AI: motorn som utvinner kraften i konsumentdata
Artificiell intelligens öppnar upp ett nytt fönster in till de digitala spår som konsumenter i flera år lämnat efter sig men som vi tidigare inte kunnat tolka till fullo. Nu ligger nya datadrivna konsumentinsikter och banbrytande sätt att arbeta med segmentering inom räckhåll.
De digitala spår vi lämnar efter oss säger mycket om våra beteenden, preferenser och konsumtionsvanor. Länge har det debatterats om människor kommer att acceptera att företag och offentliga organisationer vet så mycket och så känsliga saker om dem. Men för varje bakslag för datadelning i form av till exempel GDPR, avslöjande om läckta lösenord och nyttjande av data för manipulering av val och väljare så har människor fortsatt att lämna ifrån sig mer och mer data och snarare tagit den utvecklingen två steg framåt. En rimlig förklaring till beteendet är att tjänsterna och erbjudandena de får i gengäld är så pass bra att värdet vida överstiger kostnaden och riskerna kopplade till att dela sin data.
Skifte i konsumenternas attityder
Att få erbjudanden anpassade efter ens egna beteenden förde i början av millenniet med sig en obehaglig känsla av att en kommersiell aktör kommit lite för nära, lite för långt in i den egna sfären (minns du till exempel Ica:s utskick baserade på det du handlat senaste månaden?). Nu finns istället en förväntan på att de erbjudanden man som konsument nås av ska vara utformade efter personens beteenden och preferenser, annars verkar avsändaren av erbjudandet som okunnig och utan koll på sina kunder.
Konsumenterna är idag inte heller längre passiva mottagare av produkter, tjänster, erbjudanden och kommunikation. Större betydelse av självuttryck, fler sociala sammanhang och mer intressedriven konsumtion ger fler identiteter. Sociala grupper centrerade runt ett delat intresse, som ofta starkt genomsyrar konsumtionen, blir vanligare och konsumenterna är själva budbärare, medskapare och deltagare i allt mer nischade mikrokulturer. Att förstå dessa mikrokulturer och att skapa tjänster och erbjudanden som är attraktiva för rätt målgrupp är själva essensen i att lyckas med datadriven konsumentinsikt.
Från individer till divider
Forna tiders idéer om en sammanhållen individ (odelbar) håller på att ge vika för föreställningen om en betydligt mer komplex divid, uppbyggd av multipla och temporära identiteter. Till detta kommer att våra liv alltmer präglas av sociala medier, sökmotorer och nätverk och att nya livsmönster utmanar de traditionella demografiska strukturerna. Sammantaget gör allt detta att traditionella segmenteringsverktyg sakta men säkert blir allt mindre träffsäkra och behöver ersättas eller kompletteras med något nytt samtidigt som de digitala spåren som konsumenter lämnar efter sig ökar i en rasande takt.
Data är bara bränslet
Men hur gör man då med all den data man sitter på eller kan få tillgång till? Om data är den nya oljan så behövs en ny bensinmotor för att kunna ta arbetet med data någonstans. Annars är det bara en ostrukturerad sörja med stor potential. Datas motsvarighet till bensinmotorn stavas AI. Artificiell intelligens, smarta algoritmer för mönsterigenkänning och machine learning är nycklarna till att få ut det mesta ur stora mängder kunddata på en nivå som inte ens den skarpaste marknadsanalytiker kan nå.
Exempel: Moderna familjen
I en värld där pappor och mammor skulle bli smått kränkta över att bli hopbuntade i den homogena gruppen småbarnsföräldrar gjorde Kairos Future för några år sedan en studie om konsumenttriber i denna målgrupp. Triber är en segmentering av kundgrupper som bygger på utvalda beteenden, konsumtionsmönster eller värderingar snarare än demografiska eller geografiska faktorer.
Hur gick projektet Moderna familjen till?
Med hjälp av mix av AI-driven mönsterigenkänning och kvalitativ analys analyserades och syntetiserades texter om föräldraskap i form av inlägg i sociala medier. Fram växte fem distinkta föräldra-tribes; Superföräldrar, Kompromisslösa föräldrar, Rekoföräldrar, Framgångsföräldrar och Chillföräldrar. Dessa föräldragrupper skiljer sig markant – inte givet i var de bor, socioekonomisk status eller ålder – utan i värderingar, beteenden och konsumtionsmönster.
I steg två identifierades ett antal markörer för vardera tribe som tillsammans återspeglade den komplexitet och mångbottnade bild som utgör grupperna. Motsvarigheter till dessa markörer identifierades sedan i omfattande kvantitativa konsumentundersökningar och därigenom kunde vi uppskatta storleken på vardera grupp, deras demografiska och geografiska spridning, köpkraft, mediavanor och shoppingstilar.
Insikterna och kvantifieringen av triberna användes sedan för att, tillsammans med våra kunder, ta fram utvecklingsportföljer och marknadsplaner som alla i förlängningen formade det mer långsiktiga arbetet med innovation, positionering och kommunikation.
Kairos Future har arbetat med det egna verktyget Dcipher Analytics för dessa kartläggningar. Det ger oss möjlighet att utan programmering snabbt hitta samband i stora datamängder. Läs mer om studien Moderna familjen här. Kontakta oss för att lära dig mer om hur ni kan jobba med datadriven konsumentinsikt, netnografi och kvalitativa metoder.