Implementering av dataanalys i en CRM-organisation
- En studie om effekten av implementering av dataanalys i marknadsföringssyfte
Kandidatuppsats 15 hp
Företagsekonomiska institutionen Uppsala universitet
HT 2018
Datum för inlämning: 2019-01-11
Johanna Fyrvald Ebba Holmström Niklas Palm
Handledare: Peter Thilenius
Sammanfattning
Customer Relationship Management (CRM) har blivit en självklar del i många företags arbete med att behålla och attrahera nya kunder. På flera transaktionstäta marknader blir CRM-verksamheten mer och mer datadriven, där avancerad dataanalys och personanpassade erbjudanden är växande fenomen med syfte att knyta kunden till varumärket. Många vittnar om enorm potential, men det finns lite kunskap om vad dataanalys innebär och kompetens är ofta det största hindret för en implementering.
Studien syftar således undersöka vad en implementering av avancerad dataanalys har för effekt på ett företags CRM-arbete, i marknadsföringssyfte. Ett företag som relativt nyligen började integrera analysverktyg i CRM-verksamheten är dagligvaruhandelskedjan Coop, som med 3,4 miljoner medlemmar och 655 butiker runt om i landet har goda förutsättningar för att integrera dataanalys i sin verksamhet. Denna studie undersöker därför Coops implementering av avancerad dataanalys för att öka kunskapen om vad dataanalys har för effekter på transationstäta marknader. Studien visar 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.
Nyckelord: CRM, personlig marknadsföring, dagligvaruhandel, individanpassade erbjudanden, avancerad dataaanalys, kundutvecklingsprojekt
Innehållsförteckning
1. Inledning 4
1.1 Problemformulering 5
1.2 Syfte och frågeställning 5
1.3 Avgränsning 6
2. Teori 7
2.1 Avancerad dataanalys 7
2.2 Customer Relationship Management (CRM) 7
2.2.1 Strategi 8
2.2.2 Kommunikation 9
2.2.3 Prestationsmätning 10
2.2.4 Reklam 10
2.3 Marknadsföring 11
2.4 Analysmodell 12
3. Metod 13
3.1 Val av metod 13
3.2 Val av företag 13
3.3 Datainsamling 14
3.3.1 Val av intervjupersoner 14
3.3.2 Operationalisering 15
3.3.3 Genomförande av intervjuer 16
3.3.4 Övriga informationskällor 18
3.4 Kvalitativ innehållsanalys 18
3.5 Validitet och reliabilitet 19
4. Empiri 20
4.1 Organisation 20
4.1.1 Introduktion till Coop 20
4.1.2 Kundutvecklingsprojektet (KUP) 20
4.1.3 Förändring inom CRM-organisationen 21
4.2 Kommunikation 22
4.2.1 Intern kommunikation 22
4.2.2 Extern kommunikation 23
4.3 Kundrelationer 25
4.3.1 Medlemsprogram 25
4.3.2 Mina Erbjudanden 25
4.3.3 CRM-Program 26
4.4 Data & uppföljning 27
4.4.1 Datahantering 27
4.4.2 Uppföljning av kampanjer 28
5. Analys 29
5.1 Reklam 29
5.2 Strategi 30
5.3 Kommunikation 31
5.4 Prestationsmätning 32
6. Slutsatser 34
7. Förslag till vidare forskning 35
Referenser 37
Bilaga 1 42
Bilaga 2 44
Bilaga 3 45
Bilaga 4 48
1. Inledning
I ett allt mer digitaliserat samhälle tar analytiska verktyg och teknik en större plats i såväl näringslivet som privatlivet. Så gott som alla företag inkorporerar numera någon form av IT i verksamheten, oavsett affärsområde, och fysiska arkiv och register blir allt mer sällsynta (Marr, 2015). I samband med att större mängder data lagras digitalt har även verktyg för att generera och analysera data tillkommit. Den ökade tillgängligheten till information har bidragit till utvecklingen av avancerade analysverktyg som möjliggör djupare analys av bland annat individers beteende, men också av djupa korrelationer i data som, utan dessa verktyg, inte går att urskilja. Utsträckningen i vilken dessa verktyg används varierar dels mellan branscher men också mellan olika företag. Flera studier vittnar om stora möjligheter till prediktiv analys och modellering av kunddata, där informationen ger upphov till nya insikter om hur företag kan anpassa kommunikationsstrategier och erbjudanden efter kundens behov (Reinartz et al, 2004:293; Webb et al, 2001; Cheung et al, 1998).
Användningsområdena är många men det saknas kompetens och praktisk erfarenhet inom ämnet. I en undersökning där 1000 av världens största företag deltog uppger nästan 90 % att de är övertygade om att avancerad dataanalys kommer revolutionera deras sätt att arbeta. Samtidigt uppger hälften av de tillfrågade att de saknar den kompetens som krävs. I samma undersökning uppger 65 % att de tror att den största effekten kommer vara inom Customer Relationship Management, CRM; de aktiviteter som stärker relationen till kunderna (Accenture, 2014).
Användningen av analysverktyg har kontinuerligt ökat de senaste två decennierna och ett allt vanligare tillämpningsområde är inom CRM. Detta i syfte att lära känna sina kunder på ett digitalt plan genom att skapa erbjudanden som är så relevanta för kunden som möjligt. Att få insikt i kundernas preferenser och köpmönster är en stor konkurrensfördel och företag investerar stora summor pengar i datadriven marknadsföring.
Många företag har dock en alltför begränsad syn på vilka insikter och vilken effekt som kan komma av användningen av dataanalys, och flera författare betonar olika
konsekvenser (Anshari & Arif, 2016; Wedel & Kanan, 2016; Marr, 2015). Det finns en komplexitet i implementeringen och användningen av de system som möjliggör de flesta former av dataanalys, vilket medför att det är svårt att identifiera var potentiell nytta kan skapas. Många företag ser dataanalys enbart som ett verktyg för att formulera individanpassade erbjudanden (Wedel & Kanan, 2016). Samtidigt är dataingenjörer och dataanalytiker allt vanligare yrken inom kundvårdande verksamhet och företag vittnar om fler beslutsdrivna processer, ökad kundförståelse och andra fördelar till följd av implementering av dataanalys (Anshari & Arif, 2016). Dessa fördelar varierar framförallt med bransch, men vilka effekter har dataanalys egentligen på ett företag?
1.1 Problemformulering
En marknad med relativt hög transaktionsfrekvens och regelbunden kommunikation med sina kunder är dagligvaruhandeln (Visma, 2015). Fler och fler företag verksamma inom dagligvaruhandeln vittnar om förändrade förutsättningar i hur de kommunicerar med kunder och utvärderar kampanjer (Ica Gruppen, 2018; Handelsrådet, 2016). Den relativt höga transaktionsfrekvensen medför att dagligvaruhandeln, och i synnerhet arbetet med att knyta starkare kundrelationer, använder innovativa analys- och datadrivna inslag. Alltmer kommunikation sker digitalt och nya tjänster växer kontinuerligt fram. På en marknad som dagligvaruhandeln, som relativt nyligen börjat utnyttja komplex dataanalys, är det inte fastställt vilken roll detta kan spela för organisationen, eller till vilken utsträckning de digitala verktygen kan användas. Det står klart att det finns en enorm potential, men alldeles för lite kunskap om hur företag ska utvecklas och vad för typ av kunskap som kommer krävas i det nya marknadsföringsklimatet (Wedel & Kanan, 2016). Syftet med denna studie är således att undersöka vad avancerad dataanalys inom marknadsföring har för effekt på företags CRM-arbete.
