Ställ undan kristallkulan, sparka oraklet och släng kaffesumpen. Det räcker med en dator.
En dag i mitten av 2000-talet klev en man in i Targets butik i Minnesota och krävde att få tala med butikschefen. Han var väldigt arg. I handen höll han ett DR-utskick.
– Min dotter fick detta i brevlådan! sa han. Hon går fortfarande i high school och ni skickar kuponger för babykläder och spjälsängar? Uppmanar ni henne att bli gravid!?
Butikschefen hade ingen aning om vad mannen pratade om, men fick sedan se utskicket adresserat till dottern och bad om ursäkt. Det måste ha blivit något fel. Han ringde några dagar senare för att återigen be om ursäkt och möttes av en försynt pappa i andra änden:
– Jag har pratat med min dotter och det visade sig att det pågått aktiviteter som jag inte kände till. Hon ska föda i augusti. Jag ber om ursäkt.
Hur visste Target att dottern var gravid när inte ens hennes familj visste? Svaret är data. Kopiösa mängder data. Target kallar det sin pregnancy prediction model. Berättelsen ovan är från Charles Duhiggs bok ”The power of habit”.
Människors shoppingvanor är starkt rotade. Det finns dock tillfällen då vanor kan ändras, när det sker stora förändringar i livet som vid jobbyten, giftermål och skilsmässor.
Den kanske största förändringen är när man får barn. Småbarnsföräldrar är trötta och vill göra tillvaron så enkel som möjligt. De är en guldgruva för livsmedelsbutiker. Får du småbarnsföräldrar att köpa blöjor och barnmat i din butik kommer de att köpa allt annat där också, under en väldigt lång tid.
Det är därför butiker och andra varumärken öser erbjudanden över nyblivna föräldrar. Target kom dock på ett sätt att nå föräldrarna långt innan de blev föräldrar.
“90 procent av all världens data har skapats under de senaste två åren”
Företaget började med att samla information från sina förmånskunder som registrerat sig i Targets ”baby shower registry” (där kunderna bland annat kunde uppge om de var gravida och när barnet skulle komma). Informationen om graviditeten kopplades till samma kunders köpvanor och efter ett tag kunde Target se mönster.
De identifierade cirka 25 produkter som, när de analyserades tillsammans, lät Target hitta gravida – och till och med veta (med allra största sannolikhet) när barnet skulle komma.
Att använda data för att upptäcka beteenden, trender eller se in i framtiden kallas också för prediktiv analys. Ett bredare begrepp är big data. Det är samlingsnamnet på de enorma mängder data som genereras varje dag, allt från sensorer som samlar in klimatinformation till inlägg på Twitter.
Experterna säger att det handlar om 2,5 triljoner byte. Och 90 procent av all världens data har skapats under de senaste två åren.
Det var så Google blev störst i världen, genom att förstå hur man kunde skräddarsy annonslösningar kring volymerna av data. Under förra årets World Economic Forum i Davos stod stordata högst upp på dagordningen och en rapport därifrån slog fast att man kunde tala om ett helt nytt ekonomiskt fält, vid sidan om exempelvis valutor och guld.
New York Times uppger att det bara i USA kan skapa två miljoner nya jobb på kort sikt.
“När Barack Obama vann valet 2008 hyllades hans kampanj som en modern fullträff”
Mängden data är förstås bara grundförutsättningen, själva industrin. Revolutionen handlar om att förstå den, om att vaska fram värdefulla insikter, att se mönster träda fram bland ettorna och nollorna. Detta kan du göra som i fallet med Target, i din egen kunddatabas, eller som i fallet med big data, från alla tänkbara källor.
När Barack Obama vann valet 2008 hyllades hans kampanj som en modern fullträff. Den utnyttjade data på ett nyskapande sätt, men led då av en rad barnsjukdomar. Bland annat hade de för många databaser som inte pratade med varandra.
2012 skapade de i stället en enda massiv databas, skriver Time magazine. Den berättade inte bara hur de kunde hitta nya väljare och få deras uppmärksamhet, den gjorde att Obamas analytiker kunde förutspå vilka typer av människor som kunde övertygas av vilka budskap.
