MARKETING SCIENCE
tag bedre beslutninger på baggrund af objektiv data
Med en kraftig udvikling i anvendelsen af web- og big data, er behovet for at kunne analysere, reagere og eksekvere på data blevet et af dette årtis vigtigste konkurrenceparametre. Her er Marketing Science et stærkt værktøj at benytte.
Kontakt osBenyt data til at forstå og optimere samspillet af dine kanaler til maksimal performance
Find de ikke-indlysende mønstre i kunderejsen og reager tidligere på dem
Ingen siloer, fuld transparens, højere relevans, mindre støj og større afkast
Hvad arbejder vi med
Marketing på baggrund af data
Udviklingen i brugervenlige analyseværktøjer er gennem de seneste år vokset betydeligt. Desværre kan de i mange tilfælde ikke give den reelle indsigt, som virksomheder søger eller endnu værre, resultaterne er direkte vildledende eller decideret forkerte. I KYNETIC anvender vi derfor marketing science for at give bedre, mere præcise og retvisende indsigter.
I KYNETIC har vi stærke kompetencer indenfor både marketing science og digital marketing. Det betyder, vi kan aggregere værdien af begge forretningsområder gennem et tæt, internt samarbejde undervejs i projekterne. Det giver optimal ROI, ROAS, samlet omsætning og et minimal spild af vigtige marketingkroner.
Som kunde i KYNETIC får du adgang til vores kompetencer indenfor marketing science. I praksis åbner det op for, at vi kan planlægge dine kampagner og digitale marketingaktiviteter og eksekvere med fuld indsigt i forholdet mellem omkostninger og udbytte. Til at gøre dette benytter vi business intelligence, data science og vores ekspertise i data management.
Eksempler på analyser og områder vi med marketing science kan hjælpe med:
- Aggregering og visualisering af data i flere typer statistiske modeller
- Klassificering og textmining, herunder Logit, Neural Networks, SVM, Random forrest etc.
- Tidsserie og lineære forecasts, herunder ARIMA, HW, VAR og Least Squares Regressioner
- Handlingsplaner på og med statistisk grundlag
- Big Data modellering via. BigQuery, herunder Data-Warehousing
Eksempler på hvordan analyserne kan skabe værdi for din forretning:
- Vækste indtjeningsevnen for dine marketing kanaler, med henblik på at skabe præcis og effektiv ressourceallokering
- Udvælgelse af vigtigste dashboard metrikker baseret på tilhørsforhold til udvalgte KPI’er
- En oversigt over dine mest værdifulde SoMe emner, med formålet at målrette fremtidig kontekst efter hvilke emner, der virker bedst
- Klyngedannelser i din kundedata, der kan bruges til segmentering, og dermed skabe mere effektiv targeting
- Sentiment analysis af kundefeedback på markedsniveau, med henblik på at finde huller/muligheder i markedet
- Forecasting af fremtidige udfald, f.eks. Konverteringer gennem organisk trafik, omsætning eller “churn”
- Klassificering/beregning af CLV og/eller “churn”, både i en kontraktuel eller transaktionel sammenhæng
Hvordan arbejder vi med
Marketing science koncepter
Business Intelligence, data science og data management har til fælles, at de alle handler om, hvordan data håndteres. Koncepterne kan du anvende uafhængigt af hinanden, men fungerer bedst i sammenspil med hinanden.
→ Data management
Data management handler om at bygge bro mellem flere datakilder og dit data-warehouse, herunder at gøre det mere overskueligt at arbejde med data i din dagligdag.
Behovet for data management stiger typisk i takt med en virksomheds datagrundlag vokser og dertilhørende stigning i antal af datakilder.
Med dimensional modeling bliver data sorteret efter, hvilket forretningsområde de tilfører værdi. Dette gennemfører vi i KYNETIC ved hjælp af for eksempel SQL og PowerBI, hvor vores formål er at skabe klare, forståelige linjer i vores kunders data.
→ Business Intelligence (BI)
Det overordnede mål med BI er at gøre det lettere at forstå og forholde sig til data igennem visualiseringer. BI er eksempelvis at bruge dashboards, og charts til at aggregere simpel data eller avancerede data-transformationer med henblik på træffe velovervejede rationelle beslutninger.
Samtidig dækker BI også over processerne, der skal til for at sikre brugere imod overflødig eller irrelevant data, i form af customized personificeret BI.
→ Data science
Videnskaben bag udarbejdelsen og anvendelsen af ML og statistiske modeller kaldes data science, og er en kombination af computer science og statistik.
Data science benytter vi til at kalkulere eller forudsige udviklinger, eksempelvis churn-rates eller fremtidig cashflows. Læs mere om, hvordan vi arbejder med data science her.
De tre ovenstående koncepter hænger i høj grad sammen i effektiv anvendelse af data. Data-management er den grundlæggende forudsætning for at de øvrige to fungerer optimalt, imens data science og BI handler om at analysere og anvende data til at skabe værdi for virksomheden.
I KYNETIC er vi full-stack eksperter i BI, data science og data-management. Vi assisterer vores kunder i alt fra korrekt opsætning af tracking, aggregering af data fra forskellige datakilder, til de efterfølgende dataanalyser, fra hvilke vi giver strategisk, forretningsvigtig rådgivning.
Forudsætninger for at arbejde med Marketing Science:
Der er meget forretningskritisk viden at indhente ved at benytte marketing science. Men for at lykkes med disciplinen, forudsætter det at nogle kriterier er opfyldt. Disse kan vi dele op i tre overordnede faktorer.
De tre faktorer for størst succes med marketing science:
- Tilstrækkelige mængder af data og datakilder, hvilket både dækker over volumen og variation af målte variabler.
