From Zero to Hero

Baggrund

Bonnier Publications står bag nogle af Nordens mest kendte mediebrands som Illustreret Videnskab, Historie og Bo Bedre. Herudover driver virksomheden mere end 100 websites med 11,5 mio. unikke brugere hver måned. Men selvom medievirksomheden er kendt for specialmedier med kvalitetsindhold og har mange trofaste kunder, er kernemarkedet faldende.

FALDENDE MARKED
For at vækste i et marked, der falder 8-10 % om året, skal Bonnier Publications være tættere på kunden og levere mere relevant indhold på tværs af virksomhedens kanaler. Derfor besluttede virksomheden sig for at udnytte sine mange data gennem machine learning og AI for at gøre kundeoplevelsen mere personlig og øge mulighederne for salg og indtjening.

Bonnier Publications havde behov for at differentiere alt fra tilbud, kundeoplevelser, paywalls og Facebook-opslag til telemarketing-salg, hjemmesider osv. for at stå stærkt i det dramatisk faldende marked. Det kunne ikke lade sig gøre med gennemsnitlige analyser; der skulle mere til. Machine learning-modeller, der forudsiger sandsynligheden for salg og indtjening på den enkelte besøgende - og personaliserer budskabet til hver enkelt person - var nøgleordet. Succesen skulle allerede kunne måles på resultatet i 2019.

Men det var op ad bakke. Data var opdelt i siloer, som hver gav et begrænset – og måske helt forkert - billede af kunden. Data kunne ikke anvendes på tværs af kanaler, og de mange muligheder for at følge kunden mellem hjemmeside, telemarketing, kundeservice, app og shop blev ikke udnyttet. For at gøre brug af AI og machine learning-modeller måtte Bonnier Publications samle data og gøre dem tilgængelige for alle i kommerciel afdeling og på redaktionerne, så medarbejderne kunne anvende dataene i hverdagen til gavn for såvel indtjeningen som den enkelte abonnent.

Målet var at have en løsning klar i løbet af seks måneder, klar til eksekvering og udnyttelse.
Implementeringspartner på løsningen blev IIH Nordic.

Løsning

Først skulle alle persondata og anonymiserede data samles ét sted. Dvs. ikke bare data fra hjemmesider og artikler, men også data fra kundedatabaser, kundeservice, transaktioner, CRM, nyhedsbreve, apps, betalte medier, logins, paywalls m.m.

Data er nu samlet i Google Cloud og kan tilgås via Google BigQuery, som kan køre lynhurtige forespørgsler på gigantiske datasæt i real-time. Google BigQuery giver en fuld 360 graders visning af kunden, og data kan aktiveres på alle kanaler. Både på paid media (som Google Ads, Facebook-annoncer og bannerannoncering) og egne medier (som virksomhedens 100+ websites) og outbound-kanaler (e-mail m.m.). På den måde får brugeren vist det rette indhold og kan påvirkes fra flere forskellige sider.

----------------------------

MACHINE LEARNING BLEV LØSNINGEN
Bonnier Publications baserer nu det meste af forretningen på to machine learning-modeller: 1) “Sandsynlighed for køb” og 2) “Kundens forventede levetidsværdi (CLV)”, så kunderejsen kan gøres mere personlig.

1) SANDSYNLIGHEDEN FOR KØB opdeler brugerne i fem forskellige segmenter efter deres sandsynlighed for at konvertere - dvs. tegne et abonnement. Modellen kan genkende, om kunden allerede har et abonnement, og hvor stor sandsynligheden er for, at brugeren vil tegne et abonnement. På den måde kan Bonnier Publications arbejde personaliseret i hele kunderejsetragten for hver enkelt kunde. Modellen kan også med stor nøjagtighed og genkendelse forudsige, hvad brugeren interesserer sig for på baggrund af kunderejsen. Derved bliver redaktionelt indhold og kommercielle tilbud på alle platforme personaliseret til den enkelte kunde. Modellen opdaterer sig selv med nye informationer om brugernes adfærd.

2) KUNDENS FORVENTEDE LEVETIDSVÆRDI forudsiger den fremtidige indtjening på kunden. Det betyder, at Bonnier Publications kan styre præcist, hvilke kunder der får vist hvilke typer tilbud baseret på deres forventede levetidsværdi. Virksomheden kan såvel afvise kunder på sin landingpage som eksponere relevante kunder for annoncer på egne medier, Facebook, Google Ads osv. I nærmeste fremtid bliver modellen indarbejdet i kundeservice, så medarbejderne her kan prioritere kunder med forventet positiv levetidsværdi højest. Det giver mening for virksomheden, men også for brugeren.