1.2 Syfte och frågeställning
Okunskapen kring vad dataanalys tillför en organisation bidrar till en stor osäkerhet kring en eventuell implementering. Allt fler innovativa och tekniska marknadsföringslösningar tillkommer och trots att många vittnar om en oskådad potential är okunskapen ofta det största hindret. Syftet med studien är således att
undersöka vilken effekt en implementering av avancerad dataanalys innebär. I synnerhet ämnas studien besvara följande frågeställning:
- Vad ger implementering av avancerad dataanalys i marknadsföringssyfte för effekt på ett företags CRM?
1.3 Avgränsning
För att försäkra generaliserbara och relevanta resultat avgränsas studien till större företag aktiva inom en transaktions- och dataintensiv marknad, där enbart ett svenskt företag kommer studeras. Socialt komplexa resurser som uppstår genom integreringen i sociala kontexter, kan vara nästintill omöjliga att identifiera och tas därför inte i beaktning i denna rapport. Inom ramen för denna studie anses därmed effekt vara förändrade förutsättningar och möjligheter inom utvalda organisationsdelar som implementeringen av avancerad dataanalys direkt eller indirekt medfört. Tekniska detaljer kring mjukvara för hantering av data och analys kommer att utelämnas, då det inte anses relevant för studiens syfte.
2. Teori
Följande teoriavsnitt behandlar inledningsvis avancerad dataanalys; vad det är och hur det används. Därefter presenteras de byggstenar inom CRM som arbetar med marknadsföring;
strategi, kommunikation, prestationsmätning och reklam. Vidare beskrivs olika nivåer av personalisering inom marknadsföring. Utifrån de olika byggstenarna presenteras slutligen en analysmodell där dataanalys appliceras på CRM-organisationen.
2.1 Avancerad dataanalys
I generella ordalag används dataanalys som ett verktyg eller en metod för att förädla information och generera ny kunskap. Det är oftast någon form av tillämpad statistik som syftar till att identifiera korrelationer och sammanhang i data som annars inte är möjligt att urskilja. Efter internets tillkomst menar Glazer (1997) att den tillgängliga datan växte exponentiellt, samtidigt som nya verktyg och metoder för att analysera den kom till.
Tidigare osynliga korrelationer och mönster i kund- och transaktionsdata kunde nu observeras och skapa mer begrundade beslutsunderlag i alla företagets instanser. Ökad digitalisering och framförallt användning av sociala medier har lett till en explosionsartad utveckling när det gäller information om konsumenters preferenser, kunders åsikter och tankar, samt hur de agerar i relation till produkter och tjänster. Wedel och Kanan (2016) menar att data nu blivit den digitala ekonomins olja, att nya marknadsföringsformer som rekommendationer, sökoptimering och relationsmarknadsföring vuxit fram genom avancerad dataanalys. Kitchin (2014) menar att nya medel för dataanalys tillkommit och idag beskrivs data inte längre enbart i termer av volym, utan också i vilken hastighet den genereras och hur varierad den är.
2.2 Customer Relationship Management (CRM)
På en konkurrenskraftig marknad där kunder har allt fler alternativ att välja bland finns det en svårighet i att attrahera nya kunder och att därefter behålla dem. Det innebär att det är av yttersta vikt att veta vilka produkter eller tjänster som lockar kunder. Chen &
Popovich (2000) definierar CRM som ett tvärvetenskapligt system bestående av flera komponenter med syfte att öka kundlojaliteten och i förlängningen attrahera fler kunder.
Buttle (2006) gör skillnad på CRM som system och strategi, där strategin handlar om att skapa ökat värde genom relationer med nyckelkunder och leverantörer, och systemet
den IT-infrastruktur som möjliggör det. Vad CRM är som fenomen och vilken funktion det fyller varierar med både bransch och företag, och de olika systemen cementerar bristen på konsensus om vad som utgör CRM (Payne & Frow, 2005). Gemensamt för de flesta tolkningar tycks vara syftet att knyta nya och vårda nuvarande relationer, men där tillvägagångssättet kan skilja sig markant.
I denna studie avses CRM vara den del av organisationen som arbetar med de aktiviteter som generellt mynnar ut i någon form av marknadsföring. Vilka organisationsdelar som arbetar med marknadsföring är också något som varierar mellan olika företag, men Payne och Frow (2005), tillsammans med Jha (2008), som kallar det kundorienterade aktiviteter, sammanfattar det under fyra byggstenar: strategi, kommunikation, prestationsmätning och reklam.
2.2.1 Strategi
Payne & Frow (2005) delar in företags marknadsföringsrelaterade strategier i affärs-, kund- och marknadsstrategi. Strategierna utgör övergripande mål för företaget att gemensamt arbeta mot och de genomsyrar arbetet i varje enskild del av organisationen.
Affärsstrategin är en långsiktig plan för hur företaget ska nå verksamhetsmålen, som bland annat marknads- och kundstrategin specificerar (Cambra-Fierro et al., 2016).
Cambra-Fierro et al. (2016) menar att marknadsstrategin fått en allt mer framträdande roll inom marknadsföring i takt med ökad konkurrens och krav på skräddarsydda strategier och affärspraxis. Författarna hävdar att differentiering från konkurrenter och utforskning av nya möjligheter inom befintliga marknader blivit viktigare för att kunna skapa ett ökat värde för kunden. På transaktionstäta marknader menar Cambra-Fierro et al. (2016) att ökade krav kommer att ställas på marknadsföringsstrategier och styrning, där mer grundade beslut leder till bättre resursallokering, tydligare ledarskap och homogenitet. Kundstrategin beskrivs av författarna som övergripande mål över hur företaget ska bygga och underhålla relationer med kunder, men också vilken typ av relation som eftersträvas.
Payne & Frow (2005) betonar hur väl de olika delarna av CRM-organisationen interagerar med varandra är en betydande, om inte avgörande, faktor för hur väl marknadsföringsarbetet fungerar. När alla komponenter arbetar mot ett gemensamt mål
underlättas informationsinsamlingen såväl som spridningen och integrerandet över organisatoriska gränser. Det förenklar interna beslut inom individuella organisationsdelar ur både ett makro- och mikroperspektiv. För att summera bör ett företags strategier vara integrerade och tydliga, och företaget bör ha en konkret plattform för att utveckla och sprida information och genomföra sina marknadsinsatser (Payne & Frow, 2005, s. 172).
