For et par år siden begyndte en større forandring i mediebranchen på grund af tekniske fremskridt inden for dataanalyse – analyser som kan omdanne data til værdifulde indsigter. På baggrund af dette ændrede skabelsen og distribueringen af underholdningsindhold sig, og udfordrede traditionelle forretningsmodeller. Indholdsproduktion og –distribution stod over for voldsom konkurrence om kundernes opmærksomhed. For at sikre høj belønning og lav risiko skulle medievirksomhederne kunne tiltrække kunder og forudsige deres ønsker mere præcist. Derfor blev tekniske platforme blev mere anerkendte og brugte, dog manglende de fuld implementering i organisationerne, hvilket forhindrede dem i at udnytte deres fulde potentiale.
Medieselskaber tilpasser sig forbrugernes adfærdsændringer ved at omdanne traditionel indholdsdistribution til on-demand-alternativer som f.eks. online streaming og/eller publicering. Dette udvider udvalget af tjenester, hvor kunderne kan forbruge det ønskede indhold, hvilket resulterer i lavere niveauer af kundeloyalitet. Denne teknologi muliggør hurtige ændringer i branchen, og modenhedsniveauet har nået et punkt, hvor kunderne ikke kun efterspørger lettilgængeligt indhold on-demand, men også personaliseret indhold.
Et eksempel er videoindhold. Hvis sådanne krav ikke opfyldes, bliver en virksomhed hurtigt ignoreret til fordel for konkurrenter og brancheledere som Amazon, Netflix osv., som har formået at fjerne reklamer som følge af, at de er i stand til at maksimere afkastet og minimere risikoen ved udviklet indhold.
I dag bruger de fleste medievirksomheder digitale kanaler til at distribuere deres indhold, hvilket gør det muligt at indsamle kundedata. Disse data kan generere indsigt, der kan forbedre indholdskvalitet, personalisering og dermed kundefastholdelse og -loyalitet. Beslutningstagning baseret på datadrevne indsigter har vist sig at kunne fortolke og forudsige, hvad kunderne søger, og guide indholdsskabere mod øget succesrate.
Men at gå fra dataindsamling til at generere indsigt og handle i overensstemmelse med indsigterne ser ud til at støde på vanskeligheder i mange medievirksomheder. Årsagerne til dette kan være mange. Nogle af de mest almindelige er, at beslutningstagningen stadig er baseret på mavefornemmelser og mangel på tid til at dykke ned, i indsigterne.
Lad os besøge en tidligere case fra mediebranchen for at undersøge, hvordan sådanne udfordringer kan blive håndteret.
At lette overgangen til at blive en datadrevet organisation bør være en topprioritet for mediebranchen. Det var tilfældet for en af de første kommercielt finansierede tv-kanaler i Norden, som Knowit hjalp med at overgå til datadrevet beslutningstagning. Medievirksomheden registrerede ændringer i brugernes vaner, fra at se tv på traditionel vis til at streame on-demand. Afkastet faldt, og risikoen steg på grund af dårligere succesrater, når man forsøgte at matche det udviklede indhold med kundernes ønsker. Det meste af indholdet blev udviklet ud fra erfaring og mavefornemmelse, og beslutningstagning baseret på fakta og kundeindsigt blev anset for nødvendig.
Folk med brancheekspertise, data scientists og ingeniører blev kombineret for at skabe en korrekt problemformulering og derfra designe passende algoritmer. I begyndelsen blev den tekniske platform betragtet som en fuldt dækkende løsning, men der skulle overvindes flere udfordringer for at nå dertil. Der var brug for dedikation og tid til at bearbejde data og generere indsigt samt etablere ejerskab af indsigt for at sikre fuld anvendelse i hele beslutningsprocessen. Desuden krævede generering af store afkast fra en sådan algoritme (dvs. nøjagtige indsigter) også træning af sprogmodeller, sikring af kvalitet og adgang til pålidelige data.
Dash-boards blev brugt til at præsentere, hvad seerne så og gennem hvilken distributionskanal, sammen med de parametre, der indgik i beslutningen om at forbruge bestemt indhold. De analyserede parametre stammede blandt andet fra realtidsstreams, digitale og sociale medier.
I sidste ende fik det nordiske tv-selskab et overblik over og en forståelse af, hvordan forholdet mellem forskellige valg i produktionen påvirkede kundeloyaliteten og valget af platform. Forudsigelser viste også, hvor mange seere de ville få på forskellige koncepter, og hvilket indhold de skulle udvikle og lancere for at opretholde en høj succesrate. Estimater indikerede besparelser på 50-100 mio. kr. og øgede indtægter ved at optimere reklamepositioneringen.
Mens mediebranchen oplever udfordringer med stor indvirkning på deres forretning, viser undersøgelser og tidligere cases, at datadrevet beslutningstagning er en måde at løse problemet på. Kort sagt, at opretholde høje niveauer af belønning og lave niveauer af risici, når man udvikler indhold, hænger direkte sammen med, hvordan medievirksomheder kan tiltrække kunder og præcist forudsige, hvilket indhold der ønskes. Ud over at anskaffe den nødvendige teknologi og muliggøre datatransparens i organisationen skal man beviseligt sikre disse fire nøgleaspekter for at opnå succesfuld datadrevet beslutningstagning:
Dette er erfaringer baseret på casen, men de vigtigste aspekter har vist sig altid at være nødvendige, uanset branche.
Overvejer du at implementere datadrevet beslutningstagning og gøre brug af indsigtsstudier ligesom her i eksemplet? Der kan udledes stor værdi af datadrevet beslutningstagning. Udnyttelse af viden om, hvor din organisation kan drage fordel af at blive datadrevet, udfordringer og forståelse af den nuværende tilstand kan tilsammen give indsigt i, hvad dit næste forretningsinitiativ er.
Oprindelig skrevet af Jakob Åkerlund.