Waarom je voor e-commercesucces moet vertrouwen op de data (en niet op je onderbuikgevoel)

Lees het transcript:

We proberen onze podcasts uit te schrijven met behulp van een softwareprogramma. Vergeef ons eventuele typfouten, want de bot heeft het niet 100% van de tijd bij het rechte eind.

Francois Marchand: Data. Er is daarbuiten zoveel data. Wat gebeurt er wanneer de cijfers botsen met je zakelijke intuïtie? Hebben de cijfers altijd gelijk? Hoe houd je bevindingen uit data bij en pas je ze toe om betere beslissingen te nemen? Dat zijn goede vragen, toch? 

Welkom bij The Ecomm Manager Podcast. Onze missie is om je te helpen slagen in je e-commerce­traject met nuttig advies van experts die het groot hebben gemaakt. Ik ben je host, Francois Marchand. 

Vandaag praat ik met Matt Ranta. Hij is Head of Practice voor digitale transformatie, e-commerce en strategie bij Nimble Gravity. We gaan het hebben over waarom je voor e-commercesucces moet vertrouwen op data in plaats van op je onderbuikgevoel. Blijf dus luisteren om best practices te ontdekken rond het verzamelen en analyseren van data voor e-commerce, welke statistieken e-commerce­managers vaak over het hoofd zien en waarom data essentieel is voor de groei van je bedrijf.

We zijn blij dat je vandaag in de uitzending bent, Matt. Welkom bij The Ecomm Manager Podcast. 

Matt Ranta: Ja, heel erg bedankt dat je me hebt uitgenodigd. Ik kijk uit naar het gesprek. Allereerst waardeer ik de kans enorm. 

Francois Marchand: Laten we het even over jou hebben en over wat je doet bij Nimble Gravity. Voor de mensen die je niet kennen: wat is Nimble Gravity precies? En hoe ben je bij dat bedrijf terechtgekomen?

Matt Ranta: Zeker. Nimble Gravity is een groep consultants en een samenwerkend team van experts die gepassioneerd zijn over de kracht van data. We geloven dat data in veel gevallen, eigenlijk bijna altijd, belangrijker is dan meningen. Dat proberen we toe te passen in de gebieden waarin we werken: e-commerce, strategie voor digitale transformatie, datawetenschap, analyse en ook engineering. 

Dat betekent onder andere dat we teams van engineers opzetten die aan softwareproducten voor bedrijven werken. We bestaan nu ongeveer drie jaar. Ik ben bij de organisatie gekomen omdat het eerlijk gezegd om een groep voormalige vrienden en collega’s gaat. Veel van ons werkten samen bij een vorige organisatie, Arrow Electronics, en hebben elkaar op dit moment weer gevonden. Het is erg leuk. 

Francois Marchand: Wat doet een Head of Practice voor digitale transformatie, e-commerce en strategie precies? 

Matt Ranta: Dat is een goede vraag. Heel wat verschillende dingen. Het kan gaan om het helpen van een beginnend merk bij het lanceren van hun allereerste website. Het kan ook betekenen dat je een organisatie adviseert die midden in een groot digitaal transformatieproces zit, op basis van de ervaring die we daar in het verleden mee hebben opgedaan. Waar we uitdagingen vonden, welke platforms we wel en niet gebruikten en waarom misschien, en hen helpen selectieprocessen te doorlopen—noem maar op.

Vanuit strategisch oogpunt kan het bijvoorbeeld gaan om het beoordelen van organisatorisch talent en begrijpen hoe dingen daar verlopen, werken met Agile en dat binnen een organisatie coachen. Het kan helemaal doorgaan tot managementconsultancy en managementstrategie zoals je die misschien ziet bij een grotere organisatie, zoals een van de typische Big Four-consultancybedrijven.

Francois Marchand: Je werkt met veel bedrijven. Hoeveel klanten heeft Nimble Gravity momenteel? 

Matt Ranta: We delen het exacte aantal niet, maar het zijn er tientallen. Geen honderden. Een groot aantal tientallen, zou ik zeggen, en ze zijn heel divers. We werken bijvoorbeeld met een organisatie die wilde dieren beschermt en helpt de activiteit van wilde dieren en de activiteiten in reservaten, natuurgebieden en dergelijke te monitoren. 

We leveren software aan de medewerkers die die faciliteit of dat stuk land, wat het ook is, monitoren en helpen hen om dat te beheren. Daarnaast werken we met kledingmerken, grote organisaties voor medische distributie en allerlei andere soorten bedrijven. Een enorme diversiteit aan klanten. We richten ons niet alleen op bijvoorbeeld fintech of biomedische technologie. We hebben een zeer diverse groep klanten, dus het werk is behoorlijk interessant. Ja. 