2.2.2 Kommunikation
Enligt Payne & Frow (2005) är en av de viktigaste delarna inom CRM att ha integrerade kommunikationskanaler, och företag använder flera olika medel för att kommunicera med sina kunder. För att möta kunden där de känner sig som mest bekväma är det viktigt att kommunicera med kunden via den kanal som kunden föredrar. Företaget måste fånga upp den kundinformation som finns tillgänglig i de olika kanalerna för att utveckla nya produkter och tjänster för att skapa ömsesidig nytta (Payne & Frow, 2005, s.172). Genom att fokusera på vilka kommunikationskanaler som används kan kanalerna bidra till en bättre kundupplevelse och skapa en enhetlig bild av kundens preferenser och köpmönster i de fall kunden interagerar med fler kanaler. Detta ger i sin tur även möjlighet för företaget att skapa en tydlig bild av vad kunden föredrar och dess köpmönster. Genom ny teknik och den digitala utvecklingen har mycket förändrats över åren och numera använder företag alltifrån annonser, hemsidor, mobilapplikationer, mailutskick till SMS som extern kommunikation. Detta fenomen kallas omnikanal och handlar om att alla integrerade kanaler ska förmedla samma budskap, oavsett om en kund går in i en fysisk butik, handlar på företagets hemsida eller använder en mobilapplikation (Karlöf, 2015).
Genom att möta kunden via de kanaler som passar kunden bäst är det möjligt att minimera kostnaderna som är relaterade till upprätthållandet av kundrelationerna och samtidigt maximera det värde som kunden upplever (Payne & Frow, 2005, s. 172). För att den externa kommunikationen ska fungera är det viktigt att ha väl fungerande intern kommunikation. Ashraf et al. (2017) beskriver hur lämpliga interna kommunikationskanaler underlättar det interna arbetet samt ökar förtroendet för dess funktion.
2.2.3 Prestationsmätning
Becker et al. (2009) pekar på vikten av att tydligt mäta sina resultat för att kunna försäkra sig om att marknadsföringsarbetet går som önskat. Payne & Frow (2005) menar även att mätning av resultatet av olika aktiviteter inom företaget kan generera värdefull information om varför vissa aktiviteter är framgångsrika och andra inte. För att mäta resultatet kan antingen företagsrelaterade mätetal användas i form av tillväxt, marknadsandelar och lönsamhet. Alternativa mätetal fokuserar mer kring kunden, såsom kundnöjdhet och kundlojalitet och på transaktionstäta marknader används ofta försäljningssiffror inom olika varukategorier som mätetal (Becker et al., 2009).
Enligt Payne & Frow (2005) är det problematiskt att de mätverktyg som används av företag för att följa upp sina resultat ofta är outvecklade eller kommunicerade på ett otydligt sätt. Detta medför att nyttan av mätetalen inte utnyttjas till fullo. När vissa mätetal når företagets styrelse är det inte alltid självklart hur pass djup förståelse som bildas kring dem eller hur mycket tid som spenderas på att använda mätetalen effektivt för att utveckla företagets CRM-arbete. Det finns dessutom svårigheter i att avgöra vilka av måtten som är relaterade till en specifik CRM-aktivitet och vilka som är en konsekvens av externa faktorer.
2.2.4 Reklam
Reklam finns i olika skepnader och vi är ständigt exploaterade för olika typer av reklam i vardagen. Reklam förekommer i radio, TV, butiker, tidningar och sociala medier. Företag använder reklam som en form av kommunikation för att främja en vara eller tjänst för att informera eller influera den målgrupp som reklamen är riktad mot. Målet är att ge rätt budskap till befintliga och nya potentiella konsumenter med avseende på en produkt från ett fastställt mål. Till stor del handlar reklam om att lyfta fram en produkt eller tjänsts fördelar, genom att exempelvis jämföras med konkurrenter, visa upp praktiska fördelar och vad produkten kan bidra med.
Traditionella medier såsom press, tv, radio och utomhusreklam har länge utgjort den vanligaste typen av reklam. Dessa medier har en gemensam nämnare i form av att budskapet riktas mot en generell massa. Jämförs denna typ av kommunikation med dagens, tyder det på en förändring i reklambranschen där digitala former av
kommunikation och mer riktade budskap tagit över. Företag arbetar mer med digitala verktyg för att analysera data i syfte att kunna generera personliga erbjudanden för kunder. Detta medför att personlig kommunikation blir allt viktigare och istället för att nå en bred massa vill företag rikta sig mer mot personaliserad reklam. Detta gäller i stort sett alla typer av företag, men blir extra viktigt för företag som befinner sig i miljöer där stora mängder data genereras, då de har möjlighet till djupgående analys. (Richards &
Curran, 2002, s. 63ff).
2.3 Marknadsföring
Generellt sett är marknadsföring de insatser som syftar till att attrahera kunder.
Marknadsföring har gått från att fokusera på att nå ut till en bred publik till att rikta sig mot ett personligt plan till individuella kunder. I takt med ökad digitalisering av reklambranschen har riktad marknadsföring mer och mer tagit över marknadsföring som riktas mot den breda massan. Riktad marknadsföring anpassas efter preferenserna hos en specifik målgrupp och med hjälp av personliga budskap kan anpassning av plattform samt budskap till specifika individer och grupper utformas (Richards & Curran, 2002).
Inom grenen riktad marknadsföring finns begreppet personalisering, vilket kan ses som en definition av hur riktad marknadsföring används rent praktiskt (Vesanen, 2007, s.
410). Personalisering kan definieras som den process där företag använder information om sina kunder för att slutligen leverera en anpassad och riktad lösning till en specifik kund (Peppers & Rogers, 1997). En annan definition av personalisering som presenteras av Kotler et al. (2001) är snarlik denna syn men framhäver även vikten av att sammanlänka segmentering, målgruppsanpassning och positionering för att de personaliserade budskapen ska bli så effektfulla som möjligt.
Enligt Wedel & Kanan (2016) förekommer det tre olika nivåer av personalisering; mass- personalisering, personalisering utifrån segmentering och personalisering på individnivå. Inom masspersonalisering skickas samma erbjudande ut till alla kunder där erbjudandet är anpassat till en större massa. Nästa nivå av personalisering utgår från de olika kundsegment företag väljer att marknadsföra sig mot, där varje segments preferenser identifieras och utifrån dessa erbjuds alla kunder inom samma segment liknande erbjudanden. Den tredje nivån behandlar personalisering på individnivå, där varje enskild kund får erbjudanden utifrån sin personliga preferens och sina
köpbeteenden. Anshari & Arif (2016) menar även att det finns ytterligare en nivå där kunden ses som en passiv partner i utvecklingen av en så attraktiv tjänst som möjligt och därmed får kunden en mer interaktiv roll än att endast ses som ett föremål för företagets marknadsföring. Wedel & Kanan (2016) menar även att konceptet personalisering handlar om tre huvudsakliga områden. För det första handlar det om att lära känna sina kunders preferenser för att därefter anpassa erbjudanden till kunderna och slutligen utvärdera effekten av personaliseringen.
