header glazen bol web

Een beslisboom als glazen bol

“Voorspellen is moeilijk vooral als het de toekomst betreft.”

Wim Kan

 

Door: Tjerk Eilander: manager Datalab  

Je kan er over discussiëren, maar uiteindelijk wordt heel veel marktonderzoek gedaan om een voorspelling te doen. Voorspellen of de boodschap van een brief duidelijk is, wat je doelgroep van een nieuw productidee vindt, wat maakt dat klanten wel of niet tevreden zijn met de dienstverlening, etc. Voorspellen is niet zo makkelijk. Eigenlijk is het best lastig. Politieke exitpolls hebben dat al meer dan eens aangetoond door er met hun voorspelling flink naast te zitten. Het vergt een flinke dosis analyserend vermogen en het vermogen om dit goed te interpreteren.


Data is meer dan een verzameling tabellen

Als je kijkt hoe voorspellende analyses worden gedaan, dan komt dit in ca. 90-95% van de gevallen neer op (zoals wij dit in marktonderzoeksland noemen) het ‘uitdraaien van tabellen’, met wat uitsplitsingen, bijvoorbeeld naar geslacht, leeftijd en opleiding. Komt dit bekend voor? Dat zou goed kunnen, want als manager van het MWM2 Datalab krijg ik dit verzoek meerdere keren per week. En daar is helemaal niks mis mee, want het geeft je goede inzichten. Maar vaak herbergt de data nog (veel) meer inzichten. Inzichten die je via gewone tabellen niet of niet goed boven water krijgt. Een beslisboom geeft je de mogelijkheid om dieper de data in te duiken.


Wat is een beslisboom?

Een beslisboom is niet meer dan een instrument dat je helpt om de juiste beslissing te nemen. Hieronder een simpele variant die je helpt bepalen of je het smeermiddel WD40 dan wel Ducttape nodig hebt.

Beslisboom


Een beslisboom gebaseerd op data is weliswaar lastiger te interpreteren, toch blijft  de essentie hetzelfde. Het helpt je om de juiste beslissingen te nemen. Hieronder vind je een fictieve beslisboom gebaseerd op data. Hoe het werkt is relatief eenvoudig. Je stopt er één afhankelijke variabele in. In dit geval “is de boodschap duidelijk?”. Vervolgens stop je daar enkele onafhankelijke variabelen bij waarvan je verwacht dat ze hierop van invloed zijn. In dit geval geslacht, leeftijd en communicatiemiddel (e-mail of brief). 

Decision Tree

Volg de takken van de boom

De analyse via een beslisboom laat in dit geval zien welke doelgroep de boodschap het minst duidelijk vindt. Door de ‘takken’ van de boom te volgen, zien we dat met name jonge mannen die via e-mail zijn benaderd vaker aangeven de boodschap onduidelijk te vinden. Op basis van deze informatie kan je besluiten dieper naar deze doelgroep te kijken (‘wat zeggen ze dan precies hierover?’) en om je communicatie naar hen aan te passen.

Het geeft je dus de mogelijkheid om een stuk gerichter te werk te gaan. Laat een beslisboom je daarom helpen om diepere inzichten bloot te leggen en als glazen bol voor het nemen van de juiste, tactische beslissingen. Analyse met behulp van een beslisboom is goed in te zetten bij het testen van concepten, productideeën, proposities en communicatie-uitingen.

Vragen of interesse? Ik vertel je graag meer

Tjerk MG 3421

Tjerk Eilander

Innovatiemanager

t.eilander@mwm2.nl

020 369 9912

×

Bedrijfsdata

Organisaties hebben in hun systemen (zoals in hun CRM) zelf vaak grote hoeveelheden waardevolle klantdata. Denk bijvoorbeeld aan data over het aankoopgedrag en productgebruik. MWM2 hanteert diverse analysetechnieken om deze data te gebruiken en te koppelen aan onderzoeksdata. Door deze bronnen te combineren kunt u beter inzichten verkrijgen in o.a. de loyaliteit van uw klant.

Bekijk meer cases en nieuws over company data

Cases & Nieuws