Francois Marchand: Je noemde data; dat is uiteraard iets waar je heel nauw mee werkt. Het is iets waarin Nimble Gravity gespecialiseerd is. In de data duiken, en ik denk dat dat is waar we het vandaag over willen hebben: waarom zou je in e-commerce op de data vertrouwen in plaats van op je onderbuikgevoel wanneer het gaat om succes? 

Of dat nu betekent dat je vanaf de grond een merk opbouwt, je verkoop maximaliseert of heel specifieke aspecten van je bedrijf optimaliseert. Laten we het daar even over hebben. 

Matt Ranta: Ik kan je een heel concreet voorbeeld geven van een kans die ik op een bepaald moment in mijn carrière kreeg. Toen ik bij Arrow Electronics kwam, werden we als groep mensen binnengehaald om daar een digitale transformatie uit te voeren en de digitale groei te versnellen.

Veel van ons kwamen uit sectoren buiten elektronische componenten. We begrepen dus niet per se hoe engineers dachten, terwijl zij de echte consumenten van elektronische componenten zijn. Vanuit mijn achtergrond begreep ik misschien wel de typische consumentenelektronicakoper: mensen die televisies of iets dergelijks kopen.

Voor anderen was het misschien een ander vakgebied of een andere sector, zoals sportartikelen. We kwamen binnen en begonnen advertenties te testen, waaronder displayadvertenties op media rond elektronische componenten waarvan we wisten dat engineers die bezochten, en op websites van het type verzamelplatform.

We gebruikten technieken en denkwijzen uit de sectoren waarin we eerder hadden gewerkt. We hadden grote oproepen tot actie, heldere, levendige advertenties en dergelijke. We wilden de aandacht van deze mensen trekken en hen ermee laten interageren. Nou, raad eens?

Ze hadden er een hekel aan. Engineers houden daar helemaal niet van. Wat we ontdekten, was dat ze juist de voorkeur gaven aan advertenties die opgingen in de achtergrond en misschien een schema van een elektronische component bevatten—niet bepaald iets wat je normaal gesproken in een traditionele B2C-advertentie zou zetten.

Ze hadden daar zo sterk de voorkeur voor dat—als je iets weet over doorklikpercentages bij displayadvertenties—die meestal behoorlijk laag zijn. Het gaat vaak om tienden van procenten. Wij kregen honderden procenten doorklikpercentage op de advertenties waarvan we dachten dat ze zouden werken. Vervolgens begonnen we doorklikpercentages van twee, drie en zelfs tot vijf procent te zien op deze displayadvertenties met schema’s die opgingen in de achtergrond en helemaal geen oproep tot actie bevatten.

Ze gingen dus volledig in tegen wat je intuïtief zou verwachten. Precies daarom moet je dingen testen. Je moet de data bekijken en begrijpen wat er werkelijk gebeurt, want je klanten zullen het je vertellen. Je kunt niet altijd je vooraf bepaalde vooroordelen of je onderbuikgevoel volgen en verwachten dat dit voor honderd procent positief uitpakt en een grote verbetering oplevert ten opzichte van wat je nu doet.

Francois Marchand: Vereiste dat veel A/B-testen? Moest je een proof of concept uitvoeren om tot die conclusie te komen? 

Matt Ranta: Ja, absoluut. We werkten samen met enkele interne en externe partners die de denkwijze van engineers iets beter begrepen. We voerden die A/B-testen uit en kregen het bewijs terug. Daarna bleven we versnellen en itereren op de advertenties die werkten. We bleven ze testen, want hoe meer we iteraties uitvoerden, hoe beter we erin werden.

Francois Marchand: We hadden het over doorklikpercentages en andere metingen die we in e-commerce kunnen gebruiken. Dat is natuurlijk een belangrijke wanneer we het hebben over landingspagina’s, displayadvertenties enzovoort. Maar welke veelvoorkomende statistiek zien e-commercebedrijven of bedrijfseigenaren vaak over het hoofd, en waarom is die zo belangrijk?

Matt Ranta: Goede vraag. Er is eigenlijk een groep van drie waar ik vaak aan denk en die vaak over het hoofd wordt gezien. Ze beïnvloeden elkaar bij de berekening: het herhaalaankooppercentage, de aankoopfrequentie en de tijd tussen aankopen. Dit zijn de zaken die zichtbaar worden in RFM-onderzoeken en dergelijke.

