Hva er egentlig en algoritme?

En algoritme er en eksakt beskrivelse som forteller hvilke operasjoner som skal utføres og i hvilken rekkefølge for å oppnå et visst resultat.

Ordet algoritme stammer fra den persiske matematikeren og astronomen Muhammad ibn Musa al-Khwarizmi (den latinske formen av Al-Khwārizmī er Algoritmi). Han skrev på 800-tallet flere bøker, blant annet boken Al-jabr wa’l muqabalah. Den inneholdt en beskrivelse, altså det vi nå gjerne kaller en algoritme, for hvordan visse annengradsligninger kunne løses.

På samme måte kan man se på en kakeoppskrift som en algoritme, der man får en eksakt oppskrift på hvordan man skal lage en bestemt kake.

En algoritme trenger med andre ord ikke å være relatert til big data, digitalisering, programmering og kunstig intelligens, selv om det nok er det folk flest i dag  forbinder med algoritmer.

Algoritmer og kunstig intelligens

Ordet algoritme har som nevnt sin opprinnelse i matematikkens verden, men har nå fått sitt oppsving mye takket være økt fokus på kunstig intelligens. Ordet algoritme har nesten blitt et synonym til kunstig intelligens. I praksis har de fleste algoritmer lite med selvtenkende datamaskiner å gjøre.

I hovedsak skiller man gjerne mellom:

  • Tradisjonelle algoritmer: Her vil output du får ut, være direkte relatert til input du har gitt og de reglene du har satt opp.
  • Maskinlæringsalgoritmer: Her brukes input for å prøve og feile og deretter brukes den nye erfaringen (output) som input for ytterligere prøving og feiling. På den måten blir algoritmen bare klokere og klokere.

Et lite hjertesukk fra oss i Sannsyn: Når vi snakker om algoritmer innen maskinlæring, er det ofte snakk om bruk av nevrale nettverk der man har som mål å etterlikne menneskehjernens måte å jobbe på. Men maskinlæringsalgoritmer kan også inkludere for eksempel regresjonsanalyse og ikke «AI», og da er det ikke lenger kunstig intelligens som gjelder, men «bare» avansert statistisk analyse.

Eksempler på algoritmer

De mest kjente algoritmene finner vi nok hos Facebook og Google. Når teknologigigantene gjør endringer i sine algoritmer, får det ofte store konsekvenser for hva hvilke nyheter folk får opp i sin nyhetsstrøm og hvilke søkeresultater man får opp i søkemotoren.

På liknende måte brukes algoritmer på nettsider (f.eks nettbutikker og nyhetsnettsider) for å gi deg som besøkende produkt- og artikkel-anbefalinger. Algortimene forsøker i denne sammehengen å gi deg mest mulig relevant innhold, blant annet basert på din kjøps- og navigasjonshistorikk.

CDP kan bli like viktig for kundedata som PIM er for produktberikelse

Stadig mer kundedata, økt konkurranse om kundene, GDPR og et stadig mer fragmentert marked for salg og markedsføring, er viktige drivere for at mange mellomstore og store bedrifter i disse dager vurderer en dedikert kundedataplattform, på engelsk kalt “Customer Data Platform” (CDP).

Hva er egentlig en CDP?

De siste årene har de fleste større selskaper innen varehandelen fått et forhold til PIM for systematisering av produktinformasjon. Noen har kanskje også implementert et eget system for ordrehåndtering (OMS) og grafisk innhold (DAM). Vi mener at det nå er på tide å rydde plass til enda en tre bokstavers forkortelse: CDP. 

The CDP Institute definerer en CDP som «pakket programvare som skaper en vedvarende, enhetlig kundedatabase som er tilgjengelig for andre systemer.»

Man kan se for seg CDP’en plassert slik i en rask skisse over økosystemet til en butikkjede eller nettbutikk:

Man kan altså se på CDP’en som navet i kundedialogen med nære knytninger til både personalisering, søk, markedsføring, kundeklubb, kundesenter, CRM og nettbutikk.

Hvem trenger en CDP?

En CDPs fokus er å faktisk etablere det komplette kundebildet vi har snakket om de siste 10 årene. Sett med netthandelsøyne er en CDP særlig relevant for virksomheter med følgende kjennetegn: 

  • Selskaper med mye kontaktinformasjon og kjøps- og webhistorikk.
  • Selskaper som selger eller markedsfører i flere kanaler.
  • Selskaper som har mange verktøy som brukes i kundedialogen og erfarer at disse er vanskelig å integrere med hverandre.
  • Selskaper som ønsker mer kontroll og muligheter enn man får med et CRM-system.

I praksis er dette alle mellomstore og store nettbutikker og butikkjeder. 

CDP’er er komplekse og kommer med en kombinasjon av forskjellige funksjoner hos de utallige løsningene som finnes på markedet. Hvilken verktøy skal man velge? For å besvare dette er det flere områder vi må se nærmere på:

