Grootschalig onderzoek in de podiumkunsten: welke communicatiecampagnes leiden tot meer ticketverkoop?
Het Groot CRM-Campagne-Onderzoek is een unieke samenwerking tussen NHTV internationale hogeschool Breda, HZ University of Applied Sciences, Peppered (een ICT-bedrijf dat voor 55 Nederlandse podia een geïntegreerd website- en marketingplatform levert) en vijf vooraanstaande Nederlandse podia: Luxor Theater Rotterdam, De Doelen, Theater & Congres Orpheus, Schouwburg De Lawei en Stadsschouwburg Nijmegen & Concertgebouw De Vereeniging. Het project richt zich op negen grootschalige communicatiecampagnes, waarvan de effectiviteit door middel van wetenschappelijke experimenten wordt getoetst. Het doel van dit onderzoek is om de resultaten van deze studies beschikbaar te stellen voor podiumkunstinstellingen, zodat zij daarmee hun klantgerichtheid en daarmee hun marketingeffectiviteit kunnen verhogen.
In dit artikel worden de resultaten van twee van de negen studies verder toegelicht: een campagne binnen de groep van nieuwe klanten en een campagne binnen de groep van slapende klanten.
Podiumkunstsector en klantgroepen
Eén effectieve manier voor marketingcommunicatie berust op het principe van CRM (customer relationship management) om klanten in te delen in klantgroepen op basis van hun koopgedrag. Elke klantgroep dient vervolgens op een gedifferentieerde wijze te worden benaderd op een manier die voor hen het effectiefst is. In de podiumkunstsector worden klanten of bezoekers vaak ingedeeld in vier groepen (De Rooij en Van Leeuwen, 2011):
- Nieuwe klanten (klanten die niet eerder een voorstelling hebben bezocht)
- Passanten (klanten die circa 1-2 voorstellingen per jaar bezoeken)
- Regelmatige bezoekers (klanten die circa 3-5 voorstellingen per jaar bezoeken)
- Kernpubliek (klanten die meer dan 5 voorstellingen per jaar bezoeken)
Naast deze vier groepen is er ook een groep slapende klanten: klanten die in het verleden een voorstelling hebben bezocht, maar dit recent niet meer gedaan hebben. Het uiteindelijke doel van de gedifferentieerde benadering is om klanten door te doen stromen naar ‘hogere’ klantgroepen, ofwel, een klantgroep die intensiever koopgedrag vertoont. Dit proces wordt opwaartse migratie genoemd.
Opwaartse migratie kan op verschillende manieren worden opgedeeld. Eén manier is het opdelen van opwaartse migratie in drie groepen: 1) het aantrekken van nieuwe klanten zodat zij passanten worden (get ‘m in); 2) opwaartse migratie van passanten naar regelmatige bezoekers naar kernpubliek (move ‘m up); 3) heractivering van slapende klanten om weer een voorstelling te gaan bezoeken (keep ‘m in). De groepen van nieuwe klanten en slapende klanten zijn verreweg de grootste klantgroepen. In deze twee groepen ligt dus het meeste potentieel voor het bewerkstellingen van opwaartse migratie.
Dit artikel licht twee studies van het Groot-CRM-Campagne-Onderzoek toe die zijn verricht binnen de twee grootste klantgroepen: nieuwe klanten en slapende klanten. Binnen dit onderzoek zijn deze twee klantgroepen als volgt gedefinieerd:
- Nieuwe klanten hebben voor theaterseizoen 2016-2017 een ticket gekocht, maar niet in de 5 seizoenen daarvoor (of zolang de bestelhistorie teruggaat).
- Slapende klanten hebben wel tickets gekocht in het vorige theaterseizoen (2015-2016), maar hebben geen ticket gekocht voor theaterseizoen 2016-2017.
Binnen de groep van nieuwe klanten is gekeken naar de effectiviteit van een recommendation engine. Als het gaat om het sturen van een e-mail met aanbevelingen, is het effectiever om deze aanbeveling te baseren op een recommendation engine, of is een algemene aanbeveling even effectief? Daarnaast is gekeken hoe effectief het is om deze e-mail op te volgen met een nagezonden brochure.
