Vraag je je af hoe je de demografie van je doelgroep analyseert zodat het mediaplan de juiste groepen bereikt, dan is het korte antwoord enigszins ongemakkelijk: demografie vertelt je waar je moet inkopen, maar zelden waarom iemand zal luisteren. Plannen die werken beginnen bij wat mensen denken, vrezen en bespreken, en gebruiken leeftijd of inkomen alleen om de inkoop af te bakenen. Met AI kun je dat op schaal doen, zolang er nog iemand met oordeelsvermogen aan het stuur zit.
Het meest recente voorbeeld komt uit Spanje. In een interview met Reason Why legt Laia Prunera, marketingdirecteur van verzekeraar Santalucía, uit hoe het bedrijf stopte met jaarlijkse pitches, zijn merkplatform rechtstreeks aan Oriol Villar toevertrouwde en zich ertoe verbond het merk voor de lange termijn op te bouwen. De spontane naamsbekendheid steeg in vijf jaar van 45% naar 62%, tegen concurrenten die volgens Prunera tot acht keer meer investeren.
Voor acht keer zoveel budget koop je ontzettend veel GRP’s. Als je niet op gewicht kunt winnen, moet je winnen op inzicht. Santalucía vond zijn onderscheidend vermogen in service, in het bijstaan van klanten en in de emotionele kant van de relatie, niet in een leeftijdscategorie. Voor wie media plant, ligt de les voor de hand.
Waarom is demografie niet meer genoeg voor mediaplanning?
Omdat ze heel veel mensen beschrijft die helemaal niet op elkaar lijken. ‘Stedelijke vrouwen, 35–54 jaar, hoger middeninkomen’ omvat de vrouw die net haar eerste kind heeft gekregen, de vrouw die voor haar ouders zorgt en de vrouw die een eigen bedrijf start. Ze delen een rij in de spreadsheet. Ze delen geen zorgen, routines of schermen.
Demografische targeting geeft je ook geen voorsprong meer. Elke adverteerder kan met een paar klikken exact dezelfde doelgroep op exact dezelfde platforms inkopen. Als het enige dat jouw plan van dat van de concurrentie onderscheidt de verdeling van het budget is, onderscheidt het zich eigenlijk helemaal niet.
Dan is er nog de versnippering. Het panel zegt het een, de platformdata iets anders, het CRM-systeem van de klant weer iets anders en social listening nog iets anders. Elke bron vertelt een deel van de waarheid, en de planner wordt tolk tussen systemen die niet met elkaar praten. Daar verdwijnen weken en, erger nog, daar raak je de draad kwijt van waar mensen echt om geven.
Het echte probleem: veel data, weinig inzicht
De Data Quality Theory vat het samen in een eenvoudig idee: data is goed als ze de beslissing dient die je moet nemen. Niet als ze exacter is en niet als er meer van is. Een perfect gemeten leeftijd is slechte data als de beslissing is welke boodschap iemand laat stoppen met scrollen.
In planning verwarren we vaak precisie met bruikbaarheid. We meten het bereik binnen een doelgroep tot op de decimaal nauwkeurig en weten nauwelijks wat die doelgroep bezighoudt op het moment dat de advertentie verschijnt. Daarom is engagement zo weerbarstig: het komt voort uit begrip, niet uit cijfers.
Bij versnipperde bronnen wordt het effect groter. Elk team optimaliseert zijn eigen data en niemand is eigenaar van de vraag die ertoe doet: wat speelt er bij deze persoon, en hoe kan het merk op dat moment nuttig voor die persoon zijn?
Wat is mediaplanning op basis van spanningsvelden?
Een spanningsveld is de botsing tussen wat iemand wil en wat diegene tegenhoudt. Het is geen eigenschap maar een actueel probleem, en mensen praten erover op social media, in forums, in reviews en in reacties. In deze aanpak is een persona een groep mensen die hetzelfde spanningsveld delen, ook als ze niet dezelfde leeftijd hebben.
Neem een goedkope sportschoolketen. In de klassieke briefing staat ‘18–34, stedelijk’. Lees wat het publiek zelf post en je vindt misschien twee groepen: mensen die willen beginnen met trainen maar zich schamen omdat ze niet weten hoe de apparaten werken, en vaste bezoekers die klagen over de overvolle sportvloer op piekuren. Dezelfde leeftijdscategorie, tegengestelde plannen: geruststellende content in tutorialstijl voor de eerste groep; boodschappen over openingstijden en drukte, precies op het moment van de beslissing, voor de tweede.
