Uppföljning av kampanjer är en viktig del av Coops CRM-organisation för att avgöra vilka marknadsinsatser som har vilken effekt. Becker et al. (2009) betonar vikten av att kunna mäta ekonomiska resultat av genomförda kampanjer samt andra mätetal som kundnöjdhet och lojalitet. Coop har länge använt nettovinsten som det primära sättet att mäta kampanjens ekonomiska effekt och ökad försäljning direkt kopplat till kampanjer som ett tydligt mätvärde på medlemmarnas nöjdhet. Erbjudanden som medlemmen agerar på förutsätts vara en direkt följd av att erbjudandet varit träffsäkert och relevant, och förutsätts därför skapa en bra känsla hos medlemmen.
Dahlgren & Wilson (2018) menar att det tidigare varit svårt att tydligt mäta effekten av kampanjer, där urvalet enbart baserats på några enstaka datapunkter. Efter introduktionen av KUP har behovet av att mäta kampanjer ökat. För att kunna mäta om det skapats ett ökat värde används olika mått för att kunna urskilja om medlemmarna utnyttjat diverse erbjudanden och huruvida det bidragit till merförsäljning. Med de nya analysverktygen kan Coop identifiera vilka personer som svarat på en kampanj samt om det bidragit till merförsäljning. Mätetalen viktas mot andra säljperioder för att kunna avgöra om de är en effekt av kampanjen eller inte. Coop mäter däremot merförsäljningen på olika sätt för olika CRM-program. Till exempel har Mina erbjudanden snarare bidragit med konstant merförsäljning än temporära ökningar i försäljningen.
Hur marknadsprestationer mäts är dock beroende av vilken typ av kunder som inkluderas. Enligt Wedel & Kanan (2016) finns det ett antal grader av personalisering, och ju högre personaliseringsgrad desto mer granulerad uppföljning kan göras. Vilken personaliseringsgrad som tillämpas beror på vilken medlem det gäller och framförallt hur mycket medlemmen handlat tidigare på Coop; ju mer kunden har handlat, desto större underlag för analys. Payne & Frow (2005) lyfter att ett vanligt problem med uppföljning är att den inte kommuniceras på ett tydligt sätt. Efter implementeringen av
Microsoft Teams menar Lönnqvist (2018) däremot att de identifierat flera nya områden där de insikter som kommer av analys kan tillämpas. Informationen som samlas är unik för Coop och specifik för Coops kunder. De som handlar på Coop har nödvändigtvis inte samma köpbeteende som de som handlar i andra butiker.
Eftersom det ofta är Coops leverantörer som avgör vilka varor som rabbatters är Coops insikter om deras kunder vitala för leverantörerna. Lönnqvist (2018) menar att relationen med leverantörerna förbättrats avsevärt sedan KUP och att Coop fått en större roll i förhandlingarna. Genom att visa med datadrivna beslutsunderlag och tydligare statistik vad deras kunder svara på för erbjudanden. Coop har utformat flera CRM-paket riktade mot leverantörer beroende på varukategori, där urvalet redan är gjort för att ge leverantörerna mer frihet i relation till olika personaliseringsnivåer, beroende på hur bred kampanj leverantören efterfrågar.
6. Slutsatser
Syftet med studien är att undersöka effekten på ett företags CRM-organisation inom marknadsföring efter implementeringen av avancerade analysverktyg. För att göra detta har Coop använts som fallföretag och i synnerhet ämnar studien besvara frågeställningen
“Vad ger implementering av avancerad dataanalys i marknadsföringssyfte för effekt på ett företags CRM?”. För att besvara frågeställningen har Kundutvecklingsprojektet (KUP), projektet för att öka kundnöjdhet genom dataanalys, använts som en skiljelinje för att identifiera eventuella effekter av implementeringen.
Syftet med KUP var att öka kundnöjdheten genom dataanalys och i synnerhet genom personliga erbjudanden. Genom att bearbeta kunddata och lära känna sina kunder bättre kan attraktivare erbjudanden formuleras. I bearbetningen av kunddatan har däremot andra insikter utöver varupreffenser identifierats. Studien visar att Coop efter att bearbeta kunddata kunnat identifiera hur deras kunder vill kommunicera och andra individuella preferenser. Detta ledde till en omfördelning av resurser och numera får kunder reklam via den kanal de föredrar.
En påtaglig effekt av implementeringen av avancerad dataanalys är ökad kunskap internt och möjligheter till nya insikter i kundens beteende. Det är hur bearbetningen av kunddatan tar form som avgör vilken effekt den har för företagets strategi. I fallet Coop omstrukturerades CRM-organisationen för att ge dataanalytiker frihet och möjlighet att identifiera nya insikter och tillämpningsområden utöver vad som tidigare varit känt. Det föranledde i sin tur andra insikter och tjänster som utvecklingen av ett CRM-program där leverantörer mer granulerat kan välja vilka av Coops kunder som ska träffas av ett erbjudande, något som stärkte relationen mellan Coop och dess leverantörer.
Implementeringen av avancerad dataanalys ledde även till en förändring inte bara i hur Coop kommunicerar med sina kunder, utan även hur de kommunicerar internt. Den förändrade organisationsstrukturen, där analytiker fritt utforskar potentiella inkomstkällor, förändrade hur kundinsikter förmedlas till resten av organisationen. Från att kampanjunderlag beställts via mail används nu ett mer dynamiskt kollaborationsverktyg där analytiker delar med sig av sitt arbete, vilket sedan används
fritt av resten av organisationen. Moderna och öppnare kommunikationsverktyg har föranlett en kunskapsökning i företaget där engagemanget och intresset för interna resultat ökat markant. Studien visar också att ökad bearbetning av kunddata leder till ökade möjligheter för prestationsmätning. Många av de insikter som kommer av avancerad dataanalys grundar sig i möjligheten att detaljerat kunna mäta marknadsinsatser och omfördela resurser därefter. Coop har getts möjlighet att detaljerat kunna avgöra vilka kunder som agerar på vilka marknadsinsatser och omfördela resurser därefter. Samtidigt innebär den ökande användning av avancerad dataanalys ett större krav på av att anställa personal som har rätt kunskap och utbildning inom informationsteknologi.
Studien visar att en ny dimension tillkommit i relationen mellan kund och företag efter implementeringen av avancerad dataanalys. Desto längre en kund förblir Coop-kund, ju högre personaliseringsgrad kan tillämpas på den kunden. Det innebär att desto mer en kund handlar ju bättre och träffsäkrare analysresultat då underlaget för analysen ökar.
Den nya dimensionen knyter kunden till varumärket och gör den upplevda kostnaden för kunden att byta till ett annat företag större för varje gång den handlar. Kunden blir som en passiv partner i utvecklandet av en så skräddarsydd kundupplevelse som möjligt.
Sammanfattningsvis kan det konstateras att avancerad dataanalys har flera effekter på ett företags CRM-organisation men att effekterna beror på graden av personalisering som önskas tillämpas. De nya insikterna tillsammans med mer detaljerad prestationsmätning leder till nya tjänster, både internt och externt, och möjliggör ett mer kostnadseffektivt CRM-arbete. Studien visar att en implementering av avancerad dataanalys ökar kunskapen bland medarbetarna och bidrar till en mer datadriven organisation.