22-08-2022

Datagedreven prognose: wat is het en hoe doe je dit?

Wanneer je doelen stelt, wil je dit zo goed mogelijk doen: je wilt hoog inzetten maar tegelijkertijd realistisch blijven. Door met data te werken in plaats van louter op intuïtie te vertrouwen, zorg je ervoor dat je doelstellingen sterk én haalbaar zijn.

Met behulp van een datagedreven prognose baseer je voorspellingen over de toekomst op gegevens uit het verleden. Welke voordelen levert dit je op en hoe breng je zo’n datagedreven voorspelling in praktijk? We zetten de principes voor je op een rij.

Justen2
Justen Vink - Dataspecialist
datagedreven prognose

Wat is een datagedreven prognose?

Een datagedreven prognose is een middel (geen doel!) dat je inzet om voorspellingen te doen over toekomstige gebeurtenissen door gegevens uit het verleden te analyseren. Juist in het online-landschap biedt voorspellen op basis van data mooie kansen. Een prognose op basis van data: 

  • Biedt concretere doelstellingen. Doordat je verschillende databronnen analyseert die relevant zijn voor je doelstelling, heb jij niet alleen een globaal beeld van alle mogelijkheden, maar ook helder voor ogen waar de kansen voor specifieke onderdelen liggen;
  • Geeft inzicht in de processen die leiden tot succes, waarmee je de praktische aanpak nog beter kunt inrichten en de kans vergroot dat de doelstellingen ook behaald worden;
  • Geeft een beter beeld van de verwachte resultaten. Omdat je het huidige pad goed geanalyseerd hebt en daardoor weet welke succesfactoren van belang zijn, kun je toekomstige verwachtingen beter vaststellen. 

Door actief met data bezig te zijn kun je trends identificeren, de strategie erop afstemmen en de besluitvorming verbeteren. Daar komt nog bij dat door periodiek de data te monitoren er op tijd bijgestuurd kan worden wanneer iets niet naar wens is. 

Doordat je vooraf gedefinieerd hebt waar je als bedrijf naar kijkt, praat je onderling ook in dezelfde taal en kun je sneller de strategie aanpassen op de onderdelen waar het resultaat achterblijft. Bijsturen van de werkzaamheden gaat daarmee een stuk makkelijker en efficiënter. Meer dan voldoende voordelen, dus, maar hoe begin je in de praktijk met zo’n prognose?

Hoe doe je een datagedreven voorspelling?

Een datagedreven prognose begint met de vraag: wat wil je bereiken? Laten we een concreet voorbeeld nemen: de groei van organische bezoekers vanuit de zoekmachine en de hogere winstgevendheid die voortkomt uit dit verkeer. 

Puur op intuïtie gebaseerd, zou je als doel kunnen stellen dat je volgend jaar in dezelfde maand 30% groei in organische sessies vanuit de zoekmachine wilt zien, en een stijging van 20% in winstgevendheid (winstmarge minus SEO-kosten). Prima verwoord, maar waar zijn de cijfers op gebaseerd? Veel beter is om naar de data uit het verleden te kijken en vanuit daar een onderbouwde doelstelling te bepalen. 

Wanneer je een datagedreven prognose wilt maken, ga je eerst inventariseren welke data van belang is om te gebruiken. Dit bepaal je door in kaart te brengen welke factoren verantwoordelijk zijn voor je succes en welke bronnen deze factoren voor je kunnen meten. Denk in het online-landschap bijvoorbeeld aan bronnen als Google Analytics en Google Search Console. Als je weet welke databronnen je nodig hebt, kun je die gegevens in kaart brengen. 

Om te weten waar je nu staat, is het slim om de huidige situatie te vergelijken met bijvoorbeeld dezelfde periode vorig jaar, zodat je een trendontwikkeling ziet. Deze trendontwikkeling kun je vervolgens gebruiken om zinnige voorspellingen over de toekomst mee te doen.

Gegevens inventariseren

Gaan we terug naar onze voorbeelddoelstelling van organisch verkeer, dan zou je voor je datagedreven prognose naar de volgende gegevens kunnen kijken: 

Google Analytics om te zien wat de verkeerstrend is, wat de omzetcijfers zijn en wat de marges zijn op de verschillende producten.

Voorbeeld: t.o.v. vorig jaar is zijn de organische zoekmachinesessies met 15% toegenomen en is de SEO-winstgevendheid gegroeid met 7,5%, waarbij de omzetgroei vooral voortkwam uit producten met een lagere marge.