2.4 Analysmodell
Marknadsföringsarbetet inom CRM kan sammanfattas som de insatser som syftar till att attrahera nya och väcka befintliga kunders intresse. Marknadsföring består till stor del av reklam och den kommunikation som sker mellan företag och kund. Hur kommunikationen ser ut grundar sig i företagets strategi, i synnerhet kundstrategin, och affärsstrategin avgör hur företaget arbetar internt med att uppnå verksamhetsmålen.
Prestationsmätning gör det möjligt att utvärdera marknadsinsatser och används som ett verktyg för att styra framtida marknadsföring. Genom att implementera dataanalys i ett företags CRM-arbete introduceras nya möjligheter att lära känna sina kunder mer djupgående samt kommunicera med dem på ett kundorienterat sätt. Detta kan potentiellt medföra ökat värde för både företaget och kunden men var och på vilket sätt varierar med både företag och bransch. För att undersöka vilken effekt avancerade analysverktyg har, tillämpat i marknadsföringsarbetet inom CRM, används analysmodellen illustrerad i figur 1.
Figur 1. Studiens analysmodell - Dataanalys implementeras på de byggstenar inom CRM som arbetar med marknadsföring, vilket i sin tur medför effekter för företaget.
3. Metod
I följande avsnitt beskrivs den metod som använts för att besvara studiens syfte. Till att börja med förklaras valet av en kvalitativ studie och hur en sådan bör förberedas och utföras för att ge betydelsefull information. Sedan beskrivs val av företag, val av intervjupersoner, en operationalisering, genomförandet av intervjuer samt en kvalitativ innehållsanalys.
Slutligen diskuteras studiens validitet och reliabilitet.
3.1 Val av metod
Att utreda vilken effekt på ett företags marknadsföring som uppstår i relation till implementering av ett nytt system är en subjektiv fråga. Svaret kan variera dels beroende på vem som ställs frågan, men också på vem som ställer den. Eisenhardt (1989) menar att när syftet är att undersöka de aktuella förhållandena i ett specifikt sammanhang är en fallstudie lämplig. Denscombe (2009) instämmer med att kvalitativa fallstudier kan styra fokus från hela verksamheten mot en enstaka enhet för att få ett mer specifikt forskningsresultat än vid kvantitativa studier, vilket är en av anledningarna till att en kvalitativ ansats valts för denna fallstudie. Kvalitativa studier är ett arbetssätt som karaktäriseras av att forskaren själv befinner sig i det sociala sammanhang som undersöks. Datainsamling och analys sker parallellt och studien syftar oftast till att formulera en helhetsbeskrivning av fenomenet som undersöks. I denna studie är det de faktiska effekterna som ska undersökas, vilket är anledningen till att en kvalitativ ansats är att föredra. Det är dock viktigt att belysa att det kan finnas svårigheter med att garantera generaliserbarhet i kvalitativa studier, framförallt i en studie likt denna, där en effekt i ett företag inte nödvändigtvis är en effekt i ett annat.
3.2 Val av företag
Syftet med studien är att utreda vilken effekt implementering av avancerad dataanalys i marknadsföringssyfte har för effekt på ett företags CRM-arbete. För att analysera detta är det lämpligt att undersöka en marknad som hanterar stora mängder data.
Dagligvaruhandeln är en sådan bransch, där tiotusentals transaktioner sker dagligen och det är av stor vikt att förse kunder med relevanta erbjudanden. I Sverige finns en handfull stora dagligvaruhandelsföretag och det finns en hög konkurrens mellan företagen. Ett företag som är verksamt inom denna marknad är Coop, som med sina 655 butiker i landet
är en av de största aktörerna inom den svenska dagligvaruhandeln. Coop ägs av 3,4 miljoner medlemmar i 31 olika konsumentföreningar (Coop, 2018). Därmed förutsätts det att de ägande medlemmarna har ett egenintresse i att Coop utvecklar så attraktiva tjänster som möjligt. Coops ägare påverkas därmed av Coops resultat, och om de lyckas använda data på ett effektivt sätt förbättras företagets resultat. Ytterligare en anledning till att Coop valts som fallföretag är att de, i relation till andra aktörer på marknaden, exempelvis ICA, alldeles nyligen avslutat sitt implementeringsarbete av dataanalys (ICA Gruppen, 2017; Coop, 2018). Vidare har det genomförts flertalet studier på ICA och dess CRM-organisation men inte på Coop, därmed är det relevant att studera hur fler företag än ett inkorporerar avancerad dataanalys i sitt arbete. Detta medför att Coop är ett lämpligt fallföretag för studien.
3.3 Datainsamling
Enligt Kvale & Brinkmann (2014) är intervjuer en fördelaktig datainsamlingsmetod för kvalitativa studier som syftar till att ta vara på människors olika åsikter och ge en överskådlig bild av ett fenomen. Då det är de uppfattade effekterna under implementeringsprocessen som är av intresse för denna studie har intervjuer valts som primär informationskälla. Olika typer av intervjuer lämpar sig för olika studier, där typen av information som efterfrågas är avgörande för vilken intervjumetod som passar.
Saunders (2009, s. 320-322) lyfter semistrukturerade intervjuer som ett sätt att få djupare förståelse och insikt i ett ämne eller en organisation. Semistrukturerade intervjuer innebär att intervjuaren förbereder ett antal intervjufrågor eller diskussionsämnen inför intervjun, men att både följdfrågor och andra teman vanligen förekommer för att förstå det som diskuteras i sin helhet (Dilley, 2000). Att undersöka vilken effekt ett fenomen medför presenterar en del svårigheter i att inte ställa för ledande frågor. Semistrukturerade intervjuer är ett sätt att brygga det gap mellan de operationaliserade begreppen och det som faktiskt undersöks genom att ge möjlighet för respondenten att vidareutveckla samt komplettera uttalanden med följdfrågor.
3.3.1 Val av intervjupersoner
För att få en övergripande bild över Coops CRM-verksamhet hölls en första intervju med chef för CRM-analys, Katarina Dahlgren samt en CRM-analytiker, Leo Wilson. Som chef för CRM-analys är Dahlgren väl insatt i Coops analysarbete och har även god inblick i den
dagliga verksamheten. Wilson arbetar praktiskt med dataanalys och har därmed god insyn i vilken typ av analys som genomförs och vad den bidrar med. Då Dahlgren har insikt i både CRM-verksamheten, samt teknisk kompetens, genomfördes en uppföljande personlig intervju med Dahlgren med syfte att djupgående diskutera analysmodellens beståndsdelar. En tredje intervju genomfördes med Sofia Lönnqvist, projektledare inom CRM. Lönnqvist har arbetat på Coop sedan 2009 och haft olika roller såsom produktionsledare och projektledare och har därmed arbetat så pass länge inom företaget att hon har insyn både i hur CRM-verksamheten såg ut innan 2014, då avancerad dataanalys började implementeras, samt hur det ser ut i dagsläget. En fjärde intervju hölls med Roger Dahlberg som med sina 20 år som butikschef för Coop Ringgatan i Uppsala kan dela med sig av hur förändringen med personlig marknadsföring, kommunikation och andra butiker upplevt sedan implementeringen.
