Datakilder muligheter og utfordringer

Transkript

1 NUMMER NORGES MARKEDSANALYSEFORENING TEMA: Datakilder muligheter og utfordringer BRANSJENYTT FAGLIG NYTT FRA NMF TEKNOLOGI JOBB&KARRIERE

2 Fire veier til vekst # 2 Tiltrekke nye kunder Vi effektiviserer din merkevarebygging og markedsføring i tradisjonelle og digitale kanaler. TNS Gallup har menneskene, kunnskapen og verktøyene som hjelper deg å vokse videre. Vil du ha mer informasjon? TNS Gallup

3 Lederen og Redaktørens spalte 4 Postboks 5077 Majorstuen, 0301 Oslo Tlf.: E-post: nmf@nmf-org.no STYRELEDER Fred Selnes Tlf: (Høgskolen i Buskerud og Vestfold) fred.selnes@hbv.no STYREMEDLEMMER Eva Hagan Tlf: (Starcom) eva@starcom.no Jørn Olsen Tlf: (TNS Gallup) jorn.olsen@tns-gallup.no Line Marie Vilming Tlf: (SAS Institute) line.marie.vilming@nor.sas.com Pål Listuen Tlf: (Ipsos MMI) paal.listuen@ipsos.com Anders Heli Tlf: (Schibsted) anders.heli@schibsted.no VARAMEDLEMMER TIL STYRET Isabelle Valette Tlf: (Sherpa Consulting) isabelle.valette@sherpaconsulting.no Kjell Gabrielsen Tlf: (Xaxis) gabrielsen@xaxis.com LEDERE FAGGRUPPENE Per Bendik Dahl (B2B) Tlf: per@storyconsult.no Heidi Thomassen (Media) Tlf: heidi.thomassen@mediacom.no Line Marie S. Vilming (Metode) Tlf: line.marie.vilming@nor.sas.com Kjell Opheim (Trend) Tlf: opheimkjell@gmail.com Ahmet Demirel (Marketing Analytics) Tlf: ahmet.demirel@telenor.com ANSV. REDAKTØR Svein Roar Hult Tlf: svein.roar.hult@tns-gallup.no RED. SEKRETÆR OG ANNONSER Eva Rasmussen Tlf: eva@markedsanalyse.org REDAKSJONSMEDLEMMER: Tom Hansen, Ipsos MMI Ragnar Madsen, DRD AS Christina Smitt, Opinion Nevjard Guttormsen, Respons Folke Dalskau, Nielsen Even Løvås, Norstat ANNONSEPRISER 2015: 1/1 side 4 frg ,- 1/2 side 4 frg ,- 1/4 side 4 frg ,- Årsavtale 15% Plassering omslagssider: +10% GRAFISK DESIGN og PRODUKSJON: DRD DM, Reklame & Design AS n n n n n n n n n n n n n n n n n n n n n n n n TEMA: DATAKILDER - MULIGHETER OG UTFORDRINGER Turbulens i våre datakilder 6 Grave gull i basen 10 Internett trafikkdata 12 Data fra sosiale medier 14 Sekundærdata 16 n n n n n n n n n n n n n n n n n n n n n n n n PÅSKEPORTRETTET Dan Ruben Johansen 18 n n n n n n n n n n n n n n n n n n n n n n n n FAGLIG Emosjoner og følelser i markedsføring og markedsanalyse 20 n n n n n n n n n n n n n n n n n n n n n n n n BRANSJENYTT Fremtiden til markedsanalysebransjen 23 Like me! 23 Nielsen satser ytterligere på produktinnovasjon med oppkjøp av Affinova 24 OneCall har Norges beste kundeservice 24 Ny CEO i Norstat 25 Virke Markedsanalyse - en garantist for kvalitet 26 Godt 2014 for Opinion og frisk satsing i n n n n n n n n n n n n n n n n n n n n n n n n NYTT FRA NMF Nytt om navn 30 Fremtiden kommer fortere enn du tror! 31 Innhold til frokost 32 Wrapping is everything 33 Kommende seminarer 33 n n n n n n n n n n n n n n n n n n n n n n n n TEKNOLOGI Hadoop: Stordataanalyse og gule elefanter 34 n n n n n n n n n n n n n n n n n n n n n n n n JOBB & KARRIERE Programmatic buying det største siden internett? 38 Hvordan samfunnsvitenskap passer inn i markedsanalyse 39 3

4 LEDEREN OG REDAKTØREN Silotenkning i bedriftenes markedsanalyse n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Styreleder i NMF Fred Selnes Typisk i mange bedrifter er at man har egne avdelinger for de ulike kommunikasjonskanalene, egne avdelinger for de ulike produktkategoriene, og gjerne egne for merkevare og samfunnskontakt. Problemet er at disse avdelingene er dårlig koordinert og opptrer mer eller mindre uavhengig av hverandre, med det resultat at man ikke har en helhetlig og koordinert markedsføring. De ulike avdelingene definerer selv sitt informasjonsbehov i forhold til markedsanalyse og fordi man er dårlig koordinert skjer markedsanalysen i mer eller mindre lukkede siloer. En observasjon stadig flere gjør seg er at ny teknologi styrker silotenkningen slik at problemet vokser med mengden og tilgjengeligheten av digitale data. Mengden av data ser ut til å være viktigere enn gyldighetene av hva disse dataene faktisk gir svar på med hensyn til hva som egentlig gir effekt for å skape salg. Et eksempel på silotenkning er analysene som gjøres i lojalitetsprogram hvor man analyserer hvilke produktkategorier kundene kan kjøpe mer av og sender målrettede tilbud til disse. Tesco har som kjent hatt meget stor suksess med dette og har økt salget med denne type analyse. Problemet er at man ikke har sett disse analysene i sammenheng med rekrutteringen av nye kunder, kundenes tilfredshet og merkevarens attraktivitet i forhold til konkurrentene. Hadde man hatt en mer helhetlig og koordinert tilnærming til tenkningen rundt markedsanalyse ville Tesco med all sannsynlighet vært i en helt annen sitasjon enn de nå er kommet i hvor de opplever kundefrafall og tap av markedsandeler. Et annet eksempel er at man i mange varehandelsbedrifter organiserer fysiske butikker og nettbutikkene i ulike avdelinger. I nettbutikkene analyserer man hva som skaper konvertering til salg og da salg i nettbutikken. Det mange ikke har fått med seg er at stadig flere forbrukere bruker nettbutikken (webben) til informasjonssøking før de handler i den fysiske butikken («pretailing»). Det betyr at om nettbutikken gjør en fantastisk jobb med informasjon slik at flere handler i den fysiske butikken, vil nettbutikken isolert sett fremstå som dårlig fordi man ikke konverterer besøkene til salg i nettbutikken. Et tredje eksempel er en bedrift som gjorde en salgsmodellering av reklamens effekt på salg av bedriftens produkter. Det de hadde glemt i første runde var salgsapparatets aktiviteter i den samme perioden. Fordi både reklameinnsats og selgerinnsats var drevet av en overordnet beslutning var forholdet at variasjonen i selgerinnsats og reklameinnsats var sterkt korrelerte overestimerte man effekten av reklame i den opprinnelige salgsmodellen. Sannheten var at både reklame og selgerinnsats hadde en positiv og forsterkende effekt på salg (interaksjonseffekt). Med en riktigere modellering fikk man selvsagt også et riktig beslutningsgrunnlag. Det finne mange flere eksempler på slik silotenkning og med dette også mange eksempler på slett markedsanalyse fordi man ikke får med hele informasjonsbildet. Sammenhengen mellom markedsføringstiltak og effekt i form av salg er meget komplekst, hvor det er mange faktorer som påvirker og hvor effektene ofte kommer på noe lenger sikt. Vi som jobber med markedsanalyse har et ansvar for å påpeke dette og at bedriftene må se helheten på tvers av alle siloene. Det starter med å stille noen enkle spørsmål om hvordan markedsføringen skaper salg, en erkjennelse av at det er flere avdelinger (siloer) som spiller inn, og videre at man finner data som faktisk kan underbygge sammenhengene. 4

