Hos Danske Spil blev én fjer til 3,8 høns i 2018

Baggrund

I 2015 stod Danske Spil ved en skillevej. Vi kunne konstatere at loyaliteten på Oddset blev ved med at falde, og Lotto var et brand der havde været i konstant nedgang, siden storhedstiden tilbage i 90’erne og 00’erne. Vi stod derfor overfor en stor udfordring ift. hvordan vi skulle få gjort vores brands relevante og nærværende. Det blev besluttet at kundeoplevelsen skulle være det afgørende element i strategien frem imod 2020. Som et led i denne investerede vi i 2016 i en data management platform. Udover at etablere en DMP ville vi have ejerskab over teknologi, data og eksekvering, for på den måde at kunne kontrollere og optimere vores processer løbende, for at være sikker på at levere den absolut bedste kundeoplevelse. Samtidig blev det tydeligt undervejs, at eksterne bureauer og samarbejdspartnere aldrig vil få samme indsigt i, hvad der driver kundeoplevelsen for Danske Spils kunder, hvorefter vi besluttede at lave et 100% inhouse set up, med interne digitale specialister. Vores ideologi er at hvis man som virksomhed leverer den gode brugeroplevelse, så skal omsætningen nok følge med på sigt, selvom man ikke real-time kan måle det direkte 1-1 i systemerne.

For at kunne levere den bedste kundeoplevelse har det været nødvendigt at tænke strategisk i brugerflows fremfor det daværende produktfokus. DMP’en er en central byggesten i vores strategi, men er langt fra en ”fix-it-all-teknologi”. Det er faktisk først efter implementeringen, at det ”rigtige” marketingarbejde kan starte. Med vores DMP har vi mulighederne for at målrette brugerne uhyre præcist, men det stiller samtidig højere krav til den kommunikation vi udsender, som naturligvis skal være tilsvarende relevant. Det arbejder vi kontinuerligt og målrettet imod altid at være.

For at lykkedes med at levere den bedste kundeoplevelse, måtte vi tænke på tværs af kanaler og i kontinuerlige spor, på tværs af vores 19 brands. Vi har således sat kampagner op der løbende bliver optimeret på, samt nemt kan skaleres op og ned alt efter kampagnetryk og efterspørgsel i markedet. Ved løbende at optimere på disse kampagner, ville vi akkumulere en stor effektforøgelse over tid. For at kunne lykkedes med dette var det essentielt at vi også begynde at arbejde langt tættere sammen, og vi rykkede derfor CRM over i marketing for at kunne lykkedes med dette. På den måde kunne vi orkestrere brugerrejser på tværs af samtlige digitale kontaktpunkter, både egne og betalte.

Løsning

For at kunne vurdere effekten af vores digitale indsatser har vi bevæget os væk fra de traditionelle målinger i diverse online systemer med digitale KPI´er. Alle former for online-metrikker kan være fejlbehæftede. Impressions kan være out-of-view, clicks kan være fejl clicks og conversions kan være ‘ikke-kausale’ dvs. de var sket uanset hvad. Tidligere blev en stor del af vores retargeting budgetter brugt mod eksisterende brugere med meget lave view-rates. Det har bevirket, at selvom strategierne har performet flot i de digitale systemer, så har de sandsynligvis ikke bidraget med en reel salgsvolumen, da det var brugere der alligevel ville købe f.eks. en Oddset-kupon. Dette har vi vendt på hovedet, ved at sætte forbrugeren i centrum. Vi har analyseret responskurven for Oddset brugere, og dermed fastlagt, hvor ofte en fast Oddset-spiller skal eksponeres, hvilket vi har holdt op imod, hvor stor en andel af vores impressions, der rent faktisk er in-view. Dermed har vi en reel in-view frekvens, og kan dermed stoppe annoncering imod brugere der ikke udviser interesse for Oddset.

For at kunne belyse den reelle effekt af vores digitale indsatser, har vi delt vores salgsmodeller efter hvilken digital strategi der er blevet anvendt. Vi arbejder med hhv. retargeting- (målretning af eksisterende kunder), prospecting- (rekruttering af nye kunder) og branding- (øge kendskab) kampagner. Vi kan se reel salgseffekt på tværs af de tre kampagnetyper. Salgsmodellerne omfatter både vores digitale salg, men også det offline salg, der foregår hos vores 4.000 forhandlere. Dette er en kæmpe fordel for os, da offline traditionelt set er en black box – men på denne måde kan vi vurdere effekten af hver enkelt strategi ned i offlinekanalen, og på den måde optimere på tværs.

Samtidig har vi anvendt kausalitetsanalyser (jf. bilag 3) på vores banner-annoncering, hvor vi har delt vores annoncering op i to grupper; En der har set vores bannere, og en der har fået en visning, men hvor banneret ikke har været in-view. På den måde får vi det faktiske opløft i konverteringer, der sker på baggrund af vores annoncering, og ikke udelukkende dem der alligevel havde konverteret.

For at kunne levere den optimale kundeoplevelse, har vi udviklet kreativer der passer til den adfærd vores brugere udviser. Dette sker på baggrund af dynamiske kreativer (video/social/search/display/CRM), der automatisk får født data ind fra vores DMP, og på den måde altid leverer et budskab der er relevant for den enkelte bruger, uden at være anmassende.