Innsikt trumfer intuisjon - Bente Sollid Storehaug -ESV Digital, Nordic

1. Bente Sollid Storehaug
CEO ESV Digital, Nordic
Innsikt trumfer intuisjon
Full oversikt over klikk-universet.
Datadrevet attribusjon.

2. Twitter
@bentesollid

3. Hva preger markedsføringen?

4. Dagens Næringsliv

5. Dagens Næringsliv

6. Statistisk Sentralbyrå

7. Hegnar
Presseklipp Hegnar / Dagens Næringsliv

8. Presseklipp Dagens Næringsliv

9. Norsk økonomi kjøles ned
Annonsører vil bli mer fokusert på avkastning

11. Oppgave 1.
Delingsøkonomien får stadig større oppmerksomhet også i det norske samfunnet. I
Bergen er AirBnb største utleier og i New York er det over 20 000 Uber-biler, mot
”bare” 13500 drosjer.
Forklar hvorfor delingsøkonomien vokser så raskt med bakgrunn i begreper som
omfattes av ”digital økonomi” og andre forhold du mener påvirker veksten.
Drøft hvilke momenter som taler for og mot delingsøkonomien i Norge.
Oppgave 2.
Facebook har startet tjenesten ”instant articles”. Forklar kort hva dette er. Lag en
analyse av hvordan denne tjenesten kan påvirke konkurransebildet for norske medier
samt utviklingen av norske avisers forretningsmodeller. I analysen skal du også bruke
begreper fra ”den digitale økonomien”.

12. Nye kompetanser
Nye teknologier
Nye byrå-hybrider

13. ANFO-undersøkelsen 2015
Norske annonsører
mener de har
2 hovedutfordringer

14. Hva er det
egentlig som
virker i digitale
kanaler?

15. Hvordan kan vi
måle effekt på tvers
av kanaler og
enheter?

16. «Halvparten av pengene jeg bruker
på markedsføring, er bortkastet.
Problemet er at jeg ikke vet hvilken
halvpart»
John Wanamaker, gründer, 1838-1922

17. Enkle attribusjonsmodeller
Siste Klikk
Første Klikk
Post View

18. Regelstyrte attribusjonsmodeller
Lik verdi
U-formet
Stigende

19. 64%
Av all handel på
nett kommer fra
mer enn et
berøringspunkt
=
Kilde: Google

20. Annonsører etterspør prediktive
modeller for å optimalisere
treffsikkerheten på leads gjennom
bruk av ulike datakilder og
maskinlæring

21. Hva er en
algoritme?

22. The beauty of digital

24. Hva ønsker vi å oppnå?
Digital markedsføring

25. Datadrevet
attribusjon
krever en
definert
konverterings-
indikator
Hva er dine KPI-er?

26. Alle kampanjer trackes, millioner av
konverteringsbaner blir analysert

27. Spillteori

28. Kundenes
digitale DNA
Maskinlæring og mønstergjenkjenning

29. Hovordan bli like god som den lokale banksjefen?
KUNDEINNSIKT

30. Datadrevet attribisjon
øker lønnsomheten med
20-40 %. Hvordan?
Kilde: The State of Marketing 2013,
IBM´s Global Survey of Marketers. Global Summit 2013.

31. Fanger opp alle
berøringspunkter
kundene har med en
merkevare online.
Bidrar til en nøyaktig
bidragsmodellering.
Datadrevet attribusjon

32. Spillteori benyttes for å
forstå samspillet mellom
de ulike kanalene.
Avanserte algoritmer
tildeler kreditt for den
endelige konverteringen.
Datadrevet attribusjon

33. Utnytter alle brukerdata,
geografiske og
demografiske, for bedre
segmentering.
Målretting øker verdien
for mottageren.
Datadrevet attribusjon

34. Scenario og medie-
modellering gir bedre
planlegging av kampanjen
Bidraget fra
markedsføringen kan
kalkuleres - til CFOs store
glede.
Datadrevet attribusjon

35. Mange typer 3. partsdata
kan integreres sømløst
mot medieplanleggingen
Eksempelvis; Kostnader for
mediekjøp kan integreres for
beregning av nøyaktig CPA.
Datadrevet attribusjon

36. 1..

37. Kontekst
Flyselskapet selger kun på nett og benytter mange digitale
markedsføringskanaler.
De ønsker å effektivisere sine medieinvesteringer og få en
bedre oversikt over hva som faktisk bidrar til konverteringer.

38. Utfordring
Er siste-klikk
hensiktsmessig for å
vurdere resultatene av
betalte kanaler ?
Hva er en optimal
budsjettfordeling for
kampanjen?
Hvordan er adferden til
de som besøker
flyselskapets nettsider?