5 Datakilder for analyse n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Det er mitt inntrykk at, for mange, er «markedsanalyse» ensbetydende med «analyse basert på surveydata». Når kundene nå i økende grad orienterer seg mot andre datatyper enn surveydata for å forstå forbrukeratferd og reaksjoner, risikerer vi at «analyse basert kun på surveydata» kan bli opplevd som «old school». For de fleste som lever av å selge markedsanalysetjenester, vil det gi fordeler å følge kundene inn i arbeidet med nye datatyper og analysemetoder. Allerede på tidlig 90-tall, da internett ble opplevd som nytt og ukjent, ble det sagt at det ville bli mindre etterspørsel etter surveydata når forbrukeratferden kunne leses ut av internett trafikkloggene. Dette var gjerne ment som en advarsel om at markedsanalyseleverandørene ville komme til å få redusert sitt inntektsgrunnlag. Økt tilgjengelighet av data som beskriver forbrukeratferd, bør imidlertid heller ses som en mulighet for å berike markedsanalyse, enn som en trussel. I de ca. 20 årene vi har hatt internett, har markedsanalysebransjen i liten grad tatt i bruk atferdsdata som analysegrunnlag. Dette betyr ikke at det ikke finnes eksempler på at markedsanalyseselskaper bruker «nye» datatyper i sitt arbeid, på en vellykket måte. Det betyr imidlertid at utviklingen i bruk av datakilder for analyse har gått hurtigere på kundesiden og i selskaper utenfor markedsanalysebransjen, enn innenfor bransjen. Dette til tross for at markedsanalysebedriftene synes å ha en høy bevissthet om hvilke muligheter som ligger i å ta nye datakilder i bruk og hvilke trusler som ligger i å la være. Dette paradokset har nok flere forklaringer og betydningen av disse kan variere mellom de ulike leverandørene av markedsanalyse. En felles utfordring er at det å ta i bruk nye datakilder krever ny kompetanse og gjerne også nye tekniske systemer. Det er krevende å utvikle kompetanse og systemer på nye områder samtidig som en skal drive «business as usual» på tradisjonelt arbeidsfelt. I Tema-delen av denne utgaven av Analysen har vi forsøkt å gripe fatt i denne felles utfordringen og dele praktisk kunnskap om data fra ulike kilder. Hvilke muligheter og hvilke utfordringer vil den møte, som gir seg i kast med å bygge analysegrunnlag på andre datakilder enn surveydata? Kristian Budolfsen og Nevjard Guttormsen trekker de store linjene i utviklingen av datakilder og peker på behovet for å kombinere data fra ulike Svein Roar Hult Redaktør, Analysen kilder i framtida. Glenn Myklebust dykker ned i mulighetene som CRM-data gir, med et spesielt fokus på automatiserte «real time» analyser og beslutninger. Stephen Karl Ranson deler sin kompetanse på bruk av internett trafikkdata som analysegrunnlag og peker bl.a. på at størrelsen på logfilene gir nye utfordringer. Dette temaet følges opp av Øvind W. Remme i Teknologi-delen. Christina Smitt har snakket med Erik Eskedal om data fra sosiale medier som analysegrunnlag. Han peker på utfordringen i å skille viktig fra uviktig i store datamengder som sentral. Tom Hansen deler sin kunnskap om hvordan markedsanalyser kan baseres på eller berikes av informasjon fra databaser og sekundærdata. Vi i Analysens redaksjon ønsker deg god lesing og en riktig god påske! Lunch-stripa er sponset av bl.a. Respons Analyse. 5

6 DATAKILDER - MULIGHETER OG UTFORDRINGER Turbulens i våre datakilder Hvordan kommer vi gjennom stormen? Digitaliseringen av vår hverdag har skapt en rekke nye plattformer innen datainnsamling. Dette har åpnet opp for at bransjen kan nå helt nye målgrupper som tidligere har vært vanskelige å få tak i, og vil rett og slett være en nødvendighet for å nå visse målgrupper i fremtiden. Nye plattformer utfordrer de gamle plattformene, og bransjen er tvunget til å ta stilling til hvilken betydning dette vil ha for fremtidens datainnsamling. Er de tradisjonelle innsamlingsplattformene gått ut på dato eller må de sees som et supplement til de nye plattformene? Kristian Budolfsen TEKST: KRISTIAN BUDOLFSEN, Development Director at Epinion, kristian.budolfsen@epinion.dk & NEVJARD GUTTORMSEN, analytiker/konsulent i Respons Analyse, nevjard@responsanalyse.no Nevjard Guttormsen n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Spørsmålet er hva denne forandringen kommer av? Gjennom de siste år har utbredelsen og bruken av internett eksplodert, nesten alt foregår i dag digitalt eller online. Store deler av kommunikasjonen og interaksjonen med våre sosiale relasjoner foregår nå på de nye digitale plattformene. Familie og venner er på Facebook, våre arbeidslivsrelasjoner er på LinkedIn, telefonen er blitt et redskap for å kommunisere på Twitter, Instagram, Snap chat, Pinterest etc. snarere enn å ringe med, og det går lenge mellom hver gang man sender et godt, gammeldags brev eller postkort. Vi kan med trygghet si at digitaliseringen av vår hverdag har inntruffet, og store deler av befolkningen har nå totalt skiftet plattformer for kommunikasjon og interaksjon. Det er ikke snakk om mange årene siden markedsanalysebransjen, i datainnsamlingsøyemed, stod med et relativt enkelt valg når det gjaldt datainnsamling; personlige intervju, postale intervju, telefonintervju eller web intervju. Hvilken plattform som ble valgt for datainnsamlingen grunnet i målgruppens egenskaper, hva som var formålet med undersøkelsen og hvilke ressurser man hadde til rådighet. Sammenlignet med i dag var denne prosessen enkel, forutsigbar og trygg alt var så mye bedre i de gode, gamle dager tenker vi, men det er viktig å tenke på at bransjen også tidligere har stått overfor store endringer når det gjelder overganger til og innlemmelser av nye plattformer. Både fra postale undersøkelser til telefonundersøkelser, og fra telefonundersøkelser til webundersøkelser. Fenomenet med nye plattformer er altså ikke noe nytt. En ting er i hvert fall sikkert, om verden stod stille og utviklingen uteble ville det ikke vært behov for markedsanalyse. Det er forandring og sammenhengen i forandringen vi måler for våre kunder og det er kort og godt det vår bransje lever av. Så forandring er bra og viktig for oss, det er bare så utrolig utfordrende og til tider tungt når det rammer vår egen bransje. Digitalisering av bransjen I de senere år har, den nesten altomfattende, digitaliseringen som skjer i vår verden, også sneket seg inn i vår markedsanalyseverden. Digitaliseringen har skapt en rekke nye plattformer for datainnsamling nye plattformer som ikke er fullt så direkte og forutsigbare i deres karakter, slik som de gamle plattformer for datainnsamling var. De nye plattformene favner ikke den brede representative befolkning, men favner i større grad det fragmenterte og spesifikke. Før var man nærmest vant til at de eksisterende plattformene fanget opp hele befolkningen med forbehold om kun små skjevheter i utvalgene. Nå rettes alles øyne mot de nye plattformer og nettverk som digitaliseringen bringer med seg. I samsvar med dette forlater også målgrupper de gamle plattformene, noen målgrupper hyppigere enn andre. Dette er noe reklamebransjen oppdaget og tok stilling til for lenge siden. Markedsanalysebransjen så også forandringene komme, men valgte i første omgang å forholde seg avventende til dette nettopp på grunn av den manglende representativiteten de nye plattformene stod for, en representativitet som de gamle plattformer fortsatt ivaretok. De aller fleste vil si seg enig i at det er målgrupper som blir vanskeligere og vanskeligere å få tak i gjennom de gamle plattformene, og særlig gjelder dette de unge. De som er unge i dag blir, naturligvis, gradvis eldre, mens nye unge kommer til. Dette innebærer at de vanskelige målgruppene vi allerede har i dag bare vil bli større og større 6

7 i fremtiden. Digitaliseringen og fremtredenen av de nye plattformene fungerer her som en reddende engel for å nå bl.a. «fremtidens unge». Et steg i å forstå denne utviklingsprosessen er å se på de gamle plattformene versus de nye plattformene. Det er ikke rom for å presentere alle plattformer som finnes i dag, men vi vil se på det som kan karakteriseres som de tradisjonelle hovedplattformene, samt noen av de nyere plattformene som har fått bred oppslutning de siste årene. Tradisjonelle plattformer Det er hovedsakelig to plattformer som bransjen særlig er kjent for og som bransjen fortsatt benytter seg av i utstrakt skala, telefonundersøkelser (CATI) og webundersøkelser (CAWI). To plattformer som på mange måter utfyller hverandres styrker og svakheter, men som kanskje begge kommer til kort på enkelte områder sammenlignet med de nye plattformene. Styrken til telefonundersøkelser er først og fremst knyttet til at man, mer eller mindre, har tilgang til hele populasjonen og at det på denne måten er enklere å nå sine målgrupper. Dessuten er det fordeler med tanke på at man blir intervjuet av en person som kan oppklare eventuelle uklarheter underveis i intervjuet, men også ulemper med tanke på at intervjuerens nærvær kan svekke følelsen av anonymitet hos respondentene. De største svakhetene er likevel knyttet til at en større og større andel av befolkningen ikke lenger kan nås via telefon eller at de simpelthen ikke ønsker å delta i telefonundersøkelser slik at store målgrupper, systematisk, uteblir fra undersøkelser. Dessuten er telefonundersøkelser dyrere og veldig mye mer tidkrevende enn mange andre plattformer. Styrken til web paneler er først og fremst knyttet til at det er mer kostnadseffektivt og tidseffektivt sammenlignet med telefonintervjuer. Dessuten er det mange styrker ved at man sender undersøkelse per mail og således selv kan velge når en vil svare/fortsette å besvare på undersøkelsen. Svakhetene til web panel er knyttet til oppbygningen, pleien og rekrutteringen og således, i sum, kvaliteten av panelene. Tidligere rekrutterte en paneler utelukkende via telefon, noe som ble sett på som et kvalitetsstempel i seg selv. Med digitaliseringsbølgen vil et panel som kun baserer seg på rekruttering på telefon ikke lenger rettferdiggjøre kravet på representativitet og kvalitet slik som tidligere, men kanskje heller tvert om. Mobiltelefon Ca. 95 % av alle mennesker i utviklingsland eier nå en mobiltelefon, hvorav 42 % av disse er smarttelefoner. Dette har naturligvis resultert i at det har åpnet seg nye muligheter knyttet til innsamling av data, både når det gjelder mobilundersøkelser og egne mobiltelefonpanel. Det levner med andre ord ingen tvil om at mobilundersøkelser dermed er et viktig verktøy der man når sitt publikum når som helst, hvor som helst og med umiddelbar tilbakemelding. Utfordringene dreier seg i første omgang om hvem som svarer på mobilundersøkelser, og om dette i stor grad vil dreie seg om en spesifikk gruppe mennesker, eksempelvis de yngre brukerne. Dette vil i så fall kunne gi skjeve resultater og i verste fall gå utover datakvaliteten. Dessuten gir det utfordringer til hvordan spørreskjema skal utformes med tanke på opplevelsen på mobil, samtidig som den skal ta hensyn til opplevelsen på web. Derfor blir også aspekter som intervjulengde, antall tekstbokser, antall kolonner i komplekse matrisespørsmål, spørsmålstekstlengde, auto lagring o.l. viktigere enn noen gang. Spørsmålet blir dermed om mobilen bør brukes i kombinasjon med andre kanaler for å få valide data i undersøkelser? «Digitaliseringen har skapt en rekke nye plattformer for datainnsamling nye plattformer som ikke er fullt så direkte og forutsigbare i deres karakter, slik som de gamle plattformer for datainnsamling var.» 7