  • Behov: Først og fremst, hva planlegger du å bruke CDP’en til? Mange retailere ønsker bedre kontroll på sine kundedata med tanke på GDPR, personalisering på egne nettsider, mer effektiv reklame, mer relevante nyhetsbrev og et personlig tilpasset søk i egen nettbutikk. I tillegg er det ofte et stort behov for datavisualisering og internrapportering. Men kanskje finnes det også andre interne behov i bedriften? I denne prosessen er det viktig å involvere markedsavdelingen, men glem ikke teknologoene og data scientists slik at de får muligheten til å gjøre de mer avanserte analysene.
  • Datainnsamling: I en CDP samler man inn kundedata fra flere kilder, gjennomgår dataene og lager 360-graders kundeprofiler. Før man velger plattform er det viktig å diskutere hvilke data man ønsker å samle og hvordan de skal samles inn; være seg transaksjonsdata (fra alle salgskanaler), interaksjondata (f.eks klikk og søk på nettside), CRM-data osv.
  • 360 graders kundeprofil: Innsamlet data brukes for å skape en 360-graders kundeprofil med en unik ID for hver eneste kunde. I denne sammenhengen er det viktig å identifisere hvorvidt det er opprettet mer enn én profil for en enkelt kunde. Dette problemet oppstår vanligvis når man har flere epost-adresser på én kunde, kunden hopper mellom desktop og mobil – eller når det har vært interaksjon mellom kunden og forskjellige avdelinger i selskapet, hvor alle skaper en egen post for samme kunde. Velfungerende CDPer oppdager disse duplikatene og sletter dem fra systemet. Med en CDP får man i stedet ett lagringspunkt for kundedata. Hver avdeling i bedriften har tilgang til disse kundedataene, der eventuelle endringer tilgjengeliggjøres for hele bedriften.
  • Segmenter og målgrupper: Mange tenker kanskje at en 360 graders kundeprofil først og fremst er interessant med tanke på personalisert markedsføring (1:1), men vi må heller ikke glemme at i en del sammenhenger er det fortsatt aktuelt med samme budskap til flere kunder. I et CRM-system segmenterer man typisk dette basert på for eksempel kjønn, geografisk tilhørighet eller kjøpsatferd, men med en CDP er det også mulig å skape langt mer avanserte segmenter og målgrupper basert på store mengder sanntidsdata, der man setter sammen flere kunder som likner på hverandre. For mange retailere handler mye fortsatt om kampanjer, med en CDP og litt nytenkning kan man gjøre kampanjene langt mer effektive.
  • Ekstern data: Basert på 360 graders kundeprofiler gir man hver enkelt kunde tilpasset innhold. Samtidig er det viktig at man tar hensyn til en rekke andre faktorer, som for eksempel lagerbeholdning, kampanjer, sesong og produktanmeldelser. 

Hvordan velge riktig CDP?

Kort oppsummert kan vi oppsummere punktene over i følgende modell, der det røde området er selve CDP’en:

Slik vi ser det, finnes det ikke en CDP som passer alle bedrifter. Noen løsninger er svært avanserte, men de er ofte kostbare og krevende å sette opp og drifte. Andre løsninger er enkle og koster lite, men er kanskje ikke et verktøy for bedriften på lengre sikt.

En annen måte å se dette på er fra et mer teknisk perspektiv. Mange som har begynt å sette seg inn i CDP-markedet, vil fort kikke på store løsninger fra globale selskaper som Segment, Adobe, SAP, IBM etc. Det er solide tekniske løsninger, men løsningene er kostbare, selskapene er kun representert i Norge gjennom sine partnere og løsningene er ikke alltid tilpasset det norske markedet. Mange av disse er også stasjonert utenfor Europa, noe som skaper en del juridiske komplikasjoner. Et alternativ er slik sett å se på nordiske CDP’er; disse er ofte mindre og enklere. Et tredje alternativ er å se på open source-baserte løsninger, slik som Apache Unomi. Der får man avanserte løsninger, samtidig som man slipper de kostbare lisensene og man har bedre kontroll på sine data. Ulempen er at dette krever en del kompetanse, der man ofte må ofte må kombinere interne kompetanse med ekstern konsulentbistand fra et spesialisert byrå om man ønsker en konkurransedyktig løsning.

Det er ikke slik at alle trenger en CDP, men for mellomstore og store retailere, mener vi at et CDP-verktøy bør være relevant. Samtidig minner vi om at de virkelig verdiene først skapes når man benytter den innsamlede dataen til noe som skaper verdi for kundene, gjerne automatisert og i sanntid ved hjelp av maskinlæring. Eksempler på dette kan være produktanbefalinger i nettbutikken, mer relevant reklame i form av presisjonsmarkedsføring eller et bedre produkt-søk i nettbutikken. CDP-verktøyet vil fremover også bli sentral i digitale tjenester i fysisk butikk og bidra til å bygge den viktige broen mellom digitale og fysiske kanaler.

Derfor er det så viktig med en tydelig datastrategi

Mange bedrifter samler inn store mengder data, uten å ha en god plan for hva de vil gjøre med alle disse dataene. Andre bedrifter er så overveldet av alternativer, at de ikke kommer igang. Ingen av alternativene er gode.

I stedet for å starte med dataene, bør enhver virksomhet starte med strategi. En god datastrategi handler ikke om å samle mest mulig data. Det handler om hva virksomheten deres ønsker å oppnå, og hvordan data kan hjelpe dere med å komme dit.

Vi erfarer at mange selskaper har egne datastrategier for hver enkelt det av virksomheten, for eksempel markedsavdelingen eller økonomiavdeling, men det finnes ingen virksomhetsomfattende dataplan.

En annen utfordring vi ofte ser, er at det fokuseres for mye på datalagring og eierskap i stedet for virksomhetens langsiktige strategiske mål og hvordan data kan bidra til å nå disse målene. En datastrategi bør utvilsomt eies av ledergruppen og ikke IT-avdelingen eller markedsavdelingen.

All data samles på ett sted med en Data lake

Mengden data vokser eksponentielt i alle bransjer. For norske bedrifter representerer den voksende datamengden en ny utfordring, men også nye muligheter.

Alle moderne bedrifter ønsker å ta informerte, data-drevne beslutninger på tvers av avdelinger på en rask og trygg måte.

En data lake er et felles arkiv der alle data lagres i sitt naturlige råformat.

En typisk data lake inneholder:

  • Strukturerte data fra relasjonsdatabaser hvor data er organisert som rader i tabeller (f.eks SQL)
  • Semi-strukturert data (f.eks CSV-filer, logger, XML og JSON)
  • Ustrukturerte data (f.eks sosiale medier, e-post, dokumenter og pdf-filer)
  • Binære data (f.eks bilder, lyd og video)
Et eksempel på en data lake-skisse fra vår egen virksomhet.