De reden waarom ik vind dat je deze belangrijk moet vinden en ze zelfs op klantniveau moet berekenen, zodat je vervolgens cohorten kunt creëren, is dat je inzicht krijgt in de timing van aankopen. Vooral bij verbruiksproducten, waarbij mensen na verloop van tijd opnieuw kopen, begrijp je wat je moet doen om mensen berichten te sturen.

In eerdere functies wist ik bijvoorbeeld dat het gemiddeld 121 dagen duurde voordat 85% van mijn kopers een tweede aankoop had gedaan. Ze deden een aankoop op dag één en kwamen op dag 121 terug voor hun tweede aankoop. Ik wist dus dat ik contact moest opnemen met een cohort mensen die bijvoorbeeld dag 100 hadden bereikt zonder een tweede aankoop te doen. 

Ik moest hen een aanbieding sturen. Ik moest hen berichten sturen wanneer ze op de website kwamen. Ze moesten een e-mail van me krijgen, wat het ook was—allemaal om dat aankoopgedrag naar voren te halen. Als ze die periode van 121 dagen hadden bereikt of overschreden, had ik een retentie- of heractiveringstactiek nodig. 

Ik moest hen in een andere e-mailreeks plaatsen, wat het ook mocht zijn. Ik moest ervoor zorgen dat ik bijvoorbeeld RLSA binnen Google Ads gebruikte om hen opnieuw te targeten, zodat ze mij zagen wanneer ze naar hetzelfde product zochten, als ze toevallig waren vergeten waar ze het hadden gekocht.

Dit soort zaken helpt je echt om met behulp van data te groeien via een secundaire reeks statistieken waar veel mensen volgens mij geen aandacht aan besteden. Ja. 

Francois Marchand: Dit is dus het soort informatie dat je met bepaalde hulpmiddelen zou meten. Je kunt dat doen via je CRM, dashboards enzovoort. Welke hulpmiddelen gebruik je om statistieken zoals je herhaalaankooppercentage en aankoopfrequentie goed bij te houden? En zijn er hulpmiddelen die dit werk voor e-commerce­managers gemakkelijker maken? 

Matt Ranta: Dit klinkt misschien gek, maar Excel is hier eerlijk gezegd geweldig voor. Als je een redelijk beheersbare hoeveelheid aankoopgeschiedenis van klanten hebt—als je het over een miljoen records hebt—dan moet je die waarschijnlijk naar een bigdataomgeving verplaatsen, iets dat meer dan een miljoen records kan opnemen en transformeren. Bijvoorbeeld als je vijf miljoen aankooprecords van je klanten hebt, of tien of twintig miljoen. 

Vervolgens wil je dashboards en rapportages instellen via het platform van je voorkeur, of dat nu Tableau, Looker of iets dergelijks is. Daar werk je samen met je datawetenschapsteam om de berekeningen uit te voeren en ze op te nemen in rapportages die regelmatig worden vernieuwd. 

Je kunt dit soort informatie online vinden. Ik kan enkele links geven die we met je publiek kunnen delen, maar er zijn uitstekende handleidingen over het berekenen van de aankoopfrequentie en het uitvoeren van RFM-onderzoeken. Met beide kom je waar je moet zijn.

Bedrijven zoals Amazon hebben ook informatie gepubliceerd op Amazon Science over hun modellen voor herhaalaankopen en hoe ze dat doen. Je kunt die opzoeken en leren van mensen die dit al eerder hebben gedaan: hoe je het zelf zou kunnen aanpakken en welke benchmarks zij behaalden en waar jij naar kunt kijken.

Er is dus veel goede informatie beschikbaar, maar elk hulpmiddel voor datatransformatie waar je vertrouwd mee bent, is een prima plek om te beginnen. 

Francois Marchand: Als je een klein of middelgroot bedrijf hebt en nog niet op ondernemingsniveau opereert, werkt Excel waarschijnlijk prima. Google Spreadsheets waarschijnlijk ook. Maar als je wilt opschalen en op grotere schaal wilt gaan verkopen, is dit waarschijnlijk het moment om te investeren in die hulpmiddelen op abonnementsbasis of SaaS-hulpmiddelen die je misschien naar het volgende niveau kunnen brengen. Klopt dat? 

Matt Ranta: Ja, absoluut. 

Francois Marchand: Hoe kan het bijhouden van deze data je helpen om dat bedrijf te laten groeien? We hadden het over opschalen. Hoe pak je dat aan als je wilt opschalen? 

