Marketingimpact meten met controlegroepen: van attributie naar aantoonbare groei

Een marketingcampagne kan in Salesforce bijdragen aan een aanzienlijk aantal opportunities en toch minder nieuwe commerciële waarde creëren dan het dashboard suggereert. Marketingimpact meten met controlegroepen helpt om te schatten hoeveel accounts ook zonder die campagne in beweging zouden zijn gekomen. Voor een directie die budget wil herverdelen, is dat onderscheid wezenlijk: geregistreerde invloed zegt iets anders dan het extra resultaat dat door een interventie ontstaat.

Attributie blijft nuttig om interacties, campagnes en commerciële voortgang met elkaar te verbinden. Maar zodra een CMO, CRO of CFO wil weten wat het effect van een extra investering is, wordt een aanvullende vraag relevant: wat zou er in vergelijkbare omstandigheden zijn gebeurd zonder deze specifieke marketingactiviteit? Een goed ontworpen experiment met een controlegroep kan die vraag beter onderbouwen.

Ook bij de huidige inzet van AI in marketing is die vraag relevant: snellere contentproductie en nieuwe scores tonen op zichzelf niet aan dat een interventie extra commercieel resultaat veroorzaakt. Een gecontroleerde vergelijking kan zo’n aanname toetsen.

Dat vraagt om meer dan een A/B-test tussen twee onderwerpregels. In enterprise-B2B moet de organisatie rekening houden met accounts, buying groups, lange verkoopcycli, bestaande salesrelaties en beperkte aantallen. Salesforce Marketing Cloud en Account Engagement kunnen onderdelen van de uitvoering en registratie ondersteunen. De kwaliteit van de uitkomst wordt echter bepaald door het onderzoeksontwerp, de betrouwbaarheid van de data en de manier waarop de resultaten worden geïnterpreteerd.

Attributie en incrementaliteit beantwoorden verschillende vragen

Attributie verdeelt of registreert de relatie tussen marketingcontacten en commerciële uitkomsten volgens gekozen regels. Zij kan laten zien welke campagnes vóór een opportunity zichtbaar waren en hoe verschillende touchpoints samenhangen met commerciële voortgang. Dat is waardevol voor inzicht in de klantreis en voor de consistentie van rapportage.

Incrementaliteit richt zich op een andere vraag: hoeveel méér resultaat ontstaat door een specifieke interventie ten opzichte van een situatie waarin die interventie achterwege blijft? Een contact dat een campagne ontvangt en daarna klant wordt, zou mogelijk ook zonder die campagne klant zijn geworden. Zonder vergelijking is dat verschil niet rechtstreeks waarneembaar.

Een gerandomiseerd experiment probeert een geloofwaardige vergelijking op te bouwen. De testgroep krijgt de interventie aangeboden; de controlegroep krijgt die specifieke interventie niet en volgt de vooraf vastgelegde gebruikelijke aanpak. Andere relevante omstandigheden worden waar mogelijk gelijk gehouden. Het verschil in uitkomsten geeft dan, binnen de grenzen van het ontwerp en de statistische onzekerheid, een schatting van het extra effect.

Google beschrijft dit onderscheid voor advertentieonderzoek als het verschil tussen toegeschreven conversies en incrementele conversies. Dezelfde onderzoeksvraag kan ook op andere marketinginterventies worden toegepast, mits de experimentele inrichting en meting daarbij passen.

Attributie maakt campagnecontacten zichtbaar; een zorgvuldig experiment onderzoekt hoeveel extra resultaat een interventie waarschijnlijk heeft veroorzaakt.

Kies vooraf de beslissing die het experiment moet ondersteunen

Een experiment krijgt pas bestuurlijke waarde wanneer vooraf duidelijk is welke keuze ermee wordt voorbereid. Wil de organisatie een nurtureprogramma uitbreiden naar meer markten? Moet budget worden verschoven van een generieke e-mailreeks naar accountgerichte content? Of is onzeker of een extra communicatiestap waarde toevoegt naast bestaande salesopvolging?

De formulering bepaalt wat precies wordt getest. Een vergelijking tussen twee onderwerpregels kan helpen om de relatieve werking van die varianten te beoordelen. Zij laat niet automatisch zien hoeveel extra pipeline de e-mail als geheel oplevert, omdat beide groepen e-mail ontvangen. Daarvoor moet de controleconditie aansluiten op de vraag, bijvoorbeeld de bestaande aanpak zonder de extra reeks.

Vooraf moeten ook de doelgroep, looptijd, primaire uitkomst, meetdefinitie, analysemethode en beslisgrenzen zijn vastgelegd. Een primair resultaat kan bijvoorbeeld het aandeel accounts met een sales-accepted lead binnen een afgesproken periode zijn. Opportunitycreatie, pipelinewaarde en gerealiseerde marge kunnen aanvullende uitkomsten zijn, mits hun definities en verwachte vertraging expliciet worden meegenomen.