All data på ett sted med egen data lake

Det er mange fordeler med å samle all data på ett sted. Mye handler om fleksibilitet:

  • Du kan skape innsikt fra alle typer datakilder.
  • Du lagrer rådata og trenger dermed ikke ha alle problemstillingene du ønsker besvart klare i forkant.
  • Ubegrenset antall måter å analysere dataene på.
  • Eliminering av data-siloer.
  • Demokratisert tilgang til data på tvers av organisasjonen.

En data lake i kombinasjon med data science

En data lake må ikke forveksles med et datavarehus. En data lake er som et stort basseng med rå-data fra alle tenkelige og utenkelige kilder, der formålet ennå ikke er definert. Et datavarehus er er derimot et lagringssted for strukturerte, filtrerte data som allerede er behandlet for et bestemt formål. Et datavarehus vil typisk samle data fra bedriftens økonomi-, ERP- og CRM-system. Dataen fra et datavarehus vil med andre ord være naturlig å inkludere i en data-sjø.

Med en data lake får man som nevnt samlet all data på ett sted, men den må også bearbeides for å skape forretningsverdi – enten det er i form av rapporter, visualisering, analyse eller automatisering.

Kunnskapen om hvordan man utnytter dataene blir ofte betegnet som Data Science. I denne sammenhengen brukes alt fra tradisjonell analyse til kunstig intelligens i form av maskinlæring og dyp læring.

Lønnsom bruk av data

Det er mange avdelinger i bedriften som kan ha glede av et slikt initiativ. Hvordan en data lake og tilhørende bruk av data kan bidra til økt innsikt vil variere fra bedrift til bedrift og avdeling til avdeling, men la oss se på noen eksempler:

  • Markedsførere kan predikere sjanse for kundefrafall, optimalisere salgsaktiviteter på tvers av kanaler og estimere hvilke prospekter som mest sannsynlig vil kjøpe. Personalisert markedsføring på tvers av kanaler blir også mer presist.
  • En butikkjede kan finne nye mønstre i hva slags produkter som kundene kjøper sammen. Gjerne fordelt per ukedag eller årstid. Dette kan igjen påvirke innredning av butikk, sortimentstrategi og markedsføring.
  • Innkjøp kan gjøres mer effektivt, da man får mer presise prediksjoner på omsetning og unngår for store varelager eller utsolgt-situasjoner.
  • Et energiselskap kan foreta kritisk vedlikehold i perioder med forventet lave strømpriser.
  • Finansbransjen kan bruke innsikten for å predikere fremtidig kursutvikling på fond og aksjer basert på en rekke faktorer.
  • Transportselskaper kan knytte eksterne GPS-, vær- og veiarbeidsdata sammen med intern informasjon om bemanningsnivå og tilgang på kjøretøy for å optimalisere kjøreruter.

Gyldendal-konsernet satser på egen data lake

La oss ta et eksempel fra vår egen kundeportefølje og se hvordan man kan bygge en data lake og bruke den i praksis.

Sannsyn har i lang tid hatt gleden av jobbe med ARK Bokhandel, der vi har hjulpet kjeden med søk og personalisering. I senere tid har vi også jobbet med morselskapet Gyldendal ASA. Mens vi i første fase “bare“ analyserte data fra ARKs nettbutikk og fysiske butikker, bygger vi nå sammen en komplett data-sjø.

I prosjektet har vi med sammen med ulike samarbeidspartnere bygd en data lake for hele konsernet og utviklet en data-strategi som gjør at Gyldendal nå lett kan stille teser og teste disse mot data-settene som er samlet og få raske svar. Det er også mulig å generere rapporter og automatisere løsninger for å skape kontinuerlig verdi.

Løsningen bruker flere forskjellige metoder for å skape verdi ut av dataene. Det strekker seg fra vanlige statistiske analyser av store data-mengder til mer avansert bruk av kunstig intelligens i form av maskinlæring og dyp læring basert på nevrale nettverk.

I dette tilfelle ble data-sjøen satt opp i Azure, men det er ingen hindring å benytte sky-løsninger fra AWS eller Google.

La oss sammen bygge en data lake og skape konkurransekraft!

Ta gjerne kontakt med Sannsyn om du ønsker å vite mer. Vi kommer gjerne på besøk og diskuterer temaer som:

  • Hva vil det egentlig si å være en «datadrevet bedrift»?
  • Hvordan skape forretningsverdi basert på data?
  • Hvordan går man frem teknisk sett for å bygge en data-sjø?
  • Hvordan jobbe med kultur og opplæring for å gjøre bedriften mer datadrevet?
  • Vi hjelper gjerne også til med datavisualisering og dataanalyse, slik at dere fått tolket og formidlet all deres innsamlede data.

Amazon inntar Norden: Hva kan norsk næringsliv lære av teknologi-giganten?

I dag er Amazon verdens største nettbutikk. Nå står Bezos klare til å satse i Norden. Nettbutikken fremstår enn så lenge som litt uferdig. Mens amerikanerne jobber med å luke ut de verste barnesykdommene, kan vi gruble litt på hva som har gjort Amazon så store og prøve å forstå hvordan man kan konkurrere med denne typen selskaper.

