Något som diskuteras brett och ofta i digital marknadsföring är data och vikten av en “datadriven approach” till hur vi når våra kunder. Det är inte sällan det dyker upp i dessa diskussioner buzzwords som ”big data” eller ”maskinlärning”. Däremot finns det ofta i samma diskussioner en stor osäkerhet av vad big data faktiskt innebär och vad det kan medföra för effekter för företaget. Vi tänkte därför i det här inlägget dels gå igenom grunderna av vad big data innebär men även hur all den informationen som finns i datan kan användas för att bidra med nytta gentemot era mål.

Vad kan Big Data innebära?

För att lägga en bra grund inför den fortsatta delen av inlägget så tänkte vi kort gå igenom vad big data kan innebära. Observera här att vi säger kan innebära, en av de grundläggande delarna av område big data är att det kan innefatta allting från hanteringen av att samla in stora mängder data till att använda den för att bygga modeller. Generellt sett så syftar dock ordet big data på datamängder som är så stora att traditionella sätt att hantera datan och att bearbeta den inte längre räcker till. För att sammanfatta det på ett tydligt sätt kan man förenklat säga att när Excel konstant kraschar för att filerna börjar nå storlekar på ett flertal gigabyte – då börjar man närma sig vad som benämns big data.

Big data används även för att benämna bearbetningen av de stora datamängderna som vi kan samla in idag. Ett av de områden av tekniker som finns för att bearbeta big data är maskininlärning. Det i sin tur bygger på olika tekniker som i grunderna bygger på att man tränar en algoritm till att lära sig av den data som den bearbetar för att hitta mönster som i sin tur leder till en förståelse av datan samt möjliggör användning av datan för marknadsföringssyften.

Klassificering och Clustering av Big Data

För att göra det ovan nämnda lite mindre abstrakt tänkte vi referera till en övning som vi gjorde på en kurs i under 2017. Övningen gick ut på att vi hade en tabell med prov på innehållet av olika kemikalier i ca 300 vinflaskor. Dessa skulle i sin tur få tre olika namn baserat på vilken vintyp det var endast baserat på det kemikaliska innehållet i flaskorna. Till hjälp fanns det tre flaskor som hade definierats som de tre olika mål grupperingarna av innehållet. Med hjälp av maskininlärning så kunde vi då träna en algoritm att känna igen vad de tre olika referens-flaskorna innehöll och därefter kunde den användas för att dela in resterande 300 flaskor utifrån deras innehåll. Detta fungerar helt enkelt genom att algoritmen beräknar sannolikheten för innehållet i flaskorna utifrån referenserna. För datorn tog dessa beräkningarna och grupperingarna mindre än en sekund att göra medan vi hade fått sitta en hel dag i Excel för att gruppera på samma sätt – det finns helt enkelt mycket tid att spara.

Det vi har nämnt här är grunderna i vad som benämns “Klassificering”, det bygger helt enkelt på att datorn klassificerar utifrån bestämda mål. Ett annat alternativ hade varit att använda en teknik som heter ”Clustering” – då ger man istället datorn friheten att leta efter inbyggda mönster i datan som den grupperar i ett angivet antal kluster. Med största sannolikhet bör liknande resultat ha framkommit i båda teknikerna för exemplet med vinflaskorna men det som skiljer dem är tillgången på information om slutresultat i förhand.

Segmentera er Big Data

Vid det här laget kanske det är dags att förankra det som har nämnts ovan i ert företags behov. En tanke som kanske redan har slagit vissa av er är att det ovan skulle kunna användas för att gruppera era kunder i olika segment med hjälp av ett flertal olika variabler alternativt gruppera produkter.

För att göra det ännu tydligare tänkte vi upplysa er om en möjlighet där ni kan ta vara på detta direkt i er Google Analytics plattform genom att gå till Audiences –> Behavior –> Conversion probability (kräver dock att Ecommerce-tracking är aktiv och att det finns minst 1 000 konverteringar per månad). I den här rapporten rapporteras det på segment med olika sannolikhet för att en användare ska konvertera inom 30 dagar. Beräkningarna är gjorda med maskininlärning av Google där de använder algoritmer för att leta efter mönster och likheter med användare som redan har konverterat – hur den exakt är byggd är dock hemlig. Den datan som finns i rapporten går självklart att använda för remarketing och kan därmed leda till ökad effektivitet i er annonsering men även för att urskilja mönster genom att analysera demografin av segmentet.

Självklart går det även att använda de tekniker som nämnts och fler därtill utanför Google Analytics och andra plattforma. Det ställer dock relativt höga krav på den datan som samlas in utifrån de mål som vill uppnås, men man ska inte glömma att möjligheterna är oändliga när det kommer till resultaten.

Vi på Anegy ställer gärna upp och går igenom de möjligheter som finns för er att dra nytta av er big data. Kontakta gärna oss så bokar vi in en sittning och kikar på era möjligheter utifrån era behov och förutsättningar!