– Vi kunde till exempel förutspå vilka som skulle ge kampanjbidrag via nätet eller via fysiska brev, säger en analytiker till Time.
De kunde också se vilken avsändare som fungerade bäst på olika målgrupper. Hur mycket bättre resultat gav till exempel ett samtal eller brev från en lokal kampanjarbetare jämfört med ett från någon i Kalifornien? Och varför fungerade Michelle Obama bäst som avsändare under våren?
Kampanjen bröt den mytiska barriären på en miljard insamlade dollar. Samma data användes sedan för att nå väljarna. De hade till exempel detaljerad data på 29 000 väljare i Ohio där de kunde läsa av trender. Vilka bytte sida och vilka gjorde det inte – och varför. ”Vi simulerade valet 66 000 gånger varje natt”, säger en analytiker till Time.
“Via sina medlemskort får de in enorma mängder data om sina kunders köpvanor och använder den för att skräddarsy sina erbjudanden”
Att använda sig av data, stor eller inte, är alltså inte bara ett sätt att hitta nya kunder. Det är kanske framför allt ett sätt att bli mer effektiv i kommunikationen med sina befintliga och potentiella kunder. Två exempel på svenska företag som ligger i framkant är Ica och Coop. Via sina medlemskort får de in enorma mängder data om sina kunders köpvanor och använder den för att skräddarsy sina erbjudanden.
Men till skillnad från det tidigare exemplet med Target så är de betydligt försiktigare med hur de behandlar datan för att inte inkräkta på sina kunders integritet.
Stordata är alltså ett sätt att öka relevansen och kunna välja var man ska lägga sin kraft (och sin budget). Eller som Astrid Westfeldt Corneman säger: ”Utgå från kundens behov i stället för att utgå ifrån våra produkter”.
Astrid är vd på STF Ingenjörsutbildning AB, som kompetensutvecklar och vidareutbildar tekniker och ingenjörer sedan 80 år. De har nyligen börjat låta data ligga till grund för hur de utformar sin kommunikation. Tidigare skickade de ut kataloger till specifika befattningar på företag. De sköt med hagelgevär, enligt Astrid.
– Vi sa tidigare ’nu har vi det här att erbjuda, varsågoda’. Nu börjar vi analysera siffror som visar beteenden.
Vi jobbar bland annat med sökord och sociala medier och följer klick, vilka söker vad? Det har visat sig att det är långt ifrån så statiskt som att en viss befattning eller bransch bara är intresserad av en viss utbildning. Behoven är mer spridda, säger hon.
– Katalogen är fortfarande en viktig kanal. Datan visar detta. Men genom att tolka datan kan vi vara mer selektiva med katalogerna, bli mer relevanta för dem som får den och slippa förlora pengar på att skicka ut till alla i onödan.
”Tiden då män satt i lounger, rökte cigarrer och sa ’vi köper alltid 60 minutes’ är över.”
Språnget från STF till Obama må vara stort som Atlanten men datan talar samma språk. Den låter dig ta reda på dina kunders beteenden och du kan anpassa dig därefter. Precis som att STF upptäckte att deras målgrupp inte var precis som de tidigare trott, upptäckte också Obamas kampanjstab att väljarna inte alltid är där man tror.
Till exempel köpte de tv-reklam i anslutning till serier som ”Sons of anarchy” och ”The walking dead” i stället för i anslutning till lokala nyhetsprogram, vilket varit tradition tidigare. Vilka de ville nå? Kvinnor under 35.
2012 köpte de tv-annonsering 14 procent mer effektivt än 2008. Eller som en kampanjemedarbetare säger till Times magazine: ”Tiden då män satt i lounger, rökte cigarrer och sa ’vi köper alltid 60 minutes’ är över.”
Tiden har i stället kommit för företag som Gavagai. Inne på ett litet anspråkslöst kontor på Södermalm sitter Magnus Sahlgren och styr över en magisk maskin som kan se in i framtiden. Eller egentligen är det ett verktyg som på ett världsunikt vis tolkar stordata.
Innan förra årets final i Melodifestivalen slog de fast att Loreen skulle vinna tävlingen, med Danny och Thorsten Flinck som tvåa och trea. Alla rätt.