1) Data skaper konkurransefortrinn. Da Jeff Bezos lanserte Amazon, var visjonen å skape «verdens mest kundesentriske selskap». For å lykkes har Bezos alltid vært opptatt av å utnytte tilgjengelige data. Med en enorm kundeportefølje, et velutviklet lojalitetsprogram (Amazon Prime har passert 150 millioner medlemmer), et gigantisk produktutvalg (vel 600 millioner produkter) og en astronomisk omsetning (280 milliarder dollar i 2019), er Amazon i stand til å danne seg svært komplekse bilder av individuelle kunders interaksjons- og kjøpsmønstre. All denne dataen bruker Amazon blant annet for å gi brukerne svært gode produktanbefalinger og et relevant produktsøk. De skaper en kundereise hvor kunden får en subtil og god følelse av å kjenne seg igjen. Det gir en trygghet som leder til gjenkjøp.

Dette utnytter selskapet også i Amazon Prime. For å forstå kraften i lojalitetsprogrammet er det interessant å lese NRKs utenriksreporter Tove Bjørgaas korrespondentbrev fra USA fra mars 2018: “Jeff Bezos selger mye mer enn bøker. Mitt liv har han snart full kontroll over…Angsten har allerede festet seg for hvordan Amazon-abstinensene vil arte seg når jeg flytter til Norge om noen måneder…Når en er hekta, også kalt prime-kunde, hos Amazon får en nemlig det meste levert på døra i løpet av en dag eller to.” Med utgangspunkt i data er ikke kraften i Prime lenger bare subtil. Koblet med verdensledende logistikk er den svært verdifull for kundene.

2) Ledere som selv driver innovasjon. I rapporten “How Tech CEOs Are Redefining the Top Job” (2020) konkluderer forskerne med at topplederne i de mest suksessfulle selskapene i verden ikke bare jobber strategisk. De er også innovatører, kunnskapstørste og engasjert i praktisk arbeid i bedriften. Forskerne trekker blant annet frem Jeff Bezos og hvordan han personlig har engasjert seg i Amazons innovasjonsarbeid (Bezos var blant annet svært involvert i utviklingen av designet på selskapets populære ebok-leser Kindle). Per 2018 hadde Jeff Bezos personlig vært involvert i 155 patenter i selskapet. Tilsvarende egenskaper fant man hos Larry Page og Sergey Brin fra Google, Steve Jobs (Apple) og Bill Gates (Microsoft).

3) Kultur for å feile. Et av Jeff Bezos mange kjente sitater er følgende: “If you’re going to take bold bets, they are going to be experiments. And if they are experiments, you don’t know ahead of time if they are going to work.” Få selskaper har eksperimentert og feilet så mye som Amazon. Smarttelefonen First Phone, reiseportalen Destiations og nettbutikken Endless.com er eksempler på løsninger Amazon har lansert med bravur og som senere har blitt lagt ned. Nedleggelser og feil gjør vondt, men det er også en naturlig del av det å være et innovativt selskap. En sjelden gang treffer man blink og da er oppsiden enorm.

Noen ganger blir også små eksperimenter og interne forbedringer til noe uventet stort. For eksempel var Amazon Web Services kun ment som et prosjekt for å forbedre selskapets interne løsninger. I dag er “AWS” blitt en økonomisk gullgruve for Jeff Bezos.

Denne kulturen for å våge og feile er også understøttet av en effektiv beslutningskultur. En beslutning som kan reverseres uten store konsekvenser, kan tas fort og testes. Bare store beslutninger som i følge Bezos er “enveis dører” trengs å tas sakte og grundig. Det gjør at selskapet klarer å bevege seg raskt på tross av sin størrelse.

4) Plattform som forretningsmodell. Amazon, Microsoft, Alphabet, Facebook og Apple er til sammen nå verdt 7 500 milliarder dollar (til sammenligning er alle børsnoterte selskaper i Europa verdt 8 900 milliarder). Et fellestrekk hos de nevnte selskapene er at alle i hovedsak har en plattformbasert forretningsmodell, der produsenter/leverandører og konsumenter kommer sammen og skaper verdi for hverandre på en felles markedsplass. Se for eksempel på Amazon. Det hele begynte som en liten bokhandel på nett. I dag har selskapet 600 millioner produkter i sitt sortiment som leveres fra to millioner underleverandører.

Det som gjør digitale markedsplasser så spesielle, er at de bruker internett-teknologi for rask spredning i markedet – og maskinlæring for å analysere enorme mengder data som igjen gjør det mulig å skape presisjon og relevans for alle i nettverket. I tillegg utnytter de åpen innovasjon når nettverket er stort nok, slik at eksterne aktører selv kan tjene på bygge verdi inn i plattformen. Plattform som forretningsmodell utkonkurrerer på denne måten tradisjonelle verdikjeder fordi de er mer effektive i kundedialogen og kundereisen. Å forstå hvordan plattformer fungerer og hvordan man kan konkurrere med dem, blir stadig viktigere.

Også her i Norge har vi selskaper som bruker plattform-strategier for å utfordre markedet, slik som Vipps, Finn.no, Mittanbud.no, Gelato, Nabobil, Folkeinvest, Bookis, Luado, Toolpusher, SurplusHub, Talerlisten.no og Inzpire.me. Utfordringen er at de fleste henvender seg til et lite norsk marked, noe som gjør det vanskelig å få størrelse på nettverket og samle nok data.

Klare for Norden. Et av verdens mest verdifulle selskaper er på vei inn i Norden. Det vil få store konsekvenser for norsk næringsliv. La oss ta dem på alvor, men også forsøke å lære av den amerikanske teknologi-giganten.

Bilde i denne artikkelen er tatt av Lukas fra Pexels

Er det et sjakktrekk å selge hos Amazon?

Amazon har nå etablert seg i Norden. En vesentlig del av forberedelsene til lanseringen var å sørge for å ha et tilstrekkelig antall varer tilgjengelig for salg på det nordiske markedet. Ifølge Amazon selv har den nye nettbutikken 150 millioner produkter. 

 

Enn så lenge ser det ut til at Amazon ikke har klart å overtale et stort antall nordiske aktører til å selge via deres plattform, men det kan forandre seg. 

