8.6.2017 | Markkinoinnin teknologiat

Kuulumisia I-COM Global Summit -seminaarista

Globaali markkinoinnin mittaamiseen ja dataan liittyvä seminaari osoitti, että markkinoinnissa on otettu isoja askelia (big) data hypestä sen varsinaiseen hyödyntämiseen. Monipuoliset caset globaaleilta toimistojäteiltä, mutta myös pienemmiltä toimijoilta eri puolilta maailmaa esittelivät toinen toistaan konkreettisempia ja luovempia sovelluksia datan käyttöön. Isoina teemoina puhuttivat erityisesti prediktiivinen analytiikka, attribuutio sekä asiakasdatan hyödyntäminen.

 

 

Vierailin huhtikuussa I-COM Global Summit -seminaarissa, joka järjestettiin tänä vuonna upeassa miljöössä Portugalin Porton vanhassa kaupungissa. Tapahtuma on paisunut viime vuosina kiitettäviin mittoihin niin ohjelmaltaan kuin osallistujien diversiteetiltä. Osallistujia oli ympäri maailmaa, erityisen vahva edustus näytti tulevan tänä vuonna Pohjois-Amerikasta, Keski-Euroopasta sekä Britteinsaarilta.

Virallinen osuus kesti maanantaista torstaihin, mutta jo edellisenä viikonloppuna järjestettiin Data Science -hackathon, jossa kansainväliset analytiikkatiimit mittelivät intensiivisessä, 36 tuntia kestäneessä analytiikkamaratonissa.

Seuraavassa koosteessa käyn läpi seminaarin mielenkiintoisimpia teemoja analyytikon silmin.

Data Science Hackathon

Hackathon-kilpailu oli jaettu kahteen, Unileverin ja Intelin sponsoroimaan haasteeseen. Analytiikkatiimeillä oli 36 tuntia aikaa vastata brieffeihin hyödyntäen parhaaksi katsomiaan koneoppimisen menetelmiä.

Unileverin business-haaste kuului seuraavasti: “Can digital strategy information and community word of mouth predict which emerging sustainability-first FMCG brands will resonate with the community?” Varsinaisena analyyttisenä haasteena oli ennustaa annettujen brändien hakuindeksien arvoja tiettynä ajankohtana, käyttäen apuna aikasarjadataa muun muassa Twitteristä, mainonnan investoinneista ja brändien myynnistä. Myös Intel-casessa tehtävänä oli ennustaa aikasarjadatan avulla tuotteen X myyntiä hyödyntäen dataa muun muassa Twitteristä, Googlesta, mainonnan investoinneista sekä brändin tilaa kuvaavista mittareista.

Arvostelussa painotettiin datan analysointiin ja prediktiiviseen mallinnukseen liittyviä ratkaisuja sekä erityisen vahvasti kykyä vastata annettuihin business-haasteisiin. Voittaneet ratkaisut eivät siten olleet välttämättä teknisellä ennustetarkkuudella mitattuna tarkimpia, vaan vaakakupissa painoivat loistava tulosten visualisointi ja tarinankerronta sekä konkreettiset, käytännön toimintaa ohjaavat johtopäätökset.

Data Creativity Awards

Toinen kilpailun muotoon puettu ohjelma oli Data creativity awards. Sen tavoitteena oli tunnistaa asiakkaille toteutettuja maailmanluokan caseja luovasta ja tuloksellisesta datan hyödyntämisestä. Mukana oli yhdeksän kategoriaa.

Data scientistin näkökulmasta mielenkiintoisimmat caset löytyivät heittämällä kategorioista Attribuutio, CRM ja Programmatic. Näiden kategorioiden voittajatöissä kuvaavaa oli odotetusti iso mittakaava (jättimäiset globaalit asiakkaat isoilla markkinoilla, datan määrä ja monipuolisuus jne.), mutta myös teknisten toteutuksien todella kova taso. Voittaneita toteutuksia yhdisti räätälöidyn, prediktiivisen analytiikan hyödyntäminen – sen sijaan, että olisi käytetty vendoreiden tarjoamia valmiita hyllytuotteita, parhaissa töissä hyödynnettiin yhdessä kumppaneiden kanssa kehitettyjä inhouse-analytiikkaratkaisuja ja algoritmeja, jotka oli kytketty ohjaamaan esimerkiksi ohjelmallista ostamista. Kumppanit olivat tyypillisesti mediatoimiston analytiikkayksikköjä ja erilaisia datan tarjoajia.

