Passionned Group™
+32 38 084 789

Analytics bij uitgeverij: 13% meer rendement

Een grote Duitse uitgeverij van managementboeken wil het rendement op haar uitgaven drastisch vergroten en boekvoorstellen sneller kunnen beoordelen op het te verwachten rendement. Men denkt door toepassing van Business Analytics en meer specifiek Predictive Analytics een belangrijk concurrentievoordeel te kunnen behalen. Uitgevers krijgen elke weer meerdere boekvoorstellen en manuscripten toegestuurd maar ze hebben geen tijd om die allemaal goed te beoordelen. Een typische klusje voor een algoritme.

Meer concurrentievoordeel behalen met Predictive Analytics

Duitse uitgeverij voorspelt boeksucces met Predictive Analytics en data mining.

Data Mining cursus
Open de inhoudsopgave

Het beoordelen van uitgaven

Uitgevers hebben in de loop der jaren veel kennis en ervaring opgedaan als het gaat om het beoordelen van uitgaven. De uitgevers krijgen een aantal keer per week een boekvoorstel of manuscript van een of meer auteur(s). Sommige uitgaven kunnen door drukte helemaal niet of niet serieus in behandeling worden genomen en onderzocht. En dat is vervelend want tussen die uitgaven die niet kunnen worden beoordeeld kunnen pareltjes verborgen liggen. Boeken die waarschijnlijk goed gaan lopen, of zelfs bestsellers.

Nieuw opgezette database

Uit een eerste informatieanalyse blijkt dat er nogal wat kenmerken bepalend kunnen zijn voor het feit of een uitgave al dan niet gaat lopen, maar precies weet men het niet. Omdat de uitgever die kenmerken nog niet registreert, besluit die als eerste om zoveel mogelijk kenmerken te registreren in een daartoe nieuw opgezette database. De auteurs kunnen via de website van de uitgever hun boekvoorstel of manuscript inzenden.

De naaste medewerker

Het gaat dan om het onderwerp, aantal afbeeldingen, aantal bladzijden, de hoofdstukindeling, de eerdere publicaties van de auteur, of auteur ook lezingen geeft, het netwerk van de auteur op LinkedIn, et cetera. Deze gegevens worden voortaan bij de intake door de naaste medewerker van de uitgever nog eens gecontroleerd op fouten.

Ruim 15.000 boekvoorstellen

Na twee jaar heeft de uitgever een database opgebouwd met ruim 15.000 boekvoorstellen. Ongeveer 8% daarvan wordt gepubliceerd en daarvan blijken er ruim 350 echt succesvol. Hierna wordt een begin gemaakt met de bouw van een Business Intelligence toepassing met data mining tools. Daartoe verzamelde de uitgever ook allerlei marktgegevens (onder andere via webscraping met Python) over thema’s die op dat moment goed in de markt lijken te liggen. De data mining module wist allerlei verbanden te leggen tussen het succes van een uitgave en de kenmerken van een boekvoorstel.

Een voorspellend model

Het Business Analytics project zelf duurde slechts vier maanden en leverde een voorspellend model op met enkele interessante verbanden, die ook bij de meeste uitgevers niet bekend waren, al vond men het achteraf logisch. Deze verbanden werden vervolgens gecodeerd als machine learning model in het registratiesysteem opgenomen. Wanneer een auteur een boekvoorstel met de kenmerken opvoert komt het systeem zelf met een advies naar de uitgever: niet uitgeven bij overduidelijke risico’s, wel uitgeven met overtuigende kansen of twijfel.

Onverwijld doorsturen naar de uitgever

Positieve adviezen werden onverwijld automatisch doorgestuurd naar de uitgevers, de twijfelgevallen werden aangehouden en konden door de uitgevers geraadpleegd worden bij gebrek aan betere uitgaven. Door de toepassing van data mining zorgde de uitgeverij niet alleen voor een betere intake van boekvoorstellen, maar verhoogde ook het rendement op haar uitgaven over de volle breedte met 13%. Men werd zich tevens beter bewust van het belang van kennis in de organisatie, en dat het delen van die kennis grote voordelen kan hebben.