 

Skal vi selge våre varer via Amazon? Dette er fortsatt et sentralt spørsmål blant lederne i nordisk varehandel. Vel vitende om Amazons posisjon på det globale markedet og deres pågående satsing i Norden, er det også et naturlig spørsmål å stille. Via Amazon er det mulig å selge mye varer. Enormt mye varer. 

 

I tillegg er det lave oppstartskostnader, kort tid fra oppstart til ny omsetning og det er ikke en gang nødvendig med et stort produktutvalg. Om man går inn med hud og hår, slipper man også å drifte egen nettside. Det kan også hevdes at man gir kundene en bedre opplevelse ved å selge via Amazons friksjonsfrie og velkjente nettbutikk, noe som igjen kan gi din merkevare en ekstra boost.

 

Dette er valide argumenter. Jeff Bezos og hans én million medarbeidere (!) har skapt et salgsmaskineri uten sidestykke. 

 

Men –  la oss også se litt på motargumentene.

 

En måte å se dette på, er fra et kundedata-perspektiv. Ved å selge via en tredjepart som Amazon i stedet for å selge via eget økosystem, går man glipp av innsikt om sine kunder og deres atferd. Man blir plutselig en underleverandør.

 

Et annet problem som vi vil adressere, er de mange beskyldningene om at Amazon bruker salgsdata fra tredjepart-salget når de selv lager egne merkevarer og setter sine prisstrategier. Amazon har i dag mer 45 forskjellige Amazon-merker som inkluderer 243 000 produkter. I en artikkel fra The Wall Street Journal hevdes det at Amazon internt har et mål om at egne merkevarer skal utgjør 10 prosent av det totale salget i 2023 og at de bruker de nødvendige triksene for å komme dit. Flere selskaper melder også at de etter hvert har blitt utestengt fra markedsplassen uten noen god grunn. Selskapet har for lengst pådratt seg EU sin oppmerksomhet i denne sammenhengen. Vi skal være varsomme med å dømme noen, men at Amazon sliter litt med omdømme sitt på dette området er utvilsomt.

 

Amazon er et helt univers av muligheter, men det er også mye man skal sette seg inn i (for eksempel hvordan man skaper synlighet internt hos Amazon). Amazon har tydelige forventninger til hvordan deres underleverandører skal forholde seg til blant annet kundeservice, leveringstid og lagerbeholdning. Det er fort gjort å trå feil. Det finnes enn så lenge få her i Norden har denne kompetansen. 

 

Det er også interessant å se dette fra et etisk perspektiv. Amazon betaler lite skatt og er allerede igang med å påvirke svenske skattemyndigheter. Selskapet har også ved gjentatte anledninger fått fagforeninger på nakken. Selskapet er kanskje ikke verre enn liknende selskaper (Facebook, Apple og Google har jo også sine svin på skogen), men det er uansett relevant å trekke frem.

 

Amazon er i dag verdens største annonsør (og etter sigende verdens største kjøper av Google Ads) og de driver fort opp klikkprisene i din kategori. De vil også tiltrekke seg oppmerksomheten til mange influencere og de vil fremover gi små nordiske aktører hard konkurranse om organisk synlighet i søkemotorene. De har også et lojalitetskonsept (Prime) som overgår det meste av nordiske kundeklubbkonsepter. I tillegg må man huske at om man ønsker synlighet i Amazons økosystem, så må man investere tid og penger for å skape synlighet for egne produkter på Amazons markedsplass. De færreste bedrifter “eier” sin kategori fullt og helt og må forvente at Amazon uansett driver opp prisene for markedsføring på dine varer her i Norden, men vi mener det fortsatt er noe som bør tas med i vurderingen.

 

Samtidig skal man være bevisst på at ved å selge vare hos Amazon, blir du en del av Amazons produkt. Om ingen andre solgte sine produkter hos Amazon, hadde de ikke hatt noen effektiv markedsplass. Du blir altså en del av Amazons produkt og bidrar til å styrke deres posisjon i Norden – man blir med på deres spill om å definere at digital handel er noe man gjør på Amazon.

 

Å selge varer via Amazon kan være et riktig valg for din bedrift. Kanskje har du heller ikke noe valg. Men det er uansett viktig å være bevisst på hvem man har med å gjøre. Hvis ikke, blir man fort degradert til en bonde på Jeff Bezos sjakkbrett.

Bildet i denne artikkelen er tatt av George Becker fra Pexels.

Hvordan bli en datadrevet retailer? Det er vanskeligere enn man skulle tro

Med tilgang på enorme mengder data som behandles på riktig måte, kan medarbeidere og datamaskiner fatte beslutninger med en presisjon som tidligere ville være utenkelig. Dette gjøres i tillegg automatisert.

Det som kjennetegner big data er at det er store datasett, der volum, hastighet, variasjon og/eller kompleksitet gjør at tradisjonelle analyseverktøy ikke klarer å fange, behandle, lagre, håndtere og analysere dem. Strukturering av data og bruk kunstig intelligens i form av blant annet maskinlæring og dyp læring er derfor sentralt.

Relativt unge, nettbaserte selskaper som Amazon, Netflix, Spotify, Facebook, Uber og Google bruker enorme mengder data for å perfeksjonere opplevelsen til hver enkelt kunde og må sees på som pionerer i denne sammenhengen.

I senere tid har også eldre og mer etablerte selskaper innen blant annet finans-, helse-, media-, energi- og transportsektoren også kommet på banen med mål om å bli «datadrevet».

Å være datadrevet er riktignok ikke et mål i seg selv, men må heller sees på som en katalysator for å skape vekst og lønnsomhet. Typiske effekter kan være økt kundetilfredshet, økt kundelojalitet, mer effektiv markedsføring, mer effektiv innkjøps og bedre interne beslutninger.

