Troels Mark Meyer er grundlægger af Serio Verify i 2010. Virksomheden automatiserer marketing og salg for eksterne kunder og bruger machine learning til at optimere resultaterne. Troels Mark Meyer har 20 års praktisk og akademisk erfaring inden for international ledelse og marketing. Master of Science in Business Administration fra Copenhagen Business School. Serio Verify er et SaaS-selskab, der fokuserer på automatisering og rådgivning med hensyn til online markedsføring og besvarelse af kundeforespørgsler.
Vi kender det alle sammen; det klassiske møde i marketing. Denne gang skal vi tale om målgrupper, og en kollega har lavet nogle slides med målgrupper som ”storbykvinder”, ”de unge” og et par andre defineret ud fra alder, køn og geografi. De skal danne grundlag for, hvordan vi finder vores mest købsparate målgruppe.
En af mødedeltagerne har tænkt datadrevet og lavet nogle stikprøver fra vores sidste sommerkampagne. De bekræfter heldigvis, at det passer meget godt med, at vores målgruppe er storbykvinder i alderen 25-35 år.
En anden kollega har trukket data fra kundebasen. Og selvom der er enkelte uforklarlige afvigelser, så understøtter det stadig vores antagelse om, hvilken målgruppe der er mest købsparat. Derfor vedtager vi, at vi skal have fat i ”storbykvinderne” og starter en masse fantastiske tiltag mod lige netop dem.
En masse marketingmøder senere begynder der at tegne sig et billede af, at ”storbykvinderne” bliver kunder i vores butik. Og endnu flere møder senere står det soleklart: ”Næsten alle vores kunder er efterhånden i målgruppen storbykvinder.”
Business Intelligence
I mellemtiden har bestyrelsen ansat en Business Intelligence Unit - et team af hårdtarbejdende kollegaer, som ved brug af machine learning og avancerede algoritmer skal hjælpe med at forstå forretningen bedre. De har analyseret den eksisterende kundedatabase og fundet nogle underliggende mønstre og adfærd for de kunder, som køber mest. De har aktiveret en del tiltag, og mersalget til eksisterende kunder er steget markant.
Fuld af forhåbning er du troppet op i deres afdeling for at høre, hvad de kan hjælpe dig med i marketing. Du har jo selv flirtet lidt med dataanalyse og er forventningsfuld over, hvad machine learning kan gøre for at ramme alle de potentielle kunder derude.
Til din store overraskelse siger den nye Business Intelligence Unit, at de ikke kan hjælpe dig. De forklarer, at de kan lave analyser på de eksisterende kunder, men at de jo ikke kender dem, som ikke er kunder og derfor ikke har data til at analysere på.
Udfordringer
Grundlæggende er du ramt af to udfordringer. Den første ligger i din målgruppedefinition på vores første marketingmøde om ”storbykvinder”. Der har vi brugt det spæde datagrundlag til at pin pointe en målgruppe og efterfølgende forstærket effekten ved at målrette indsatsen mod denne målgruppe. Groft sagt er ”storbykvinderne” blevet en selvopfyldende profeti, og du er muligvis gået glip af andre adfærds- og købsmønstre, som havde defineret alle købsparate personer.
Den anden udfordring er, at selvom du ønsker at komme spadestikket dybere, kan vi ikke løse opgave internt, fordi vi ikke har data om alle købsparate personer, som ikke allerede er kunder.
Der er altså en hel masse købsparate mennesker derude, som det kræver en masse data for at finde frem til.
Din (ukendte) redning
Heldigvis findes der virksomheder, som kan hjælpe dig med adgang til sandsynlighedsdata om potentielle kunder.
Det er enten marketing software virksomheder, som specialiserer sig i kunderejser, eller datahuse, som lever af at lave analyser for private virksomheder. Disse virksomheder sælger ikke nødvendigvis data til dig (dette ville være dyrt), men lægger det typisk ovenpå de eksisterende data og bygger en machine learning model for dig.
Nu kan du gå i gang med at afsøge markedet, og hvis du er bare en smule ambitiøs, så kombinerer du en marketing software løsning med data fra et datahus – og vupti så har du pludselig alt det, du skal bruge til at få machine learning til at virke sammen med din marketing afdeling.
Hvad betyder det for dig?
Dit nye set-up giver dig en masse vigtige muligheder.
Først og fremmest kan du udvide din målgruppe betragteligt og finde flere lavt hængende frugter. Du kan nemlig identificere komplekse mønstre, som finder endnu flere købsparate personer end blot storbykvinder. F.eks. viser det sig måske, at en kvinde på 37 år, der er selvstændig erhvervsdrivende og bor i et hus der tidligere var et landbrug, ville synes dit produkt er intet mindre end fantastisk.
Med den viden kan du prioritere din indsats efter konkret købsparathed og dermed bruge tid og penge, hvor de har de bedste muligheder for at tjene sig selv hjem igen.
Da modellerne er beregnet af en maskine og ikke af et menneske, betyder det også, at du får dine indsigter i realtid. Det vil sige, at du på få sekunder ved, hvilket produkt Line er mest interesseret i og kan sende hende til en kampagneside, som taler direkte til hendes behov.
Du er selvfølgelig den gode kollega, og derfor er det heller ikke uvæsentligt for dig, at du samtidig hjælper jeres Business Intelligence Unit. Ved at skaffe nye og andre kunder end storbykvinder, giver du dem muligheden for at lave endnu bedre analyser på de eksisterende kunder - og skabe meget bedre mersalg.
Hvad venter du på? Gevinsten ved machine learning til marketing er simpel. Flere og mere relevante kunder til din forretning, og hvem ved, måske bliver de også længere tid i din butik…