Matt Ranta: Dit soort data levert allerlei geweldige informatie op. Je kunt die gebruiken voor je prognoses, omdat je begrijpt wanneer een cohort klanten dat een eerste aankoop heeft gedaan waarschijnlijk een tweede aankoop zal doen.

Je kunt dat verwerken in je toekomstige prognoses, samen met wat je ondertussen doet om dat te beïnvloeden. Tegelijkertijd trek je namelijk ook nieuwe klanten aan die voor het eerst iets kopen. Je hebt dus een basisinzicht in wanneer zij mogelijk opnieuw zullen kopen.

Ook vanuit marketingoogpunt kun je beginnen met het bepalen van geschikte momenten om bepaalde cohorten te e-mailen, mogelijke berichten op je website te tonen of uitgaande berichten van welk type dan ook te versturen. Zelfs direct mail werkt nog steeds uitstekend. Je kunt geautomatiseerde ansichtkaarten versturen die gebaseerd zijn op de data in je systemen. 

Je plaatst een aanbieding in een echte brievenbus en geeft iemand een speciale aanbieding met beperkte geldigheidsduur op je website. Als dat nodig is, kun je sneller omzet binnenhalen door dit soort zaken te stimuleren. Je kunt ook winback-e-mails maken, waarmee je mensen opnieuw activeert en specifieke aanbiedingen geeft.

Daarnaast kun je dit intelligent aanpakken. In plaats van je hele cohort dat nog geen tweede aankoop heeft gedaan een winback-e-mail te sturen, weet je welke kleinere groep die e-mail moet krijgen en wanneer. Zo stuur je misschien geen aanbieding van 10% aan een consument die waarschijnlijk toch al opnieuw zou kopen.

Je stuurt een korting van 10% naar een consument die je misschien was vergeten, ergens anders is gaan kijken of iets dergelijks. Zo geef je geen geld weg dat je niet hoefde weg te geven. Er zijn dus veel slimme manieren om dit toe te passen en je bedrijf en totale winstgevendheid te beïnvloeden. Het is een fantastische groep statistieken om te bekijken. 

Francois Marchand: Uiteraard krijg je waarschijnlijk een beter rendement op je investering als je geen geld verspilt aan deze marketinginspanningen, vooral bij fysieke marketing waarbij kosten voor het versturen van materiaal komen kijken. Geld besparen is belangrijk.

Matt Ranta: Absoluut. Voor een nieuw, jong en klein bedrijf dat probeert te groeien, is het enorm belangrijk. Ja. 

Francois Marchand: Is dit een goede manier om abonnementsmodellen op te bouwen? We hebben het natuurlijk over het kennen van het herhaalaankooppercentage en hoe lang het duurt voordat iemand opnieuw koopt. Kun je op basis van die data een abonnementsmodel bouwen?

Matt Ranta: Zeker, en het hangt van een aantal zaken af. Als je bijvoorbeeld een voorverpakt supplement hebt waarop mensen zich willen abonneren en er 120 pillen in het flesje zitten, waarbij iemand er drie per dag moet innemen, dan heb je al een vaste periode waarin iemand een nieuwe verpakking nodig heeft.

Maar als je het hebt over verbruiksproducten die mensen niet in dezelfde hoeveelheid gebruiken, zoals gezichtscrème, dan kan de ene persoon heel royaal uit de verpakking pompen terwijl iemand anders zuiniger is.

Je kunt dan in de data ontdekken: we moeten dit iedere 45 dagen versturen, of iedere 60 dagen, gebaseerd op het grootste deel van onze populatie. Hetzelfde kan gelden voor voedsel dat mensen op verschillende manieren consumeren. Zulke producten kunnen geweldig zijn om de timing te bepalen, dat aan consumenten voor te stellen en hun daar een mogelijkheid en prijs voor te geven. Dus ja, dat is een goed punt. 

Francois Marchand: Bedankt. Ik waardeer je input hierover, want we krijgen veel vragen over abonnementsmodellen en of die goed werken. Amazon doet dit natuurlijk behoorlijk vaak. Maar als je een kleiner bedrijf bent dat zo’n model wil aanbieden, wil je geen tijd verspillen aan een product dat mensen niet snel opnieuw hoeven te kopen. Dit is dus een goede manier om dat bij te houden. 

Matt Ranta: Absoluut. 

Francois Marchand: Kun je ooit meer op je onderbuikgevoel vertrouwen dan op data om succes te bereiken?

