Tehoa kampanjoihin datakumppanuudella
Tavoite
Keskon haasteena oli tunnistaa riittävä määrä ihmisiä heidän tarvepohjaisen asiakasluokittelunsa perusteella. Kuluttajat oli segmentoitu K-Asiakasryhmiin, joiden arvot ja asenteet eroavat toisistaan. Nämä ryhmät ovat Keskon strategian ytimessä ja niitä käytetään läpi organisaation liiketoiminnan johtamiseen ja myös mainonnassa.
Viestittävää on niin paljon, että tavoitteisiin pääsemiseksi tarvittiin omaa kantaa suurempi tavoittavuus. Kuitenkin haluttaisiin viestiä juuri niille kohderyhmille, joille viestintä on suunniteltu. Tämä haaste otettiin datakumppanuuden ensimmäiseksi projektiksi.
K-asiakas: vakiintunut ja innostuja
Toteutus
Sanoma ja Kesko solmivat datakumppanuuden, jonka tarkoituksena oli molempien dataa ja tavoittavuutta hyödyntämällä löytää yhdessä vaikuttavampia ratkaisuja. Molemmilla on paljon tietoa ja ymmärrystä omista asiakkaistaan, mutta täysin eri näkökulmista.
Datakumppanuudessa lähdettiin tekemään uudenlaista toteutusta. Sanoman verkoston kävijät luokiteltiin Keskon K-Asiakasryhmiin heidän käyttäytymisensä perusteella. Näin saatiin segmentoinnin piirissä olevien määrä kasvatettua aivan uudelle tasolle.
Luokittelun jälkeen segmentit aktivoitiin konkreettisesti kampanjoissa hyödynnettäviksi. Nyt päästään ostamaan eri K-Asiakasryhmiin kuuluvia selaimia, appeja, puhelimia, tabletteja, tietokoneita tai vaikka älytelevisioita. Tavoittavuus on avainasemassa. Segmenttejä ei ole rajattu esim. Sanoman medioihin, vaan Kesko voi hyödyntää niitä missä vaan, mistä oikeaan K-Asiakasryhmään kuuluva ihminen sattuu löytymään.
Kuluttajat luokiteltiin viiteen eri K-Asiakasryhmään väittämäpatteriston avulla. Väittämät kysyttiin Sanoman Suomitutka-panelisteilta sekä IS.fi-kävijöiltä, ja vastausten perusteella heidät luokiteltiin näihin asiakasryhmiin. Tästä aineistosta segmentointi mallinnettiin koneoppimisen keinoin kattamaan Keskon oman kannan lisäksi myös suuri määrä Sanoman verkoston tavoittamista laitteista. Nämä uudet kohderyhmät tuotiin Keskolle suoraan ostettaviksi kohderyhmiksi mainontaa varten.
K-Asiakasryhmät on luotu K-Plussa asiakaskannassa tehdyn laajan laadullisen ja määrällisen tutkimuskokonaisuuden pohjalta. Ryhmien luomisen jälkeen on rakennettu ennustetyökaluksi tiiviimpi väittämäpatteristo, jonka avulla voidaan ennustaa mihin K-Asiakasryhmään vastaaja kuuluu.
Ennustetyökalu on rakennettu siten, että kaikkien ryhmiä määrittävien väittämien joukosta on tilastollisesti valittu kaikkein parhaiten ryhmiin kuulumista selittävät väittämät.
Ennustetyökalun kysymyspatteriston kysymykset kysyttiin Sanoman Suomitutka-paneelissa. Työkalun avulla vastaajat ryhmiteltiin K-Asiakasryhmiin, ja muodostettiin mallinnukselle opetusaineisto. Näiden vastaajien Sanoman verkostossa tehdyn käyttäytymisen perusteella etsittiin koneoppimisen keinoin samankaltaisesti käyttäytyviä.
Mallinnuksen kykyä ennustaa ihmisen K-Asiakasryhmää ei oltu heti tyytyväisiä. Tarkkuuden parantamiseen kehitettiin prosessi, jossa opetusaineistoa kerättiin lisää sekä Suomitutkasta että Ilta-Sanomien verkkosivuilta. Tämän prosessin myötä tarkkuus saatiin halutulle tasolle.
Tulokset
Lisäämällä Keskon tunnistamiin K-Asiakasryhmiin Sanoman verkostosta mallinnetut käyttäjät saatiin kohdennettavien laitteiden määrää kasvatettua merkittävästi. Nyt määrät ovat riittävän suuria mainonnan kohderyhmiksi. Mainontaa päästään siis kohdentamaan suoraan strategisesti tärkeille ryhmille, eli heille keille se on suunniteltukin.
Omien K-Asiakasryhmien hyödyntäminen mainonnan kohdentamisessa on parantanut kampanjoiden aktivointitehoa jopa 167 % verrattuna muilla perusteilla mallinnettuihin toisen osapuolen tarjoamiin asiakassegmentteihin. Aktivointitehoa on mitattu CTR-prosentilla. Vertailussa ei ole huomioitu tavoitteita, joita kohden kampanjaa on optimoitu eikä ostojen jakautumista eri päätelaitteisiin. Vertailun ajanjakso on vuosi 2018: K-Asiakasryhmät vs. muut tuona aikana käytössä olleet toisen osapuolen datasta mallinnetut yleisöt.
Puhtaan tavoittavuuden ja tehojen kasvun lisäksi projektista saadaan muitakin hyötyjä. Kun Sanoman verkkokävijädataa on luokiteltu K-Asiakasryhmien mukaan, voidaan datoja yhdistämällä rikastaa ymmärrystä asiakasryhmistä.
Sanomalla on oma median käytön motiiveihin perustuva segmentointi. Nyt tämän avulla voidaan tunnistaa näitä motiiveja K-Asiakasryhmistä ja hyödyntää tätä tietoa mainonnan sisältöä suunniteltaessa. Esimerkiksi minkälaisesta mainonnasta tietty ryhmä pitää tai ei pidä.
Verkkokäyttäytymisdataan peilaten voidaan lisätä ymmärrystä eri segmenttien kiinnostuksen kohteista. Minkälaisilla videosisällöillä voisi esimerkiksi tavoittaa jääkiekosta, sijoittamisesta tai vaikka sähköautoista kiinnostuneita.
Konkreettisten kampanjoiden tulosten lisäksi pystytään nyt paremmin ymmärtämään asiakkaita: millaisia ovat heidän median käyttönsä motiivit, mistä he ovat kiinnostuneet, mitä sisältöjä he kuluttavat ja missä medioissa?
Erilaista dataa yhdistelemällä päästään parempiin lopputuloksiin.
