Van data naar beslissingen: de meetparadox in retail

Retailers kunnen voor adverteerders steeds nauwkeuriger meten wat media opleveren. Voor hun eigen marketing lukt dat nog niet altijd. Tijdens de round table Van Data naar Beslissingen op CMO Retail 2026 bleek dat de grootste uitdaging niet langer het verzamelen van data is, maar het verbinden, begrijpen en activeren ervan.

Retailers beschikken over grote hoeveelheden first-party data. Transacties, klantprofielen, online gedrag, CRM en loyaltyprogramma’s leveren waardevolle informatie op over wie koopt, wanneer en via welk kanaal. Gekoppeld aan media KPI’s vanuit de almaar groeiende retailmedia activiteiten wordt zelfs het doormeten welke exposure binnen of buiten het eigen platform heeft geleid tot aankoop hieraan toegevoegd. Met deze toegenomen mogelijkheden groeit ook het verwachtingspatroon van de adverteerder en tradepartner.

Juist daar ontstaat een paradox. Retailers kunnen merken steeds beter laten zien welke media-investering samenhangt met verkoop, maar gebruiken dezelfde meetlat nog lang niet altijd voor hun eigen marketing.

Dat beeld kwam naar voren tijdens de besloten roundtable met marketingverantwoordelijken uit de Retail. Vooraf beoordeelden deelnemers hun volwassenheid in het gebruik van first-party data met cijfers tussen de 5 en 8, gemiddeld ongeveer 6,6. Zelfs organisaties die zichzelf hoog waarderen, zien nog duidelijke verbeterpunten. De belangrijkste conclusie: voor veel retailers ligt de uitdaging niet zozeer in het verzamelen van meer data, maar in wat ze met de beschikbare gegevens kunnen doen. Ook voor het doormeten van eigen marketingactiviteiten.

Van data hebben naar data gebruiken

De uitgangsposities verschillen. Sommige organisaties hebben grote klantdatabases en uitgebreide meetstructuren, andere bouwen nog aan CRM, loyalty, een customer data platform of de koppeling tussen online en fysieke verkopen. Maar de vraag blijft: hoe vertaal je al die informatie naar een betere marketingbeslissing?

Voor sommige retailers begint de uitdaging nog een stap eerder. Zo stelt een deelnemer: ‘We weten eigenlijk de verkoopdata. Maar heel veel meer weten we niet van onze klanten.’

Ook uit de vooraf gestelde vragen blijkt dat attributie centraal staat. Deelnemers willen weten welk middel impact heeft op transacties, welke contactmomenten consumenten richting aankoop bewegen, hoe herhaalaankopen beter kunnen worden aangestuurd en welke klantsegmenten daadwerkelijk waarde opleveren.

Daarbij vormen datasilo’s nog steeds een obstakel. CRM, kassadata, loyalty, campagneresultaten en online gedrag zijn vaak afzonderlijk beschikbaar, maar niet eenvoudig gezamenlijk te analyseren. ‘Kan ik deze analyse van mijn analist krijgen? Ja, oké, je komt op een backlog en dan ben je over vier weken aan de beurt.’ Tegen die tijd staat de volgende campagne alweer klaar.

Dat maakt snelheid een belangrijk onderdeel van datavolwassenheid. Data die beschikbaar komt nadat de volgende beslissing al genomen is, verliest een belangrijk deel van haar waarde. Ook de vaardigheden binnen het marketingteam spelen een rol. ‘We hebben Power BI en heel veel dashboards, maar we hadden gisteren een training aan het hele team om iedereen te laten begrijpen: wat zie ik hier eigenlijk? Wat kan ik daar dan mee?’ Datavolwassenheid draait daarmee niet alleen om infrastructuur, maar ook om het vermogen de juiste vragen te stellen.

Wat heeft marketing echt toegevoegd?

Zelfs wanneer data toegankelijk en verbonden is, blijft attributie het grootste vraagstuk. Retailers kunnen zien dat verkopen tijdens of na een campagne stijgen. Daarmee staat nog niet vast dat de campagne die stijging heeft veroorzaakt. Prijs, promoties, assortiment, distributie, seizoen en externe omstandigheden kunnen allemaal meespelen.