Matt Ranta: Ik vind dit een geweldige vraag. Ten eerste is er daadwerkelijk data die zegt van wel. Het zou dus dom zijn om die te negeren en nee te zeggen. Ik denk dan aan innovatie en creatieve disciplines. We zullen waarschijnlijk veel meer data over die twee gebieden gaan zien naarmate we verdergaan met AI, machine learning en ons daar steeds dieper in verdiepen, in alle levensdomeinen. 

Maar bij innovatie ontbreekt er vaak data en is er veel onbekend. Kijk naar de iPhone. De iPhone is op elk vlak een ongelooflijk groot succes geweest. Als je teruggaat naar het moment waarop dat project bij Apple ontstond en kijkt naar de betrokken mensen, was er wel enige belangstelling voor palmtops en dergelijke.

Maar er is niet per se voldoende marktdata die je laat zien dat je absoluut een iPhone zou moeten gaan maken. Als je iemand vroeg: zou je het leuk vinden als we een rekenmachine en een camcorder combineren?

Dan zouden ze zeggen: nee, niet echt. Ik zie geen reden om dat te doen. Er is dus geen data die dat voor honderd procent kan bewijzen. In plaats daarvan is het een onderbuikgevoel, intuïtie. Het is een begrip van de totale markt en de psychologie binnen die markt. Dat geldt ook voor mensen die innovatie echt aandrijven en creatieve disciplines beoefenen, zoals muziek maken. 

Sommige mensen weten gewoon wat een hitnummer is. Natuurlijk bestaan er nu AI-systemen die nummers kunnen analyseren en ook hitnummers kunnen herschrijven. Maar ik denk dat er bij dit soort zaken altijd creatieve betrokkenheid zal blijven bestaan en dat mensen binnen die discipline op hun onderbuikgevoel moeten blijven vertrouwen. Ja. 

Francois Marchand: Als je een volledig nieuw product gaat maken of een nieuwe categorie wilt creëren—waarover veel wordt gesproken in technologie en bij nieuwe producten—is er geen data om je daarbij te helpen. Of wel? Kun je kijken naar andere bedrijven of merken die met succes iets nieuws hebben uitgevonden en de data uit hun voortgang bekijken?

Matt Ranta: Tot op zekere hoogte wel. Je kunt zeker hun proces bekijken. Je kunt zien welke trial-and-error ze hebben doorgemaakt. Je kunt zien hoe ze ideeën hebben ontwikkeld en getest. Er is dus data die het pad kan informeren dat je zou moeten volgen. Maar er is niet per se iemand die exact hetzelfde pad al heeft bewandeld en voor honderd procent als leidraad kan dienen.

Ik denk dus dat het een combinatie van beide is. 

Francois Marchand: Denk je dat de opkomst van AI en het feit dat het zo’n hot topic is, data-analyse voorspellender zal maken? Word je een beter bedrijf als je AI-hulpmiddelen gaat gebruiken om naar de data te kijken? 

Matt Ranta: Honderd procent. Ik denk dat AI ons daar zal brengen en dat je een beter bedrijf wordt als je AI binnen zo’n kader gebruikt voor data-analyse en dergelijke.

Er verschijnen al hulpmiddelen die dit doen en mensen specifiek helpen met precies waar je naar vraagt. Waar ik mensen voor wil waarschuwen, is dat er nog steeds een zekere mate van menselijke betrokkenheid nodig is. Ik denk niet dat AI een punt heeft bereikt waarop het honderd procent foutloos is. Kijk bijvoorbeeld naar CNET.

Ze schreven artikelen met AI en die artikelen bevatten een heleboel feitelijke fouten. Ze werden daarop aangesproken en moesten de artikelen opnieuw schrijven, corrigeren en anders markeren. Ik denk dat menselijke betrokkenheid ook hier noodzakelijk blijft.

Je zult moeten controleren of alles correct is verlopen en of een bepaald systeem of hulpmiddel geldig en betrouwbaar is. Betekent dat dat je daarna altijd voor honderd procent menselijke tussenkomst kunt weglaten? Misschien, maar niet noodzakelijk. Ik zou mensen nog steeds aanraden om die processen opnieuw te controleren.

Schrijf je goede code met behulp van AI? Misschien. Zit die vol fouten omdat de vooringenomenheid in de data waarnaar het heeft gekeken ook vol fouten zit? Waarschijnlijk wel. Je hebt dus vermoedelijk iemand nodig om die code na te lezen. Als iets als ChatGPT is getraind op het volledige internet, weten jij en ik dat daar zowel geweldige, functionele productiecode als opgeblazen, slechte code te vinden is.

