Vähittäiskauppiaat ja kaupan alaa tuntevat huomio
Teimme jo pari vuotta sitten mainonnan optimoinnin -sovelluksen. Kyseessä on joukko algoritmeja, jotka opettamalla voidaan kertoa mitä tuotteita mainoskampanjaan kannattaa laittaa, jotta siitä saataisiin mahdollisimman suuri tuotto.
Se toimii niin perinteisessä printtimainonnassa, suoramainonnassa kuin web-mainonnassa. Missä tahansa tilanteessa missä kauppiaalla on iso määrä tuotteita, joista pitäisi päättää mitkä laittaa kampanjaan saadakseen eniten myyntiä.
Analysoimme tilastollisten mallien avulla historiamyyntiä ja menneitä kampanjoita, joiden pohjalta kauppias saa tietää:
- Mitkä tuotteet ovat nosteessa ja mitkä laskussa?
- Mille tuotteille mainonnalla on suurin vaikutus?
- Mitkä tuotteet aiheuttavat suurimman ostoskorin eli nostavat myös muiden tuotteiden myyntiä?
Lopputuloksena on siis älykäs mainonnan suunnittelijan työväline, joka tarjoaa automaattisesti parhaimmat tuotteet kuhunkin kampanjaan.
Emme koodanneet vielä varsinaista käyttöliittymää vaan upotimme sovelluksen ensiksi QlikView:iin ja integroimme sen R:ään. Sitten teimme sen Azuren pilveen, jotta voimme tarjota sitä SaaS -palveluna. Ihan oikea käytännön sovelluskohde koneälylle tai data sciencelle. Se ratkaisee konkreettisen ongelman ja tuottaa lisämyyntiä, joka voidaan vielä todentaa.
Testasimme mainonnan optimointia kourallisella vähittäiskaupan asiakkaita, tulokset olivat todella hyviä.
Kohtasimme dataan liittyviä haasteita, niitä ratkottiin, algoritmeja ja sovellusta muokattiin. Myimme palvelun yhdelle tukkukaupalle, kiinnostusta oli usealla vähittäiskaupalla.
Myyntiponnistelut jäivät kuitenkin vähiin ja hautautuivat muiden päivätöiden sekaan. Piti laskuttaa ja uuden tuotteen vieminen markkinoille, vaikka kuinka hyvä tahansa, ei ole helppoa. Tuote ei breikannut. Se jäi pöytälaatikkoon. Ei siksi, että se olisi huono tai etteikö se toimisi. Emme vain osanneet ja ehtineet myydä sitä.
Uskon kuitenkin, että käsissämme on valtava potentiaali. Tai sitten ei.
Kokeilenkin nyt uudestaan. Tämä blogikirjoitus on välimuoto markkinakartoitusta ja myyntiä. Toisaalta jos joku haluaa pölliä tästä hyvän idean ja toteuttaa itse, siitä vain.
Hyviä ideoita ei kannata pantata itsellä. Pöytälaatikossa ne eivät hyödytä ketään.
Eli kaikki vähittäiskauppaa tuntevat. Arvostaisin kovasti jos voisitte auttaa ja kertoa:
- Onko tällaiselle palvelulle tarvetta?
- Onko kampanjasuunnittelussa ja mainonnassa petrattavaa isosti? Onko business riittävän suuri?
- Kannattaako tätä lähteä myymään isosti?
- Miten sitä pitäisi kehittää?
- Ostaisitko tämän?
Mennään siis suoraan asiaan. Kerron seuraavasti miten mainonnan optimoinnilla voidaan tehdä miljoonia lisämyyntiä.
Ongelma: mainoskampanjat eivät tuota
Olen tehnyt yli 10 vuotta töitä vähittäiskaupan analytiikan ja raportoinnin parissa usean eri ketjun kanssa. Minua on kiinnostanut erityisesti mainostaminen, oli kyse verkkobannereista tai sanomalehdessä olevasta kokosivun mainoksesta.
Ongelma mainoskampanjoissa on käsittääkseni seuraava:
- tuotteita pienemmälläkin kauppaketjulla on kymmeniä tuhansia, joillain nimikkeitä löytyy useita satojatuhansia
- miten löytää satojentuhansien tuotteiden joukosta ne 10 tai 20 jotka tuovat suurimman myynnin tai katteen?
- joissakin ketjuissa mainostettavat tuotteet toistavat itseään: kahvi, olut, vessapaperi ja sesonkiin liittyvät tuotteet eli vappuna simaa ja serpentiiniä, kesällä grillitarpeita jne.
- mainostajat pelaavat varman päälle, jolloin tämä tarkoittaa, että esimerkiksi kahvia myydään miinuskatteella.
Mainonta ei ole siis kovin optimoitua. Se perustuu varman päälle pelaamiselle, tuotteiden myymiselle tappiolla tai sitten mututuntumaan.
Ja toki myös vuosien henkilökohtaiseen kokemukseen, joka on äärimmäisen arvokasta mutta harvemmin jaettavissa muille.
