Voorspellen van markt en mens met big data

Big data

BPD gebruikt big data als hulpmiddel bij conceptontwikkeling, marketing en bij het bepalen van doelgroepen. Daarvoor wordt een aantal openbare bronnen gebruikt, aangevuld met eigen bronnen en data van derden. Voorbeelden zijn verhuizingen (TNT, Ziggo), transacties (Kadaster), vraagprijzen (Funda), belangstellenden (eigen verkoopsites) en woonmilieus (ABF). Op deze manier onderscheidt BPD op nauwkeurige wijze doelgroepen, onderverdeeld naar onder andere levensfase, koopkracht, woonwensen en de verhuisgeneigden. Met die profielen kan vervolgens gericht worden gebouwd en geadverteerd. Alles wordt gecombineerd in BPD Mosaic. De analyses leiden tot accurate voorspellingen. Dat blijkt uit het feit dat woningbouwprojecten grotendeels de doelgroepen aantrekken die van tevoren waren bedacht.

Casussen

Het eerste voorbeeld is Tilburg. De stad kent een vrij lastige woningmarkt. De universiteit levert hooggekwalificeerde mensen op, maar vaak vertrekken die weer. De werkgelegenheid in Tilburg sluit niet goed aan op wat de universiteit voortbrengt.

Willemsbuiten is een gebied aan de rand van Tilburg. Uit big data bleken twee mogelijke opties. Voor de traditionele en modale Tilburger een ‘gewone’ woonwijk of voor gezinnen een onderscheidende, herkenbare woonwijk die de sterke punten van de locatie benut. Uiteindelijk koos BPD voor de tweede optie met een structuur van lanen en hofjes. Het is gericht op een vrij hoog segment, zeker voor een stad als Tilburg. Volgens De Zeeuw komt het na de data-analyse aan op vakmanschap om het ontwerp aan te laten sluiten op de beoogde doelgroep. Dat de aanpak heeft gewerkt is te zien aan de succesvolle verkopen.

Rotterdam is een andere casus. Door middel van Mosaic data is de stad grofweg verdeeld in gebieden met verschillende groepen. Het blijkt dat zo’n 6 groepen 50% van de bevolking in de stad uitmaken, terwijl er in totaal 35 groepen geïdentificeerd kunnen worden. Deze mensen bevinden zich ieder in een bepaalde levensfase, met bepaalde opleidingsniveaus, inkomens en woonwensen. In de stad is in de laatste jaren een groot aantal woontorens gebouwd. Op sommige locaties is ingezet op jonge mensen, met appartementen van 60 tot 100 m2. Op andere locaties is gemikt op mensen met een hoger inkomen, daar komt de prijs al gauw uit op 3.500 euro per m2. Met de data over de doelgroepen en inwoners van de torens is gebleken dat de doelgroepen per toren redelijk bereikt zijn.

Het derde voorbeeld is de Handelskade in Nijmegen. Een voormalig bedrijventerrein dat wordt veranderd in een leefmilieu. Het masterplan ‘nieuwe stijl’ is flexibel in programma, parcellering, tempo en fasering. Er is geen uitgewerkt stedenbouwkundig ontwerp, maar het plan definieert wel de fysieke structuurelementen zoals de ondergrond, energie- en infrastructuur en groen. “Ook hier komt het er op aan om de juiste doelgroepen heel gericht te benaderen”, vertelt De Zeeuw. Van de 168 woningen zijn er 58 verkocht. De kopers blijken te kloppen met de gestelde doelgroepen. Er is nu een ‘reservoir’ van potentiële kopers aanwezig, waarvan de meesten hun woning nog moeten verkopen voordat zij verhuizen. “Het is onze kunst om die mensen aan te trekken en over te halen om naar ons gebouw toe te komen. Big data helpt om ze te benaderen.”

Big data voor professionele ontwikkelaars

Volgens De Zeeuw is big data “geen wijsheid, opvatting, concept, plan of handelingsperspectief”. Er is een enorme kloof tussen data en het uiteindelijke plan. Big data maakt goed marktonderzoek mogelijk, van waaruit een keuze voor de doelgroepen kan worden gemaakt. Dat zou moeten leiden tot een passend concept en een globaal masterplan, pas daarna komt de uitwerking van de gebouwen.