39. Utfordring
Er siste-klikk
hensiktsmessig for å
vurdere resultatene av
betalte kanaler ?
Hva er en optimal
budsjettfordeling for
kampanjen?
Hvordan er adferden til
de som besøker
flyselskapets nettsider?
Strategi
Sammenligne resultatene
fra mediemiksen med
ulike attribusjons-
modeller, inkludert
algoritmisk modell.
Definere en optimal
investeringsmiks basert
på rekalkulert ROI.
Segmentere kundenes
adferd i henhold til
relevante kriterier.

40. Utfordring
Er siste-klikk
hensiktsmessig for å
vurdere resultatene av
betalte kanaler ?
Hva er en optimal
budsjettfordeling for
kampanjen?
Hvordan er adferden til
de som besøker
flyselskapets nettsider?
Strategi
Sammenligne resultatene
fra mediemiksen med
ulike attribusjons-
modeller, inkludert
algoritmisk modell.
Definere en optimal
investeringsmiks basert
på rekalkulert ROI.
Segmentere kundenes
adferd i henhold til
relevante kriterier.
Resultat
Medieinvesteringene ble
endret som følge av den
algoritmiske innsikt
ROI økte med 20% etter
at anbefalingene ble
implementert.
Mediekjøpene ble
tilpasset kundenes
faktiske adferd.

41. 2..

42. Kontekst
Turoperatøren er nykommer i et konkurranseutsatt marked.
Kunden ønsket å utvikle merkevarekjennskap og fokusere sin
markedsføring på tiltak som gir dette arbeidet størst verdi.

43. Utfordring
Hvilket samspill er det
mellom de ulike kanalene og
hvordan leder dette
kundene mot konvertering?
Hvilke kanaler og kampanjer
er best egnet for å skaffe
nye kunder?
Hvordan øke den
gjennomsnittlige
handelekurven?

44. Utfordring
Hvilket samspill er det mellom de
ulike kanalene og hvordan leder dette
kundene mot konvertering?
Hvilke kanaler og kampanjer er best
egnet for å skaffe nye kunder?
Hvordan øke den gjennomsnittlige
handelekurven?
Strategi
Vi ønsket å fastslå hvilke synergier
som eksisterer mellom ulike kanaler
og ulike typer kampanjer.
Vi ønsket å klassifisere de ulike
kanalene i henhold til innflytelse for
hvert trinn i beslutningssyklusen;
oppdagelse, vurdering, evaluering og
kjøp.
Vi analyserte oppkjøpsstrategiene i
forhold til brukerens dataprofil (nye
kunder vs lojale kunder, liten/stor
gjennomsnittlig størrelse på
handlekurv, geografiske opprinnelse,
produkter som ble sett på og kjøpte
produkter)

45. Utfordring
Hvilket samspill er det mellom de
ulike kanalene og hvordan leder dette
kundene mot konvertering?
Hvilke kanaler og kampanjer er best
egnet for å skaffe nye kunder?
Hvordan øke den gjennomsnittlige
handelekurven?
Strategi
Vi ønsket å fastslå hvilke synergier
som eksisterer mellom ulike kanaler
og ulike typer kampanjer.
Vi ønsket å klassifisere de ulike
kanalene i henhold til innflytelse for
hvert trinn i beslutningssyklusen;
oppdagelse, vurdering, evaluering og
kjøp.
Vi analyserte oppkjøpsstrategiene i
forhold til brukerens dataprofil (nye
kunder vs lojale kunder, liten/stor
gjennomsnittlig størrelse på
handlekurv, geografiske opprinnelse,
produkter som ble sett på og kjøpte
produkter)
Vi anbefalte en medieplan som tar
hensyn til synergier mellom kanaler
og kampanjetyper.
Vi justerte markedsføringstiltakene i
tråd med annonsørens mål og hver
enkelt kanals rolle.
Kampanjene ble rettet mot produkter
og geografiske regioner som ga best
økonomisk uttelling.
Resultat

46. Markedsføringens
digitale kinderegg

47. 1. Sanntid
Maskinlæring,
mønstergjenkjenning
Automatisering

48. 2. Personlig
Bygge dataprofiler
Kunderesponsiv på
innhold
Segmentere – 6
ganger høyere NPS

49. 3. Forenkling
Mye forførerisk
teknologi
Hvordan unngå for
mange dashboards?

50. Hvordan kjøre
attribusjon fra online
til offline?
NEXT

51. CALL
CENTER
Datadrevet
Attribusjon
ONLINE
KONVERTERING
OFFLINE
FYSISK BUTIKK

52. Innovatører
Datadrevne forretningsutviklere
Operasjonelle rådgivere
Dataanalytikere og matematikere
Hvilken ny kompetanse trenger markedsføringsbransjen?

53. Hva er en datadrevet markedsfører?

54. Twitter
@bentesollid
Blogg:
digitalhverdag.media