Puhtaan Data science -hifistelyn lisäksi kilpailu tarjosi muutamia mielenkiintoisia yllätyksiä: esimerkiksi Mobile-kategorian voittaneesta työstä on pakko sanoa, että parempaa esimerkkiä luovasta mediasuunnittelusta en oman toimistourani aikana muista nähneeni. Kyseinen case oli toteutettu Intian markkinoilla, johtuneeko siitä vai ei, huikea joka tapauksessa.

Vaikka kaikki voittaneet caset olivat teknisesti korkeatasoisia, voittajien töissä loistivat vahvasti todennettavissa olevat tulokset: kuinka paljon asiakkaiden businesta oli saatu parannettua kovilla liiketoiminnan mittareilla mitattuna. Vaikutusten mittaamiseen ja tulosten uskottavuuteen olikin panostettu lähes yhtä paljon kuin toteutukseen: kaikissa töissä oli todella tarkkaan mietitty koeasetelmat esimerkiksi testi- ja kontrolliryhmineen, ja tuloksien validoinnissa käytettiin ulkopuolisia toimijoita.

Nostoja yleisestä ohjelmasta

Seminaariin liittyi tietenkin myös perinteisempää slideshow-ohjelmaa monista mielenkiintoisista aiheista. Pääteemoina korostuivat attribuutio, prediktiivisyys ja asiakasdatan tärkeys.

Suuret mediatoimistot, teknologiatarjoajat ja analytiikkaan erikoistuneet asiantuntijayritykset esittelivät omia lähestymistapojaan ja ratkaisujaan attribuution mittaukseen. Varsinaisiin menetelmiin ei keskitytty kovin paljon, mikä oli hieman sääli – toisaalta oli hienoa nähdä, että itse attribuution laskemiseen ei tyydytty, vaan lisäksi esiteltiin pidemmälle vietyjä toteutuksia, joissa attribuutiomalli oli hitsattu kiinni suoraan DSP-järjestelmään ohjaamaan operatiivista mainonnan ostamista.

Vaikka attribuutio olikin yksi seminaarin kuumista perunoista, ja toteutukset olivat pätevän oloisia, yhteinen mielipide attribuution pullonkauloista oli selkeä: eri toimijoiden ratkaisut saattavat olla hyvinkin erilaisia niin mallinnusteknisesti kuin hyödynnettävän datan osalta, joten niiden vertailu on haastavaa. Tämä johtuu osittain myös siitä, että verrattuna esimerkiksi ekonometrisiin MMM-mallinnuksiin, on ”attribuutiokenttä” vielä jokseenkin nuori, eikä vakiintuneita käytäntöjä ole ehtinyt syntyä.

Toisaalta, henkilökohtaisesti asian kanssa painineena ajattelen, että vakiintuneiden käytäntöjen puutteesta ei välttämättä tarvitse olla huolissaan. Koska attribuutiossa on loppupeleissä kyse asiakaspolkuihin liittyvän datan hyödyntämisestä, se mahdollistaa ROI:n mittaamisen lisäksi monia muita mielenkiintoisia sovelluksia, joissa prediktiivinen analytiikka luonnollisesti näyttelee isoa roolia. Asiakaspolkudatan rikastaminen esimerkiksi omalla CRM- ja tutkimusdatalla antaa monipuolisen ja erittäin rikkaan asiakasinsightin. Sen avulla voidaan ennakoida enemmän asiakkaiden tulevaa tapahtumahorisonttia kuin peräpeiliin katsovalla ja toteavalla mittauksella.

Yhteenvedon aika

Edellä mainittujen teemojen lisäksi seminaarissa käsiteltiin niin paljon muutakin mielenkiintoista asiaa, että niistä kirjoittaisi helposti blogauksen jos toisenkin. Siksi nostin tähän vain mielenkiintoisimmat aiheet data scientistin kiikareista katsottuna.

Seminaarista jäivät vahvimmin mieleen konkreettiset, prediktiivistä analytiikkaa luovasti hyödyntäneet toteutukset. Oli mahtavaa huomata, että vaikka isossa maailmassa caset luonnollisesti näyttävät huikeilta, olemme hyvin kehityksessä mukana. Niin Dagmarissa kuin muissa asiantuntijayrityksissä painimme datan luovassa hyödyntämisessä täysin samassa sarjassa isoihin markkinoihin verrattuna –  ja joillain alueilla jopa pidemmällä.

 

Kun haluat kuulla lisää seminaarin aiheista ja vaikkapa siellä esitellyistä caseista, sekä mitä Dagmarissa puuhataan prediktiivisen analytiikan saralla, ota yhteyttä: mikko.koski@dagmar.fi.

Mikko Koski

Mikko Koski

Mikko työskentelee asiakasanalytiikan, markkinoinnin tuloksellisuuden sekä muiden data- ja analytiikkapalveluiden kehityksen parissa Dagmarin Drive –yksikössä.

Lisää aiheesta