Een kernmerk van goed opdrachtgeverschap is zelf de keuzes, profielen en concepten maken. Dat vergt creativiteit. Hoewel er veel wordt gesproken over co-creatie hebben maar weinig mensen daar behoefte aan volgens De Zeeuw. Zij willen een goede woning en misschien wat variatiemogelijkheden aan de binnenkant, en daar houden de persoonlijke aanpassingen ook op. “Als co-creatie van toepassing is, dan is dat nog vaker met de gemeente, die is er altijd bij.”

Digitale revolutie

De volgende spreker is Gert Jan Hagen, oprichter van het bedrijf SpringCo. Het bedrijf richt zich op grootschalige consumentendata om het gedrag van consumenten beter te begrijpen en te voorspellen. Zij zijn ook bekend van het SmartAgent BSR-model dat mensen onderverdeelt in vier belevingswerelden.

De digitale revolutie heeft volgens Hagen twee grote beloften gebracht en waargemaakt. De eerste belofte is de lastenverlaging voor de consument. Airbnb is een voorbeeld hiervan. In 2008 had het nog geen omzet, in 2015 is dit zo’n 900 miljoen. Het platform is interessant omdat het vraag en aanbod op een voor klanten heel eenvoudige wijze met elkaar verbindt. Dit matching principe is deel van een nieuwe economie. De andere belofte is die van de robotica. De zelfrijdende auto bijvoorbeeld maakt vervoer voor consumenten een stuk makkelijker, vertelt Hagen.

Een andere ontwikkeling is dat de mogelijkheden voor mass customization zijn vergroot. Consumenten hebben veel meer vrijheid in het aanpassen van hun producten. De auto-industrie is daar ver mee. Kopers kunnen details van hun auto zelf bepalen, terwijl deze aanpassingen compleet geïntegreerd zijn in het productieproces. De bouwindustrie in Nederland loopt daar op achter, meent Hagen. Zo zijn er in de Verenigde Staten modelwoningen te vinden waar de potentiële koper in kan rondlopen en een daarop gebaseerde keuze kan maken. Vervolgens wordt de woning naar smaak gebouwd.

Voorspellen van gedrag van het individu

In 2014 vroeg internetgigant Amazon patent aan voor een techniek om aankopen van consumenten te voorspellen. Hiermee wil Amazon producten sturen naar mensen nog voordat ze besteld zijn. Dit gebeurt op basis van klantenprofielen en eerdere aankopen van vergelijkbare profielen. Het exact voorspellen van koopgedrag is natuurlijk een droom voor retailers, maar voor woningontwikkelaars is dit ook ontzettend nuttig. Met big data zijn patronen te herkennen die voor de producent en verkoper interessant zijn.

Consumenten worden producenten en omgekeerd

Busjedelen.nl is een onderneming die is gestart als antwoord op de soms te drukke treinen en falende dienstregeling van de NS. Gebruikers kunnen ervoor kiezen om samen een bus huren, wat uiteindelijk sneller en goedkoper kan uitpakken. “Busjedelen staat tegenover de NS dienstregeling als systeem. Daar vindt nu het grote gevecht plaats. De vragerskant van onderaf en de aanbodkant van bovenaf.” Volgens Hagen zijn er veel sectoren waar zo’n concurrentiestrijd aan de orde is en zal zijn, denk aan onderwijs, zorg, sociaal domein, cultuur en mobiliteit. Consumenten worden producenten en omgekeerd. Dat is wat de digitale revolutie teweegbrengt. “Het is niet zozeer een gevolg van een ideologisch principe, maar het maakt alles voor de consument makkelijker, goedkoper en sneller.”

Lookalikes en predictive modelling

Met big data verandert marktonderzoek. “Het gaat niet meer om het publiek, maar om wat het individu wil. Omdat we niet ieder individu goed kennen, zoeken we naar lookalikes.” Door met vergelijkbare profielen te werken zoals Amazon dat doet, is in te schatten wat een individu wil en doet. Met verschillende gecombineerde databases, zoals verhuisdata van PostNL, is een beeld te schetsen van wat een persoon wil als hij gaat verhuizen. Daarin spelen onder andere lifestyle, koopkracht en levensfase een rol. Die aspecten worden omgezet in kansen en statistieken. Een concreet voorbeeld van predictive modeling: Het afvalverwerkingsbedrijf Afval Loont laat klanten gescheiden hun afval brengen in ruil voor een beetje geld. Klanten kunnen hun inbreng laten registreren op hun pas. Dat levert data op die het bedrijf koppelt aan een consumentendatabase, zodat het weet wie de gebruikers zijn. Vervolgens is het bedrijf in staat om een profiel te schetsen van de Afval Loont-gebruiker. Gecombineerd met informatie over de profielen van inwoners, kan Afval Loont op die manier bepalen waar concentraties van mensen zijn die waarschijnlijk gebruik zullen maken van de service. Dan volgt uitbreiding op plekken waar de meeste potentiele klanten wonen.