8 DATAKILDER - MULIGHETER OG UTFORDRINGER Platform efficiency vs. platform effectiveness. Sosiale medier Med milliarder av brukere, og tilgang til enorme datakilder, har selskap som Facebook, Google og en rekke andre aktører åpnet opp for nye muligheter når det kommer til datainnsamling. Der hvor man tidligere spurte om folks atferd kan man nå, gjennom sosiale medier, hente ut store respondentgruppers faktiske atferdsmønster. Det er hovedsakelig to måter å bruke disse dataene på. På den ene siden framskaffer sosiale medier datainformasjon om personer basert på deres bevegelsesatferd og kjøpsatferd. Eksempler på dette kan være sider de har besøkt, produkter de har kjøpt og sett osv. På den annen side vil sosiale medier alltid kreve en viss form for registrering slik at demografiske data også er tilgjengelig. Facebook inneholder, for eksempel, både fødselsdato, sivilstand, interesser osv. LinkedIn-profiler inneholder informasjon knyttet til yrkeskarriere, mens Paypal-profiler inneholder informasjon om personers leveringsadresse. På denne måten kan man også få større og mer korrekt innsikt om diverse kunde- og målgrupper. I kontrast til de tradisjonelle datainnsamlingsplattformene som både er tidkrevende og utfordrende i sine målinger, er sosiale medier i stand til å gi bedre og mer nøyaktige resultater på en brøkdel av tiden, i tillegg til å være ekstremt kostnadsbesparende. Enn så lenge er det heller ingen konkrete, universelle retningslinjer for hvilken informasjon som kan lagres og brukes, noe som kan innebære at bedrifter i større grad setter egne regler/grenser for hvordan dataene brukes. Det er viktig å være oppmerksom på at sosiale medier ikke kan si noe om holdninger og motiver for atferd til ulike personer. Atferd og demografi kan derfor ikke erstatte denne innsikt og kunnskap. Online En av de nyere trender er å samle inn data gjennom målinger av adferd direkte på nett. Google Analytics er et eksempel på verktøy som gir store mengder kunnskap og innsikt om nettsider som diverse kunder kan ta direkte nytte av. Mesteparten av dette er kunnskap av relativ deskriptiv karakter, selv om det kanskje ville vært mer interessant å kartlegge hva som ligger til grunn for denne atferden. Noen av de fremtredende verktøyene i denne sammenheng er bruk av cookies, click redirects, tags etc. som lagrer og tracker brukernes opplysninger om nettrafikk. Disse opplysningene kan selskaper bruke til å få økt innsikt om besøksatferd og bevegelsesmønster på ulike nettsider. Markedsanalyseselskap har dermed flere hundre tusen brukere som de kan tracke atferden til, samtidig som de kan få brukere til å besvare ulike undersøkelser via et såkalt online panel. Kunnskapen de kan hente ut av disse panelene kan vise seg å være ekstremt nyttige dersom de brukes korrekt. For eksempel er det nesten ingen som googler Coca-Cola, men via brukerundersøkelsene kan man identifisere hvilke typer nettatferd som er typisk for Coca-Cola-segmentet, og dermed koble atferd med noe substansielt. Det finnes nesten ingen begrensinger på hvilke muligheter som finnes og nettets premisser for markedsanalyse er markant annerledes enn de premisser som man er vant til å arbeide med innenfor markedsanalyse i tradisjonell forstand. Nettet er dynamisk og internasjonalt og stiller helt nye krav for å sikre representativitet i tilfeldige utvalg, noe som stiller markedsanalysebransjen og dens tenkning i et helt nytt lys. Behov for styring De nye plattformene viser at det har åpnet seg et hav av muligheter for de som ønsker å samle inn data. Nå er tiden inne for at bransjen for alvor retter sine øyne mot de nye plattformene og forsøker å innlemme disse i sine metoder. De nye plattformene er mer fragmenterte og differensierte enn tidligere, slik at det sjelden vil være snakk om (inntil videre) å gjennomføre landsrepresentative undersøkelser med 1000 respondenter på disse plattformene alene. Istedenfor kan de sees som et verktøy til å samle inn en større del av de respondentene som er vanskelige å nå via de tradisjonelle plattformene, og således være et supplement i innsamlingen av eksempelvis unge, eller så kan de sees som en plattform som alene skal brukes til å nå spesielle målgrupper. Det er her utfordringen ligger og hvor det synes som det er et behov for styring. Hvordan skal de nye og gamle plattformene brukes på best mulig måte? Dette er en utfordring bransjen vil arbeide mye med i de kommende år dersom den fortsatt skal levere befolkningsrepresentative undersøkelser. Dersom bransjen fortsetter i samme spor som tidligere, hvor man lager målinger basert på én plattform, så må kanskje bransjen, på sikt, gi avkall på generelle befolkningsrepresentative undersøkelser. Dette fordi alle plattformene per dags dato i større eller mindre grad er fragmenterte og differensierte i sine tilnærminger, de nye vel som de tradisjonelle. 8

9 Spørsmålet videre er hvilken plattform som til enhver tid bør fokuseres på, og om det bare skal fokuseres på én plattform per undersøkelse? Dersom man forutsetter at det bør være flere plattformer per undersøkelse må man i så fall vurdere disse plattformene i forhold til hverandre og tenke på hvordan disse skal kombineres. Denne teksten er ikke et forsøk på å gi det endelige svaret på akkurat dette, men fungerer mer som et utgangspunkt for å ta diskusjonen et steg videre. Platform efficiency vs. Platform effectiveness Digitaliseringen stiller, uten tvil, krav til den plattform eller de plattformer man bruker til datainnsamling. I et forsøk på å forholde seg teoretisk til datainnsamling og diverse plattformer kan man skille mellom det som betegnes som platform efficiency og platform effectiveness: I venstre figur illustreres det som betegnes som platform efficiency. Her vurderes om en plattform kan stå alene og hvilken plattform det til enhver tid er som skal brukes i diverse undersøkelser. Eksempelvis om en telefonundersøkelse er en god eller dårlig plattform til å nå visse målgrupper, og om den plattformen vil være en bedre tilnærming enn andre plattformer. I figuren til høyre illustreres det som betegnes som platform effectiveness, hvordan de forskjellige plattformene arbeider sammen. Dette innebærer at de forskjellige plattformene støtter og utfyller hverandres svakheter i et forsøk på å skape enda bedre data, samt det å nå hele målgruppen. Tidligere forholdt bransjen seg kun til platform efficiency og vurderte hver enkelt plattform i forhold til de øvrige. Nå må man vurdere om plattformene bør tenkes i sammenheng med hverandre. undersøkelser på tre til fem plattformer samtidig eller kan vi slippe unna litt lettere ved å revurdere våre rekrutteringsstrategier for våre tradisjonelle datainnsamlingsplattformer, eller er det helt andre tiltak som bør iverksettes for å løse dette? Dette er de store spørsmålene bransjen bør stille seg og i neste omgang finne ut av. Det eneste som er helt sikkert er at bransjen ikke kan forholde seg passiv, lukke øynene og fortsette som i gode, gamle dager det vil i så fall være en sikker styring ut i grøftekanten. Bransjen må tilegne seg morgendagens logikk og aktivt gjøre seg mer kjent med de nye plattformene for datainnsamling. Dette er et skritt de fleste vil ta, bevisst eller ubevisst, tvunget eller utvunget, men det viktigste er at bransjen ikke prøver å styre utenom turbulensen, men heller tar fart og styrer rett inn i den, i et slags forsøk på å lære de nye plattformene og integrere de som en del av markedsanalysebransjens redskapskasse. På denne måten kommer man gjennom turbulensen og ut på andre siden av stormen. Det synes å være klart at man i sammenheng med digitaliseringen, både i dag og i framtiden, må forholde seg til en blanding av plattformer i datainnsamlingen. Selv om dette kan synes som å være den beste veien å gå er det ikke enkelt å vite hvordan dette bør utføres i praksis. Paradigmeskiftet knyttet til datainnsamling og ulike plattformer har skjedd, og det stilles krav til at markedsanalytikere tar stilling til dette. Spørsmålet er hva det vil innebære? Skal vi i fremtiden gjennomføre 9