3.3.2 Operationalisering
För att ställa relevanta frågor under intervjuerna genomfördes en operationalisering med syfte att koppla de teoretiska begreppen från analysmodellen till intervjuerna.
Operationalisering har tillämpats för att ta fram ett frågeunderlag kopplat till den teoretiska analysmodellens olika dimensioner; strategi, kommunikation prestationsmätning och reklam. Detta genomfördes i syfte att skapa ett verktyg som möjliggör att motsvarigheten till de teoretiska begrepp som används kan studeras i verkligheten. Det finns en svårighet med att få djupgående och meningsfulla svar utan att ställa för ledande frågor. Intervjufrågorna till första intervjun utformades till stor del utifrån den bakgrundsfakta som samlades in om Coop för att kunna gå vidare med teoretiskt material. Det främsta målet var att undersöka om företaget satsar och gör investeringar i CRM-arbetet och i vilken utsträckning de använder analysverktyg för att analysera data. Under den andra intervjun ställdes frågor baserat på diskussionsteman utifrån den teoretiska analysmodell som tagits fram från teorin. Intervjufrågorna till den tredje intervjun utgick även från analysmodellens olika delar, men i och med Lönnqvists roll på företaget samt att hon arbetat under en längre period på Coop riktades mer fokus mot hur CRM-arbetet förändrats sedan fokus riktades mot en mer datadriven organisation. Den avslutande intervjun med Dahlberg gav insikt i hur Coop arbetar från en butiks perspektiv. I tabell 2 sammanfattas de teoretiska dimensionerna från analysmodellen. Kopplat till varje teoretiskt begrepp är exempel på intervjufrågor som
utformats och ställts på ett sätt som kopplar teorin till verkligheten.
Teoretiskt begrepp Exempel på intervjufrågor
Strategi - Hur differentierar sig Coop på marknaden?
- Hur har rutiner kring beslutsfattande förändrats över åren?
Kommunikation - Hur kommunicerar Coop med sina kunder?
- Hur har kommunikationen sett ut internt de senaste åren?
Prestationsmätning
- Vad finns det för uppsatta mål med Coops CRM- arbete?
- Hur utvärderar Coop vilka delar i kampanjprocessen som fungerat bra och vilka som kräver förbättring och utveckling?
Reklam - Vilka olika medier använder ni föra att nå ut till kunder?
Dataanalys - Hur används avancerad dataanalys i Coops CRM- arbete?
- Vilka utmaningar har Coop stött på i lagringen och hanteringen av stora mängder data?
Marknadsföring - Hur arbetar Coop för att skapa lojala kunder?
- Hur har sättet att attrahera kunder förändrats under de senaste åren?
- Hur arbetar Coop för att skapa en positiv känsla kring varumärket för kunden?
Tabell 1. Sammanfattande operationalisering av de teoretiska begreppens koppling till intervjufrågorna.
3.3.3 Genomförande av intervjuer
En initial intervju hölls med Katarina Dahlgren, chef för CRM Analys och Leo Wilson, CRM Analytiker. Målet med intervjun var att diskutera Coops arbete med CRM på ett överskådligt plan, för att ge insyn i hur Coop arbetar med analys av data inom CRM. För att hålla öppen dialog var intervjun semistrukturerad med förberedda diskussionsämnen. Genom att låta intervjupersonerna styra diskussionen mot de områden de anser mest relevanta, var denna struktur på intervju mest lämplig. För att undvika motstridiga resultat var det lämpligt att begränsa antalet intervjupersoner till
individer med insyn i relevanta områden, vilket medförde att intervjun enbart riktade sig till två personer i framträdande positioner för respektive område.
Efter att en analysmodell härletts från teorin riktades fokus mot CRM:s byggstenar inom marknadsföring och hur företaget implementerar dataanalys i en uppföljande intervju med Dahlgren. Ett tydligt fokus riktades mot de upplevda effekterna som analys av data bidragit med i relation till den teoretiska analysmodellen och blocken; strategi, kommunikation, prestationsmätning och reklam. Frågor kring dessa huvudområden ställdes till Dahlgren samtidigt som det fanns möjlighet till följdfrågor. Även denna intervju var semistrukturerad men gav inte lika mycket utrymme till Dahlgren för vidare diskussion som den första intervjun, då intervjufrågorna inte var öppna i samma utsträckning.
För att komplettera det insamlade materialet hölls en tredje intervju med Sofia Lönnqvist, projektledare inom CRM på Coop. I och med att Lönnqvist arbetat på Coop under en längre period, haft olika roller på företaget samt varit med både innan och efter implementeringen av analysverktyg ställdes öppna frågor gällande de olika huvudområdena i analysmodellen. Intervjun var av semistrukturerad karaktär då ett antal intervjufrågor var formulerade innan intervjun. Fler följdfrågor ställdes utifrån de svar som Lönnqvist gav, vilket bidrog till en mer djupgående insyn om vilka effekter som skett i och med fokuset att bli en mer datadriven organisation.
För att utöka materialet ur en butiks perspektiv intervjuades en butikschef på Coop i Uppsala för att undersöka hur de arbetar med CRM. Från de andra intervjuerna har intervjupersonerna pratat mycket om kommunikation med butiker runt om i landet och hur de arbetar med strategi. Därför var det av stor vikt att kontrollera informationen vi fått med en butikschef. Intervjun var av semistrukturerad karaktär med förberedda frågor samt möjlighet till diskussion. Sammanfattningsvis kan en sammanställning av de
intervjuer som genomförts observeras i tabell 1.
Intervjuperson Roll Intervjutyp Tid Datum Plats
Katarina
Dahlgren & Leo Wilson
Chef CRM Analys
& CRM Analytiker, Marknad
Personlig intervju
90 min 8/2 2018 Coops
huvudkontor, Solna
Katarina
Dahlgren Chef CRM Analys, Marknad
Personlig intervju
90 min 26/4 2018 Coops
huvudkontor, Solna
Sofia Lönnqvist Projektledare CRM, Riktade erbjudanden
Telefon- intervju
60 min 15/5 2018 Blåsenhus, Uppsala
Roger Dahlberg Butikschef, Coop Ringgatan
Personlig intervju
60 min 17/10
2018 Coop
Ringgatan, Uppsala
Tabell 2. Sammanställning över de intervjuer som genomförts.
3.3.4 Övriga informationskällor
För att verifiera och komplettera material från intervjuerna har ett flertal sekundärkällor som årsredovisningar, offentliga handlingar, publicerade artiklar, branschtidningar, undersökningar och information från Coops webbsida använts. Detta för att verifiera sakförhållanden som uppgavs under intervjuerna och komplettera innehållet med korrekta tidpunkter, organisationsrelaterade detaljer och statistik. En sekundärkälla som använts är en studie genomförd av företaget Accenture, “Big Success with Big Data”.
