12‐11‐2013
De kracht van data
Onderwerpen • Even voorstellen • Data verzamelen • Data bewerken • Data gebruiken • Een casus: IFFR • Aan de slag….. • Vragen en antwoorden 07‐11‐2013
RoEerdam FesFvals
2
1
12‐11‐2013
Waarom verzamel je data? • Weten, evalueren, controleren (historie) – Campagne geslaagd, doelen gehaald?
• Voorspellen, voorbereiden (toekomst) – RetenFe, cross selling, up‐ & deep selling – OperaFoneel (morgen t/m de rest van seizoen) – TacFsch (volgend seizoen) – Strategisch (volgende beleidsperiode)
07‐11‐2013
RoEerdam FesFvals
3
Waar wil/moet je op sturen? • Publieksaantallen
– Subsidiënten, arFesten
• Omzet
– Eigen inkomsten
• Typen bezoekers
– Afspiegeling verzorgingsgebied
• Programmering – Breed/niche?
• KlanEevredenheid
– Klachten & wensen
07‐11‐2013
RoEerdam FesFvals
4
2
12‐11‐2013
Opera;oneel gebruik van data • Inzicht krijgen in omzet/aantallen kaarten per: – Dag, week, maand • Voorstelling • Zaal/locaFe • Per klant(groep) • AcFe/campagne
07‐11‐2013
RoEerdam FesFvals
5
Tac;sch gebruik van data • Inzicht in omzet & aantallen per seizoen van: – Verkochte abonnementen en series – Verkochte losse kaarten (met/zonder korFng) – Verkochte programma’s, horeca, merchandise – Verhuur (congressen, beurzen, amateurs)
• Inzicht in resultaat – Jaarplan/seizoensplan gehaald?
07‐11‐2013
RoEerdam FesFvals
6
3
12‐11‐2013
Strategisch gebruik van data Denk aan een periode van 3‐5 jaar • Voor ‘de poliFek’ – Doelstellingen cultuurnota gehaald?
• Voor sponsoring, fondsenwerving, donaFe – Profiel bezoekers helder?
• Voor toetsen van missie & visie – Liggen we op koers?
07‐11‐2013
RoEerdam FesFvals
7
Wat laten data je zien? • • • • • • •
Omvang & samenstelling verzorgingsgebied RelaFe gerealiseerde & voorspelde omzet RelaFe tussen omzet & kosten BezoekfrequenFe per seizoen/genre Aantal nieuwe bezoekers/aeakers per seizoen Aantal trouwe bezoekers (heavy users) Aantallen klachten en wensen
07‐11‐2013
RoEerdam FesFvals
8
4
12‐11‐2013
Voorbeeld van data‐analyse • Aantal bezochte genres in onderzoeksperiode
07‐11‐2013
RoEerdam FesFvals
9
Analyse bezoek per seizoen • Aantal bezochte seizoenen in vijf jaar
07‐11‐2013
RoEerdam FesFvals
10
5
12‐11‐2013
Hoe bewerk je data? • Opschonen – Interne/externe audit ‐> verversen = besparen
• Bewerken – HandmaFg, automaFsch, door data‐analist
• Rapporteren – Verzamelen & bewerken = 80% van de Fjd – Analyse & interpretaFe = 20% van de Fjd
07‐11‐2013
RoEerdam FesFvals
11
Wat zijn data eigenlijk? • Data zijn: – De registraFe van een feit • Ruw/onbewerkt • In rijen/kolommen
– Deel van de werkelijkheid • Bevroren moment
• Data‐analyse: – Zoeken naar zinvolle verbanden, patronen en trends via analyse van gegevens m.b.v. technieken 07‐11‐2013
RoEerdam FesFvals
12
6
12‐11‐2013
Welke soorten data zijn er? • ‘Harde’ & ‘zachte’ data – KwanFtaFef vs. kwalitaFef
• Interne data – Gegevens uit diverse systemen
• Externe data – Gemeente, SCP, OCW, VSCD, CBS, Cendris, Experian
• Big data – Het ontdekken en interpreteren van patronen 07‐11‐2013
RoEerdam FesFvals
13
RoEerdam FesFvals
14
Van data……..