Deelnemers gebruiken daarom verschillende methoden naast elkaar, waaronder merkonderzoek, upliftmetingen, marketingmixmodellen en digitale attributie. Geen daarvan wordt als absolute waarheid gezien.

Marketingmixmodellen kunnen bijvoorbeeld inzicht bieden in de bijdrage van verschillende kanalen, maar de uitkomst blijft afhankelijk van de gebruikte data en aannames. Ook digitale attributie kent beperkingen. Bij last click kan een kanaal alle waarde krijgen omdat daar toevallig het laatste meetbare contact plaatsvond, terwijl de werkelijke klantreis veel complexer was.

Niet alleen datasets en modellen hebben beperkingen, maar ook de menselijke beslissingen waarmee een meting wordt ingericht. Zo kaart iemand aan: 'Er zit gewoon iemand die hele categorieën aanklikt en dat bepaalt wel of het succesvol is of niet.'

Hoezeer de uitkomst van een model kan schuren met de praktijk, bleek uit een ervaring van een van de aanwezigen: ‘De MMM die wij gedaan hebben, kwam eruit dat het weer geen invloed had. En het hele bedrijf hangt aan het weer.’ Dat speelt extra sterk in omnichannelretail. Een traject kan online beginnen en in een winkel eindigen, of andersom. Zelfs de wijze waarop een transactie wordt geregistreerd kan invloed hebben op welk kanaal uiteindelijk de verkoop krijgt toegeschreven.

De kernvraag is daarom niet alleen wat er na een campagne gebeurde, maar wat er door die campagne gebeurde dat anders niet was gebeurd.

Retailmedia verhoogt de meetlat

Juist retailmedia maakt die vraag urgenter. Adverteerders verwachten daar steeds vaker closed-loop measurement: niet alleen bereik en clicks, maar een koppeling met daadwerkelijke transacties. Ze willen weten of een campagne extra verkoop of klanten heeft opgeleverd. Daarmee ontstaat een contrast met de eigen marketing van retailers. Voor investeringen op grote mediaplatforms wordt soms nog sterk vertrouwd op merk-KPI’s en de resultaten die het platform zelf rapporteert.

De roundtable roept daarmee een fundamentele vraag op: zouden retailers aan hun eigen mediapartners niet dezelfde bewijslast moeten opleggen als adverteerders van hen verwachten? Terwijl retailers steeds rijkere klantprofielen opbouwen, vertrouwen ze voor hun eigen campagnes op algoritmes en dashboards van externe platforms. ‘Eigenlijk zijn we allemaal aan het buigen voor het grote algoritme’, merkt een deelnemer op.

Van bezit naar bruikbaarheid

AI kan helpen de afstand tussen marketeer en data te verkleinen. Met een goed ingerichte database kunnen medewerkers steeds vaker in gewone taalvragen stellen, zonder voor iedere analyse afhankelijk te zijn van een dataspecialist. Dat kan vooral snelheid opleveren. Slechte brondata of ontbrekende koppelingen worden er echter niet door opgelost.

De prioriteiten voor de komende periode wijzen dan ook dezelfde kant op. Retailers willen CRM verbeteren, klantreizen inzichtelijker maken, loyaltyprofielen verrijken en attributiemodellen verfijnen.

Maar niet alleen de technische mogelijkheden bepalen wat retailers met hun data kunnen doen. Ook toestemming voor het gebruik van klantgegevens speelt een belangrijke rol. Zo wijst een deelnemer erop dat retailers bij de ontwikkeling van loyaltyprogramma's en retailmediaproposities goed moeten nadenken over het doel waarvoor ze data verzamelen. De centrale vraag daarbij: ‘Wat mag je überhaupt met die data doen?’

Opvallend genoeg gaat het nauwelijks om simpelweg meer data verzamelen. First-party data gold lange tijd als goud dat retailers vooral moesten zien te bemachtigen. Inmiddels verschuift de vraag van bezit naar bruikbaarheid: wat kun je ermee bewijzen en hoe snel kun je ermee handelen?

Retailmedia laat zien hoe hoog die meetlat inmiddels kan liggen. De volgende stap is om diezelfde eis ook op het eigen marketingbudget toe te passen.