Een besluitregel voorkomt dat de organisatie achteraf uitsluitend het gunstigste cijfer kiest. Bijvoorbeeld: uitbreiding komt in aanmerking wanneer het geschatte effect en de onzekerheidsmarge, samen met de kosten en operationele risico’s, voldoende perspectief bieden. Als de uitkomst te onzeker blijft, kan het besluit ook zijn om langer te meten, een grotere toetsbare doelgroep te kiezen of de investering niet verder uit te breiden.

Randomiseer op het niveau waarop beïnvloeding plaatsvindt

In een eenvoudige campagne kan individuele randomisatie passend zijn. In complexe B2B-verkoop is het account vaak een geschiktere eenheid. Meerdere personen binnen dezelfde organisatie kunnen immers samenwerken, berichten doorsturen of gezamenlijk aan een aankoopbesluit werken. Als de ene contactpersoon de interventie ontvangt en een collega binnen hetzelfde account als controle geldt, kunnen beide groepen elkaar beïnvloeden.

Randomisatie op accountniveau vermindert dat risico. De organisatie bepaalt welke accounts aan het experiment mogen deelnemen, wijst ieder account aan één groep toe en past die toewijzing toe op de relevante contacten. Daarvoor is een voldoende betrouwbare relatie tussen contact en account nodig. Bij internationale concernstructuren moet vooraf worden gekozen of de bedrijfseenheid, de lokale entiteit of het concern als experimentele eenheid geldt. Die keuze volgt uit het verkoopproces en de kans dat beïnvloeding over de gekozen grens heen loopt.

Accountrandomisatie lost niet alles op. Accounts kunnen sterk verschillen in omvang, land, productinteresse en commerciële volwassenheid. Afhankelijk van de aantallen kan een vooraf gekozen verdeling binnen relevante groepen helpen om de vergelijking te verbeteren. Ook salesactiviteiten en andere campagnes kunnen beide groepen beïnvloeden. Die omstandigheden moeten vooraf worden beschreven en tijdens de test worden bewaakt, zodat de uitkomst later correct kan worden geïnterpreteerd.

Een controlegroep is geen groep die helemaal niets ontvangt

Een holdout wordt soms uitgelegd als een groep die volledig wordt stilgezet. Dat is voor een zakelijke klantrelatie vaak onwenselijk en methodologisch niet altijd nodig. De controlegroep moet vooral vrij blijven van de specifieke interventie waarvan het effect wordt onderzocht. Lopende salesgesprekken, noodzakelijke servicecommunicatie en andere vooraf toegestane activiteiten kunnen doorgaan, zolang zij passen binnen het onderzoeksontwerp.

De vraag bepaalt dus de controleconditie. Bij een onderzoek naar een nieuwe nurture-reeks kan de controlegroep de normale opvolging zonder die reeks krijgen. Bij een onderzoek naar een extra kanaal kan de bestaande kanaalmix doorlopen terwijl alleen het extra kanaal wordt achtergehouden. Documenteer welke andere campagnes zijn toegestaan en wat gebeurt als een account via een andere route toch dezelfde inhoud ontvangt.

Het is belangrijk om niet alleen de mensen te analyseren die daadwerkelijk openden of klikten. Wie op basis van latere respons selecteert, verandert de oorspronkelijke vergelijkbaarheid van de groepen. De primaire vergelijking blijft daarom bij de oorspronkelijk toegewezen groepen, voor zover dat rechtmatig en praktisch mogelijk is. Niet-ontvangen berichten, afmeldingen en andere afwijkingen worden afzonderlijk inzichtelijk gemaakt. Intrekking van toestemming of een ander geldend bezwaar blijft uiteraard leidend voor verdere communicatie.

Salesforce ondersteunt de uitvoering, maar bewaakt niet vanzelf het experiment

In Marketing Cloud Engagement kan Journey Builder met een Random Split contacten willekeurig over paden verdelen. Dat is bruikbaar wanneer het contact de juiste eenheid van randomisatie is. De verdeling gebeurt per contact en benadert de ingestelde percentages vooral bij grotere aantallen; zij vormt niet vanzelf een stabiele accounttoewijzing voor meerdere leden van dezelfde buying group.

Wanneer de onderzoeksvraag accountniveau vereist, kan de organisatie de toewijzing vooraf buiten de journey op accountniveau vastleggen en als gecontroleerd gegeven beschikbaar maken voor doelgroepselectie en journeylogica. Een passende Data Extension kan bijvoorbeeld de experimentele groep, accountidentificatie en geldigheidsperiode beschikbaar maken. De technische implementatie hangt af van het datamodel, toegangsrechten, beschikbare functionaliteit en de inrichting van de omgeving.

Account Engagement kan eveneens een rol spelen bij selectie, nurturing en het vastleggen van prospectinteracties. Voor beide platformen geldt dat een uitsluiting in één journey niet automatisch bewijst dat dezelfde account via andere campagnes, advertentiekanalen of teams buiten de testinterventie blijft. Controleer daarom de relevante toegangspaden en registreer waar afwijkingen optreden. Salesforce CRM kan vervolgens de relatie leggen met vooraf gedefinieerde commerciële uitkomsten, mits de account- en opportunityregistratie daarvoor voldoende betrouwbaar zijn.

Een rekenvoorbeeld voor directie en Finance