- Tilstrækkeligt data-grundlag på baggrund af tid. Det er ét, at have meget data. Noget andet er at have data, der strækker sig over en længere periode – helst flere år.
- Tillid og tålmodighed til processen. De forretningskritiske indsigter bliver opnået gennem længere tids anvendelse af datamodeller.
Indsigt i vores
Marketing science framework
Vores tilgang til Marketing Science sker på baggrund af vores eget framework. Processen er iterativ, hvor vi løbende forbedrer vores arbejdsgange, i tæt samarbejde med jer. Vi gennemgår her i hovedtræk, hvordan vores framework forløber.
Vi vil sjældent lægge en fast, forkromet plan for arbejdet med marketing science. Det giver ikke maksimal værdi for jer, eller er den optimale arbejdsproces.
I stedet er vores framework en iterativ proces med mange feedback loops. Det betyder eksempelvis, at opdager vi, at vi skal finde vigtige indsigter i andre variabler, end først antaget, at vi kan skifte retning i analysen. Hvert step i vores framework, er derfor steps, vi løbende bevæger os frem og tilbage i.
Identify: Planlægning og problemidentificering
Første step i vores arbejde med marketing science foregår i tæt dialog med jer. Det er her, vi lægger en klar, defineret plan for, 1. Hvad vi ønsker at undersøge. 2. Hvilken type svar, vi leder efter 3. Hvilken data vi kan og skal have adgang til.
Eksempel: Vi ønsker at undersøge effekten af forskellige SoMe tekster, skrevet om forskellige emner, på baggrund af konverteringer/interaktioner. Vi beslutter, om undersøgelsen skal vedrøre alle typer af tekster, en gruppe af tekster, og/eller konkurrenters tekster.
Extract & Staging: Query, staging og cleansing af data
Hovedparten af arbejdet med marketing science ligger i bearbejdningen af data. Det er her processen med at finde data, at rense den i et staging area og derefter enten loade det ind i et data warehouse eller tage det direkte i brug til dataanalyse.
Vi aftaler i fællesskab, hvilke variable vi ønsker at inddrage, og finder frem til, om vi skal hente disse fra forskellige datakilder, og dermed også skal gøres konforme. Herefter loader vi data ind i enten et data-warehouse, eller direkte ind i programmerings-softwares som Python eller R.
Analyse: Data modellering
Du kan ikke slå et søm i med en skruetrækker. På samme måde er data-analyse i praksis en induktiv proces, hvor vi først kan vælge den rette model, når problemet er defineret. Udover at vi skal definere problemet, er datagrundlaget, vi har til rådighed også vigtigt at kende, før vi kan finde den bedste model til opgaven.
Der er overordnet 2 tilgange til data modellering:
- Vi kan gennemføre manuelt med klassisk “trial & error” forsøg.
- Vi kan anvende algoritmer eller “Tuning” til at finde optimerede modeller indenfor forskellige parametre. Blandt andet kan vi lade en algoritme vælge en model med højest mulig præcision, imens en anden kan finde en model med bedst generaliserbarhed, eller en tredje vælge den bedste kombination af begge.
I KYNETIC anvender vi Machine Learning, da vi ønsker at skabe modeller, der kan forklare data med høj nøjagtighed, imens de samtidigt kan generaliseres, og vi dermed kan overføre dem til fremtidig data. Med dette får vi skabt modeller, der kan spå fremtiden, fremfor kun at forklare mønstre i historisk data.
Det anslås dagligt på verdensplan genereres 2,5 millioner terabytes data. Det svarer til 125 tons data om dagen, når denne data placeres på fysiske servere og harddrives.
Analyse: Vi tager modellen i brug, og træner/opdaterer løbende
I dette step tager vi modellen i brug, og alt afhængig af problemet og datagrundlaget, opdaterer vi modellen løbende. Modeller, med stor generaliserbarhed, har ikke samme behov for at få tilført ny data, som modeller, der er mere specifikke til det data, de er trænet på.
Ved at bruge redskabet Big Query kan vi automatisere opdateringerne af modellerne, således at de fast opdaterer i real-time, i takt med at mere data kommer ind.
Insights: Udbytte og handling
Indsigterne fra vores modellering kan vi i dette step udvinde. Hvis vi eksempelvis har ville undersøge effekten af top/low funnel eksponeringer i Facebook annoncering, kan vi nu i vores model se, hvornår effekten af eksponeringerne aftager, og dermed hvornår vi skal justere i vores spend.
En anden model vil eksempelvis kunne definere, hvilke parametre der er vigtige for at forudsige churm. En indsigt, vi i marketing- og salgsafdelingen kan omdanne til konkrete handlinger, der kan formindske sandsynligheden for churn.
Skal vi tage en uforpligtende snak?
Mads-Mikkel Tarding
Senior Partner & Managing Director
Digital marketing of tomorrow
Vi kan også hjælpe jer med
Marketing attribution
Kender du værdien af dine digitale kanaler, og ved du deraf, hvor du bruger dine budgetter allerbedst? Med marketing attribution du måle dine indsatser korrekt.
KPI Dashboard
KPI dashboards er afgørende for bedre resultater og få success med digital marketing. Vælg den bedste løsning til at evaluere og monitorere indsatsen løbende med et dashboard.
Tracking
Track korrekt på jeres brugere, kunderejser og performance. Korrekt tracking er essentielt for alt online marketing.
Data science
Bindeleddet mellem data og et rationelt beslutningsgrundlag, bygger på grundige dataanalyser. Vi finder usete muligheder i data ved hjælp af machine learning og statistik.
FREMTIDENS DIGITALE VINDERE VÆLGER KYNETIC
Vi er anerkendt af en lang række glade kunder, der har vækstet markant gennem et digitalt marketing samarbejde.