Studien omfattar chefer från företag några av världens 1000 största företag. Denna studie har bidragit med statistik och data kring implementering av avancerad dataanalys, hur företag upplever det samt vad det används till.
3.4 Kvalitativ innehållsanalys
För att besvara studiens frågeställning har den teoretiska analysmodellen tillämpats på det insamlade materialet. Varje intervju spelades in och efter genomförandet av respektive intervju transkriberades dessa och analyserades med kvalitativ innehållsanalys. En kvalitativ innehållsanalys innebär att transkriberingen av intervjuer analyseras och innehållet systematiskt delas in i olika teman eller kategorier. Enligt
Bryman & Bell (2015) karaktäriseras en kvalitativ innehållsanalys av att det systematisk och objektivt extraheras teman och ämnen som manifesteras i transkriberingen. Rivas (2017) vidhåller däremot att teman kan förberedas i förväg och att analysen då går ut på att identifiera de teman i transkriberingen som stämmer överens med de förberedda.
Vidare specificerar Graneheim & Lundman (2004) själva analysförfarandet av transkriberingar, som anammades i denna studie. Transkriberingarna lästes igenom flera gånger för att ge en överblick av intervjuerna. Därefter extraherades meningsbärande enheter, stycken med relevant information, som även kategoriserades enligt analysmodellens olika teman.
3.5 Validitet och reliabilitet
Validitet och reliabilitet är nödvändigt för att stärka en studies trovärdighet. Validitet handlar om att undersöka det som är relevant i sammanhanget medan reliabilitet avser att undersökningen är genomförd på ett tillförlitligt sätt (Golafshani, 2003). För att hålla hög validitet och reliabilitet har endast primär- och sekundär-information använts. Det empiriska materialet har primärt hämtats från de fyra intervjuerna. Genom att ha två intervjuer med Dahlgren, chef för CRM analys på Coop, har detta ökat studiens trovärdighet då hon har gedigen kunskap inom området som undersöks. Den initiala intervjun genomfördes även med Wilson som arbetar som CRM analytiker och har god kunskap inom den tekniska delen utifrån stora datamängder och analysverktyg. En kompletterande telefonintervju med Sofia Lönnqvist, projektledare inom CRM, bidrog till att öka studiens validitet, främst då Lönnqvist har arbetat en längre period än Dahlgren och Wilson på Coop och därmed har en insikt i förändringen i arbetet kring CRM och dataanalys. En slutgiltlig intervju hölls med Roger Dahlberg, butikschef för Coop Ringgatan i Uppsala för att få inblick i hur de arbetar med personlig marknadsföring, strategi och kommunikation med huvudkontoret. Alla intervjuer spelades in så att ingen viktig information missades och materialet transkriberades ordagrant. Författarna är medvetna om att informationen som fås från intervjuerna är från personer som är anställda på Coop vilket samtidigt kan bidra till att trovärdigheten sjunker, eftersom de anställda ofta vill lyfta fram positiv information om företaget, vilket kan ha färgat den empiriska delen av uppsatsen.
4. Empiri
I följande avsnitt beskrivs Coop som företag, dess organisationsstruktur och hur de kommunicerar internt och externt. Därefter behandlas kundrelationer, medlemsprogram och personanpassade erbjudanden. Slutligen tas Coop hantering av data upp; hur de använder data samt hur de mäter resultat. Den insamlade datan framställs i relation till tidpunkten för implementering av dataanalys i syfte att belysa de effekter som uppstått inom berörda organisationsdelar.
4.1 Organisation
4.1.1 Introduktion till Coop
Coop strävar efter att stå för attraktiva butiksupplevelser, värde för pengarna, starka egna varumärken, ett unikt medlemsprogram och ett tydligt ledarskap inom ekologi, hälsa och hållbarhet (Dahlgren & Wilson, 2018). Det finns idag 655 Coop butiker i Sverige och butikerna ägs av 3,4 miljoner medlemmar i 31 olika konsumentföreningar (Coop, 2017). Coop har en omsättning på ca 38 miljarder kronor och har, efter flera år av negativt resultat, gått med vinst de tre senaste åren (Coop, 2018). I Sverige har Coop en marknadsandel på cirka 19 % vilket gör dem till det näst största företaget inom dagligvaruhandeln efter ICA som har 36 % av marknaden (ICA Gruppen, 2017).
4.1.2 Kundutvecklingsprojektet (KUP)
Coop introducerade ett omfattande projekt år 2014, Kundutvecklingsprojektet, hädanefter refererat till som KUP. Syftet med detta projekt var att öka kundnöjdheten genom att integrera en mer datadriven struktur inom organisationen. Dataanalytiker och dataingenjörer anställdes med syfte att ta tillvara på tillgänglig data för att, enligt Dahlgren (2018), lära känna sina kunder på en mer personlig nivå. Idén var att intern kunddata som köphistorik, geografisk data och personuppgifter skulle analyseras tillsammans med data som införskaffats från tredje part, bland annat uppgifter om inkomst och civilstatus, kunna skapa träffsäkra och personliga erbjudanden på individnivå (Dahlgren, 2018). Pilotprojekt genomfördes på utvalda butiker för att verifiera att målet med projektet var möjligt samt övertyga resterande organisation om att dataanalys var vägen framåt, då Dahlgren & Wilson (2018) hävdar att projektet initialt mötte stort motstånd internt. Syftet med projektet var konkret, men Lönnqvist (2018)
berättar att vad projektet skulle betyda internt i form av bland annat omorganisering och förändrade arbetsrutiner inte stod klart, utan att en del av projektet innebar att de skulle testa sig fram för att identifiera hur de på bästa sätt kan arbeta med analys av data.
4.1.3 Förändring inom CRM-organisationen
Dahlgren (2018) berättar att Coops CRM-organisation har förändrats två gånger under de senaste tio åren. Den första gången i startfasen av KUP, 2014, och den andra 2017, efter introduktionen av KUP. 2014 delades CRM-organisationen, se figur 2, in två affärsområden, marknad och kommersiella erbjudanden. Under marknad ligger CRM- analys, riktad kommunikation och digitala kanaler. Under kommersiella erbjudanden ligger riktade erbjudanden vilket hanterar allt som har med direktreklam, fysisk reklam som skickas direkt till kunden. Digitala kanaler hanterar Coops närvaro i olika sociala medier och kundtjänst samt arbetar mycket med att stärka varumärket digitalt. CRM- analys står för all form av analys i organisationen och bistår såväl sitt eget som andra affärsområden med beslutsunderlag, mätvärden och urval till kampanjer. (Dahlgren &
Wilson, 2018)
Figur 2. Översikt över Coops CRM-organisation 2014
Dahlgren & Wilson (2018) menat att de, två år efter den nya omorganisationen 2014, insåg att det inte fungerade att arbeta isolerat från varandra.