10 DATAKILDER - MULIGHETER OG UTFORDRINGER Grave gull i basen hvordan utnytte kundeinnsikt som verktøy for økt konkurransekraft Har du noen gang ringt banken og tastet inn kontonummeret ditt i påvente av svar? Når du endelig får en person i den andre enden, får du spørsmålet: «Hva er kontonummeret ditt?». Er du som meg, er forutsetningene for en god og hyggelig telefonsamtale med banken ørlite grann redusert før samtalen har kommet skikkelig i gang. TEKST: GLENN MYKLEBUST, Direktør og rådgiver i Implement Consulting Group, gm@implement.no n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n I dag kan bedrifter få tilgang til enorme mengder informasjon om kundene sine. Brorparten av dataene legger kundene igjen selv i ulike situasjoner og kanaler. Mange bedrifter tenker imidlertid ikke nok på det faktum at jo mer informasjon kundene gir fra seg, jo høyere er forventningene til at bedriften faktisk bruker disse dataene på en fornuftig og kundevennlig måte. Har du kjøpt en Playstation fra en elektroforhandler på nett, er det naturlig å forvente at du slipper å bli eksponert for et knalltilbud på Playstation neste gang du besøker nettsiden eller surfer på YouTube eller andre annonseflater. Som kunder har vi ofte en god anelse om hva en bedrift vet eller burde vite om oss. Dette bygger høye forventninger til hvordan bedriften møter oss i ulike sammenhenger. Hvis bedriftene ikke bruker informasjonen de har om oss på en intelligent, samvittighetsfull og relevant måte, øker faren for misnøye, svekket omdømme og i verste fall kundefrafall. I en undersøkelse nylig gjennomført av Accenture sier 64 % av respondentene at de gjerne vil motta relevante og målrettede tilbud og budskap fra bedrifter. Det ligger med andre ord et betydelig potensial for differensiering og økt konkurransekraft i å utnytte tilgjengelig kundedata på en måte som fremmer relevante og meningsfulle kundeopplevelser. Det er på tide å snakke med kundene på en måte som oppleves relevant og interessant. Vi må evne å koble riktig budskap til riktig kunde i riktig kanal og til riktig tid. For å få til dette må vi ha kontroll på hvilke data vi trenger, og hvordan vi benytter dem. Få tellekanter i databaseskuffen Første steg er å få kontroll på alle kundedata som er relevante for at bedriften skal kunne levere helhetlige kundeopplevelser. Systematisk fokus på datainnhenting og kundeanalyse på tvers av datakilder, kanaler og kontaktpunkter er grunnleggende for å sikre en helhetlig og relevant kundeopplevelse. To kategorier av kundedata bør sentraliseres i en felles kundebase, (1) Profildata og (2) Atferdsdata. Med profildata menes informasjon som bedriften har generert selv eller beriket fra tredjeparts datakilder, eksempelvis transaksjoner, demografi, segmenteringsdata etc. Disse dataene er relativt stabile og «langsomme», og krever regelmessig vask og kvalitetssikring. Med atferdsdata menes informasjon kunden gir fra seg selv, bevisst eller ubevisst, gjennom atferd og bruk av tjenester og kanaler. Disse dataene kan kalles «raske» data, og sier noe om situasjonen kunden befinner seg i for øyeblikket, og hvilke ønsker og forventninger kunden dermed vil ha med tanke på interaksjon med din bedrift. Et sentralt dataregister med kundedata generert på tvers av alle kanaler og kontaktpunkter er den nye «hellige gralen» for moderne markedsførere. Tradisjonelt er det selgere og dialogmarkedsførere som i størst grad har brukt og analysert profildata. Atferdsdata har gjerne blitt brukt av annonsekjøpere, webansvarlige og digitale markedsførere. I dag gir moderne systemløsninger stadig bedre støtte for å integrere de to datatypene i ett og samme analyseverktøy og dataregister. For å få tellekanter i databaseskuffen, og integrere og sentralisere ulike data fra ulike kilder, kreves det at man har: 1) Definert hvilke data som må være tilstede for å kunne levere effektiv og relevant kundedialog (profil- og atferdsdata) 10

11 Profil- og atferdsdata som grunnlag for å sikre relevant og personifisert budskap. 2) Identifisert relevante datakilder og metoder for datafangst (interne og eksterne kilder) 3) Definert hvordan dataene skal struktureres og lagres for at de enkelt kan operasjonaliseres i CRM-system eller andre markedsføringsverktøy (datamodell) 4) Samlet relevante data på ett og samme sted (kundedatabase) 5) Sikret gode rutiner for opprettholdelse av datakvalitet Definer hvordan kundedataene skal brukes Når kundedataene er samlet i et felles register, er det viktig å definere hvordan dataene skal analyseres og benyttes som grunnlag for kundedialog og aktiviteter. Altfor mange «glemmer» dette og kobler CRM-systemer og kundedialogaktiviteter med rådata fra kjernesystemene i bedriften og eksterne datakilder. Det bør etableres en marketingspesifikk datamodell, med tabeller og datafelter som kun inneholder den informasjonen som vil være relevant for å drive kundedialog på tvers av kanaler. Modellen bør også være satt sammen på en måte som understøtter bedriftens forretningsmål, kanalstrategi og kundestrategi. Ved å være tydelig og konkret på hvilket formål og rolle hvert enkelt datafelt i databasen har, vil det også bli enklere å forvalte databasen og sikre god datakvalitet. Flytt fokus fra datavolum til datahurtighet Det er stor enighet i bransjen om at Big Data, det vil si evnen til å koble og utnytte store mengder data av ulik type og fra ulike kilder, vil være viktig for en virksomhets konkurransekraft i tiden fremover. Men det er få som foreløpig har klart å skape nevneverdige kommersielle resultater som følge av Big Data. Selv om beriket data vil bli stadig viktigere med hensyn til å kunne analysere, følge og betjene kunden på tvers av kanaler og kontaktpunkter, ligger det mye urealisert potensial i å fokusere på datahurtighet fremfor datavolum. Slaget om Big Data vil i større grad handle om hvor hurtig vi kan innhente, analysere og reagere på data, enn om hvor mye kundedata vi kan få kontroll på. Det er de raske dataene som forteller oss hva et individ er opptatt av akkurat nå, og som i stor grad vil avgjøre hvor relevante vi har forutsetninger for å være i møte med kundene. Raske data, eller sanntidsdata, er i motsetning til historiske data levende, situasjonsbetingede og interaktive, og de blir automatisk tilgjengelige for oss gjennom kundens bruk og atferd i digitale flater. Etter hvert vil dette også gjelde det fysiske rom, hvor sanntidsdata blir tilgjengelige fra mobiltelefoner og smartklokker via teknologier som Beacons og NFC (Near Field Communication). Mens historiske data (profil) i større grad benyttes til å identifisere mønstre og målgrupper i kundebasen til beslutningsstøtteformål, er sanntidsdata (atferd) egnet for å foreta øyeblikkelige beslutninger, reaksjoner og handlinger. Taxiselskapet Über har vist at bedrifter som evner å reagere på sanntidsdata både kan skape en unik markedsposisjon og øke konkurransekraften. Über vet umiddelbart hvem du er, hvor du er, hvor du skal og hvordan du skal betale - fordi de har evne og teknologi til å fange, analysere og agere på data i sanntid. Selskaper som evner å samle og kombinere historiske profildata og sanntids atferdsdata om kundene vil få et forsprang som følge av å være smidigere, mer tilpasningsdyktige og mer relevante i markedet. Metodene og verktøyene for å utnytte dette er imidlertid fortsatt i sin spede begynnelse. Figuren gir en illustrasjon av et tenkt eksempel på hvordan profildata og atferdsdata kan brukes som felles kilde for å sikre relevant og automatisert formidling av personifiserte budskap i en gitt situasjon. Til slutt tre tips for å utnytte mulighetene som ligger i bruk av raske kundedata: 1) Automatiser beslutningsprosessene Lag et regelverk som setter rammene for hvilke kunder som skal få hvilke tilbud og budskap når, hvordan og i hvilke kanaler. 2) Kombiner atferdsdata med profildata for å individualisere kundedialogen Integrer nye digitale datakilder (web, devices etc.) med tradisjonelle datakilder for å målrette, time og personifisere budskap. 3) Etabler en smidig metodikk for måling og analyse av kundedata For å kunne analysere og agere på sanntidsdata kreves raske og smidige analyseprosesser hvor det er sterkere fokus på overvåking og automatisering av aktiviteter enn eksplorative analyser. Det er derfor viktig å etablere en arbeidsplattform som kombinerer tradisjonell kundeanalyse (datamining) med analyse av sanntidsdata. Om forfatteren: Glenn Myklebust er direktør og rådgiver i Implement Consulting Group. Han er er brennende opptatt av å utnytte data, teknologi og smidige prosesser for å sikre mer effektive og effektfulle kundeopplevelser. Han hjelper i dag en rekke selskaper med å levere en mer verdiskapende kundedialog og bedre kundeopplevelser i dagens mediesamfunn. 11