07‐11‐2013
7
12‐11‐2013
Naar inzicht…… 40%
35%
30%
25% % kaarten 20%
% omzet Lineair( % kaarten) Lineair( % omzet)
15%
10%
5%
0% 2008-2009
2009-2010
07‐11‐2013
2010-2011
2011-2012
2012-2013
RoEerdam FesFvals
15
Wat doe je met data? • Analyseren – Gedrag uit het verleden beschrijven (deducFe) – A9tude in de toekomst voorspellen (inducFe)
• Segmenteren en selecteren – Demografisch, socio‐economisch, lifestyle – TransacFegedrag, surfgedrag
07‐11‐2013
RoEerdam FesFvals
16
8
12‐11‐2013
Wat is segmenteren? • To divide the market in groups of customers with the same preferences in terms of sa?sfying their needs (Philip Kotler)
• Helpt om efficiënter gebruik te maken van middelen en zo het resultaat te verbeteren: – Meer bezoekers trekken – Meer eigen inkomsten genereren
07‐11‐2013
RoEerdam FesFvals
17
Drie veel gebruikte segmenten • Heavy users: cultuur als vanzelfsprekend • Medium users: cultuur als opFe • Light users: cultuur als ongebruikelijk
07‐11‐2013
RoEerdam FesFvals
18
9
12‐11‐2013
Gedrag vertalen naar klantpiramide 13% Heavy users
• Kaarten 49% • € 1.455.119
24% Light users
• Kaarten 25% • € 856.301
63% Incidentele bezoekers
• Kaarten 26% • € 1.024.895
• Deze informaFe per seizoen verversen! 07‐11‐2013
RoEerdam FesFvals
19
Voorbeeld van segmenta;e • Mosaic: bovengemiddeld & gemiddeld kansrijk
Type bezoeker
07‐11‐2013
Aantal bezoekers
RoEerdam FesFvals
Aantal huishoudens
Bereik & succes per type
20
10
12‐11‐2013
Voorbeeld van segmenta;e • Mosaic: Ondervertegenwoordigde typen bezoekers
Wat gaan we voor hen doen?
07‐11‐2013
RoEerdam FesFvals
21
Voorbeeld van segmenta;e RoEerdamse doelgroepen voor kunst & cultuur
07‐11‐2013
RoEerdam FesFvals
22
11
12‐11‐2013
Loca;e van R’damse doelgroepen
07‐11‐2013
RoEerdam FesFvals
23
Doelgroepen in verzorgingsgebied
07‐11‐2013
RoEerdam FesFvals
24
12
12‐11‐2013
Hoe verzamel je data? • Field research – Enquêtes houden – Gegevens vragen
• Desk research • Door aankopen Verleid je bezoekers om gegevens af te staan! 07‐11‐2013
RoEerdam FesFvals
25
Wat heb je nodig voor analyse? • Kennis van Excel en/of MS Access • Kennis van & toegang tot je FckeFng systeem • StaFsFsche tools – SPSS, voor tellingen maar vooral voor cluster‐ & factoranalyses
• Data mining tools – Blootleggen van verbanden via kunstmaFge intelligenFe 07‐11‐2013
RoEerdam FesFvals
26
13
12‐11‐2013
Waar sla je data in op? • • • • •
Kassasysteem/Reserveringssysteem MarkeFng‐ en communicaFesysteem Financiële administraFe Planning‐/‐boekingsysteem KlachtenregistraFesysteem
Deze vormen uiteindelijk een CRM‐systeem 07‐11‐2013
RoEerdam FesFvals
27
Hoe duur zijn data? • Up‐to‐date houden klantkennis kost geld: – Gegevens (ex‐)klanten, prospects actueel houden – Systemen aanschaffen voor verzamelen/bewerken – Medewerkers aantrekken en trainen
• Datakwaliteit vergroot effecFviteit: – AcquisiFe, relaFeontwikkeling, klantbehoud
07‐11‐2013
RoEerdam FesFvals
28
14
12‐11‐2013
Segmenta;e in de prak;jk 1. Onderzoek ‐ op inhoud (onderzoek) ‐ database (bezoekersgegevens) 2. SegmentaFe in markeFngacFes 3. SegmentaFe in fondsenwerving
1. Onderzoek • Voorbeelden op inhoud – CommunicaFeboodschap en –middelen – Eerste Hulp bij filmkeuze
• Voorbeelden database – aantal filmbezoeken – aantal jaren bezoek
15
12‐11‐2013
2. Segmenta;e in marke;ngac;es • Onderverdeling doelgroepen ‐ op inhoud (thema’s) en database (bezoeken) ‐ voorbeeld: inzet eerste hulp bij filmkeuze ‐ voorbeeld: ‘ More than film’‐programma
3. Segmenta;e in fondsenwerving • Werving donateurs: ‐ Onderverdeling in bezoekjaren ‐ Onderverdeling in aantal bezoeken ‐ (verschil in) resultaten
16
12‐11‐2013
Do’s and don’ts….. • Betrek iedereen (zelfs de direcFe…..) • Investeer in gangbare en flexibele sowware – Niet uitbesteden: blijf baas in eigen base
• Gooi geen oude gegevens weg • Verzamel gegevens en valideer regelmaFg • Ga uit van een business case niet van budget
07‐11‐2013
RoEerdam FesFvals
33
Aan de slag….. • • • • • • • • •
Vind alle gegevens Breng alles onder op één plek: De Database Maak er een visueel aantrekkelijke presentaFe van Trek iemand aan die de data kan bewerken Verspreid resultaten van de analyses intern Leg alle ‘universele waarheden’ langs de data‐meetlat Analyse levert stukjes van de puzzel ≠ gouden formule Realiseer ambiFes die door data ondersteund worden Laat iemand anders het woord voeren!
07‐11‐2013
RoEerdam FesFvals
34
17
12‐11‐2013
Vragen? • • • •
[email protected] www.cultuuronderzoeken.nl m.vannes@filmfesFvalroEerdam.com www.filmfesFvalroEerdam.com
07‐11‐2013
RoEerdam FesFvals
35
18
