Digital transformation skaber ny forretning hos Mediehusene Midtjylland

Baggrund

Mediehusene Midtjylland (MHM) er en medievirksomhed med 147 års arv og dominans i Midtjylland. De breder sig over en pallette med mere end 40 forskellige medietouchpoints – fra store regionalaviser, lokalaviser, gratisaviser til radiostationer. Derudover har de en stærk indflydelse på sports-, kultur- og erhvervsaktiviteten i området.

I de sidste par år er MHM blevet mere og mere udfordret af 3 overordnede tendenser:

• En ændret medieforbrugsadfærd fra brugere på grund af progressiv digitalisering
• Manglende ”opdragelse" af mediebrugerne til at betale for digitalt indhold
• Benhård konkurrence fra nye aktører og nye medieplatforme

Disse tendenser har ført til følgende strategiske udfordringer for MHM, som er gået hurtigere og hurtigere fra år til år:

• Faldende indtægter
• Faldende loyalitet

Medievirksomheden har derfor indset, at deres eksistens reelt er i fare for overlevelse.

At ændre denne nedadgående kritiske tendens, har krævet en modig og aggressiv forretningsstrategi, med stærk inspiration fra retail, hvor individuelle og personlig oplevelser og nyhedspræsentation på de digitale medier, har været i fokus.

Som den moderne, krævende, digitale bruger, har vi meget høje forventninger til de produkter vi køber og bruger tid på – også til medier. Nærværende omni-channel og marketing automation projekt for MHM imødekommer disse høje bruger-forventninger.

Løsning

I dag får brugerne på alle danske medier præsenteret en "one-size-fits- all" løsning – alle ser de samme artikler, placeret samme sted. Vi har derfor bygget en løsning, der giver brugerne en individualiseret, personlig oplevelse, der netop præsenterer indhold, der har relevans og interesse for den enkelte person, som bestemmes pba. af brugerens ønsker, behov og adfærd.
Nyheder der før var nedprioriteret af redaktionen, bliver nu trukket frem og prioriteret på websitet og i nyhedsbreve.

Årsagen til, at "one-size-fits-all" løsningen er standard for stort set alle medier, er, at alt data ligger i hver deres data-silo, som ikke kan integreres og bruges intelligent. Sådan har det også hidtil været hos MHM.

Vi har derfor bygget et 360-graders omnichannel-view, hvor alt data fra de forskellige data-siloer, kan integrere med hinanden, og hvor machine learning gør det muligt, at målrette helt individualiserede anbefalinger til nyhedsindhold.

Magien består af en kompleks datarejse, der forsimplet består af 4 trin:

1) Det byggede datamiljø indsamler og strukturerer data fra 7 kildesystemer og marketing automation softwaret, Agillic, opsamler al adfærd fra 500.000 ukendte og kendte brugere på tværs af MHM største websites og nyhedsbreve.

2) Datamiljøet behandler og transformerer alt dette data via 30 integrationer på tværs af systemerne, til en struktureret og forståelig datamodel, som sendes i skyen til videre analyse. Datamiljøet bruger kildesystemerne til at berige brugerne om churnrisks, abonnementer, 30-dages trial, nyhedsbrevsabonnenter mv, som ligeledes optimerer muligheden for personlig og relevant dialog til brugerne.

3) Machine learning hjælper os med at behandle, analysere, og udregne de personaliserede artikler. Læserprofilerne placeres automatisk i 1.000 grupper ud fra 800 definerede taxonomiord (=emneord der beskriver indholdet af artiklen - fx fodbold).

4) 96 gange i døgnet (dvs hvert kvarter) indlæses 1 million anbefalinger fra analysemiljøet til Agillic. Disse anbefalinger bruges til adfærdsbestemt automatisering og målretning af indhold på MHMs websites og nyhedsbreve – kommercielt og redaktionelt.

Løsningen er en systematisering af data, der gør, at MHM nu har fuldstændigt styr på alle datakilder på tværs af organisationen, så de er i stand til at transformere 147 års ekspertise, arv og historie til 2018s kundeforventninger om omni-channel.

MHM er nu på baggrund af løsningen i stand til at genkende, målrette, individualisere, personalisere og tilpasse kommunikation til den enkelte kunde på baggrund automatisk eksekvering af nyheder og uovertruffen datakontrol.