12 DATAKILDER - MULIGHETER OG UTFORDRINGER Internett trafikkdata muligheter og utfordringer for markedsanalytikere Internett trafikkdata kan i dag beskrive en betydelig del av vår forbrukeratferd. Gjennom profilering kan denne typen data også fortelle mye om hvem vi er og hvilke ønsker og behov vi har; svært nyttig kunnskap for den som skal selge varer eller tjenester. Internett trafikkdata byr imidlertid på noen utfordringer som vil være nye for markedsanalytikere med erfaring primært fra surveydata. I dag er løsningen på disse utfordringene innen rekkevidde for alle bedrifter som ønsker å bruke internett trafikkdata som analyseunderlag. TEKST OG FOTO: SVEIN ROAR HULT, Markedsdirektør i TNS Gallup, svein.roar.hult@tns-gallup.no Hva er likheten mellom en restaurantmeny, en survey og en internettside? De kan alle fortelle noe om hvem vi er og hvilke preferanser vi har. Vår interaksjon med restaurantn n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Stephen Karl Ransons pasjon for datamaskiner og databehandling er stor og sannsynligvis medfødt. Han er født og oppvokst i Nord-vest England. Da han var 11 år fant han fram til den eneste boka om datamaskiner i skolebiblioteket. Etter å ha lest boka, var Stephen sikker på at arbeid med datamaskiner og databehandling skulle være hans karrierevalg. Pasjonen hans gjorde stort inntrykk på de andre familiemedlemmene. Det året bestemte familien seg for å droppe julepresanger og heller kjøpe en datamaskin, en Commodore 64, som Stephen kunne bruke for å utvikle sin pasjon og sine kunnskaper. Fra da har datamaskiner, databehandling og utviklingsarbeid vært en viktig del av Stephen sitt liv og karriere. Stephen kom til Norge i 2000 for å arbeide tre uker med å utvikle en krypteringsløsning for en bedrift innen finansnæringen. Han fant ut at han trivdes i Norge og bestemte seg for å fortsette sitt liv og virke her. I 2011 etablerte han selskapet Cloud Explorers, hvor han i dag har sitt virke som daglig leder. Selskapet hjelper bedrifter som ønsker å bruke Big Data i sitt salgsog markedsføringsarbeid, med tekniske løsninger og kompetanse. Jeg opplever at mange i dag går og venter på at Big Data skal komme. Realiteten er at Big Data er her nå og at mange bedrifter som har startet å utforske de mulighetene for effektivisering av salg og markedsføring som Big Data gir, opplever at arbeidet skaper store verdier, sier Stephen. Internett trafikkdata - et svært verdifullt analyseunderlag Analysen har oppsøkt Stephen for å få en bedre forståelse av den potensielle verdien av internett trafikkdata som analysegrunnlag, og av hva som kreves for å ta slike i bruk. Vi spør: Tenk deg en markedsanalysebedrift som fram til nå, i all hovedsak, har arbeidet med surveydata. Og tenk deg at en i et kundemøte kommer fram til at bruk av internett trafikkdata ville kunne berike planlagte analyser. Hvilke muligheter og utfordringer vil en møte? Det første en bør tenke på, er hva en ønsker å oppnå ved å ta i bruk internett trafikkdata som analysegrunnlag. Etter «Internett trafikkdata kan gi svar på svært mange spørsmål som markedsførere stiller seg.» hvert som vår atferd blir mer og mer digital, kan internett trafikkdata, eller URL-data, i økende grad beskrive vår atferd. Slike data gir dermed verdifullt analysegrunnlag for den som vil forstå hvordan forbrukerne tar sine beslutninger om hva de vil kjøpe og hvor, hvilke flater som egner seg best for ulike annonsører, hvem en kommuniserer med i en kampanje, hvilke effekter kampanjen gir og så videre. Internett trafikkdata kan gi svar på svært mange spørsmål som markedsførere stiller seg. I noen tilfeller vil en kjenne identiteten til de som står bak atferden som studeres. Et eksempel kan være når en analyserer data generert av medlemmer i en kundeklubb. Dette gir mange fordeler, både ved å berike analysene og når en skal bruke resultatene til å tilby relevante produkter og tjenester til kundeklubbens medlemmer. Profilering I mange tilfeller kjenner vi imidlertid ikke analyseobjektenes identitet. Vi kan likevel få god og nyttig kunnskap om personene bak trafikkdataene, ved profilering. 12

13 menyen kan fortelle om vi er kjøttetere eller vegetarianere, om vi er mye sultne eller bare litt, om vi er opptatt av sunt kosthold eller ikke, og så videre. Vi kan stille de samme spørsmålene i surveyen, og selvsagt også mange andre. Og på samme måte kan internettsiden ses som et sett med valgmuligheter og hva vi velger å klikke på og i hvilken rekkefølge, vil fortelle hvem vi er og hva vi ønsker. Også søkedata er svært nyttig for profilering. Det skal ikke mye fantasi til for å forstå at en person som f. eks. søker på «skatt hjelp inkasso» har et annet behov enn en som søker på «skatt hjelp sparing». Tenk på søkedata som «tag clouds» med nøkkelord som beskriver personen. Dersom vi har et datasett med internett trafikkdata, uten kjennskap til hvem som står bak trafikken, kan vi altså, gjennom profilering, bygge verdifull kunnskap om analyseobjektene ut fra den informasjonen om hva de har klikket på, som ligger i datafila. Slik kunnskap om demografi, preferanser og atferd vil berikeanalysene våre og gi oss en dypere innsikt i forbrukeratferd og preferanser. Denne kunnskapen kan vi også bruke til å bygge handlingsorienterte segmenter som kan hjelpe oss til å tilby mer relevante produkter og tjenester til kundene og dermed øke salget. Dess mer finmasket vi gjør segmenteringen vår, dess mer treffsikre kan vi bli i styringen av relevante produkter og tjenester til den enkelte kunden. «For å øke relevansen av vår kommunikasjon, er «real time» analyser og kommunikasjon et aktuelt virkemiddel.» Real Time - Tidsfaktoren kan også ha betydning for om vi lykkes med at analysene våre kan ende ut i vellykket salg. Dersom en person er inne på vår internettside i dag og viser interesse for et produkt som vi selger, kan det å bruke fem dager på analysene for deretter å gi denne personen et tilbud, gi en for langsom prosess. Litt avhengig av hvilken type produkt vi snakker om, vil det være en ikke ubetydelig sannsynlighet for at kjøpet er gjennomført et annet sted fem dager senere. Det som ville vært et høyst relevant tilbud på det tidspunktet denne personen besøkte vår internettside, vil være et irrelevant tilbud etter at kjøpet er gjennomført et annet sted. For å øke relevansen av vår kommunikasjon, er «real time» analyser og kommunikasjon et aktuelt virkemiddel. «Real time» analyser, finmasket segmentering eller en-til-en og «real time» marketing vil i mange tilfeller gi den optimale verdien av analyser av internett trafikkdata. Mange bedrifter vil likevel ha stor nytte av å bruke trafikkdata som analyseunderlag også uten «real time». Store datamengder Du gjør det enkelt å se den potensielle verdien av å analysere internett trafikkdata. Hvilke utfordringer må løses før denne verdien kan hentes ut? En utfordring er knyttet til størrelsen av datasettene når en analyserer internett trafikkdata. Fotavtrykket av en enkelt bruker fra en normal sesjon, på noen minutter, på én «site» kan inneholde dataenheter. Med mange brukere og trafikkdata innhentet over noe tid, blir derfor logfilene som inneholder informasjon om hvilke sider en har besøkt, hvilke bannerannonser en har blitt eksponert for og om en har klikket på dem, hvilke søkeord en har benyttet osv., så store at det blir svært tidkrevende å gjøre analyser når dataene legges i tradisjonelle databaser. Så tidkrevende at analysene ikke kan gjennomføres på en effektiv måte. Google, Big Datas bestefar, var den første som løste denne utfordringen. De trengte en billig løsning for å håndtere og analysere enorme datamengder. De ga tidlig opp tanken på å bygge en stor datamaskin og en stor disk som kunne gi tilstrekkelig kapasitet. I stedet utviklet de en teknologi, «elastic computing», som kunne fordele data og analyseoppgaver på mange disker og datamaskiner, noder. Med denne teknologien, var det ingen grenser for hvor store datamengder de kunne håndtere. Den mest utbredte teknologien for håndtering av Big Data i dag, er Hadoop. Dette er en «open source»-teknologi som bygger på det konseptet som Google fant opp. Hadoop er som en ballong, kapasiteten, antall noder i bruk, vokser når du har behov for det. Nodene ligger i skyen, f. eks. hos Amazon, og du betaler ikke for mer kapasitet enn du til enhver tid bruker. Dette innebærer at datakraft til å håndtere og analysere Big Data er tilgjengelig for alle bedrifter og uten store kostnader. Taxonomi Den andre utfordringen som det er viktig å kjenne til, er behovet for å bygge en taxonomi for de internett trafikkdataene som en vil analysere. Taxonomien er en klassifisering av alle URLene som ligger i datafila, et metadatasett. Første oppgave når en skal lage en taxonomi, er å skille mellom nyttig informasjon og støy. Støyen består av elementer i logfila som brukes til å designe og presentere websider for brukerne, som f. eks. GIF-bilder, JPEG-bilder og «style sheets». Neste oppgave vil være å klassifisere den nyttige informasjonen etter type relevans, f. eks kategorisere internettsidene etter om de er nettaviser, internettbutikker, sosiale medier osv. Taxonomien bygges opp med en trestruktur med så mange nivåer som du har behov for. Sider som tilhører nettaviser, kan f.eks. kategoriseres etter tema som sport, nyheter, lokalstoff osv. Taxonomier lages for å dekke et behov for å skape oversikt og ettersom behov er forskjellige, vil også taxonomier være forskjellige. De kan være enkle og lite arbeidskrevende, eller sofistikerte og mer arbeidskrevende. I de fleste tilfeller kan en begynne arbeidet med en maskinell sortering av URLer, men ofte vil det også kreves manuelt arbeid for å få taxonomien slik en ønsker den. Og når internett trafikkdataene er lagt inn i et Hadoop-system og taxonomien er laget, da kan en starte analysearbeidet? Ja, for så vidt, men analysemulighetene vil øke betydelig dersom en beriker trafikkdataene ved å koble til data fra andre kilder. Dersom du for eksempel driver butikkvirksomhet og har som formål å øke salget, vil analysene dine gi økt verdi dersom du kobler på transaksjonsdata, kampanjedata, kundedata, sosiale medier-data, og/eller andre relevante og tilgjengelige datatyper. Stephens engasjement øker enda noen hakk når vi kommer inn på kobling av data fra ulike kilder og hvilke verdifulle analysemuligheter dette gir. «This is my passion», sier han. Vi kommer imidlertid fram til at dette bør være tema for en egen artikkel. We ll be back! Stephen Karl Ranson, Cloud Explorers. 13