“Vi insåg senare att det inte fungerade att arbeta skilt från varandra och vi blev tvungna att gör något åt detta. Vi fick kort därefter igenom en omstrukturering som optimerade
CRM-organisationen” (Dahlgren, 2018)
Vidare berättar de att den analys som gjordes oftast var på beställning av någon av de andra affärsområdena, att problematiken låg i att personal utan bakgrund och erfarenhet inom dataanalys fick beställa information, utan någon förståelse för vilken information som var möjlig att hämta. Dahlgren (2018) berättar att det var en av huvudanledningarna till omstruktureringen 2017, illustrerad i figur 3, där CRM analys upphörde som affärsområde, och det blev istället ett gemensamt arbetsområde.
Figur 3. Översikt över Coops CRM-organisation 2018
4.2 Kommunikation
4.2.1 Intern kommunikation
Dahlgren (2018) framhäver att Coop fram till 2017 primärt kommunicerat internt via mail eller i egen person och att kommunikationen i största mån begränsats till de olika affärsområdena. Lönnqvist (2018) instämmer och betonar att CRM-avdelningen i synnerhet kommunicerar isolerat från resterande delar av organisationen. De flesta arbetsgrupper kommunicerar i egen person då de arbetar tätt inpå varandra och vid kommunikation med andra arbetsgrupper och delar av företaget används mail. Efter att CRM analys flyttades från de övriga affärsområdena berättar Dahlgren (2018) att analytikerna gavs större frihet att utforska egna ideér till ny väsentlig information, något
som ökade kraven på bättre kommunikationskanaler. Lönnqvist (2018) menar att, till skillnad från tidigare affärsstrategi där olika affärsområden bad analysenheten om information, krävdes ett öppnare forum där affärsområdena själva får avgöra hur den informationen kan användas.
“Vi har just nu infört ett projekt där vi testar ett nytt kommunikationsforum, Microsoft Teams, ett forum som passar moderna och dynamiska arbetsgrupper” (Lönnqvist, 2018)
Till följd av den nya kommunikationskanalen menar Lönnqvist (2018) att behoven av fysiska möten minskade. Detta ledde till att analytikerna kunde vara mer produktiva och fokusera på att ta fram datadrivna insikter och ändå kunna tillgodogöra sig informationen via den dynamiska plattformen. (Lönnqvist, 2018)
Sedan implementeringen av KUP krävs mer dynamiska och integrerade kommunikationskanaler, dels internt på huvudkontoret men också över hela Coop som organisation, där även butiker innefattas (Dahlgren & Wilson, 2018). Bland annat framhäver Dahlberg (2018) att det skapades ett forum för representanter från butiker, försäljningschefer, marknadschefer och analytiker där deltagarna träffas var tredje vecka för att diskutera resultat av kampanjer, kommande aktiviteter och förankra strategier.
Dahlberg (2018) beskriver även att de regionala butikerna i Uppsala och Stockholm har möten varannan vecka för att diskutera mer lokala frågor på butiksnivå. I syfte att sprida realtidsinformation på butiksnivå har, efter KUP, en skärm installerats i varje personalrum. Syftet är att sprida butiksspecifik information men även generell information från huvudkontoret. Den butiksspecifika informationen behandlar statistik om försäljning jämfört med samma dag förra året, generell information om Coop och aktuella erbjudanden. (Dahlberg, 2018)
4.2.2 Extern kommunikation
Lönnqvist (2018) framhäver att beroende på vilket budskap som ska spridas till kunden används olika kommunikationskanaler. Hon menar att Coop länge använt postala
utskick, tv-reklam, affischering och andra typer av traditionell reklam i syfte att försöka locka nya kunder. Lönnqvist hävdar att efter KUP har merparten av den traditionella kommunikationen ersatts av digitala kommunikationskanaler, som mail, SMS och
mobilapplikation. Kommunikationen är mer personifierad där budskapet och innehållet beror på den individuella kunden. Innan KUP användes samma kommunikationskanaler för alla medlemmar men Dahlgren & Wilson (2018) hävdar att de nu strävar efter att kommunicera med sina kunder via den kanal de föredrar. Äldre personer föredrar ofta postala utskick, medan en yngre publik använder appen i större utsträckning. SMS- utskick har varit otroligt effektivt, men Dahlgren betonar att det är viktigt att inte skicka ut för mycket information via denna kanal då många kan se det som störande (Dahlgren, 2018).
Dahlberg (2018) berättar att Coop Ringgatan kommunicerar med sina kunder genom appen, mail och deras Facebooksida. Butiken har annonsblad tillgängliga i butiken men de skickar inte ut några postala utskick.
“Vi har helt slutat med postala utskick. Nu vet vi att våra kunder inte vill ha våra erbjudanden i pappersform, utan via ett mail eller i appen. För de kunder som vill ha ett
annonsblad finns det att hämta i butiken” (Dahlberg, 2018)
Anledningen är att de märkt att majoriteten av Coop Ringgatans kunder inte vill ha någon postal reklam samtidigt som det kostar mer för butiken. Är kunden intresserad av ett annonsblad finns det tillgängligt i butiken och Dahlberg menar att det oftast är så kunden vill motta reklam. Dahlberg har märkt att majoriteten av kunderna vill ha information digitalt, men att de fortfarande har kunder i äldre åldersgrupper som inte är lika tekniskt lagda som andra kunder. (Dahlberg 2018)
Utöver den externa kommunikationen med sina kunder, bedriver Coop en kontinuerlig kommunikation med sina leverantörer. Coop förhandlar med sina leverantörer om inköpsvolymer under en årlig förhandling, och har kontinuerlig kontakt för att diskutera eventuella erbjudanden och volymförändringar. Leverantörerna är de som avgör huruvida deras produkter rabatteras eller inte, och Coop är därför beroende av att bibehålla en god relation med sina leverantörer. Dahlgren och Wilson (2018) berättar att deras leverantörer länge förlitat sig på egna marknads- och kundundersökningar för att avgöra när vilka produkter ska rabatteras. Vidare berättar Dahlgren & Wilson att efter introduktionen av KUP har leverantörerna varit betydligt mottagligare för externt
kampanjunderlag. Lönnqvist (2018) betonar att den nya insikten i vilka kunder som agerar på vilka kampanjer bidragit till träffsäkrare kampanjer från deras leverantörers sida och att samarbetet blivit mer heterogent, och att Coop fått en större roll i förhandlingarna. Lönnqvist menar att det stärkta förhandlingsunderlaget lett till både bättre relation med leverantörerna samt ett ökat förtroende för Coop.