Je kunt onmogelijk authentiek zeggen dat dit altijd code zal opleveren die voor honderd procent waardevol en bruikbaar is en die we zonder menselijke controle kunnen publiceren, tenzij je de vooringenomenheid uit je dataset en training hebt verwijderd. 

Francois Marchand: Dat klopt. Het internet staat vol met de onderbuikgevoelens van anderen. Dat brengt ons terug naar het begin. Is er nog iets anders dat je belangrijk vindt en wilt delen over je ervaring met het gebruik van data voor besluitvorming, voor alle e-commerce­managers en bedrijfseigenaren die misschien luisteren?

Matt Ranta: Dat is een goede vraag. Ik denk dat het misschien ook teruggaat naar de hulpmiddelen, de mentaliteit en de cultuur van de organisatie. Wat ik daar nog aan wil toevoegen, is dat snelheid cruciaal is wanneer je data analyseert en bekijkt. Je moet jezelf en je organisatie dus inrichten op het snel opnemen, bewerken en analyseren van data om de kracht ervan echt volledig te benutten.

Als je hulpmiddelen gebruikt en mensen aanwijst om deze onderzoeken uit te voeren, waarna het twaalf maanden of iets dergelijks duurt—waarschijnlijk belachelijk lang voor sommige zaken waar we het over hadden—haal je daar niet de waarde uit die je echt nodig hebt. Je moet bedenken hoe je dat veel sneller kunt maken.

Betekent dat dat je meer expertise moet inhuren? Andere hulpmiddelen moet aanschaffen? Of simpelweg hulpmiddelen moet gebruiken waarmee je meer vertrouwd bent? Wat het ook is: richt jezelf in op snelheid en combineer dat met het uitgangspunt dat data beter is dan meningen. Dan ben je goed op weg. 

Francois Marchand: Wat is jouw belangrijkste advies om een succesvolle e-commerce­manager te worden? Volgens mij heb je dat al genoemd, maar kun je ons een korte tip geven—je belangrijkste advies? 

Matt Ranta: Mijn belangrijkste advies om een geweldige e-commercemanager te worden en je bedrijf te helpen groeien, is om echt naar de data te kijken en diep in al je analyses te duiken. Wees niet bang. Ga ermee aan de slag, bekijk die data en test en verbeter vervolgens op basis daarvan om echte groei te stimuleren. Dat wordt je getoond door de acties van je klanten via al je analyses, zowel kwalitatief als kwantitatief. Dat is het belangrijkste wat je nu moet gaan doen. 

Francois Marchand: Nu we het toch over hulpmiddelen en aanbevelingen hebben: we zetten al deze informatie in de shownotes. Als je op zoek bent naar Matts aanbevelingen, stuurt Matt ons enkele links. We hebben ook links naar andere artikelen op de website van The Ecomm Manager. Ik wil ook vermelden dat Matt en ik een geweldig interview hadden waarin we bespraken hoe je een succesvolle e-commercewebsite bouwt. Je kunt dat bekijken op The Ecomm Manager; het staat ook in de shownotes. 

Matt, waar kunnen mensen je werk volgen en op de hoogte blijven van alles wat je doet bij Nimble Gravity en daarbuiten?

Matt Ranta: De twee beste plaatsen zijn de website van Nimble Gravity, nimblegravity.com, en LinkedIn. Je kunt contact met me opnemen op LinkedIn of me daar volgen; dan krijg je al die informatie. 

Francois Marchand: Matt, ontzettend bedankt dat je vandaag bij ons was. Het was een waar genoegen om met je over data te praten. Nu weten we dat onderbuikgevoelens goed zijn als het gaat om creëren, uitvinden en het bedenken van de producten die je op de wereld wilt zetten.

Maar zodra je bij de volgende stap aankomt en wilt opschalen en groeien, moet je naar de data kijken. Bekijk je prestaties op het gebied van bijvoorbeeld het herhaalaankooppercentage, de aankoopfrequentie en de doorklikpercentages van je advertenties. Dat zijn de statistieken die ertoe doen. En volgens mij heb je dat vandaag bevestigd, Matt. 

Dus nogmaals bedankt dat je hier was bij The Ecomm Manager Podcast.

Matt Ranta: Heel erg bedankt dat je me hebt uitgenodigd. Ik waardeer het echt. Het was een geweldig gesprek. 

Francois Marchand: Hartelijk dank. Tot de volgende keer.