Lähdin pohtimaan miten mainoskampanjoihin löydettäisiin edistyneen analytiikan avulla parhaiten myyvät tuotteet.
Ratkaisu: algoritmit löytävät parhaiten myyvät tuotteet
Ensimmäinen ajatukseni oli etsiä kampanjaan ne tuotteet, joilla on nouseva kysynnän trendi. Eli miksi mainostaa tuotteita, joita kukaan ei osta muutenkaan tai joka on väistyvä.
Toisaalta piti tietää mikä tuote myy juuri mainostettavalla viikolla. Eihän esimerkiksi pääsiäissesonkituotteita, kuten mämmiä, osteta koko vuonna laisinkaan. Joten pelkän trendin katsominen ei riittäisi.
Aikasarja-analyysin avulla saamme myyntiennusteen ja tuotteen kysynnän trendin
Olimme tehneet Louhialla paljon myynnin ja kysynnän ennusteita. Hyödyntäen aikasarja-analyysiä. Toisin sanoen otetaan tuotteen (tai minkä tahansa asian) menekki usealta vuodelta taaksepäin ja pyöräytetään se algoritmin läpi. Lopputuloksena saamme kysynnän ennusteen valitulle ajanjaksolle, esimerkiksi mainosviikolle.
Tämä on lähes aina tarkempi vaihtoehto kuin laskea vuosien välistä keskiarvoa tai verrata vain edelliseen vuoteen (tai viikkoon/kuukauteen).
Aikasarja-analyysi kertoo myös tuotteen kysynnän trendin eli mihin suuntaan kysyntä menee: laskeeko se, pysyykö samana vai nouseeko.
Tätä voidaan hyödyntää myös mainonnassa, ehkä laskevan kysynnän tuotteeseen ei kannata tuhlata mainosrahoja. Tai sitten juuri sitä pitää buustata ja piristää sen myyntiä oikea-aikaisella mainoskampanjalla.
Mainoskampanjan vaikutus tuotteen myyntiin
Aikasarja-analyysin oheistuotoksena saamme ns. kovariantin avulla tietää mikä on mainonnan vaikutus kysyntään. Tai minkä tahansa muunkin ulkopuolisen tekijän.
Jos vain tuote (tai vastaava tuote) on ollut riittävästi historian aikana mainoksessa, pystymme kertomaan sen perusmyynnin (baseline, myynti ilman mainosta) ja mainonnan tuoman nosteen.
Ja tämä tietenkin suhteutettuna ko. ajanjaksoon.
Esimerkki: Muumivaippoja myydään toukokuussa keskimäärin 5500€/viikko.
Kun muumivaipat ovat lehtimainoksessa, nousee niiden myynti 8000€/viikko.
Mainonnan vaikutus on siis 2500€/viikko eli n. 45% buusti.
Tämä itsessään on jo valtavan informatiivistä ja arvokasta tietoa mainostajalle ja auttaa löytämään ne tuotteet, joilla saadaan valtavasti lisämyyntiä.
Mutta emme olleet tyytyväisiä ihan vielä.
Ostoskorianalyysin avulla maksimoidaan ostoskorin suuruus
Olimme tehneet myös ostoskorianalyysejä monesti. Ostoskorianalyysin avulla tiedetään mitä muita tuotteita mainostettavan tuotteen ohella myydään ja millä todennäköisyyksillä.
Eli jos asiakkaan ostoskorissa on Muumivaipat, kertoo ostoskorianalyysi millä todennäköisyydellä koriin eksyy myös pilttipurkki, äidinmaidonvastike tai six-pack keskiolutta.
Mainonnassa tätä voidaan hyödyntää siten, että laitetaan mainokseen sellaisia tuotteita, jotka imevät sinne mahdollisimman paljon muitakin tuotteita. Toisin sanoen kasvatetaan ostoskorin kokoa oikeilla sisäänheittotuotteilla.
On hölmöä mainostaa tuotetta, vieläpä miinuskatteella, jos asiakkaat tulevat ja ostavat vain tuon yhden tuotteen.
Päätimme siis yhdistää aikasarja-analyysin ja ostoskorianalyysin.
Näin aikasarja-analyysin ja ostoskorianalyysin yhdistelmällä saatiin tietää:
- millä tuotteilla on suurin myynti tulevilla viikoilla (myyntiennuste)
- millä tuotteilla mainonnan vaikutus on suurin (kampanjan tuoma noste)
- mitkä tuotteet keräävät mahdollisimman paljon muita tuotteita (ostoskorianalyysi)
- mikä on mainoksen tuoma noste näille ostoskorista löytyville lisätuotteille
Tulokset
Kun myyntihistoria siis ajettiin näiden kahden algoritmin läpi, saatiin tuloksena optimaalisin mainostettavien tuotteiden setti, joka tuo suurimman myynnin.
Tai katteen. Tai asiakasmäärän. Mikä nyt mainostajaa eniten kiinnostaa.
Alla oleva kuva esittää kuvitteellisen tilanteen, jossa Partioaitta (ei asiakassuhdetta) käyttäisi mainonnan optimointia.