| Criterium | Demografisch plan | Plan op basis van spanningsvelden |
|---|---|---|
| Planningseenheid | Doelgroep op leeftijd, geslacht, inkomen en regio | Persona gegroepeerd op een gedeeld spanningsveld |
| Belangrijkste bron | Panels en zelfopgegeven platformdata | Gesprekken en content die het publiek publiceert |
| Vraag die het beantwoordt | Welke doelgroep koop ik in? | Waarom besteden ze aandacht? |
| Kanaalkeuze | Affiniteit en kosten per contact | Waar en wanneer het spanningsveld zich voordoet |
| Boodschap | Eén generieke boodschap voor de hele doelgroep | Eén per spanningsveld, elk met een eigen toon |
| Meting | Bereik en frequentie | Bereik plus respons per spanningsveld |
| Grootste risico | Een plan dat identiek is aan dat van de concurrentie | Verkeerd gelezen spanningsvelden, als je ze niet verifieert |
Zo bouw je stap voor stap een mediaplan op basis van spanningsvelden met AI
Je hoeft het huidige plan niet weg te gooien. Het gaat erom de volgorde te veranderen: eerst begrijpen, dan inkopen.
- Definieer de categorie, niet alleen het merk. Verzamel gesprekken over het probleem dat je klant oplost, ook die rond concurrenten. Het spanningsveld speelt zich meestal buiten de eigen kanalen van het merk af.
- Cluster de content tot persona’s en spanningsvelden. Hier bespaart AI weken handwerk. Defy Monitor clustert bijvoorbeeld automatisch content van het publiek tot persona’s en spanningsvelden, zodat je plant vanuit echte gesprekken in plaats van vanuit een demografische factsheet.
- Toets elk spanningsveld aan voorbeelden. Lees de posts erachter. Als een spanningsveld met concrete gevallen niet standhoudt, laat het dan vallen, hoe goed het ook oogt in de presentatie.
- Prioriteer op volume en aansluiting bij het merk. Houd twee of drie spanningsvelden over die een kritische massa hebben en die het merk geloofwaardig kan oplossen.
- Vertaal elk spanningsveld naar kanaal, moment en boodschap. Vraag je af waar het probleem opduikt en op welk moment van de dag of het jaar. Dat is je inkoopcontext.
- Gebruik demografie als laatste. Nu, en pas nu, scherp je af op leeftijd, regio of inkomen zodat je niet betaalt voor contacten die niet passen.
- Meet de respons per spanningsveld. Splits de resultaten per boodschapslijn om te zien welk spanningsveld mensen het meest beweegt en herverdeel het budget in de volgende burst.
Wil je zien hoe deze werkwijze in één omgeving samenkomt, van listening tot analyse? Kijk dan eens naar het Defy-platform.
Wat verandert er in het gesprek met de klant?
Het soort kennis dat je opbouwt verandert. Prunera brengt dat in Reason Why naar voren als argument tegen eindeloos opeenvolgende pitches: een merk bouwen vraagt kennis, codes, leren en vertrouwen, en die komen er alleen met een doorlopende relatie.
Een kaart van spanningsvelden is precies zo’n vorm van cumulatieve kennis. Elke burst laat zien welk spanningsveld reageerde en welk niet, en het volgende plan wordt scherper. Een demografisch plan kun je in elke pitch kopiëren. Een diep begrip van het publiek niet.
Ook de toon van het gesprek verandert. Je verdedigt geen budgetverdeling meer met percentages: je laat zien wat mensen zeggen, in hun eigen woorden, en legt uit waarom elke lijn staat waar hij staat. Het is veel moeilijker om te discussiëren met een echt gesprek dan met een hypothese.
Wat moet je niet aan AI overlaten?
AI is erg goed in het clusteren van duizenden gesprekken en het herkennen van patronen. Het is slecht in bepalen wat voor een merk telt. Houd drie grenzen in gedachten:
- De mensen die posten zijn niet iedereen. Gesprekken op social media geven de luidruchtigsten een te groot aandeel. Controleer spanningsvelden aan de hand van de eigen data van de klant voordat je een groot budgetonderdeel verschuift.
- Een spanningsveld zonder bewijs is een mening. Sta er altijd op de posts achter elke conclusie te zien.
- Oordeelsvermogen blijft menselijk. Kiezen welk spanningsveld het merk kan oplossen, en in welke toon, is strategiewerk. AI doet het sorteren; jouw team houdt het oordeel.
Santalucía won geen zeventien punten naamsbekendheid doordat het meer data had dan wie ook. Volgens de marketingdirecteur lukte dat door een merkwaarheid te vinden en daar in de loop van de tijd aan vast te houden. Dat deel is niet te automatiseren. Wat je wel kunt automatiseren, is alles wat je nu belet om die aanpak de tijd te geven die hij verdient.
