings of insights, datgeen wat je geleerd hebt van de resultaten. Deze learnings zijn input voor het toepassen van verbeteringen.

4 Communicate

Digital analytics eindigt niet met het verzamelen van de data. Het vinden van inzichten uit data leidt niet noodzakelijk tot verbetering. De mate van succes hangt af van het vermogen om de resultaten over te brengen aan degene die de beslissingen neemt. Neem het verhaal van Gregor Mendel. Hoewel hij het concept van genetische erfelijkheid ontdekte, werden zijn ideeën tijdens zijn leven niet toegepast omdat hij zijn bevindingen alleen publiceerde in een obscuur wetenschappelijk tijdschrift en een aantal kopieën stuurde aan andere wetenschappers, waaronder Darwin. Hoewel hij zijn baanbrekende experimenten al in de negentiende eeuw uitvoerde, werd het belang van die experimenten pas in de twintigste eeuw ingezien. De les is hier: als je een decennium besteedt aan een onderzoeksproject, stop dan ook tijd en moeite in het verspreiden van de resultaten.

In de Communicate-fase is het zaak om de uitkomsten en learnings van de analyse om te zetten tot concrete acties en deze kenbaar te maken. Als bekend is dat een campagne wel of niet het gewenste resultaat heeft opgeleverd en hoe dat kwam, dan kan (lees: moet) hier iets mee worden gedaan.

Als er bijvoorbeeld te weinig exposure is geweest om nieuwe klanten binnen te halen, kun je ervoor kiezen om de campagneduur te verlengen, door bijvoorbeeld het budget anders in te zetten of het gebruik van kanalen in de mediamix anders te verdelen. Dit werkt natuurlijk ook andersom: als een campagne beter presteert dan verwacht, kan er misschien wel extra budget vrijgemaakt worden om het succes nog verder te vergroten. Of misschien gaat de campagne ten onder aan zijn eigen succes: als het gepromote product is uitverkocht, moet de campagne misschien wel eerder stopgezet worden.

De Communicate-fase is misschien wel de belangrijkste fase als het erom gaat de meerwaarde van analytics voor een bedrijf of campagne te bewijzen. In deze fase zorg je ervoor dat analytics output oplevert die aanzet tot actie. Niemand zit op gewoon wat cijfertjes te wachten. Je wilt horen wat deze cijfers betekenen, wat je ermee kan en ermee moet. Als het analytics-proces goed staat, neemt deze fase het grootste deel van de tijd in beslag. Dit is waar optimalisatie van een campagne (en een bedrijf) begint.

5 Optimize

Leren is alleen zinvol als je de kennis ook in de praktijk kunt brengen. Dat is waar het in dit stadium om gaat. De Optimize-fase is de fase waarin de opgeleverde lijst met mogelijkheden uiteindelijk wordt gewogen en doorgevoerd. Soms betekent dit kleine wijzigingen in de campagne, soms betekent dit dat er rigoureuze besluiten worden genomen. Ofwel: kan er worden bijgestuurd of moet de campagne worden stopgezet?

Als die keuze is gemaakt, wordt daarmee direct een nieuwe plan-fase gestart. De genomen actie zal namelijk een bepaald resultaat hebben en dus moeten de doelstellingen, de metingen en de meetmethoden opnieuw worden bekeken. Dit is waarom het PEACO-model een iteratief model is.

Vervlechting

In theorie laten de verschillende fasen zich gemakkelijk scheiden. In de praktijk is dit vaak minder gemakkelijk. De duur van de fasen is soms maar erg kort en vooral de Analyze-fase loopt vaak gemakkelijk over in de Communicate- en Optimize-fase. Ook is het soms verleidelijk om vanuit de Analyze-fase al direct door te pakken naar de Optimize-fase vanuit campagne-monitoring. Een mogelijke oplossing om dit soort verwarring te voorkomen is door extra focus te leggen op de plan-fase. Denk bijvoorbeeld na over de waarde en betrouwbaarheid van de gebruikte metrics.

Bij sommige methodes zijn de fases van zichzelf vervlochten. Zo is het bij A/B-testen in e-mailmarketing gebruikelijk dat een bepaald percentage (bijvoorbeeld 40 procent) van de doelgroep de testgroep is. De variant die onder die doelgroep de A/B-test wint, wordt vervolgens aan de rest van de doelgroep verzonden. De analyse wordt hier dus direct, automatisch, opgevolgd door optimalisatie op basis van vooraf vastgestelde criteria.

De toenemende snelheid van data maakt eveneens dat fases in toenemende mate in elkaar overvloeien – helemaal wanneer je kunt beschikken over realtime data. Op het moment dat je Facebookadvertentie live gaat, stroomt er data binnen over hoe je advertentie presteert. Je kunt deze informatie vrijwel direct gebruiken om van te leren en op basis daarvan je advertentiecampagne te optimaliseren.