Så, hvordan blir en bedrift datadrevet? I denne artikkelen forsøker vi å skape et overordnet bilde av hva som trengs.

Forankring i strategi og ledelse

Bedrifter som klarer å knytte sin data-satsing til bedriftens overordnede strategi og visjon med solid forankring i ledelsen, vil ha et godt utgangspunkt.

Kroneksempelet på dette er Amazon. Jeff Bezos’ visjon har helt siden oppstarten i 1995 vært å bli «verdens mest kundesentriske selskap». Full kontroll på sine kundedata har vært helt avgjørende for at Amazon har klart å etterleve denne visjonen.

Er godt norsk eksempel på noen som har gått i Amazon sine fotspor, er Gyldendal-konsernet som har jobbet målbevisst med å utnytte sine data i lang tid. Der har toppleder John Tørres Tuv selv vært meget delaktig, noe som har vært viktig for satsingen.

Bedriftskultur og arbeidsprosesser

Mange gode data-initiativ mislykkes dessverre fordi man undervurderer viktigheten av riktig bedriftskultur og gode arbeidsprosesser.

Som med all annen innovasjon er det viktig at man jobber i tverrfaglige team med en tydelig prosjekteier og deltakere fra både teknologi- og markedssiden, om man skal kunne finne og utnytte alt gullet som ligger i tilgjengelig data.

Korte iterasjoner med hypotesetesting og fortløpende evalueringer og driftssetting av vellykkede tester, fremfor store og komplekse prosjekter er også typisk for de som lykkes, er vår erfaring.

Arbeid med data handler mye om gradvis intern læring ved prøving og feiling. Mange bedrifter blir dessverre for utålmodige og gir opp eller de lykkes ikke med å spre ny kunnskap internt i bedriften.

I visse tilfeller kan data-initiativ også møte intern motstand. Mens teknologer, aksjonærer og ledere ofte forbinder ord som «big data», «maskinlæring», «kunstig intelligens» og «automatisering» med noe positivt, forbinder øvrigheten disse uttrykkene fortsatt mest med oppsigelser, usikkerhet og omorganisering.

Teknologi og datakvalitet

Det finnes nå mye og avansert teknologi for bedrifter som ønsker å bli mer datadrevne. Et stort utvalg, raske endringer i markedet og begrenset kompetanse gjør det ofte vanskelig å velge riktig.

For selskaper som ønsker å bli mer datadrevne anbefaler vi å ha en helhetlig tilnærming til datainnsamling og ikke bare velge en rekke best-of-breed-løsninger som hver for seg fungerer godt.

På den måten unngår man data- og kompetanse-siloer, noe som vil svekke bedriftens totale data-kvalitet. En undersøkelse fra Gartner (2018) viser at data-analytikere i stor grad bruker det aller meste av tiden sin på integrasjoner, forberedninger av data for analyse, rapportering og visualisering – og at det dermed blir lite tid til å skape reell kundeverdi.

Vi har selv meget god erfaring med å bygge såkalte en “data lake” eller det man på norsk kaller en “data-sjø”. Her samles all data som er relevant for bedriften på ett sted og så brukes alt fra avansert analyse til maskinlæring og dyp læring for å utnytte dataene.

Tid og penger

Det må investeres både tid og penger for å bli en datadreven virksomhet og man konkurrerer ofte med en rekke andre initiativ i bedriften. Vår anbefaling er å begynne i det små med enkle pilotprosjekter, før man gradvis øker ambisjonsnivået.

Det er viktig å forstå at det tar tid å bli en datadrevet bedrift. For å lykkes kreves en kombinasjon av data, teknologi og kompetanse. Dataene skal samles inn fra mange kilder, før de skal struktureres, bearbeides og tolkes. Deretter skal dataene brukes strategisk, taktisk og operativt i bedriften.

Jo mer innsikt man får, jo mer innser man at man ikke vet. Slik sett kan hevdes at det ikke er mulig å bli en fullkommen datadreven virksomhet, men at det i stedet for bør sees på som en idealtilstand. En idealtilstand med uendelige muligheter.

Hva er personalisering? Lær det grunnleggende på 4 minutter

Med god grunn.

For en tid tilbake uttalte Stormbergs kjedeleder Hege Ekberg Nilsen til fagnettstedet eHandel.com at “personalisering vil bli like naturlig som årstider”. Vi tror hun har helt rett. 

I denne artikkelen vil vi forklare deg hvorfor, men la oss først skape en felles forståelse av hva som menes med “personalisering”:

«Personalisering handler om å skreddersy en tjeneste eller et produkt for å imøtekomme bestemte personer, noen ganger knyttet til grupper eller segmenter av enkeltpersoner.» (Wikipedia mars 2019)

Personalisering i praksis

La oss også se på noen eksempler på hvordan personalisering kan brukes i praksis. Personalisering er kanskje mest utbredt innen varehandelen, men har utvilsomt et stort potensial også i andre næringer (f.eks nettaviser og reiseliv):

  • Søket på nettsiden tilpasses kundens kjøps- og webhistorikk.
  • Bannere og produktanbefalinger i nyhetsbrevene tilpasses hver enkelt kunde basert på kjøps- og webhistorikk.
  • Innholdet på nettsiden tilpasses hvor kunden fysisk befinner seg (geo-lokasjon), slik at kunden f.eks får se lagerbeholdning i sin lokale butikk.
  • Visning av komplementære produkter og tjenester på nettsiden. F.eks vise tilbehør til produktet som kunden allerede har lagt i handlekurven. Det er også mange som med stort hell viser relaterte produkter både på ordrebekreftelsessiden og i ordrebekreftelses-epost.
  • Visning av relaterte produkter eller tjenester på produktsiden. F.eks “De som kjøpte denne varen, kjøpte også disse” eller “Vi tror du liker disse reisemålene”
  • Produkter og tjenester kunden nylig har sett på vises på nettsidene, i e-post eller i sosiale medier
  • En gaveguide der kunden legger inn relevante opplysninger og får skreddersydde produktforslag basert på dette.
  • Status på siste kjøp gjort i nettbutikken vises allerede på forsiden når kunden kommer tilbake – f.eks “Din ordre er nå klar for henting i vår butikk i Storgaten”.
  • Kampanjebannere f.eks på forsiden og kategorisider tilpasses hver enkelt bruker, slik at kunden eksponeres for et mest mulig relevant kampanjebudskap.
  • Markedsføring hos tredjepart (f.eks Facebook og Google) tilpasses hver enkelt bruker, basert på blant annet kjøps- og webhistorikk.