Binnen de groep van slapende klanten is op dezelfde wijze gekeken naar het effect van een recommendation engine. Ook is getoetst of het effectiever is om dit via een single-channelbenadering (e-mail of brief), of via een multi-channelbenadering (e-mail en brief) te doen.
Onderzoeksmethoden
De experimenten zijn verricht onder de klanten van de vijf deelnemende podia aan het Groot-CRM-Campagne-Onderzoek. Voor zowel nieuwe als slapende klanten is een steekproef getrokken, die per klantgroep is onderverdeeld in een aantal onderzoeksgroepen (zie tabel 1 en 2).
Allebei de experimenten richten zich op de effectiviteit van een recommendation engine. Daartoe is door Peppered een daadwerkelijke recommendation engine ontwikkeld. Het algoritme van deze engine zoekt per klant naar welke voorstelling hij als laatste heeft bezocht. Vervolgens worden de medebezoekers van deze zelfde voorstelling in kaart gebracht. Er wordt gekeken of deze medebezoekers al extra voorstellingen hebben geboekt voor het resterende theaterseizoen. Op basis van die geboekte voorstellingen wordt een overzicht gemaakt van de drie meest voorkomende boekingen. De voorstellingen die bij deze drie boekingen horen, worden dan gebruikt als input voor een aanbeveling – ofwel via een e-mail, ofwel via een brief (afhankelijk van de campagne).
In het experiment onder de nieuwe klanten betrof de steekproefgrootte 9.393 klanten. Om de effectiviteit van de recommendation engine en het nazenden van een brochure te toetsen, werden binnen deze 9.393 klanten vier groepen gecreëerd (zie tabel 1). Elke groep kreeg verschillende (combinaties van) marketingmaterialen toegestuurd. Ook werd in het experiment een controlegroep opgenomen, die geen marketingmateriaal ontving.
Tabel 1 Groepsindeling van nieuwe klanten (totaal 9.393 klanten)
In het experiment onder de slapende klanten betrof de steekproefgrootte 13.637 klanten. Om de effectiviteit van de recommendation engine en om het single- versus multi-channel-element te toetsen te toetsen, werden er zes groepen gecreëerd binnen deze 13.637 klanten (zie tabel 2). Ook binnen dit experiment kreeg elke groep verschillende (combinaties van) marketingmaterialen toegestuurd. Eveneens werd in het experiment een controlegroep opgenomen, die geen marketingmateriaal ontving.
Tabel 2 Groepsindeling van slapende klanten (totaal 13.637 klanten)
Midden december 2016 (voor elk podia een moment) werden de marketingmaterialen verstuurd naar de geselecteerde nieuwe en slapende klanten. Alle e-mails zijn op hetzelfde moment verstuurd als de brochures – de brochures zijn twee dagen later door de consument ontvangen. Gedurende 6 weken na het versturen van de marketingmaterialen is het aankoopgedrag van de deelnemende bezoekers geregistreerd. Het geregistreerde aankoopgedrag en de groepsindeling vormden de input voor enkele analyses.
Resultaten van de campagne voor nieuwe klanten
De resultaten van de campagne voor nieuwe klanten laten zien dat er meer kopende bezoekers zijn in de groepen waar een brochure is nagezonden (zie grafiek 1 en tabel 3). Als er al een brochure is nagezonden, lijkt de recommendation engine weinig extra kopers op te leveren. Als er geen brochure is nagezonden, lijkt de engine wel extra kopers op te leveren. Nazending van een brochure lijkt dus effectief te zijn, terwijl het effect van de recommendation engine verschillend lijkt voor wanneer er wel of geen brochure wordt nagezonden.
Om te toetsen of deze effecten significant zijn, is er gebruikgemaakt van een logistische regressieanalyse. Daarbij is gekeken naar de invloed van de verschillende benaderingen op de kans dat een bezoeker een of meerdere tickets koopt. Uit de analyse blijkt inderdaad dat het nazenden van een brochure een significant effect heeft op de kans dat iemand een of meerdere tickets koopt (b = 0,614; p = 0,003). De analyse toont aan dat als er een brochure wordt nagezonden, deze kans met factor 0,6 wordt verhoogd. De recommendation engine verhoogt de kans met factor 0,4, maar dit effect is net niet significant (b = 0,405; p = 0,060).