Esimerkki:
Mainoskampanjan suunnittelijalle esitetään järjestyksessä eniten lisämyyntiä (tai katetta) tuovat tuotteet.
Tai vaihtoehtoisesti hän voi hakea tiettyjä tuotteita ja vertailla niitä keskenään ja simuloida mikä olisi mainoksen kokonaistuotto tällä tuotekokoonpanolla.
Tässä esimerkissä Fjällräven Kånken repun laittaminen mainokseen nostaa ko. tuotteen myyntiä 186% eli 7310€.
Tämän lisäksi Fjällräven Kånken repun kanssa ostetaan erityisesti neljää yllä esitettyä tuotetta. Näistä saadaan tuotteiden normaaliin perusmyyntiin nähden lisämyyntiä yhteensä n. 8554€. Huom: ilman, että ne itse ovat mainoksessa.
Koska Fjällräven Kånken oli mainoksessa, toi se lisämyyntiä yhteensä 15 864€.
Tässä esimerkissä meillä on siis yksi suositeltu tuote mutta käytännössä mainonnan optimointi kertoo tuotteiden kokonaisvaikutuksen kaikille tuotteille eli kampanjan suunnittelija voi valita sen täydellisen tuotekombon, oli tilaa sitten viidelle tai kymmenelle tuotteelle.
Tuoden mukaan tietenkin oman asiantuntemuksen ja näin tehden mainoksesta vieläkin paremman.
Mainonnan optimointi yhdistää siis:
- aikasarja-analyysin, joka kertoo paljonko tuotetta tullaan myymään tulevaisuudessa eli esimerkiksi kampanjaviikolla
- mainonnan vaikutuksen tuotteen myyntiin eli mikä on mainoksen noste (lift)
- ostoskorianalyysin, joka kertoo mitä tuotteita myydään mainostettavan tuotteen kanssa yhdessä ja mikä on niiden saama noste
Kaikki tämä automatisoituna, vaikka kerran yössä ja integroituna esimerkiksi business intelligence -työvälineeseen tai tuotuna vaikka sitten asiakkaan ERP:hen tai Exceliin.
Lisämausteet: hintajousto, somepöhinä, menestyskampanjan resepti
Lähdimme jatkokehittämään ratkaisuamme, tehdäksemme siitä vieläkin paremman.
Hintajoustoanalyysi kertoo kannattaako tuotetta laittaa alennukseen
Saimme palautetta eräältä ketjulta. He haluavat mainostaessaan tietää kannattaako tuote laittaa alennukseen ja kuinka suureen. Eli mikä olisi sopiva alennus, jotta tuotteesta todella tulee sisäänheittotuote.
No problem.
Lisäsimme mukaan hintajoustoanalyysin, joka kertoo alennusprosentin vaikutuksen tuotteen kysyntään. Näin mainostaja tietää riittääkö normihinta, 5% alennus vai pitääkö laittaa kunnon jytky ja pudottaa hinta puoleen.
Suomen kattavin somedata mainonnan tukena
Tutustuimme myös kumppanimme Futusomen kautta somedataan ja sen käyttö kampanjoinnissa on kiinnostanut jo vuosia. Tähän liittyen olemme tehneet myös useita harjoituksia ja pystyneet näyttämään, että somedatan perusteella voidaan ennustaa tuotteen kysyntää.
Toisaalta somedatan avulla voidaan katsoa etukäteen onko tuotteen ympärillä pöhinää tai jälkikäteen aiheuttiko mainoskampanja keskustelua ja miten tämä korreloi myynnin kanssa.
Mikä on menestyskampanjan resepti ja voidaanko se toistaa?
Itseä on aina kiinnostanut onko tuotteiden lisäksi jotain muuta tekijää, joka toistuu niissä mainoskampanjoissa, jotka menestyvät.
Valittu media (printti, display, tv, radio), ajankohta, sesonki, tuotteiden määrä, kuvien määrä, koko, väri jne.
Joten lisäsimme mainonnan optimointiin lisäoptioksi mahdollisuuden selvittää ja oppia, mitkä mainokset toimivat ja miksi.
Tämän avulla voidaan selvittää menestyskampanjan resepti ja toistaa se.
Näin palvelumme eri komponentit hahmottuivat ja täydellisen mainoskampanjan kertova konsepti oli valmis.

Kiinnostaako mainonnan optimointi vähittäiskauppoja?
Palataan blogin alussa esitettyihin kysymyksiin.
- Onko teidän mielestä tässä konseptissa tai tuotteessa ideaa?
- Onko business case riittävän iso eli onko mainonnan suunnittelussa petrattavaa ja paljon?
- Mitä ongelmia tai haasteita teille tulee mieleen ratkaisun käyttöönotossa yrityksessänne?
- Ostaisitteko palvelun?
Kaikki kommentit, ideat ja ajatukset ovat erittäin tervetulleita ja otetaan kiitollisina vastaan.
Jos olet kiinnostunut juttelemaan palvelusta lisää, ota yhteyttä (+358 50 326 4989 / Ville).