[marketingscience] Wat marketeers kunnen leren van natuurkunde

Looppatronen
Wetenschappers kunnen door middel van simulaties de bewegingen van een collectief bewegende groep dieren beschrijven, denk bijvoorbeeld aan een zwerm vogels of een school vissen. Uit onderzoek van Reynolds volgt dat deze bewegingen exact kunnen worden voorspeld door een model bestaande uit deeltjes die zich aan een viertal regels houden. Het werd voor marketeers pas echt interessant toen is aangetoond dat zelfs het loopgedrag van een menigte mensen aan de hand van deze regels beschreven kan worden. Voor de Tour de France-start in Utrecht konden Geraerts en zijn collega’s van tevoren knelpunten in de stand identificeren door middel van een model bestaande uit virtuele bolletjes dat de bewegingen van de circa 700.000 toeschouwers voorspelde.

Nu worden deze technieken toegepast voor het optimaliseren van stedelijke gebieden, maar in mijn opinie zijn deze modellen even nuttig voor het positioneren van reclame-uitingen in de fysieke omgeving. Eén van de lessen die marketeers kunnen trekken uit Reynolds’ onderzoek is dat mensen in een stroom altijd naar het zwaartepunt van de groep lopen. Dit betekent bijvoorbeeld dat mensen op een druk station altijd richting het midden van het gangpad zullen lopen. In hoeverre is je verkooppunt aan de zijkant van het gangpad dan zichtbaar voor je doelgroep en waar kun je jouw reclamebord op dat festival het beste positioneren? Bedrijven kunnen nu al dergelijke inzichten toepassen. Niet alleen als algemeen concept, maar ook voor jouw specifieke reclamebord. Dat is de toekomst van factbased marketing.

Mensen als magneet
Ook binnen de online wereld bieden natuurkundige modellen waardevolle inzichten voor marketeers. Onder andere Galam heeft groepsbesluitvorming rondom keuzeprocessen gemodelleerd door mensen te vergelijken met magneten. De basis van dit model kun je begrijpen door elk individu te zien als een magneet. Magneten die bij elkaar in de buurt komen trekken elkaar aan of stoten elkaar af. Hetzelfde geldt voor twee personen met een andere mening in elkaars buurt: zij zullen elkaar beïnvloeden en misschien zelfs overtuigen. Zoals je misschien weleens hebt gemerkt, is de kracht die een magneet uitoefent op een andere magneet afhankelijk van de afstand tussen de twee magneten: hoe kleiner de afstand, hoe sterker de uitgeoefende kracht. Uit het model blijkt dat deze les ook geldt voor personen; hoe (maatschappelijk) dichter jij bij iemand staat, hoe groter jouw invloed op iemands mening is. Daarin schuilt een belangrijke les voor marketeers.

Een tweede les komt uit een natuurkundige analyse van verkiezingsuitslagen. Aan de verdeling van de stemmen over de verschillende kandidaten bij verkiezingen in Brazilië hebben Costa Filho en zijn collega’s af kunnen leiden dat burgers elkaar hebben beïnvloed tijdens het keuzeproces. Vergelijk dit met een groep gasten die je vraagt of ze koffie of thee willen drinken. Ieder persoon afzonderlijk deze vraag stellen zal tot een ander resultaat leiden dan de vraag in de groep gooien, doordat de interactie het keuzegedrag beïnvloed.

Deze lessen zijn een aansporing aan de marketeer om te investeren in mond-tot-mondreclame. We zien dat consumenten elkaar zichtbaar beïnvloeden tijdens belangrijke keuzeprocessen en dat de invloed die je op iemands mening hebt enorm toeneemt naarmate je dichter bij deze persoon staat. Als bedrijf stelt goede mond-tot-mondreclame je in staat beide effecten in jouw voordeel te gebruiken om de consument te winnen.

Bedrijven die voorop willen lopen op het gebied van factbased marketing moeten deze manier van denken effectief gaan toepassen. Daarvoor moeten marketeers en natuurkundigen gaan samenwerken, iets wat nu nog weinig gebeurt binnen bedrijven. Marketeers kunnen nu al veel leren van de beschikbare modellen. Naarmate de liefde tussen natuurkunde en marketing volgroeit, zullen deze twee vakgebieden zich steeds meer met elkaar bezig gaan houden.

Mijn voorspelling? Marketing wordt een exacte wetenschap.

Bronnen: Zwan, M. (2016), The Impact of Density Measurement on the Fundamental Diagram (Master's thesis); Galam, S. (2016), The Trump phenomenon, an explanation from sociophysics. arXiv preprint arXiv:1609.03933; del Río, A. F. (2011), Coupled Ising models and interdependent discrete choices under social influence in homogeneous populations. arXiv preprint arXiv:1104.4887; Ball, P. (2004), The physical modelling of human social systems, Complexus, 1(4), 190-206; Reynolds, C. W. (1987), Flocks, herds and schools: A distributed behavioral model, ACM SIGGRAPH computer graphics, 21(4), 25-34; Galam, S. (1997), Rational group decision making: A random field Ising model at T= 0, Physica A: Statistical Mechanics and its Applications, 238(1-4), 66-80; Costa Filho, R. N., Almeida, M. P., Andrade, J. S., & Moreira, J. E. (1999), Scaling behavior in a proportional voting process, Physical Review E, 60(1), 1067.
 

Dit artikel is geschreven door Viola Neumann, consultant data science VODW en stond in MarketingTribune 11, 6 juni 2017.