– Vi kände att det där är ett bra case för det vi håller på med. När Loreen gick upp på scenen fick vi värsta spiken i vårt system. Folk började twittra om hur bra hon var. Och den spiken var mycket högre än den för Danny. Redan där visste vi vem som skulle vinna, säger Magnus Sahlgren, medgrundare och chefsforskare på Gavagai.
Gavagai kallar sitt verktyg för Ethersource. Att kunna förutspå Melodifestivalen var om inte annat en skicklig pr-manöver. Men Ethersource förstod också vilket parti som skulle vinna det grekiska valet innan valsedlarna räknats, det har förutspått terrordåd med kuslig precision, det kan avgöra när en influensaepidemi är på väg att bryta ut.
– Marknadsundersökningar frågar, det är en artificiell situation. Vi lyssnar på vad kunderna säger, utan att de svarar på något. Vi lyssnar hela tiden, det är som en levande, ständigt pågående marknadsundersökning.
Det intressanta med Ethersource är att det är ett semantiskt verktyg som hela tiden lär sig hur människor pratar. Det gör att det är mer nyanserat än att det bara plockar upp om någon nämner en viss produkt eller liknande.
Om till exempel någon kallar en produkt för ”the shit” (grymt bra) så har Ethersource lärt sig uttrycket som någonting positivt.
– Vi lyssnar till hur folk uttrycker sig. Då kan också företagen använda det språk som deras kunder använder. Vet vilka ord som är viktiga, och så vidare.
“Sifo frågar 1 000 människor, vi frågar en miljon varje dag. Och vi ställer egentligen ingen fråga, vi tar bara reda på vad som är viktigt”
Magnus startar projektorn och visar ett exempel från när de gjorde en analys av den amerikanska telekombranschen för ett år sedan. Det är en bransch där kunderna byter leverantör ofta och det gäller att ständigt bearbeta kundbasen på ett relevant sätt. Leverantören Sprint är en liten aktör men Gavagai kunde se att det plötsligt var många som pratade om dem på nätet i USA.
– Det visade sig att det startats ett rykte om att Sprint skulle bli exklusiv leverantör till Iphone 5. Och diskussionen var inte enbart positiv, många var tveksamma till att en sådan liten leverantör skulle klara av det. Skulle Iphone bli lidande?
Ethersource kunde plocka fram just den nyanserade diskussionen. Sprint hade ingen aning om att den ens existerade, men eftersom de faktiskt skulle bli leverantörer (dock ej exklusiva) hade de kunnat gå ut med en nischad kampanj som handlade om just detta som människor var oroade för. Berätta att de har kunskapen och kapaciteten.
Det visar hur viktigt det är att agera snabbt på omvärlden.
– Sifo frågar 1 000 människor, vi frågar en miljon varje dag. Och vi ställer egentligen ingen fråga, vi tar bara reda på vad som är viktigt.
Att man kan plocka fram schlagervinnare och förutsäga graviditeter är förstås spännande. Men vad är den rent praktiska
nyttan av att börja analysera stordata?
Mats Rönne är en av Sveriges mest erfarna marknadsförare och jobbar i dag som konsult. Han pekar framför allt på möjligheten att som marknadsförare få djupare insikter i kundernas beteenden.
– Du kan följa dina kunder och kontakter mycket noggrannare, och lära dig mer om hur olika individer beter sig i olika faser av köpcykeln.
En person som vanligen gillar romantiska komedier kanske i stället hyr en actionfilm på lördagskvällen.
– Det är en sak att veta vad hon tittar på. Men frågan är: Varför hon hyr olika typer av filmer? Och skiljer sig hennes behov vid de olika tillfällena?
Med enorma mängder data att analysera finns det nästan ingen gräns för hur detaljerade resultat man kan gräva fram. Men Mats understryker vikten av att börja i rätt ända.
– Man kan analysera sig fram till massor av resultat, men det är inte säkert att det löser något problem. Att se att saker är relaterade är en sak, att förstå på vilket sätt och varför är en helt annan. Man måste ha en egen idé och kunna ställa rätt fråga för att få insikter som är användbara.
PUBLICERAD I DM-MAGASINET #1 2013
