Show 3. juni 2026
October 10, 2021
Fra Always-on til Always-relevant
Orchestra
for
Tivoli
Kategori :
Type :
andet
Show 3. juni 2026
October 10, 2021
Orchestra
for
Tivoli
Kategori :
Type :
andet
Selv de dygtigste algoritmer opererer med en blind vinkel, når det kommer til de massive udsving i forbrugernes købsintention, der kendetegner Tivolis hverdag. Det fik os til at tænke på, om vi kunne bygge vores egen indkøbsalgoritme, der belyser platformenes blinde vinkel, når det kommer til at fordele annoncebudgettet mest optimalt. Spørgsmålet var simpelt, men komplekst at løse.
Tivoli sidder på enorme mængder 1. parts-data gennem forskellige datapunkter, såsom box-office salg, aktivitet i app’en, digitale touchpoints i haven og selvfølgelig deres website. Udfordringen har historisk været at samle data fra alle disse touch-points og aktivere denne data i realtid på annonceplatforme som Meta. Selvom Metas algoritmer er enormt dygtige til at finde de rette brugere, opererer de med en blind vinkel ift. at fordele budgettet optimalt på døgnet, ugen og måneden. Det betyder at budgettet afvikles jævnt, uden hensyntagen til de massive udsving i købsintention, der kendetegner Tivolis forretning.
Vores strategiske hypotese var, at vi ved at kombinere og analysere historiske salgsmønstre kunne identificere præcis, hvornår købsintentionen topper – ikke bare på ugebasis, men helt ned på 30-minutters intervaller.
Med til denne hypotese hørte en indsigt fra salgsmodellen, som gav et klart indtryk af et mætningspunkt på Meta, hvor yderligere spend ville føre til faldende ROI. Denne udfordring betød, at det ikke blot var en mulighed at skrue op for budgettet. Det skulle bruges smartere.
Strategien blev derfor at bygge en custom indkøbsalgoritme, der overtog styringen af pacingen. I stedet for at stole på platformens automatiske levering, ville vi bruge Tivolis egne salgsdata til at forudsige forbrugernes intentions-niveau i realtid. Ved at transformere historisk adfærd til en prædiktiv motor, kunne vi sikre, at budgettet blev brugt i perioder hvor konverteringssandsynligheden er højest. Foruden historiske data, var det essentielt at indkøbsalgoritmen også tog højde for aktuelle macrofaktorer såsom vejret, som vi ved er en af de største drivers for at besøge Tivoli.
Vores ambition om at bygge vores egen algoritme, tog udgangspunkt i ’Tivolikort’ produktet. Det er et strategisk nøgleprodukt for Tivoli, som har direkte indvirkning på forretningens bundlinje.
Kernen i løsningen er en prædiktiv algoritme, der fungerer som en automatiseret pacing-motor for Tivolis mediebudget. Løsningen er bygget på tre tekniske fundamenter:
Machine Learning på historiske salgs- og adfærdsdata:
Vi har analyseret flere års transaktionsdata for at identificere mønstre i købsadfærd. Modellen tager blandt andet højde for tidspunkt, ugedag, lønningscyklusser og helligdage, som korreleres med eksterne variabler, såsom aktuelle vejrdata (UV, temperatur, vindens styrke mm.) fra DMI.
30-minutters prædiktions-loop:
Hver halve time beregner algoritmen en "Propensity Score" for den kommende periode. Den stiller essentielt spørgsmålet: "Hvad er sandsynligheden for et salg lige nu sammenlignet med gennemsnittet?" Dette skaber en avanceret fordeling af budgettet, som altid tager højde for forbrugernes købsintention.
Fuldautomatiseret API-aktivering:
Via et custom-bygget setup foretager algoritmen direkte API-kald til Meta. Her justeres budgettet og kampagnestatus i realtid. Hvis modellen forudsiger en høj købsintention de næste 30 minutter, skrues der op for budgettet. Omvendt pauses annonceringen øjeblikkeligt, hvis prediction-scoren falder.
Da Meta er bygget til at arbejde med dagsbudgetter og ikke 30-minutters budgetstyring, har det været nødvendigt at videreudvikle setuppet. Løsningen er at “overstimulere” Metas indkøbsalgoritme i udvalgte perioder ved bevidst at sende et højere budgetsignal, baseret på vores erfaring med platformens standard pacing, så det faktiske spend rammer det ønskede niveau.
Dette setup har transformeret Tivolis markedsføring fra at være "Always-on" til at være "Always-relevant". Vi har erstattet manuel budgetstyring og standard pacing med en løsning, der tager 48 intelligente beslutninger i døgnet om, hvorvidt hver enkelt annoncekrone er givet godt ud.
I januar 2025 skiftede vi til en model styret af prædikteret købsintention, og vi har opnået resultater der klart og tydeligt beviser værdien af at eje sin egen algoritme.
Før implementeringen af vores setup, blev næsten halvdelen af budgettet (49,7 %) brugt i perioder med under middel - lav købsintention, som resultat af Metas standard pacing. Med den nye algoritme er vi lykkedes med at allokere 99,2 % af budgettet til de mest værdifulde tidsintervaller. Samtidig er vi også lykkedes med at opnå skalerbarhed på en forretningskritisk kampagne, og dermed undgå at ramme mætningspunktet hvor ROI’en vil begynde at falde.
Sammenlignet med 2024 er CPA (cost per køb af tivolikort) faldet med hele 40,7% i 2025.
Det markante fald i CPA’en kommer samtidig med, at vi har brugt 31% mere i budget i 2025 sammenlignet med 2024. Vores setup er derfor klart og tydeligt lykkedes med at øge effektiviteten af kampagnen, samtidig med at vi har bevist, at løsningen kan skaleres.
For at validere resultaterne, er setuppet efterprøvet via et Meta Conversion Lift Study. Ved dette studie har vi i en periode testet et traditionelt kampagnespor (standard pacing) op mod vores API-drevet setup.
Studiet bekræftede at vores prædiktive API løftede performance, og at det ikke blot var markedstendenser, der skabte det ekstraordinære løft.
I 2025 leverede Tivoli rekordomsætning, som resultat af flere gæster i haven end forrige år. Samtidig viser salgsmodellen, at marketings indflydelse på det samlede antal gæster i haven aldrig har været højere.
Denne case står som et klart eksempel på Best in Digital Effectiveness og Best Use of Data, fordi vi har formået at anvende enorme sæt af 1. parts-data til realtidseksekvering. Ved at transformere historiske mønstre og macrofaktorer til en prædiktiv motor, har vi fjernet tilfældighederne fra medieindkøbet. Vi har transformeret Tivolis markedsføring fra at være ’Always-on’ til at være ’Always-relevant’ og sikret, at hver eneste annoncekrone bliver investeret, når forbrugernes købsintention er højest.
