De case van Vredestein & Hammer Market Intelligence
Miljoenen online gesprekken omzetten in bruikbare concurrentie-intelligentie over merken

De uitdaging: uw merk begrijpen voorbij traditioneel marktonderzoek
In de huidige digitale marktplaats delen consumenten voortdurend hun meningen online. Of ze nu productprestaties bespreken op gespecialiseerde fora, merken vergelijken op sociale media of reviews schrijven na aankoop, deze gesprekken geven gezamenlijk vorm aan de merkreputatie en beïnvloeden toekomstige aankoopbeslissingen.
Voor fabrikanten creëert dit zowel een kans als een uitdaging. Hoewel enorme hoeveelheden consumentenfeedback openbaar beschikbaar zijn, is het allesbehalve eenvoudig om betekenisvolle inzichten te halen uit miljoenen ongestructureerde gesprekken.
Traditioneel marktonderzoek (bijv. met behulp van webenquêtes) legt slechts een fractie van de consumentenmeningen vast en kan de schaal, snelheid en concurrentiecontext missen die nodig zijn voor strategische besluitvorming. De vraag wordt dan: welke methode is geschikt om merkbekendheid en merkperceptie objectief te meten in een volledig concurrentielandschap?
De case: Vredestein
Vredestein is een premium bandenfabrikant met meer dan een eeuw ervaring in de ontwikkeling van high-performancebanden voor personenauto's, landbouwmaterieel en fietsen. Het bedrijf staat bekend om zijn focus op veiligheid, innovatie en Europees vakmanschap en concurreert in een markt waarin consumentenvertrouwen en productreputatie een doorslaggevende rol spelen.
Om zijn marktpositie te versterken, wilde Vredestein beter begrijpen hoe consumenten het merk ervaren ten opzichte van belangrijke concurrenten. Meer specifiek wilde het bedrijf antwoord op vragen zoals:
· Hoe bekend is Vredestein in vergelijking met concurrerende bandenmerken?
· Welke productkenmerken associëren consumenten met Vredestein?
· Op welke kenmerken presteert het merk beter dan concurrenten?
· Op welke vlakken hebben concurrenten een sterkere positie in de perceptie van consumenten?
In plaats van uitsluitend te vertrouwen op enquêtes, wilde Vredestein gebruikmaken van de enorme hoeveelheid authentieke consumentengesprekken die al online beschikbaar zijn.
De aanpak: Hoe Hammer online gesprekken omzet in concurrentie-intelligentie
Het team van datawetenschappers en marktanalisten van Hammer is gespecialiseerd in het omzetten van grote hoeveelheden ongestructureerde informatie in heldere, bruikbare marktinzichten via de oplossing Brand Tracking & Monitoring. Door geavanceerde AI-technieken te combineren met expertise in marktintelligentie, hebben we een schaalbaar raamwerk ontwikkeld om zowel merkbekendheid als merkperceptie te meten.
Om het authentieke consumentensentiment te achterhalen, hebben we een schaalbare analysetool ontwikkeld die zowel dataverzameling als geavanceerde tekstclassificatie integreert. Onze aanpak om de vragen van Vredestein te beantwoorden bestond uit een proces in vijf stappen:
1. Consumentengesprekken op schaal scrapen
We hebben een geautomatiseerde datapijplijn gebouwd die openbaar beschikbare discussies scraped van forums, enthousiastengemeenschappen en andere onlineplatforms. Daarnaast hebben we gebruikgemaakt van Hammers eigen nieuws- en contentdatabase (Goldmine) om deze datapunten aan te vullen.
In totaal werden meer dan 2,8 miljoen tekstitems verzameld in meerdere landen, voertuigsegmenten en onlinebronnen.
2. Merkbekendheid meten
In plaats van consumenten te vragen welke merken zij kennen (bijv. met behulp van webenquêtes), hebben we gemeten welke merken mensen van nature online bespreken. Dit is waardevolle informatie, omdat de gebruikers vrijwillig berichten plaatsten over de bedrijven die we onderzochten. Met fuzzy keywordherkenning werd elk gesprek geclassificeerd op basis van het merk dat werd besproken.
Dit creëerde een betrouwbare indicator voor merkbekendheid door de relatieve frequentie van gesprekken over elk bedrijf te vergelijken over miljoenen datapunten.

