Værdien af marketing er stadig lidt af en black box
Machine learning & real-time data vil vende og op ned på marketinganalyser
Machine learning og real-time data vil vende op og ned på marketinganalyse. Som vi kender det i dag, er det stadig en udfordring for CMO’en at dokumentere den reelle effekt af de enkelte digitale marketingaktiviteter.
MARKETING SKABER VÆRDI
I mange virksomheder ses marketing stadig som et omkostningscenter, der kun i begrænset omfang kan dokumentere en direkte forretningsmæssig effekt. Men teknologien giver markant bedre muligheder for, at CMO’en kan vise værdien af marketingaktiviteter – også på tværs af digitale aktiviteter og fysiske butikker. Ofte ved CMO’en det bare ikke.
”Det er ikke nogen hemmelighed, at forbrugere i dag interagerer med brands på tværs af mange devices og platforme. Organiske søgninger, e-mail-marketing, annoncering og sociale medier for eksempel. Men den reelle forretningsmæssige værdi af de enkelte marketingaktiviteter er stadig lidt af en black box. Hertil, er der relativt få virksomheder, der udnytter de teknologiske muligheder til at skabe den slags indsigt. Vi møder mange, der faktisk ikke kender mulighederne”, siger Thomas Obelitz Høgsbro-Rode, CEO i IMPACT Extend.
Selv om de fleste marketingteams arbejder struktureret med traditionel webanalytics, kan det være vanskeligt at dokumentere, hvilke kanaler der har ført til et salg. Ligesom der mangler gennemsigtighed i forhold til, hvordan de digitale marketingaktiviteter påvirker salget i den fysiske butik. Det er et ubetrådt land, selv om dataen isoleret set eksisterer. Derfor bør den kobles sammen på nye måder, så den bliver lettilgængelig og let at handle på, mener Thomas Obelitz Høgsbro-Rode.
Vi er ved at genopfinde, hvad det vil sige at lave webanalytics, for at skabe en helt anden transparens om data for CMO’en. Den indsigt skal være lettilgængelig, visuelt, i real-time dashboards. Når du sidder på Black Friday, gør det for eksempel en kæmpe forskel, at du kan se, hvad der sker lige nu, i forhold til at optimere dine kampagner. Dagen efter er den indsigt ikke særlig meget værd
FORSTÅ DE FORSKELLIGE BERØRINGSPUNKTERS BETYDNING
De mange mulige touchpoints gør det vanskeligt at bevare overblikket og drage de rigtige konklusioner på baggrund af data. Dog, med machine learning og algoritmebaserede attribueringsmodeller gør det muligt at vise data, så det bliver nemt at handle på.
Et salg kan ifølge Thomas Obelitz Høgsbro-Rode sammenlignes med et mål i fodbold. Når Luka Modric scorer, bliver han krediteret for målet, men han fik bolden lagt op af en midtbanespiller, som igen fik bolden fra en forsvarer. Fjerner vi et led i den kæde, ville Modric ikke have scoret. På samme måde er det i en butik: Hvis man fjerner et af de digitale touchpoints, der leder op til et salg i en butik, vil man ikke forstå, hvorfor salget evt. udebliver i butikken, medmindre man kender sin data.
”Vi bruger en machine learning-model for at finde ud af, hvor meget værdi de forskellige berøringspunkter, en kunde har forud for et salg, skal tillægges. Hvis en kunde fx besøger en webshop to gange i løbet af en uge fra forskellige kanaler og køber noget tredje gang, skal første og andet besøg også tillægges værdi. Næste uge er kunden måske tilbage og køber igen på sit femte besøg. Hvad er værdien så af besøgene fra ugen før?” spørger Thomas Obelitz Høgsbro-Rode.
STØRRE OMSÆTNING OFFLINE
Med indsigten fra data vil marketingteams eksempelvis kunne lave langt mere intelligente strategier i forhold til at udnytte og forfine de definerede segmenter. Dette for at skabe unikke kunderejser, personaliserede oplevelser eller til at optimere spend på betalte kanaler.
En af dem, der allerede har set værdien af den databaserede marketinganalyse, er Claes Bo Hansen, E-commerce Manager i IMERCO.
En af de helt store knaster, det her kommer til at løse for os, er, at vi kommer til at kunne tilskrive yderligere værdi til vores digitale marketingindsatser, i forhold til hvad de genererer af salg i den fysiske butik. I dag kan jeg kun se, hvad det genererer af salg online
Som digitalt marketingsbureau tracker IMPACT Extend digitale marketingsaktiviteter for at se, hvor meget salg i fysiske butikker aktiviteterne egentlig giver.
Hos nogle af deres kunder har det genereret op til ti gange så meget salg offline som online. Eksempelvis sendte en kunde fødselsdags-vouchers ud pr. e-mail, som 10% af modtagerne indløste online, mens 90% brugte den i de fysiske butikker.
Samme overvægt af offline-salg peger FDIH’s seneste e-handelsanalyse på. Analysen viser, at købsrejsen ofte begynder på nettet, men slutter i den fysiske butik.
PERSONALISEREDE TILBUD
Hos Imerco bliver kunderne tildelt et kunde-id, når de køber noget på baggrund af deres kundekort. Alle fremtidige kundebesøg bliver koblet op på det id, uanset om det sker online eller ved kassen, i en fysisk butik. På den måde kan Imerco se, hvad deres kunder er interesseret i både online og offline. Dertil, skræddersy tilbud til dem, så de oplever Imerco som relevante og får en god oplevelse.
”Forestil dig, at du har kigget på en skål på imerco.dk i frokostpausen på arbejds-pc’en. Du lægger den i kurven, men køber den ikke. Senere om aftenen køber du skålen på din tablet. Vores retargetingprogram vil fortsat sende annoncering på din arbejds-pc for skålen, men den har du jo lige købt. Det er en dårlig oplevelse for dig, og det er spild af mit marketingspend.
Når vi har vores nye setup på plads, kan vi undgå den slags. Vi kan også sende dig mere relevant kommunikation, så du oplever vores markedsføring som en personlig service snarere end massekommunikation”, siger Claes Bo Hansen.
Ud over en bedre brugeroplevelse ser Claes Bo Hansen også et stort potentiale i forhold til at få øget transparens om den forretningsmæssige værdi af Imercos digitale marketingaktiviteter.
”Med en større gennemsigtighed kan vi segmentere meget mere intelligent og skræddersy kommunikationen til vores kunder. Her med henblik på at øge kundefastholdelse, genkøb og give en bedre kundeoplevelse. Det betyder også, at når Amazon kommer, har vi en fordel, for vi kender vores brugere bedre, end de gør”.
Du kan læse mere om, hvordan machine learning bruges i algoritmebaserede marketing-attribueringsmodeller her.