Discussie

Na de lezingen ontstaat er een discussie rondom de vraag waar de architect in het verhaal voorkomt. Volgens De Zeeuw zal het massale ‘industrieel bouwen’ van woningen als kant-en-klare producten, met misschien wat aanpassingen in de gevel, een wezenlijke plek in de markt innemen. De schatting is dat de rol van de architect in zo’n 25% van de markt sterk wordt teruggedrongen. Hagen merkt op dat de opgave voor architecten zit in de kleine, heel gepersonaliseerde opdrachten zoals in zelfbouw. Helemaal volgens de trend om consumenten hun product te laten customizen naar eigen smaak. Dat blijft echter maar een klein segment van de markt.

Data-analyses van vandaag en veranderingen in de toekomst

Een andere vraag uit de zaal gaat over de lange termijn. “Hoe kun je met de data-analyses van vandaag omgaan met de veranderingen in de toekomst?” Hagen antwoordt dat het mogelijk is om de kennis uit data van vandaag te vertalen naar belangrijke conclusies over welke richting een ontwerp op moet gaan. Een aantal factoren, zoals het ouder worden, zijn zeker. Het gaat niet zozeer om het architectonisch ontwerp, benadrukt Hagen, maar om de hoofdlijnen waar de gebouwde omgeving heen moet gaan. Volgens De Zeeuw heeft ruimtelijke kwaliteit drie elementen: gebruikswaarde, belevingswaarde en toekomstwaarde. Dat laatste is een intellectuele gok. De Bijlmer is een goede waarschuwing dat je moet uitkijken bij het proberen voorspellen van de toekomst. Je moet bouwen voor wat mensen willen en door de technologische ontwikkelingen is het nog lastiger geworden om te voorspellen wat de vraag zal zijn. Het doel voor Hagen is om aan te sluiten op de consument. “De consument gaat steeds meer in eenheden fungeren, maar die consument wil ook dat producten en diensten goedkoper en beter geregeld zijn. Dat is het spanningsveld waar we in zitten.”

(Geen) veranderingen in de komende 5 jaar

De afsluitende vraag gaat over wat de veranderingen op korte termijn (5 jaar) zullen zijn. Volgens De Zeeuw vindt er wel een verandering plaats in plek waar de mensen willen wonen. Zij willen bij voorzieningen zitten, in de buurt van de stad en niet zozeer in de stad. In het type woning ziet de praktijkhoogleraar weinig veranderingen. “In onze meest populaire steden is de druk bijzonder groot. Jonge mensen zijn bereid om met echt klein appartement genoegen te nemen. Dat is voor Nederland een nieuwe ontwikkeling, maar die is niet zo groot. Als we naar de grote getallen kijken, dan zie ik geen veranderingen in de komende vijf jaar.”

Volgens Hagen zal er wel een aantal veranderingen plaatsvinden, door bijvoorbeeld de vraag naar zorg en de vergrijzing. Daar is voor architecten is nog wel een rol weggelegd in de toekomst. Het toenemende individualisme en de wens voor op maat gemaakte oplossingen noodzaakt de expertise van de architect. De uiteindelijke conclusie keert terug op de intro van Hagen: de meeste bedrijven in de sector zullen over 5 jaar niet meer bestaan. Althans, niet in de huidige vorm. De woningmarkt verandert weliswaar niet ingrijpend, maar met big data kan deze veel doelgerichter bediend worden. Een gigantische kans voor alle bedrijven.

Presentatie Friso de Zeeuw

Presentatie Gert Jan Hagen

Big data symposium 19 november 2015 | Spring Architecten & Consort Architects

Zie ook:

• Big Data, Big City, Big Money