14 DATAKILDER - MULIGHETER OG UTFORDRINGER Data fra sosiale medier et tveegget sverd Salg, markedsføring, og dermed også markedsanalyse, er i rask endring. Særlig sosiale medier har endret måten man jobber på. Utfordringen er at det er veldig mye data, og mange snakker om big data uten at vi er helt enige om hva det er definert som. TEKST: CHRISTINA SMITT, rådgiver og moderator i Opinion, cs@opinion.no n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Takket være big data har vi mye mer data om konkurrentene enn vi hadde før, og mye mer personlig data om kunden. Men Erik Eskedal, digital strateg i kommunikasjonsbyrået Iteo, advarer om at vi kan være i ferd med å gå i en felle at vi samler inn mye mer enn det som er smart. Vi kan vite mer enn bare den typiske reklameskilt-utregningen «5 millioner ser dette skiltet per år». I stedet kan vi analysere hvem de er, hva de har sett, hvor de har sett det, hvordan de reagerte på det og hva de gjorde etterpå. Men hvis du ikke vet hvordan du skal bruke dataene, kan det være mer til hinder enn til hjelp, innleder han. Eskedal mener at hvis du skal kunne begynne å gjøre målinger, må du aller først ha en klar hensikt bak. Du må vite hva du vil finne ut. Data betyr nemlig ingenting hvis du ikke klarer å omdanne det til verdi. Måling handler om å samle data, forstå dem, sammenstille og gjøre seg erfaringer og presentere dem på en forståelig måte. Jeg mener det er der de fleste feiler mest; de tar data inn i regnearket og viser endringen, uten å vite hvorfor disse endringene har skjedd. Lær av casinoene Den digitale strategen, som har gjort seg bemerket blant annet gjennom sitt engasjement rundt ROI og sosiale medier, mener det er fire feller du kan gå i i din sosiale medier-analyse: At du ikke vet hvor du skal, ikke vet hvor du står i dag, ikke har kontroll på dataene og ikke skiller mellom måltall og KPI-er. Alt handler, etter hans syn, om å gjøre måltall om til pengeverdi. KPI gir dog bare pekepinner på hvilken retning du går i. Erik Eskedal, Iteo. ROI handler om å gjøre data om til verdi og kunnskap. Tenk som casinoene; ikke bare mål de som går inn døren og hvor mye penger du sitter igjen med på slutten av dagen. Du må måle hva som skjer på hvert enkelt bord, hvordan og hvorfor folk flytter seg, hvor mange hender som spilles, hvor mye som satses, hvor mye hver spiller bruker, og så videre. Eskedal forteller at hensikten bak denne metoden er å lære både om kundeadferd og din egen adferd; hva som påvirker og hvilke resultater det gir. Da vet du også hvilke endringer som vil gi best effekt, og hvilke tiltak som i etterkant kanskje var overflødige. Men for å få det til, nytter det ikke å bare holde seg til verdens største nettside. Sosiale medier er ikke Facebook Facebook har for mange blitt et synonym for uttrykket «sosiale medier», og mye markedsanalyse er også fokusert på nettopp denne plattformen. Men Eskedal understreker at Facebook bare er én av et utall forskjellige plattformer, og for mange aktører er Facebook kanskje den minst viktige. Når vi snakker om sosiale medier, må vi begynne å snakke om alle steder på nett hvor kundene kan samhandle med oss og med hverandre. Måten de beveger seg i hele den digitale sfæren er det viktige for en god analyse. Det er kun når man ser på helheten at man faktisk kan hente ut nyttige data som forteller oss noe som vi igjen kan bruke for å skape verdi, sier han, og legger til: Hvis du kun ser på sosiale data fra Facebook er det et sted hvor mange fremstiller seg som et glansbilde, som noe de ønsker å være. Dersom du kun analyserer data derfra, vil du ende med et feilaktig bilde, men når du kombinerer det jeg gjør på Facebook med det 14

15 jeg gjør andre steder, som på Google og i nettbutikken din, da får du et riktigere bilde av hvem jeg er. Eskedal nevner blant annet virksomhetens egne kanaler som nettsider og blogger, og uavhengige kanaler som diskusjonsfora og nyhetssider, som kanaler vi må begynne å anse som sosiale medier i større grad enn bare klassiske eksempler som altså Facebook, LinkedIn og Twitter for å få en god analyse. Bruk de dataene du har Det er altså et godt utgangspunkt å bruke de dataene du har. For å illustrere, trekker Eskedal frem et eksempel fra et besøk i nettbutikk som selger klær. Kjeden selger både til kvinner, menn og barn, men han blir likevel ikke geleidet inn i herreavdelingen. Dette mener digitaleksperten er dårlig bruk av data. Ved første besøk blir jeg eksponert for kvinneklær. Det er greit nok, for i denne nettbutikken er nok størsteparten kvinner. Men når mitt besøksmønster etter hvert tydelig viser at jeg er mann, ved at jeg kun er inne og titter på herreklær og legger bukser, belter og boxershorts i handlekurven, så er dette data som nettbutikken bør ta i bruk, mener han. Denne nettbutikken husker nemlig hva kunden har sett på og lagt i kurven. For når nettleseren lukkes og han kommer tilbake dagen etter, husker butikken hva han har lagt i handlekurven og spør om han fortsatt vil kjøpe dette. Men i samme vindu eksponeres Eskedal fortsatt for kvinneklær. Videre, når jeg er i handlekurven, får jeg et siste fremstøt i form av en kampanje som skal få meg til å putte noe ekstra i handlekurven. Hva? Jo, rosa pynteputer. Her bommer kjeden, og bruker ikke de data de allerede har. De bør tilby meg produkter og kampanjer basert på mitt handlemønster, sier Eskedal. De beste vinner Det er altså mange som kan tjene på å bruke sine eksisterende data, og ikke bare lene seg på det mange tradisjonelt ser på som sosiale medier. Eskedal peker også på mobiloperatører, som vet utmerket godt hvilke telefoner kundene vanligvis kjøper så vel som hvordan de brukes. Likevel eksponerer de tunge «superbrukere» for de enkleste billigtelefonene i sine nettbutikker. Men de selskapene som klarer å bruke alle dataene de har om forbrukeren til forbrukerens beste, er de som kommer til å vinne. Det er de som gir deg følelsen av å få personlige opplevelser, uten at du føler deg misbrukt, som kommer til å knytte seg tettest til kundene fremover, avslutter han. Selskaper bør altså slutte å drive markedsanalyse kun for eget bruk, men analysere alle de viktige dataene de sitter på, samt analysere for å skape verdi for forbrukeren. Det finnes mer enn nok data der ute det gjelder bare å finne de riktige. 15

