TCFKaCH – Conversion Hotel 2019. Een (korte?) samenvatting.

Afgelopen weekend was het weer tijd voor “The Conference Formerly Known as Conversion Hotel” op Texel. 48 uur aan content, inspiratie en gezelligheid met 250 specialisten in onder andere UX, CRO en analytics. Elk jaar weer een groot feest waar ik de afgelopen jaren en ook dit jaar weer veel heb opgestoken. Naast nog meer motivatie en inspiratie om met ons bedrijf Briljante Geesten aan de slag te gaan, ook veel geleerd waar anderen iets aan hebben.

Bij deze dus een samenvatting met takeaways uit de keynote presentaties. 48 uur aan presentaties en gesprekken samenvatten in ongeveer 1200 woorden. Dat is natuurlijk achterlijk. Beter zorg je dat je er volgend jaar bij bent. Het is het méér dan waard! En tot die tijd moet je ’t dan maar doen met onder andere deze samenvatting ;).

Als je niet bereid bent om te falen, kun je niet innoveren.

Experimenteren is van cruciaal belang in de ontwikkeling van (digitale) producten. Steven Pavlovich gaf een viertal tips:

• Experimenteer om de grootste problemen op te lossen, niet om hele kleine veranderingen te checken.
• Durf risico te nemen. De meeste beslissingen zijn omkeerbaar.
• Test vroeg in het proces en test vaak. Wanneer je een feature test die al klaar is, is de kans groot dat deze hoe dan ook geïmplenteerd wordt, ook al wijzen tests uit dat het niks op zal leveren.
• Begin klein en schaal op wanneer dat kan.

Data weggooien of foute conclusies trekken?

Dat het belangrijk is om vooraf te berekenen hoe groot je sample size moet zijn, op basis van verwachte impact en een aantal andere variabelen: dat wisten we al. Dat het vervolgens héél belangrijk is om te checken of er in je uitgevoerde test geen sprake is van “Sample Ratio Mismatch: dat wisten we heel misschien, maar blijken we in groten getale niet te doen.

Slechts een handjevol specialisten in de zaal stak hun hand op bij de vraag of we dit checken. Waarmee wij, degenen die dit niet doen (ondanks dat risico’s nemen goed is 😉 ) het risico nemen dat we hele verkeerde conclusies trekken over onze A/B tests. En op het moment dat we daarop weer voortborduren met nieuwe tests, is dat heel gevaarlijk. Lukas Vermeer wees ons fijntjes op het belang hiervan met een aantal mooie voorbeelden uit uitgevoerde experimenten.

Veel A/B test tools berekenen nog niet of er sprake is van een SRM, dus als specialist héél belangrijk om aan het einde van de test (waarvan de duur uiteraard vooraf is berekend) zelf die berekening te maken. Beter de data weggooien en opnieuw beginnen, dan verkeerde conclusies trekken!

The subtle CRO art of not giving a f*ck

Pitch-winnaar Lucia van den Brink liet ons zien waarom het belangrijk is dat we falen. Dat we rebels zijn, heel goed bedenken waar we f*cks om geven. En dat we als CRO specialist nooit achterover moeten leunen, omdat het nou eenmaal bij ons werk hoort dat we een volgende keer gewoon net zo hard kunnen falen. Dat klinkt vervelend, maar ik denk dat we het er allemaal over eens zijn dat ons werk als CRO specialist gewoon het leukste is dat er bestaat.

Van Calimero naar Calihero: waarom robots ons niet zullen verslaan

Moeten we bang zijn dat ons werk straks volledig wordt overgenomen door robots? Zeker niet, volgens Elke Geraerts. Er zijn een aantal dingen die wij als mens kunnen waar robots niet toe in staat zijn.

