DATA TIL AT FORUDSIGE FREMTIDEN

25-09-2017

Alle snakker om data. Big data fylder alt inden for marketing, og hvordan vi arbejder med det, er med til at definere, hvor succesfulde marketing folk vi er. En ny tilgang til arbejdet med data er ”predictive analysis”. Nu skal vi ikke kun kunne følge brugerne og kundernes adfærd, vi skal også kunne forudsige deres næste træk.

Anders Villumsen Anders Villumsen Digital Client Manager København Carat Blog Data MachineLearning
https://carat-cdn.azureedge.net/media/8966/machine-learning-hero_rectangle.jpg

Data, data, data!

Marketing har altid været baseret på data. Viden om brugerne, deres brandpræferencer, og ikke mindst deres købsadfærd har stor betydning for at kunne udvikle og gennemføre en succesfuld kampagne. Tidligere er data blevet indsamlet gennem spørgeskemaer og fokusgrupper, men med den digitale tidsalder, er data nu alle steder. Data kommer som udgangspunkt fra tidligere adfærd bl.a. på websites og i købssituationer, hvor den fortæller os, hvad brugeren har fortaget sig. Data fortæller os ikke, hvad brugerne kommer til at gøre. Netop det vil vi rigtig gerne vide, så vi kan ramme brugerne præcis, når de er i markedet for vores produkt.

Fra real-time til ”predictive analysis”

For at kunne se ud i fremtiden, har vi brug for ikke kun at se tilbage, men også at kunne se på data lige nu. Altså se på dem real-time. Vores analyse skal tage højde for den adfærd, som brugeren har lige nu. Det betyder, at vores analyse skal være klar til at reagere ift. budskab, medie og tidspunkt, så vi rammer brugerne på det mest optimale tidspunkt med det mest optimale budskab. Real-time kender vi inden for marketing bl.a. fra programmatic indkøb, hvor vi arbejder med real-time bidding (RTB). Her lægges der strategier ud fra diverse datapunkter, hvor eksempelvis en bruger vises et bestemt budskab på baggrund af deres adfærd. De fleste af os kender det, når vi har set på et produkt i en webshop, bliver vi efterfølgende jagtet af lignende produkter. Der reagerer maskinrummet med sin analyse af mig som bruger i realtid og eksponerer mig med et relevant budskab. Men hvad hvis jeg allerede har købt produktet, hvorfor bliver jeg så eksponeret for et nyt? Og hvorfor eksponerer det samme medie mig for produktet igen, når det var dette medies tidligere eksponering, der førte til mit køb?

AI og machine learning

En bruger skifter løbende adfærd på de digitale medier, og ligeledes vinder nye digitale medier frem. Eksempelvis blev Snapchat lanceret i september 2011, og allerede ét år efter blev der sendt 20 millioner billeder hver dag igennem Snapchat. Så udviklingen går ekstremt hurtigt. For at indarbejde den store medie- samt brugerudvikling i kampagner, er der brug for nye analyser og programmer. Det kræver, at der løbende skal analyseres og vurderes på brugerne, så indkøbsformen, medievalget og målgruppen, der segmenteres mod, altid er den korrekte og mest relevante. Det resulterer dog i at maskinerne bag bliver klogere under kampagneperioden, og derfor er machine learning og Artificial intelligence (AI) nogle af de nye buzzwords. Med AI kan virksomheder bearbejde et stort sæt data og løbende blive klogere på, hvordan brugerne forandrer sig, samt hvor og hvordan det er bedst at eksponere dem for en reklame. Det er en rigtig interessant videreudvikling af arbejdet med data, som kommer til at præge fremtidens marketing. Allerede i år vil flere systemer og virksomheder tage det til sig i det små, og se hvordan de kan indarbejde det i deres marketing kampagner. Der er dog stort fokus på, at vi skal forstå, hvordan systemerne arbejder, så vi ikke ender med at blive afhængige af maskiner og systemer, som vi ikke helt forstår eller kan styre 100%. Systemerne er så intelligente, at det kan ske, at de udvikler sig selv og algoritmerne løbende. Det kan derfor på nuværende tidspunkt være svært at styre præcis, i hvilken retning de udvikler sig. Eksempelvis måtte Facebook stoppe sit forsøg på en chatbot, da den udviklede sit eget sprog, som ikke var forståeligt for mennesker. Et andet eksempel er Microsofts første forsøg med en AI chatbot ved navn Tay, denne fik Twitter gjort nazistisk, da brugerne for sjov skrev nazistiske kommentarer til den. Det var det data input, den fik, og efter at den havde bearbejdet det, blev den selv nazistisk. Så det kræver stadig mere viden og udvikling for at det kan slå 100% an i indkøbet på mediebureauer, men det giver store muligheder i fremtiden, og jeg er sikker på, at vi om 5 år vil se det som en del af de fleste mediebureauers indkøb og planlægning.

Anders Villumsen Anders Villumsen Digital Client Manager København Carat Blog Data MachineLearning
^Tilbage til toppen