Listen kan gjøres mye lengre. ARK Bokhandel har for eksempel nærmere 50 algoritmer i sitt økosystem for å skape det som trolig er en av Norges mest avanserte personaliseringsløsninger, med bruk av data på tvers av fysisk butikk, nettbutikk, app, nyhetsbrev og digital markedsføring.

Hvor viktig er egentlig personalisering?

Det finnes dessverre ingen norsk forskning på dette området, men la oss i alle fall se på noen internasjonale funn:

  • I en amerikansk undersøkelse gjennomført av OneSpot og Marketing Insider Group svarte 59 prosent av respondentene at “tilpasset innhold” økte kjøpsintensjonen “noe”, mens 19 prosent sa at kjøpsintensjonen økte “mye”. 
  • I en global undersøkelse fra Monetate svarte 79 prosent av selskapene som nådde sine omsetningsmål, at de hadde en personaliseringsstrategi. Kun 8 prosent av de som manglet en slik strategi, nådde sine salgsmål. 
  • I en studie fra Econsultancy viste det seg at 93 prosent av selskapene som jobbet med personalisering, fikk en omsetningsvekst.
  • I en undersøkelse fra Infosys svarte 59 prosent av forbrukerne som hadde opplevd personalisering, at de mente det tilpassede innholdet hadde påvirket kjøpet positivt.

Vi mener at særlig større kjeder og nettbutikker vil ha mye å hente på personalisering da de ofte har tusenvis av produkter og mye kundedata, mens en liten aktør med få produkter og lite omsetning kanskje bør prioritere andre ting (moderne markedsføring handler ikke bare om å bruke ny teknologi, men også velge vekk –  bare i markedsføringsfaget alene finnes det tusenvis av selskaper og løsninger).

Fra store kampanjer til datadrevet markedsføring

Drevet frem av stadig mer avansert teknologi, god effekt og globale forbilder som Amazon, blir personalisering stadig mer utbredt. 

I alle fall om vi ser til land som Kina, USA, Tyskland og Storbritannia. I Norge handler det meste dessverre fortsatt om massemarkedsføring og segmentering.

Viktigste årsak er nok at norsk retail fortsatt er svært kampanje- og transaksjonsfokusert. Varehandelens suksessformelen har i lang tid vært å kjøpe inn produkter i store partier og så selge dem videre til de som vil kjøpe; massivt markedsført via TV, print, radio og andre tradisjonelle medier. Dette har vært en effektiv strategi, men vi mener den nå har gått ut på dato.

Riktignok satser selv teknologi-giganter som Amazon, Zalando og Wish.com på kampanjer og store innkjøp, men det gjøres i kombinasjon med avansert data- og personaliseringsteknologi, slik at kundene eksponeres for de mest relevante kampanjene.

Hvordan komme i gang med personalisering?

Vår erfaring er at nordmenn som jobber med salg og markedsføring på forbrukermarkedet har kjennskap til personalisering, men langt færre har inngående kunnskap om fagområdet og hva som skal til for å lykkes. 

Riktignok ser vi at de fleste norske kjeder og nettbutikker tilbyr noe personalisering i sin kundekomunikasjon, men det meste er ganske enkle personaliseringsløsninger uten skreddersøm og strategisk forankring.

I en amerikansk/britisk undersøkelse fra Sailthru gjengitt hos anerkjente eMarketer.com (april 2017) er det mange grunner til at avanserte løsninger for personalisering ikke tas i bruk:

Vår mening er at situasjonen er tilsvarende her i Norge, den dag i dag. De fleste bedrifter mangler både en tydelig data-strategi, nødvendig teknologi og kompetanse. Uten dette på plass er det vanskelig å lykkes. Dessverre finnes det også svært lite kompetanse på dette området i det norske rådgivningsmiljøer.

Personalisering er avanserte saker som muliggjøres gjennom teknologi, data og flinke folk. Samtidig er det viktig å ikke gjøre personalisering for komplekst heller. Blir de interne strategi-prosessene for lange og komplekse, blir det vanskelig å komme i gang. Vår erfaring er at det beste er å kjøre noen enkle pilot-tester og høste litt erfaring, samtidig som man starter de lange interne diskusjonene om hvordan man blir mer kundesentriske og skaper en relevant kundereise. Til glede for både bedriftens kunder og aksjonærer.

Stemoderlig behandling av søk – en av nettbutikkenes største synder?

Erfaring viser at konverteringsraten hos brukere som søker i en nettbutikk, ofte er 4-6 ganger høyere enn hos øvrige brukere. Vil vil i denne artikkelen forklare hvorfor.

Vi vil også fortelle deg hvorfor nettbutikkens meny fortsatt har livets rett, selv om den ikke er så viktig som tidligere.

Ingen er perfekte

Å gjøre det mulig for kundene å finne det de trenger er helt sentralt for alle nettbutikker. Relevans og personalisering på både forside, kategorisider og produktsider er selvsagt obligatorisk, men det er ingen erstatning for verken søk eller en velfungerende meny.

