I en mer kompleks verden hvor vi har tilgang til mer data er vi nødt til å benytte modellering, skriver Pål Børresen, Head of Products i Penetrace.
For å kunne ta kvalifiserte beslutninger i en verden som blir stadig mer kompleks, med flere og flere ulike informasjonskilder å forholde seg til, er man nødt til å benytte metoder som forenkler bildet.
Dessuten har vi langt mer data tilgjengelig enn tidligere, og utfordringen er å sette disse dataene sammen på en måte som gjør at vi får noe forståelig og fornuftig ut av det – og dermed lærer.
Her kommer modellering inn i bildet. I 2020 har vi verktøy, basert på avansert maskinlæringsteknologi, som gjør at vi kan gjøre datamodellering både billigere og mer treffsikkert.
Innenfor klimaforskning opererer man med en rekke ulike typer klimamodeller, fra helt enkle energibalansemodeller til de mest avanserte jordsystem-modeller. Felles for alle klimamodeller er at man benytter dataprogrammer som beregner forskjellige klimaparametere som temperatur, trykk, vind og fuktighet, for å kartlegge alle mulige faktorer som kan tenkes å ha en signifikant påvirkning på klimaet over tid.
Også innenfor markedsføring og salg er det svært mange ulike faktorer som spiller sammen. Hva er det som påvirker utviklingen i salg, eller hva er det som forårsaker at en merkevare har en positiv utvikling?
For bare noen få år siden kunne man se effekt med det blotte øye. Gikk to grafer opp, hadde det trolig en sammenheng. Mange markedsførere visste nøyaktig hva som skulle til for å oppnå ønsket effekt.
I dag er det ikke slik. Antallet tilgjengelige datakilder har eksplodert, og det er mer utfordrende enn tidligere å forstå hvordan markedsføringen, de ulike mediekanalene, påvirker salget.
Og ikke minst: Hvordan bør man sette sammen medieinvesteringene slik at man maksimerer salget og får mest mulig igjen for reklamekronene?
For å finne svar på dette i 2020 må vi benytte såkalt økonometrisk metode, også kjent som modellering. Ved bruk av økonometriske modeller kan vi med stor presisjon og lav kostnad gi svar på i hvilken grad ulike interne og eksterne faktorer påvirker salget – og ikke minst, hvilken effekt det ville hatt dersom budsjettet var allokert litt annerledes.
Skal vi kunne si noe om hva som påvirker salget, og særlig hvilken innvirkning markedsinvesteringene har, må vi kontrollere for ulike faktorer som type mediekanal, distribusjonsgrad og prisendringer, eller eksterne forhold som f.eks. konkurrentenes aktiviteter, sesong eller for den saks skyld været,
La oss si at du kjører en reklamekampanje for is samtidig som det er veldig godt vær. Er det da reklamen som har økt salget av is, eller er det været som står bak økningen?
Med salgsmodellering samler vi data på alle disse faktorene og legger det inn i en datamodell – slik klimaforskere gjør. I stedet for å forsøke å forklare hva som påvirker temperaturen, forsøker vi å forklare hva som påvirker salget. Slik vil vi kunne få en modell som gir oss svaret på dette.
Så, hvorfor skal vi modellere i 2020? Data er det nye gullet, sier vi gjerne. Problemet er bare at det er vanskelig å raffinere råvaren som data utgjør – vi klarer ikke å lage gull av det.
Med salgsmodellering vil du imidlertid klare å foredle og skape verdier ut av data som bedriften din allerede har tilgjengelig, eller i hvert fall burde ha tilgjengelig.
Basert på historiske data bygger du modeller som evner å forklare i hvilken grad ulike faktorer bidrar til salget, inkludert merkevarens verdi isolert sett. Dette gir deg bl.a. grunnlag for å optimalisere reklameinvesteringene fremover og ikke minst beregne lønnsomheten av tiltakene du planlegger.
Datamodellering er kanskje et av de tiltakene som i aller høyest grad effektiviserer markedsinnsatsen du gjør, og dermed også din ROI. Sørg derfor for å ta vare på dine data, og spesielt data som viser reklametrykk per kanal per uke, da dette er viktig input for modellene.
De beste i klassen lærer seg hva som driver kortsiktig og langsiktig trafikk og salg i ulike målgrupper. Den raskeste veien til den forståelsen, er modellering. Ved å gjøre modellering får du mye større trygghet på hva du får igjen for reklamekronene, og hvordan du skal bruke de pengene på best mulig måte.
Faktisk kan man gå så langt som å si at hvis du forvalter et stort markedsføringsbudsjett og ikke gjør modellering, så er det bortimot tjenesteforsømmelse.
I 2020 er salgsmodellering, ved hjelp av markedsledende marketing intelligence-verktøy, fortsatt det eneste alternativet for å forstå sammenhengen mellom reklame og salg som grunnlag for optimale reklameinvesteringer.