16 DATAKILDER - MULIGHETER OG UTFORDRINGER Sekundærdata utømmelig kilde i relevante sammenhenger Det meste har vært undersøkt før var det noen som sa, og den som sa det har selvfølgelig helt rett. Aldri har det vært et større tilfang av data, databaser og sekundærdata enn i dag. Den elektroniske utviklingen har revolusjonert mulighetene både når det gjelder lagring av data og ikke minst for å finne fram i mylderet av datakilder. Samtidig har «holdbarhetsdatoen» for sekundærdata blitt stadig kortere som følge av økende forventninger om nye, ferskere og relevante data. TEKST: TOM HANSEN, markedsdirektør i IPSOS MMI, tom.hansen@ipsos.com n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Et søk på Google med søkeordet sekundærdata - gir treff. Søker vi på ordet - internasjonale databaser- får vi treff og setter vi inn ordet - MARKET REPORTS - får vi hele treff. Utfordringen er altså ikke mulighetene for å finne data, men å avgrense søket slik at resultatet blir oversiktlig og relevant for vår problemstilling. Å søke i norske og internasjonale databaser er derfor en profesjon i seg selv. Sekundærdata hva er det? Først kan det kanskje være greit å se litt på hva vi mener med sekundærdata. Generelt sett kan vi si at sekundærdata er informasjon eller data som er samlet inn av andre og for et annet formål enn for vår aktuelle problemstilling. I motsetning til primærdata som er innsamlet for vårt formål med vårt valg av gjennomføringsmetode og et utvalg som dekker våre problemstillinger, er sekundærdata data som allerede eksisterer og er lagret. Data som ofte kan nås gjennom søk direkte fra skrivebordet. Vi kaller gjerne dette skriveborddata og at vi gjennomfører en skrivebordundersøkelse. Ulike typer data Det finnes ulike former for sekundærdata. En inndeling kan være det mange kaller for prosessdata, transaksjonsdata og forskningsdata. Noen bruker også andre begreper. Prosessdata kan være data som hentes fra utredninger som NOU publikasjoner, fra mediene, høyskolemiljøer/universiteter og kilder hvor dataene samles som en del av den administrative virksomheten. Transaksjonsdata er data som samles inn gjennom økonomiske og administrative systemer, som regnskap, kundestatistikk, bransjestatistikk, Brønnøysundregistrene, registerdata m.fl. (Her kan vi også vise til tidligere artikler om BIG DATA i Analysen.) Forskningsdata er data som er samlet inn av andre forskere som ulike undersøkelser, prognoser og offentlig statistikk (SSB). Relevans og feilkilder For å kunne avgrense et søk slik at det blir relevant for vår problemstilling, må vi foreta flere vurderinger. Dataenes kvalitet, sett i lys av vårt formål, er viktig både med hensyn til validitet og reliabilitet. De mest relevante vurderingskriteriene for å vurdere om sekundærdata kan benyttes er: - Motivet eller formålet for innsamlingen av det aktuelle materialet - Hvem har samlet inn dataene og hvem var oppdragsgiver? - Aktualitet: tidspunkt og problemstillingenes relevans i forhold til våre problemstillinger - Datainnsamlingsmetode - relevans - Utvalg: målgrupper, utvalgsstørrelse, utvalgsmetode I tillegg må vi vurdere om de dataene vi finner, er tilstrekkelig kontrollert for feilkilder og gjennomført på en tillitvekkende måte. Dersom motivet eller formålet for innsamlingen av det aktuelle sekundærmaterialet har vært noe helt annet, må vi være forsiktige. Vi må også kontrollere for at de definisjonene som er benyttet i materialet, stemmer med våre definisjoner og begreper. Dette er spesielt viktig ved bruk av sekundærdata fra utlandet. Vi hører ofte at samfunnsdebattanter, politikere og journalister blir beskyldt for å ta ting ut av sin sammenheng, og dette gjelder også ved bruk av sekundærdata. Vi kan kanskje stille oss kontrollspørsmålet: er det grunn til å tro at de som samlet inn dette materialet ville benyttet resultatene i en slik sammenheng som vi vurderer å gjøre? Søkeord og avgrensninger Nøkkelen for å finne interessant sekundærmateriale er primært knyttet til hvor flinke vi er til å finne de rette søkeordene og til å finne relevante måter å avgrense søket på. Kombinasjonen er viktig og her er det mange som strever. Men har man gjort en grundig vurdering av kriteriene som vi har listet opp ovenfor, vil dette være til stor hjelp. Det finnes noen som er flinkere enn andre og også her finnes eksperter vi kan søke hjelp hos, som informasjonsagenter, databaseverter og portaler som har samlet og selger ulike rapporter på egne og andres vegne. Informasjonsmedarbeidere, arkivarer, bibliotekarer og spesielt fagbibliotekarer kan også være til god hjelp. Fordelene med å søke etter sekundærdata er åpenbare. Å starte søket fra egen PC innebærer små kostnader (om noen) og kan gjennomføres på hvilket tidspunkt man ønsker. 16

17 Skyte gullfuglen Fordelene med å søke etter sekundærdata er åpenbare. Å starte søket fra egen PC innebærer små kostnader (om noen) og kan gjennomføres på hvilket tidspunkt man ønsker. Fra tid til annen kan man finne nettopp det man søker med høy relevans til de problemstillingene man vil ha svar på. Noen ganger er den undersøkelsen man selv hadde tenkt å starte opp, allerede gjennomført for kort tid siden. Da handler det om å få tilgang til rapporten eller dataene. Og det som oftest til en langt lavere kostand enn om man selv skulle gjennomført en egen primærundersøkelse. Det er her verdt å nevne at det finnes en rekke organisasjoner, institutter, konsulentfirmaer og markedsforskere som kan ha gjennomført relevante undersøkelser. Mange aktører kan også ha gjennomført undersøkelser f. eks. i Norge, selv om de selv er etablert i et annet land. Mange markedsrapporter omhandler flere land, for eksempel Norden og noen ganger hele kontinenter. Finner man fram til slike relevante markedsrapporter kan man ha «skutt gullfuglen». Fersk informasjon En rekke databaser har praktiske emneoppdelinger som bransjer, fagområder, næringsområder, datakilder i offentlig og privat sektor osv. Dette gjør det noe lettere å finne fram og kan også gi inspirasjon til nye søk. På Google kan du avgrense søket for eksempel gjennom innstillinger på land, språk, periode bakover i tid osv. Ofte har vi en intuitiv forståelse av hvor vi bør søke, for eksempel i statistiske baser som SSB. Andre ganger kan det være naturlig å søke hos eller kontakte bransjeorganisasjoner, foreninger, forskningsinstitusjoner eller store kommersielle aktører i en bransje. Vi som jobber i analysebransjen får stadige henvendelser fra medier, studenter og aktører som søker «fersk» informasjon på ulike problemstillinger eller områder. Analysebransjen har i alle år gjennomført undersøkelser på vegne av oppdragsgivere, undersøkelser som også kan ha stor interesse for andre. Men resultatene er oppdragsgivers eiendom og kan bare publiseres dersom oppdragsgiver ønsker det. Resultater fra slike oppdragsbaserte undersøkelser blir likevel publisert nettopp fordi mange oppdragsgivere ønsker medieomtale og selv å bli knyttet til kunnskap om problemstillingene. Bankene har de siste årene ansatt egne forbrukerøkonomer som har som sin primæroppgave å opplyse samfunnet om problemstillinger knyttet til økonomi og spesielt personlig økonomi. Resultater fra slike undersøkelser kommer ofte opp i søk, i artikler og annen medieomtale. Herfra kan vi søke videre mot primærkilden. Analyseinstituttenes databaser Det er i denne sammenheng naturlig å nevne at flere av de norske analyseinstituttene sitter på store databaser med en enorm mengde relevante surveydata som de selv eier. Noen eksempler på slike surveydata kan være Norsk Monitor, Forbruker og Media og spesialrapporter som Norske Spisefakta m.fl. Mange av disse databasene har tidsrekker år tilbake og viser utviklingen på ulike områder over tid. De tre største norske analyseinstituttene er i dag eiet av globale analysekonserner som årlig publiserer spesialrapporter og markedsrapporter, dels for å dele, dels for salg. Instituttene tilbyr også spesialutkjøringer fra sine store databaser. Instituttene følger gjerne hele bransjer og generelle problemstillinger gjennom løpende undersøkelser. Slike undersøkelser kan derfor være svært aktuelle og kan gi tilgang til meget ferske og relevante data. Veien blir til. Å søke etter sekundærdata er ofte en prosess som er spennende og lærerik. Det handler mye om å være nysgjerrig og ta seg tid. Om man ikke helt finner det man søker med en gang, vil ofte kildehenvisninger sette deg på sporet av nye sekundærkilder. En god porsjon tålmodighet er viktig. Jakten på relevante sekundærkilder blir derfor til mens du søker.. 17

18 Dan Ruben Johansen I løpet av et liv som skrivende journalist for Analysen møter man mange typer mennesker. Enkelte av dem er av den ekstra fremoverlente typen. En karakter som er så drevet av indre motivasjon at han ikke rekker å se seg tilbake før han har nådd neste steg på karrierestigen. Personen analysens utsendte er så heldig å få treffe denne ettermiddagen før påsken setter inn, passer virkelig inn under denne beskrivelsen. TEKST: EVEN BUER LØVÅS, Project Manager at Norstat, even.lovas@norstat.no n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Dan Ruben Johansen. Jeg trappet opp i MediaCom sine flotte lokaler i Torggata full av forventning om det som skulle møte meg. Jeg ble tilbudt kruttsterk kaffe som jo er sjargongen i virksomheter rundt omkring i Norge i dag og ble henvist til et fargerikt venterom. Den antakelig største stoltheten her er et sjakkbrett signert av selveste Magnus Carlsen. Jeg hadde knapt fått satt meg ned for å ta brettet nærmere i øyesyn før Dan Ruben kommer meg i møte. Han ønsker å tilby meg en iskrem på firmaets regning, men siden Krone-is og tasting på tastatur sjelden har vært noen god kombinasjon, takker analysens utsendte høflig nei takk til tilbudet. Reklame fra barnsben av Dan (26) jobber i dag som digital rådgiver/ digital innovatør hos MediaCom. Med en slik tittel skulle man kanskje umiddelbart tro at han hadde vært en mannsalder i bransjen, men det blir et vanskelig regnestykke når man tar en nærmere kikk på fødselsdatoen. Interessen for feltet kom derimot svært tidlig. Jeg deltok allerede i et reklameprosjekt da jeg gikk på grunnskolen og det var hovedårsaken til at jeg ønsket å fordype meg i markedsføring på videregående skole. Allerede fra Dan Ruben var ung var det liten tvil om i hvilken retning han ønsket å gå. Jeg valgte å studere reklame og merkevarebygging på markedshøyskolen. Det å ha personer som man tidligere hadde lest bøkene til, som forelesere og veiledere, var til stor inspirasjon. Bratt utvikling hos MediaCom Etter å ha skrevet en bacheloroppgave om produktplasseringer takket Johansen ja til et tilbud hos MediaCom i Jeg valgte MediaCom for her følte jeg det var størst utviklingsmuligheter. Det var nettopp dette som trigget. Jeg har senere hatt en rekke roller. Jeg startet opp som Search Planner, før jeg ble Search Rådgiver via Performance rådgiver og nå i januar 2015 fikk en av MediaComs kanskje mest svulstige jobbtitler nemlig digital rådgiver/digital innovatør. Her skal jeg blant annet jobbe med innovasjonsprosjekter hvor jeg ser på hvordan ulike Vinner av mediastrategiprisen. digitale kontaktpunkter kan brukes for å nå de målene virksomheten har satt seg. Prisvinnende «geek» Dan Ruben er kjent for å tenke utenfor boksen, noe som gjør at hans innsats blir lagt merke til når bransjen skal hylle sine helter. I oktober 2014 vant han mediestrategiprisen for et prosjekt han gjorde for IKEA. Jeg gjorde en del funn ved hjelp av korrelasjons- og regresjonsanalyse på hvordan moduset til forbrukerne endrer seg avhengig av hvordan været er. Når det regner er potensielle kunder i langt større grad klare for å oppsøke IKEA. Vi lagde derfor en løsning som gjorde at varehuskjeden kunne annonsere i områder hvor været var dårlig. Med en kampanje som sørget for en økning av ROI`en med 24% må vi kunne si at kampanjen har hatt en rimelig grad av suksess. 18

