Maskinlæring og kunstig intelligens gir digital konkurransekraft

0

Hvordan kan du forstå kundene dine best mulig? Vil telefonintervju og fokusgrupper bli med inn i fremtiden eller er det maskinlæring, algoritmer og kunstig intelligens som gir best innsikt og digital konkurransekraft?

I ethvert styrerom – uavhengig av bransje – diskuterer vi hvordan vi skal få kontroll på dataene. Det er ingen stor kunst å eie data, heller ikke å samle dem inn. Kunsten er å analysere dataene og gjøre dem til et grunnlag for beslutninger. Kunstig intelligens og maskinlæring vil disruptere de tradisjonelle analyseselskapene som fortsatt sverger til ulike former for intervjuer og fokusgrupper når kundenes adferd skal analyseres. Det er definitivt ikke slik Facebook ble verdenes største mediekanal. Facebooks innhold styres av algoritmer som kontinuerlig endres for å gi oss engasjerende og riktig innhold på nyhetsstrømmen. Den enkelte bruker har ikke den holistiske innsikten som må til for å holde kanalens popularitet på topp. Facebook sørger for at vi ikke går lei. Algoritmene reduserer påtrengende reklame og forsterker innhold som skaper engasjement i form av delinger, likes, klikk og kommentarer. Googles søkemotor styres også etter algoritmer. Ingen vet hele hemmeligheten bak søkeoptimalisering. Min franske SEO-kollega forteller at 70 prosent av algoritmene er en godt bevart hemmelighet. Tidligere i år endret Google sine algoritmer. Nettsteder som ikke var mobiltilpasset fikk ikke prioritet i søk. Endringen var ikke tilfeldig. Noen uker senere lanserte Google sin buy-button hvor nettbrukerne kan bestille varer og tjenester direkte fra Googles mobile søkeresultater. Igjen er det et stort antall algoritmer som sørger for at de beste sidene løftes opp i søket. Populære sider går foran nettsteder med liten trafikk.

Dataanalyseselskapene disrupteres av maskinlæring

Maskinlæring bygger på kompliserte algoritmer og danner grunnlag for datadrevne beslutninger. Maskinlæring og mønstergjenkjenning kan ses på som to sider av samme sak. Jeg stoler mer på kalkulatoren enn på en menneskelig hjerne. På samme måte stoler jeg mer på maskinlæring enn menneskelig datainnsamling og påfølgende analyse. De tradisjonelle dataanalyseselskapene disrupteres av maskinlæring, algoritmer og kunstig intelligens.

Maskinlæring, algoritmer og kunstig intelligens gir deg digital konkurransekraft.

Maskinlæring, algoritmer og kunstig intelligens gir deg digital konkurransekraft.

En av de største utfordringene for norske annonsører er å måle effekt på tvers av digitale mediekanaler. Annonsørene er usikre på hva som virker. Bruker vi markedsbudsjettene våre riktig? Burde vi brukt mer penger på bannerannonser, søk eller sosiale medier? Hva gir best effekt? Har vi gode nok data om kundenes digitale kundereise til å revidere på mediemiksen og få enda bedre avkastning?

Hva gjør du? Ringer et markedsanalyse selskap og ber de ringe 1000 mennesker for å spørre; hvilke digitale kanaler er viktigst i forhold til din endelige konvertering på nettet?

Gjennomsnittlig tilbringer en nordmenn mer enn 30 prosent av tiden sin på nett. I løpet av disse timene har vi mange hundre berøringspunkter med e-hanelsaktører, søkemotorer og nyhetskanaler – hver eneste dag. Vi foretar gjennomsnittlig åtte søk hos Google daglig. Vi sjekker mobilen 150 ganger og besøker sosiale medier som Facebook, Twitter, Instagram, LinkedIn, Youtube, SnapChat. I tillegg leser vi også flere tradisjonelle mediekanaler. Hele tiden eksponeres vi for ulike former for markedsføring. Kundene klarer ikke å identifisere sin egen kundereise. I følge Googles The Customer Journey to Online Purchase, kommer 47 prosent av den totale omsetningen til amerikanske selskaper, uansett bransje, fra kjøp basert på mer enn én dags tidsvarighet på nettet. Samme undersøkelse viser også at 64 prosent av den totale omsetningen til amerikanske selskaper, uansett bransje, kommer fra kjøp basert på mer enn én handling på nettet. Den digitale kundereisen er kompleks. Maskinlæring er den beste metoden for å få kontroll over kundedatene. Klarer du å analysere dataene riktig og deretter bruke dem som beslutningsgrunnlag, vil du også oppleve at din digitale konkurransekraft forbedres.

Tilbake til problemstillingen; hvordan kan vi bli en bedre digital markedsfører? Hvordan kan vi maksimere hver eneste investerte krone vi kjøper digitale medier for? Maskinlæring og avanserte algoritmer kan gi deg svaret etter en tids datainnsamling. I ESV Dinamo sier vi at kundedata på nett bør spores og samles i to måneder. Deretter kan vi trekke ut sanntidsdata fra attribusjonsmodellen så ofte vi måtte ønske. Hva ser vi etter? En annonsør investerer gjerne i syv forskjellige digitale kanaler. Det gir mange berøringspunkter underveis. Frem til i dag har annonsørene basert seg på enkle, forutinntatte modeller som f. eks. siste-klikk-modellen. Å styre etter denne innsikten kan gi store skjevheter i forhold til de ulike kanalenes faktiske innflytelse på konverteringen. Maskinlæring er tett knyttet opp til beregningsstatistikk og er fundert på matematisk optimalisering. Maskinlæring og mønstergjenkjenning kan ses på som to sider av samme sak.

