Ford: Viking Algorithms

Maskinlæring og smart bruk av førstepartsdata for Ford skapte enormt gode resultater.

Project Overview

Norge er for tiden en hard nøtt å knekke for bilimportørene. Variert geografi, økonomiske insentiver og andre demografiske variabler påvirker nordmenns atferd når det gjelder bilkjøp. Særlig økonomiske insentiver er knyttet til hvilken bil man kjører, noe som igjen er påvirket av hvor i landet man bor.

Det er dermed utfordrende for bilimportører å investere sine markedsmidler slik at de treffer potensielle kunder som er mest relevante, uten å gå i den plagsomme retargeting-fellen, som dessuten har blitt enda mer begrenset siden GDPR trådte i kraft sommeren 2018.

Utfordringen: Faren for å optimere seg i hjel, i en «siste-klikk»-verden

I de fleste tilfeller bygges målretting, optimerings- og budstrategier basert på annonsekjøpsplattformens selvgenererte kampanjedata. Disse er ofte basert på «siste-klikk»-konverteringsdata, noe som utelukker effekt som har blitt skapt av andre kanaler tidligere i kundereisen. Et godt eksempel på dette er Facebook-algoritmene, som jobber seg frem til best mulige resultater ved å gjøre mer av det som tidligere har gitt gode resultater på Facebook.

Samme prinsipp gjelder også for andre sosiale medier, og programmatiske kjøp av display eller videoannonser. Over tid blir kjøpsalgoritmene innenfor hver kjøpsplattform snevrere og snevrere, med fare for å miste gangsyn og potensielt utelukke høyrelevante brukere som ikke matcher en predefinert eller historisk atferdsprofil. Brukerpoolen som treffes av annonsene blir fort mindre, eksponeringsfrekvensen øker og det samme gjør irritasjonen. Dårlig stemning hos brukeren betyr sannsynligvis også dårlig business for deg som annonsør.

Løsningen: Oppdage og bruke gull-data i kundens Big data

Det norske Mindshare og Xaxis-teamet kom med hypotesen at vi kunne utnytte Ford sin nettside og atferdsdata på en mer helhetlig måte, og muligens forbedre programmatiske kjøp av displayannonser. Målet var å øke effekten av digitale investeringer, basert på et bredere og mer realistisk datagrunnlag.

Bredere, fordi vi valgte å bruke ett helt år med anonymisert atferdsdata fra Ford sin nettside, uavhengig av opprinnelig trafikkilde (organisk, søk, SoMe, display, native, referral, etc.).
Mer realistisk, fordi datagrunnlaget speiler interessemønster fra markedet over lengre tid, både betalt og organisk.

En av utfordringene med denne arbeidsmetoden, var at vi måte pløye oss gjennom i underkant av 10 millioner datapunkter for å finne de svarene vi var ute etter. Enter IBM Watson; et verktøy for kunstig intelligens. Etter en datarensing, innmating og analyse i Watson, klarte teamet å identifisere tydelige mønstre per (vare)bilmodell, avhengig av geografi, dag, tid på døgnet, type konvertering, etc. Disse ble brukt til å bygge modellspesifikke kjøpsalgoritmer, som var vesentlig forskjellig fra de tidligere brukte mediesentriske mulighetene som kjøpsplattformene tilbyr: domene-targeting, formater, viewability, frekvens, tidsstyring, recency, etc.

Resultatet: 45% lavere kostnad per konvertering

Oppdaterte «regelsett» ble implementert i Xaxis sin AI-baserte kjøpsløsning Co-Pilot. Disse har overgått alle forventninger.

Det å utnytte kostnadsfri og GDPR-trygg førstepartsdata, sammen med en mer helhetlig tilnærming til programmatisk annonsering, viser seg å gi bedre effekt per investert krone enn andre måter å data-berike eller optimalisere kjøpene på. Medie-KPI-er (CPM, CPC, CTR) ble signifikant forbedret, men tydeligst effekt ser vi i en spektakulær nedgang av den forretningskritiske KPI-en kostnad per konvertering. Nedgangen, versus tidligere sammenlignbare kampanjer, ligger mellom 25 og 75 %, avhengig av hvilken modell man reklamerer for. På tvers av alle kampanjer er kostnad per konvertering ned 45 %. På årsbasis utgjør dette et enormt potensial for merverdiskaping, med lavere risiko for å segmentere seg i hjel og for å plage folk med reklame for biler som ikke er relevante.

Denne måten å informere programmatiske kjøp, basert på førstepartsdata, har nå blitt grunnlaget for alle modellspesifikke kampanjer – med stort hell og avkastning for Ford Motor Norge. Etter en vellykket implementering i Nederland, skaleres metodikken nå også til flere land i Europa – noe som potensielt vil øke avkastningen med mange millioner annonsekroner for Ford i Europeisk kontekst.

Awards & recognition
INMAs Performance Award 2019
INMAs Performance Award 2019 Sølv i kategorien "Online Performance"
Digiday Global Tech Award 2019
Digiday Global Tech Award 2019 Gull i kategorien "Best Personalization & A/B Testing Platform"
Digiday Marketing and Advertising Awards Europe 2019
Digiday Marketing and Advertising Awards Europe 2019 Gull i kategorien "Best use of AI"