• We kunnen herprogrammeren en helemaal opnieuw beginnen aan een taak of proces
• We hebben wilskracht (of zijn er in elk geval toe in staat)
• We hebben verbeelding en kunnen creatief zijn
• We zijn in staat om relaties op te bouwen met andere mensen

Een mooie learning is dat we er veel meer aan hebben om een “Calihero” zijn, en niet een “Calimero”. Een Calihero gelooft dat hij in staat is om te veranderen, te groeien, dat hijzelf verantwoordelijk is voor zijn acties en de gevolgen, terwijl de Calimero klaagt over alles en geen mogelijkheden ziet om zichzelf te verbeteren. Een Growth mindset tegenover een Fixed mindset. We kunnen ons brein trainen om dingen anders aan te pakken, om te herprogrammeren of meer wilskracht te tonen. Succes met ons overbodig maken, robots!

AI en personalisatie

Artificial Intelligence zal steeds meer een rol gaan innemen, maar op welke manier kan het ons helpen? We kunnen AI op veel verschillende manieren inzetten in marketing. Guy Galif gaf inzicht in verschillende manieren waarop dit kan. Een van de grote mythes is dat personalisatie door AI volledig geautomatiseerd kan worden. Dát is niet het geval, maar met dank aan AI kunnen we veel sneller beslissingen (laten!) maken over succesvolle varianten en deze direct doorvoeren. Deze succesvolle varianten zullen niet “de eeuwige winnaar” zijn, maar met dank aan machine learning zullen we heel snel nieuwe winnende varianten hebben en daardoor heel snel optimaliseren.

Zet een “frictiebril” op!

Op zondagochtend hielp Roger Dooley ons bij het opzetten van een “frictiebril”. Bedrijven moeten zich veel bewuster zijn van de manier waarop ze frictie veroorzaken voor hun klanten. Onderzoek toont dat hoe meer moeite een klant moet doen om bij een bepaald bedrijf tot aankoop over te gaan, des te kleiner de kans is dat ze opnieuw bij dat bedrijf zullen kopen. En dat is zonde, want zeker te voorkomen. Hoe? Door te meten:

• Vraag de Customer Effort Score uit
• Observeer gedrag, bijvoorbeeld middels eyetracking;
• Tel het aantal clicks, scrolldiepte, etc.
• Gebruik meer “behavorial metrics” om inzicht te krijgen in gedrag
• Vraag de bezoeker waar en waarom ze frictie ervaren

GDPR en data verzamelen: less is more

GDPR blijft ingewikkeld, en voor mij eerlijk gezegd taaie kost. Waar het het makkelijkst lijkt om er niet over na te denken en de risico’s af te schuiven op anderen is het juist ontzettend belangrijk om als optimalisatie specialist zélf te weten wat het verzamelen van bepaalde data voor implicaties heeft. Aurélie Pols vertelde hierover. Verantwoordelijkheid nemen en daarnaast de hoeveelheid data die we verzamelen niet maximaliseren maar juist minimaliseren (zoals we adviseren om in formulieren te doen) is het devies.

Hoe wordt je data scientist?

Hebben data scientists de toekomst? En wat moet je kunnen om data scientist te worden?

Data science is heel kort gezegd het bruikbaar en nuttig maken van data. Dat hiervoor een uitgebreide lijst van vaststaande skills voor nodig is, doet Emily Robinson af als een fabel. Maar: er is een belangrijk verschil tussen “aan data science doen” en “een data scientist zijn”. En er is een drietal essentiële skills:

• Kennis van het domein waaruit een vraag komt om die vraag naar een data science vraagstuk te kunnen vertalen, en vervolgens het antwoord uit de data weer terug te vertalen naa een antwoord waar de business iets mee kan
• Programmeerskills – om eenvoudiger toegang te krijgen tot data en veel efficiënter aan de slag te kunnen gaan
• Wiskunde en statistiek – om op de juiste manier problemen aan te pakken, resultaten te interpreteren en conclusies te trekken voor vervolgstappen

Wat je moet doen om beter te worden in data science? Kies kleine projecten om mee te starten, met data over onderwerpen waar je iets mee hebt, en hou het zo klein mogelijk.

Meer weten?

Wil je meer weten over waarom je naar Conversion Hotel zou moeten, of over een van de onderwerpen? Let me know. Ik heb zéker niet alle antwoorden, maar kan je vast een stukje verder op weg helpen. Bedankt weer team Online Dialogue, ik kijk al uit naar Conversion Hotel volgend jaar!