Kundene bruker gjerne menyen i en nettbutikk når de er i en tidlig fase i kjøpsprosessen og ikke vet nøyaktig hva de leter etter.

Ulempen med menyen er at den ofte blir uoversiktlig, grunnet store og brede produktsortiment.

Søket på nettsiden brukes derimot gjerne ganske sent i kjøpsprosessen når kundene vet ganske eksakt hva de skal ha. I tillegg kan søkeboksen også være en god venn når kundene ikke finner frem i menystrukturen.

Ulempen med søk er at det ofte krever litt øvelse (med den kraftig økningen i bruk av Google, Bing og andre søkemotorer, er nok dette problemet mindre enn tidligere). En annen utfordring er at mange søkemotorer krever at kundene benytter riktige søkeord (et søk etter f.eks «fotballsko» gir sjelden treff på «fotballstøvler»).

Det er ofte også avgjørende at kunden skriver helt riktig (søker kundene etter «fotball sko» eller «fotbalsko» kan de ikke forvente å få relevante resultater).

Søk blir stadig viktigere

Mens vi i internetts tidlige stadier navigerte oss rundt på internett (hvem glemmer vel Altavista og Startsiden), handler det meste nå om søk (takk til Google og Bing).

Dette påvirker også netthandelen:

Vi ser nå hvordan forbrukerne nå i økende grad bruker søk fremfor meny-navigering for å finne produktene de trenger.

Utviklingen vil fortsette. Dels fordi kundene blir stadig mer vant til å søke og dermed også blir flinkere, men også fordi mange nettbutikker nå har så store og brede produktutvalg at det er umulig å finne frem i menyen.

Økt netthandel på mobil er også en viktig driver til at interessen for søk øker. Søkeboksen er nemlig ofte mer synlig på de mobile versjonene, samtidig som den tradisjonelle menyen ofte er svært uoversiktlige på de små mobilskjermene. Etterhvert som flere nettbutikker også gir søkeboksen et visuelt løft på sine desktop-versjoner og ikke gjemmer dem bort (her gjenstår det mye), vil andelen søk øke ytterligere.

Merkevaren svekkes

Samtidig må vi våge å si at de fleste norske nettbutikker har et søk som ikke er godt nok. Dette gjelder også de som benytter Solr, Elasticsearch og andre internasjonalt anerkjente søkemotorer.

Problemer med å håndtere synonymer og skrivefeil er typiske utfordringer. Fraværende vekting av produkter/kategorier/merkevarer, manglende autocomplete og mangel på personalisering er også gjengangere. Selv Norges største nettbutikker har et stort forbedringspotensial her.

Konsekvensen er ikke bare tapt salg, men også frustrerte kunder.

En god brukeropplevelse oppleves subtil. Den bare fungerer, uten at man som kunde helt kan sette fingeren på hva som er så bra. En godt søk bør være en del av en slik kundesentrisk strategi.

Søk handler dog ikke bare om kortsiktig salg og merkevarebygging. Om man har et godt analyseverktøy for søk, vil man fortløpende kunne identifisere søkeord som trender eller faller i popularitet, men også få oversikt over søkeord som gir null treff og ord med lav konverteringsrate. Dette er nyttig informasjon både med tanke på innkjøp og prissetting. I tillegg er utfyllende søkeinnsikt selvsagt nyttig for de som jobber operativt med markedsføring.

Løsningen ligger dels i å forbedre produktinformasjonen og dels i tekniske forbedringer av søket. En satsing her vil i mange sammenhenger også ha positiv effekt på menyen og deres arbeid med søkemotoroptimalisering.

Ingen nettbutikker er like og det er derfor vanskelig å generalisere, men vi vil ikke bli overrasket om det viser seg at 20-25 prosent av kundene i din nettbutikk i dag bruker søket og at de søkende kundene står for to tredjedeler av nettbutikkens omsetning. Det er mye, men potensialet er enda større.

Godt søk!

Hva kjennetegner Big data?

Big data har ikke i seg selv noen verdi, men i kombinasjon med ulike former for kunstig intelligens og data science er det mulig å skape store konkurransefortrinn, for eksempel i form av automatisering, markedsinnsikt eller kvalitetsforbedringer.

Hvor mye data som nå produseres i verden, er selvsagt krevende å beregne. IDC Global DataSphere har likevel forsøkt seg og beregnet at i 2025 vil vi ha 175 zettebyte med data i verden. Én zettabyte tilsvarer tusen milliarder gigabyte.

Definisjon av «Big data»

Når vi snakker om «Big data», mener vi egentlig datasett som er så komplekse eller innholdsrike at de er vanskelige å analysere med vanlige dataprosesseringsverktøy. Noen mer eksakt definisjon blir ofte vanskelig; da datateknologien blir stadig kraftigere er det som i dag oppfattes som store datamengder, i morgen å anse som små og svært håndterlige datamengder.

Med stadig kraftigere datateknologi og raskt økende datamengder, er det ofte mer hensiktsmessig å se på egenskapene til dataene:

  • Volum: Dataene må ha et så stort volum som igjen setter krav til både behandling, lagring, analyse og overføring.
  • Velositet: Dataene vokser ofte raskt og registreres i sanntid og det krever ofte at man hurtig kan analysere data-mengden.
  • Variasjon: Dataene kommer ofte fra mange ulike kilder, og er ofte en kombinasjon av strukturerte, semistrukturerte og ustrukturerte data.
  • Troverdighet: Med dataens makt og viktighet er det sentralt å ha kontroll på dataens pålitelighet og nøyaktighet.
  • Verdi: Når vi snakker om big data, er det ofte data som har en personlig, økonomisk, ideell eller samfunnsmessig verdi.