Min påstand er at maskinlæring er i ferd med å disrupte de tradisjonelle dataanalyseselskapene. Hva stoler du mest på? Telefon- og dybdeintervjuer eller den faktiske kundereisen, tracket og analysert ved hjelp av matematiske algoritmer?

Algoritmisk attribusjon. Hvorfor kan det bli lønnsomt for digitale markedsførere?

La oss ta et annet eksempel; Et flysselskap bruker mange millioner kroner på digital markedsføring i løpet av et år. Alle deres kampanjer har som mål å drive konverteringer. Selskapet konkurrerer på pris. Det samme gjør konkurrenten. Den digitale markedsføringen skjer gjennom flere ulike kanaler; hjemmeside, søkemotorer, sosiale medier, epost og bannerannonser i nettaviser. Selskapet bruker siste-klikk-modellen og vet hvor kunden kjøper sine flyreiser, men de har begrenset eller liten kunnskap om kundens ulike berøringspunkter før de konverterer. Hvor ble kunden først eksponert for et kampanjebudskapet? Hvilke andre kanaler bidro frem til konvertering? Hvilke kanaler spilte en rolle selv om de ikke var konverteringsutløsende? Hva om vi fjernet bannerannonsene? Ville det få konsekvenser for salget? Mange annonsører og byråer famler i blinde og bruker samme skjønn som medieplanleggerne alltid har gjort. En forutinntatt oppfattelse om hva som virker. Kampanjen kjøres i gang. Ingen måler effekten på tvers av kanalene og svært få annonsører reviderer kampanjemiksen som følge av algoritmisk attribusjon. Her ligger en stor gevinst for annonsøren. Attribusjon, A/B-testing og optimalisering basert på dataanalyse kan gi deg opptil 25 prosent bedre avkastning på medieinvesteringene. I tillegg får du en unik innsikt om hvilke kanaler som leder kundene dine frem til den endelige konverteringen.

The beauty of digital er nettopp at data kan samles inn og analyseres. Hvor god kvalitet er det på datene? Har du kontroll på dataene kan du også svare på det viktige spørsmålet alle digitale markedsførere dveler ved; vet jeg hvilke kanaler som er konverteringsdrivende og konverteringsutløsende? Dernest kan de stille spørsmålet; hva er det jeg ønsker å oppnå med min tilstedeværelse i digitale kanaler? Hva skal måles? Er det digital omsetning, konverteringsgrad, antall besøkende, antall nedlastinger eller skal jeg rett og slett bare bygge merkevare?

Kunstig intelligens har også sine begrensninger

Kunstig intelligens betyr at en maskin kan oppfatte og svare på dets skiftende miljø. Maskiner kan lære automatisk ved å assimilere store mengder informasjon. Maskiner er som regel mer effektive enn mennesker og på mange områder kan de også produsere bedre resultater enn oss mennesker. Googles førerløse biler er nøye testet og har kjørt mer enn 1 millioner miles. De første ulykkene som inntraff ble påført da Google-bilen uforskyldt stoppet for rødt lys. Førerløs langtransport vil sannsynligvis være mye tryggere enn dårlig utstyrt langtransport på glatte norske vinterveier.

Hva er det kunstig intelligens ikke har? Jo, det er fortsatt attributter som er forbeholdt mennesker; kreativitet, følelser og mellommenneskelige relasjoner. Roboter og maskiner kan gå langt på området kunstig intelligens, den vil utfordre vår oppfatning av hva det vil si å være menneske.

Vi er på vei inn i en tid der teknologi redefinerer hvem vi er. Det er ikke lenger bare et spørsmål hva teknologi kan gjøre for oss,  men i aller høyeste grad hvor mye vi skal tillate teknologien å gjøre.

Bente Sollid Storehaug: Adm. direktør i ESV Dinamo AS, som jobber med performance marketing og multikanal attribusjon (måling av effekt på tvers av digitale kanaler). Serie-gründer. Styremedlem i både start-ups og børsnoterte selskaper. Mentor for gründere i regi av Innovasjon Norge / Connect Norge. Styreformann og medgründer for Dot GLOBAL, Norges eneste kommersielle toplevel domain registry. Medlem av konsernstyret i Polaris Media ASA, Cxense ASA, Europris ASA, EnerWe AS og Eika-Gruppen. Medgründer i det internasjonale hostingselskapet Cloudnames AS. Etablerte i 1993 Digital Hverdag som i dag er børsnotert under navnet Bouvet ASA på Oslo Børs. Selskapet har over 1000 ansatte og omsetter for over NOK 1,1 milliard. Bente er også tidenes yngste medlem av Norsk Redaktørforening.

About Author

Adm. dir Wizaly Nordic AS. Styreleder i Boostcom Gruppen og Dot Global. Medlem av konsernstyrene i Polaris Media ASA, Europris ASA, Eika-Gruppen og The Future Group. Advisory Board for Europris ASA, Aftenposten, Eika Kapitalforvaltning og Ocean Hub. Medlem av kulturministeren og næringsministerens næringspolitiske råd (2015-2017). Var også medlem av Regjeringens ekspertutvalg som fikk i oppgave å vurdere NRKs fremtidige finansieringen (2016). Etablerte Digital Hverdag i 1993, i dag børsnotert under navnet Bouvet ASA. Mentor for CEOs innen teknologi og start-ups. Tidenes yngste medlem av Norsk Redaktørforening. Abelia kåret henne nylig til en av de fremste IT-kvinnene i Norge.

Leave A Reply