Figuur 1 Het percentage kopers voor de nieuwe-klanten-campagne
Tabel 3 Verschillen in het percentage kopers voor de nieuwe-klanten-campagne
Resultaten van de campagne voor slapende klanten
De resultaten van de campagne voor slapende klanten laten zien dat er beperkte verschillen zijn in het percentage kopende klanten tussen groepen met en groepen zonder een recommendation-engine gebaseerde aanbeveling (zie grafiek 2 en tabel 4). Enkel bij de multi-channelcampagnes lijkt de engine tot een groter percentage kopers te leiden. Daarnaast lijkt de single-channelcampagne met de brief tot meer kopers te leiden dan de single-channelcampagne met de e-mail. Of de multi-channelcampagne daadwerkelijk tot meer kopers leidt dan de single-channelcampagnes lijkt onduidelijk.
Om de effectiviteit van deze benaderingen te toetsen op significantie, is gebruikgemaakt van een logistische regressieanalyse. Daarbij is weer gekeken naar de invloed van de verschillende benaderingen op de kans dat iemand een of meerdere tickets koopt. Ondanks het feit dat er in de data duidelijke effecten worden geobserveerd, komt uit de analyse naar voren dat er voor zowel de recommendation engine als voor de single-versus-multichannelstrategie geen statistisch significante verschillen zijn. Ook tussen de verschillende single-channelbenaderingen is geen significant verschil gevonden.
Figuur 2 Het percentage kopers voor de slapende-klanten-campagne
Tabel 4 Verschillen in het percentage kopers voor de slapende-klanten-campagne
Conclusie
Het doel van de in dit artikel beschreven studies was om de effectiviteit te testen van verschillende communicatiecampagnes. Hoewel er duidelijke effecten zichtbaar zijn in de data, blijkt uit de gebruikte statistiek dat een recommendation engine (zoals hij gebruikt is binnen de huidige campagnes) niet effectief bij zowel nieuwe als slapende klanten. Ook blijkt uit de gebruikte statistiek dat er voor slapende klanten geen verschil is in effectiviteit tussen het versturen van een e-mail of een brief met aanbevelingen. Voor nieuwe klanten, tot slot, blijkt het versturen van een brochure wel effectief.
De verwachting was dat ook de recommendation engine effectief zou zijn. Mogelijk is het aantal voorstellingen dat medebezoekers geboekt hebben voor het resterende seizoen te beperkt. Het gevolg daarvan is dat de engine onvoldoende in staat is om echt maatwerk te leveren en de aanbevelingen deels op toeval berusten. Indien er meer bezoekers zijn die voorstellingen boeken voor het resterende seizoen, is de engine mogelijk in staat om beter maatwerk te leveren. Verder onderzoek zal aan moeten tonen of dat inderdaad het geval is.
Het is van belang te vermelden dat de podia de reguliere communicatie met de gasten hebben voortgezet tijdens de campagneperiode. Veel respondenten hebben bijvoorbeeld de tweewekelijkse nieuwsbrief ontvangen. De resultaten moeten in dat verband worden geïnterpreteerd en dit kan mede een verklaring zijn voor de effecten. Daarnaast is het de vraag of de gebruikte statistische methode voldoende gevoelig is om de geobserveerde effecten ook statistisch te kunnen aantonen. Er werden namelijk wel degelijk substantiële effecten geobserveerd bij verschillende campagnes, die echter niet statistisch significant bleken te zijn. Er wordt momenteel verder gewerkt aan alternatieve statistische procedures die wellicht beter geschikt zijn om effecten aan te tonen op het soort data dat binnen dit onderzoek is verzameld.
Literatuur
De gebruikte literatuur treft u online aan op www.nritmedia.nl/trendrapport2017
Contactgegevens auteurs
Wim Strijbosch MSc, promovendus en onderzoeker, NHTV Academy for Leisure, strijbosch.w@nhtv.nl
Dr. Pieter de Rooij, hogeschooldocent en –onderzoeker, NHTV Academy for Leisure, rooy.h@nhtv.nl
Dr. Marcel Bastiaansen, hogeschooldocent en –onderzoeker, NHTV Academy for Leisure, bastiaansen4.m@nhtv.nl