Figuur 1. Voorbeeld van een meting van merkbekendheid
3. Merkperceptie begrijpen met sentimentanalyse
Het uitsluitend meten van de frequentie van merkvermeldingen biedt beperkt inzicht in de merkperceptie. Daarom werd elke alinea waarin een merk werd genoemd automatisch geclassificeerd met sentimentanalyse.
Elk gesprek werd gecategoriseerd als positief, neutraal of negatief. Dit bood uiteindelijk een objectieve vergelijking van hoe positief elk merk binnen de markt wordt besproken.

Figuur 2. Voorbeeld van een visualisatie van merkperceptie
4. Vaststellen wat sentiment drijft
Om inzichten te identificeren die verder gaan dan algemene sentimentscores, hebben we ook AI-modellen gebruikt om discussies in te delen naar specifieke productonderwerpen, waaronder:
- Comfort & rijgedrag
- Duurzaamheid
- Veiligheid & betrouwbaarheid
- Prijs-kwaliteitverhouding
- Prestaties onder specifieke omstandigheden, zoals rijden in de winter
Door onderwerpherkenning te combineren met sentimentanalyse, identificeerde Hammer welke productkenmerken positieve en negatieve percepties aansturen voor elk concurrerend merk. Dit maakte inzichten mogelijk zoals: Welke merken worden het sterkst geassocieerd met premium comfort? Welke worden gezien als de beste prijs-kwaliteitverhouding? Wie loopt voorop op het gebied van veiligheid?
Deze inzichten hielpen Vredestein niet alleen te begrijpen hoe consumenten over elk concurrerend merk denken, maar ook waarom.

Figuur 3. Voorbeeld van merkassociaties
5. Een basis leggen voor herhaalbare concurrentiemonitoring
De oplevering was meer dan een eenmalige analyse. Omdat scraping, het meten van merkbekendheid, sentimentanalyse en onderwerpcategorisatie volledig geautomatiseerd zijn, is het resultaat een pipeline die opnieuw kan worden uitgevoerd, in plaats van één momentopname. Hoewel de opdracht in deze fase werd afgerond, is de pipeline ontwikkeld met het oog op continue monitoring — en biedt deze een kant-en-klare basis die kan worden uitgebreid tot een dashboard voor periodieke updates, waardoor doorlopende tracking van veranderingen in marktperceptie, evaluatie van de impact van marketingcampagnes en monitoring van ontwikkelingen bij concurrenten in de loop der tijd mogelijk worden.
De methode: schaalbare merkmonitoring
Deze case illustreert hoe AI en marktintelligentie elkaar aanvullen. AI maakt het mogelijk om miljoenen consumentengesprekken te verwerken op een schaal die met handmatige analyse onmogelijk is. Vervolgens zorgt Hammer's expertise in marktintelligentie ervoor dat de verzamelde datapunten worden vertaald naar bedrijfsrelevante inzichten die strategische besluitvorming ondersteunen.
Hoewel ontwikkeld voor de bandenindustrie, is de methodologie toepasbaar in vrijwel elke consumenten- of B2B-markt waar online discussies aankoopgedrag beïnvloeden. Of bedrijven nu hun merk willen benchmarken, concurrenten willen monitoren of veranderende klantbehoeften willen begrijpen, grootschalige sentiment- en onderwerpanalyse biedt een krachtig alternatief voor traditioneel marktonderzoek.
Voor Hammer toont dit project aan hoe ongestructureerde online data kunnen worden omgezet in concurrentiegerichte merkinzichten. Wilt u begrijpen hoe uw klanten uw merk werkelijk waarnemen? We bespreken graag hoe deze methodologie kan worden toegepast op uw markt. Neem contact met ons op via +31 85 3332472 of freek@hammer-intel.com

Marktpotentieel omzetten in gerichte groeikeuzes voor Ruitenberg Ingredients

Miljoenen online gesprekken omzetten in bruikbare concurrentie-intelligentie over merken