Een zoektermentracking om te meten en vergelijken hoe de posities in de zoekresultaten zijn en wat je concurrentieveld is.

Voorbeeld: de trend is dat de posities over de linie zijn gestegen met gemiddeld 1,8.

Google Search Console om je gemiddelde positie, het aantal vertoningen en de CTR (click through rate) van de website te zien – eventueel opgesplitst per paginatype en met merkgerelateerde zoektermen er uitgefilterd.

Voorbeeld: gemiddelde positie is 8,6 met een CTR van 5,2%, en vorig jaar was dit 10,4 met een CTR van 3,9%.

Zoekvolumes per zoekwoord om een indicatie te krijgen van de vraag en hoe de vraagtrend zich ontwikkeld heeft

Voorbeeld: de zoektrend is stabiel.

Backlink-data van jou en de andere partijen waarmee je organisch concurreert. De informatie die je hieruit haalt is indicatief, omdat de backlinks één op één te divers zijn om te vergelijken, maar de analyse helpt wel bij het inschatten van het autoriteitsverschil.

Voorbeeld: de gemiddelde groei over een jaar is 15 backlinks per maand. Van partij A, die marktleider is, is dit 25 p/m en partij B, die het momenteel beter doet, plaatst er gemiddeld 10 p/m.

Je huidige strategie en budget.

Voorbeeld: er worden 4 blogs per maand geschreven en er wordt actief gewerkt om de belangrijkste pagina’s van backlinks te voorzien. Voor de SEO-werkzaamheden is € 4.500,- per maand begroot.

Bepalen wat je prognose wordt

Door de gegevens samen te brengen heb je nu een overzicht en kun je de gegevens analyseren om tot je doelstelling te komen. Je kijkt hiervoor naar de trendontwikkeling en bepaalt welke elementen verantwoordelijk zijn voor de huidige groeitrend. 

In het voorbeeld van de groei in organisch verkeer en winstgevendheid zijn die elementen een verbeterde positie die gepaard gaat met een hogere CTR. Wanneer je het SEO-budget en de werkwijze hetzelfde houdt, maak je op basis van de concurrentieanalyse een inschatting van de verwachte verandering. Je kunt op basis van die data bijvoorbeeld verwachten om gemiddeld minimaal 1,2 posities omhoog te gaan. Op basis van Google Search Console-data kun je een inschatting maken van de nieuwe CTR. Aansluitend kun je daarmee doorberekenen om hoeveel klikken/bezoekers dit gaat. 

Vervolgens kun je je afvragen of je de groei uit die datagedreven voorspelling ruim genoeg vindt, of dat er binnen de huidige werkwijze aanpassingen kunnen worden gedaan om nog harder te groeien. Onderzoek bijvoorbeeld hoe groot het extra zetje zou zijn wanneer er de focus van blogs zou verschuiven naar het optimaliseren van categoriepagina’s, productpagina’s met een relatief hoge marge of autoriteitsopbouw. Is er misschien extra budget nodig om een hogere winstgevendheid te realiseren, en zo ja, waar moet dat budget worden ingezet? 

Doordat je de focus en SEO-werkzaamheden verandert, behaal je meer rendement dankzij de verwachte positiegroei op zoektermen met het hogere zoekvolume. In ons voorbeeld kom je hierdoor uit op een nieuwe doelstelling voor de organische sessieDoor nog meer focus op de categoriepagina’s en producten met een relatief hoge marge te leggen, kun je vervolgens verwachten dat dit ook voor een hogere omzet zorgt. De doelstelling komt daarmee uiteindelijk uit op een SEO-winstgevendheidsgroei van 15%. 

Datagedreven prognoses op een rijtje

  1. Bepaal wat je wilt voorspellen;
  2. Bepaal welke onderliggende factoren een rol spelen en wat het eindresultaat is;
  3. Selecteer de bronnen die de ontwikkeling van deze factoren en het eindresultaat volgen;
  4. Bepaal wat je wilt vergelijken over welke periode;
  5. Analyseer de gegevens en bepaal de trend;
  6. Benoem de prognose wanneer de huidige situatie zich voortzet;
  7. Bekijk welke factoren je kunt beïnvloeden en welke randvoorwaarden er zijn als je de prognose wilt verbeteren;
  8. Formuleer je prognose en randvoorwaarden op basis van je analyse. 

Succes!