19 Påskequiz Spørsmål Dan Rubens forslag Fasit Hvilket dyr red Jesus på da han dro inn til Jerusalem? Esel Esel Den første påskekrimmen ble lansert av en norsk avis i Hmm. Høres veldig ut som VG eller Aftenposten Hvilken avis var utgiveren? Aftenposten. Går for Aftenposten I påsken koser man seg med deilige egg. Hvor mange egg er det i et snes? Og hvor mange egg, sånn ca., tyller AS Norge i seg i løpet av påsken? 50 tonn Ca 21 millioner egg (Dette er i perioden skjærtorsdag 2. påskedag) Hvem hadde en ekspedisjon til påskeøya i ? Heyerdal Thor Heyerdahl Dan Ruben lar seg trigge av å samle og kjøre komparative studier som kan bekrefte eller avkrefte psykologiske eller sosiologiske perspektiver. I 2013 var Dan Ruben i spissen for et samarbeid med Skoda hvor man nettopp tok utgangspunkt i et basalt prinsipp; en uavhengig part har høyere troverdighet enn virksomheten har selv, når man skal kommunisere ut mot den potensielle kunden. - Hvis Skoda sier at de har en utrulig bra bil er det langt fra like overbevisende som når en annen part sier det. Løsningen Dan og de han samarbeidet med kom opp med, var at de sendte digital trafikk til eksterne sider slik at de kunne gjøre overbevisningsjobben for bilfabrikanten. Resultatet for Dan og MediaCom? Gull i European Search Awards i konkurranse med 200 andre bidrag. Jeg antar at det var geeken som nok en gang slo til humrer Johansen. Fan av utendørssvømming Når Dan kommer hjem er han slettes ikke fremmed for å legge seg langflat på det åpne hav. Såkalt Open Water Swimming er nemlig en av hans store pasjoner. Tjuvholmen rundt og Fjordsim (Red. anm.: svømmekonkurranse langs Iddefjorden i Halden) er blant svømmekonkurransene han har deltatt i. Jeg har alltid hatt et stort konkurranseinstinkt. Uansett om det dreier seg om ludo, sjakk eller arbeid blir jeg ofte drevet av hatet mot å tape. Jeg gir meg ikke før jeg er 100% fornøyd. Veien videre Hva ønsker så en så ambisiøs og dyktig person som Dan Ruben nå, er et naturlig spørsmål? Det er kanskje det vanskeligste spørsmålet jeg får. Utviklingen i bransjen går så kjapt at man ikke vet hva som er den neste utviklingen i markedet. Jeg har aldri hatt en «five year plan» - det har liksom aldri vært noe for meg. Det jeg gjør i dag, ante jeg ikke fantes for tre eller fem år siden. Det jeg er veldig glad for, er å ha tid til jobbe med de ulike innovasjonsløsningene som vi har. Det gir en genuin indre motivasjon, å få gjøre det man synes er gøy. Fem kjappe Bypåske Hyttepåske X Påskeegg Påskelam X X Påskehare Påskekylling Påskevin Påskeøl X Skjærtorsdag Langfredag X Jesus Judas X Etter denne samtalen sitter analysens utsendte igjen med inntrykket av at han har snakket med en genuin fagmann og ikke minst en genuint hyggelig og oppriktig engasjert person. Neste gang han tilbyr meg en Krone-is skal jeg i alle fall ikke takke nei, og på ny la meg dra inn i hans fagunivers hvor nysgjerrigheten og kunnskapshungeren tilsynelatende aldri tar slutt. Et fullservice analysebyrå: Merkevarer og forbruk Media og markedskommunikasjon Politikk og samfunn Relasjoner og omdømme SAMMEN SKAPER VI INNSIKT post@responsanalyse.no Tlf. Oslo: Tlf. Bergen:

20 Emosjoner og følelser i markedsføring og markedsanalyse Emosjonell reklame virker bedre. Dette er essensen i et foredrag og en bok basert på gjennomgang av cases i den engelske prisen for effektive reklamer, IPA Effectiveness Study. Emosjoner og følelser spiller en rolle for merkevarer. Forskning viser at det vi tror er dyr vin smaker bedre enn billig vin, selv om vi egentlig smaker på den samme vinen. Andre har funnet at det smaker annerledes når vi drikker CocaCola, enn når vi drikker den samme drikken i en blindtest. Vi synes rett og slett det smaker bedre når vi vet at det er «the real thing». TEKST: ANDERS M. MAMEN, Practice Head Innovation and Product Development at TNS Gallup, anders.mamen@tns-gallup.no n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Mange snakker om viktigheten av emosjoner og følelser for reklame og merkevarer. Spørsmålet blir da om vi forstår dette godt nok. Sannheten er at dette, som resten av mennesket, er komplekst, men at vi er i ferd med å få en bedre forståelse av fagfeltet. Vi har fått nye verktøy som gir oss en bedre forståelse av neurobiologi, et område som er i utvikling. Det er en del som har lest Kahnemans bok «Tenke, fort og langsomt», som sier at alt som handler om emosjoner og følelser, skjer i det automatiske og raske system 1. Dette er ikke helt riktig. Hva er så forskjellen mellom emosjoner og følelser? Hva er emosjoner og følelser? Emosjoner kommer fra forskning på dyr og biologi. Det er observerbare kroppslige reaksjoner. Tenk deg at du er i et laboratorium der de har rotter. Det er vinter ute og du åpner vinduet. Det blir kaldt i rommet. Rotta i buret kryper inn i et hjørne og begynner å skjelve fordi den fryser. Thomas Ramsøy (2014) definerer emosjoner som en kroppslig reaksjon på en kroppslig tilstand eller hendelse med en mekanisk stimuli-respons funksjon. Følelser kommer fra forskning på mennesker. Det typiske eksempelet er når en psykolog spør en pasient «Hvordan har du det?». Ramsøy sier at følelser er når du blir klar over og setter ord på en emosjonell tilstand. Når du setter ord på en emosjon, må du beskrive den med språk. Derfor er følelser alltid koblet til din bevissthet. Når du blir klar over en emosjon og setter ord på den, blir den også en følelse. Dette skillet mellom de kroppslige reaksjonene og det å sette ord på det du føler, kan være et kunstig skille. Tenk deg at du er ute og handler og ser en Troika sjokolade i butikkhylla. Du kjenner deg sulten og får lyst til å kjøpe den. Da blir det slik at det å få «vann i munnen» er en emosjon, du bestemmer deg for å kjøpe den og putter den i handlekurven. Har sulten da gått fra å være en emosjon til en følelse? Belønning og smerte Emosjoner og følelser er knyttet til andre sentre i hjernen, som belønning og smerte. Når du spiser Troikaen etter at du går ut av butikken, opplever du en belønning fordi det smaker godt. Når du spiser masse av det som smaker godt, blir du feit og opplever ubehag på lang sikt. Hvis du derimot klarer å motstå fristelsen fra Troikaen, og i stedet tar en tøff treningsøkt på Sats, vil du oppleve kortsiktig ubehag. Den langsiktige belønningen er at du blir i bedre form. Vi ser altså at belønning og ubehag både virker på kort og lang sikt. Forventet og opplevd verdi Plassmann (2012) skiller mellom forventet og opplevd verdi ved å velge et produkt fremfor et annet. Denne forskjellen mellom forventning og opplevelse gir grunnlag for læring og erfaring. Når du har fått erfaring med de langsiktige gledene av mye Troika og mye trening, er det mange som velger trening. Tenk deg at du en morgen går forbi et bakeri som sender varm luft ut på fortauet. Du går forbi og kjenner lukten av ferskt bakverk. Automatisk snur du deg mot vinduet og ser om de har noe godt liggende i disken. Kanskje du ikke har spist frokost og merker at du er sulten. Når du tenker at du er sulten, har du satt ord på emosjonen og den har blitt til en følelse. Hendelsen var at sansene dine luktet den gode luften, som trigget sultfølelsen. Den ble så sterk at du tenkte at du fikk lyst på ferskt bakverk. Denne følelsen, sammen med den automatiserte handlingen, får deg til å gå inn og kjøpe ferskt bakverk. Lukten har skapt en forventning, som blir innfridd ved at du har gleden av å spise noe godt. Sansene våre fanger opp signaler fra omgivelsene, og det er det limbiske system som hjelper oss med hvordan vi skal reagere. 20