4.3 Kundrelationer
4.3.1 Medlemsprogram
För att utveckla en långvarig relation med sina kunder har Coop sedan länge haft ett medlemsprogram. Medlemsprogrammet utgör grunden för företagets CRM-arbete och syftar till att skapa värde för både Coop och dess medlemmar. Grundtanken har länge varit att medlemmarna ska få tillbaka en del av pengarna de spenderar, tillsammans med erbjudanden från Coops partnerföretag (Lönnqvist 2018). År 2014, efter implementeringen av KUP, uppkom nya möjligheter med medlemsprogrammet, där utvecklingen av träffsäkra erbjudanden stod i centrum. Ett program som implementerades för att uppfylla syftet med ett nyare och mer modernt medlemsprogram var Mina Erbjudanden. I detta program används datadrivna insikter och köphistorik för att formulera personanpassade erbjudanden för varje individuell medlem. Tillsammans med Mina Erbjudanden finns det ett poängsystem där kunden samlar poäng på det denne handlar (Coop, 2017).
4.3.2 Mina Erbjudanden
Mina Erbjudanden ett av de största programmen som bedrivs inom CRM och även det program som engagerar flest medlemmar (Dahlgren, 2018). Dahlgren hävdar vidare att utnyttjandegraden av Coops mobilapplikation ökat exponentiellt sedan implementeringen av Mina Erbjudanden. Mina Erbjudanden är en del av Coops medlemsprogram som ger medlemmarna individanpassade erbjudanden baserat på köphistorik och preferenser. Dahlgren & Wilson (2018) beskriver att ju mer en medlem handlar, desto mer träffsäkra blir erbjudandena för densamma då underlaget för analysen ökar. Över en miljon människor tar del av Mina Erbjudanden och Coop arbetar ständigt med att utveckla dess funktionalitet. De erbjudanden som skickas ut till medlemmarna sker från den centrala organisationen och inte på butiksnivå (Dahlgren, 2018). Dahlberg (2018) menar även att när kunden är i butiken är det endast kunden som
vet vilka personliga erbjudanden kunden har fått och inte personalen i butiken. Därför har butikerna, i samband med KUP, implementerat ett system i butikerna kallat Medlemspunkten där kunder kan logga in och se sina personliga erbjudanden innan de går in i butiken utöver i mobilapplikationen. Dahlberg (2018) tydliggör även att syftet med Mina Erbjudanden inte är att skapa vinst på den vara kunden köper till rabatterat pris, utan det som är centralt är att locka kunden till butiken och det är den totala summan kunden spenderar i butiken som är av störst vikt, inte erbjudandet i sig. Dahlgren (2018) uppger att det på sikt finns ambition att inkludera realtids-erbjudanden som väger in mer information än bara köphistorik. Dahlgren & Wilson (2018) uppger att medlemmar ser positivt på individuella erbjudanden när de faktiskt lyckas träffa rätt och kunden utnyttjar erbjudandet, något som styrks av Dahlberg (2018) som dagligen är i personlig kontakt med kunderna.
4.3.3 CRM-Program
Coop har sedan länge haft 15 CRM-program som innefattar olika produktkategorier, till exempel “Skönhet & hälsa”, “Flytt” och “Bra val för familjen”. Enligt Lönnqvist (2018) finns det program för alla delar av en kunds livscykel. Lönnqvist menar att det efter KUP implementerats mekanismer som utlöses när en kund uppvisar ett förändrat köpbeteende och exemplifierar med att om en medlem börjar handla mycket på en annan butik än den brukar, så kan ett flytt-program aktiveras. Ett CRM-program utesluter dock inte ett annat utan medlemmar kan innefattas av flera program parallellt. Det finns fler breda program som Skönhet & Hälsa och Djurvän, och Lönnqvist (2018) menar att det blivit enklare att identifiera vilka kunder som agerar på vilka program efter KUP, något som lett till att fyra program upphört samtidigt som mer fokus flyttats mot Mina Erbjudanden. Vidare menar Lönnqvist (2018) att det finns en viss problematik i att de olika programmen inte kommunicerar tillräckligt.
“Tyvärr finns det en viss problematik i att de olika CRM-programmen inte kommunicerar internt med varandra. Detta medför att en kund kan få erbjudanden från alla program på
samma gång, vilket kan leda till att kunden kan uppleva erbjudanden som spam”
(Dahlgren, 2018)
4.4 Data & uppföljning
4.4.1 Datahantering
Coop samlar in data från flera olika interna men också externa kanaler. Data som lagras i Coops databas består enbart av strukturerad data och primärt utgörs den lagrade informationen av olika transaktioner från butikerna, det vill säga kvitton från kundens köp. Från kvittona lagras bland annat vilka produkter som köpts, hur mycket det kostade, när på dygnet köpet genomfördes och om det är en medlem som handlar lagras detta till den specifika kunden. Detta möjliggör skapandet av aggregerad data som exempelvis hur ofta kunden handlar, hur mycket denne spenderar i genomsnitt, vilken typ av varor kunden föredrar, vilken typ av butik den föredrar att handla i och liknande sammanställningar (Dahlgren & Wilson, 2018). Befintliga medlemmar har också, vid tillfället de blev medlemmar, lämnat ytterligare information som telefonnummer, mail- och hemadress, personnummer och kortinformation. Från personnummer kan ålder enkelt urskiljas, men också användas för att komplettera data med externa datakällor.
Till exempel köper Coop socioekonomisk data baserat på personnummer från tredje part för att utförligare beskriva deras medlemmar (Lönnqvist, 2018).
Enligt Dahlgren & Wilson (2018) använder Coop ett par olika analysverktyg beroende på syfte. För Mina Erbjudanden används en linjär regressionsmodell1 för att, för varje produkt, ge varje medlem ett betyg som beskriver hur sannolikt det är att den personen kommer köpa den produkten. Detta betyg används för att göra ett urval bland medlemmarna för att identifiera vilka som ska inkluderas i den aktuella kampanjen.
“Den nuvarande systematiken, att för varje produkt ge varje kund ett sannolikhetsmått, begränsar analysen till vilka produkter kunden vanligtvis köper, och inte vilka produkter
kunden sannolikt skulle vilja köpa eller ha rabatt på” (Dahlgren & Wilson, 2018)
Som ett steg i ledet att placera kunden i centrum berättar Dahlgren & Wilson (2018) att det finns det en ambition att vända på systematiken för att kunna bemöta kundens förväntningar på ett bättre sätt. En liknande regressionsmodell används för att göra
1 Regression är en gren inom statistik som syftar till att konstruera en matematisk funktion som
urvalet till de olika CRM-programmen. Modellen baseras enbart på vilka produkter medlemmen köpt tidigare, samt vilka köpmönster som observerats. Dahlgren (2018) beskriver att modellen varit framgångsrik men att det finns mål om att implementera mer komplexa modeller i framtiden, modeller som inkluderar fler typer av data. Dahlgren &
Wilson (2018) berättar att det finns flera olika mål inom dataanalys på Coop. Bland annat finns det mål om att implementera en mer avancerad analysmodell i form av ett rekommendationssystem i Mina Erbjudanden. På sikt finns det även planer på att implementera ostrukturerad data, till exempel väderdata, för att kunna skapa erbjudanden i realtid. Dahlgren nämner vidare att Coop saknar teknisk kompetens och arbetar med att rekrytera ingenjörer och dataanalytiker för att kunna följa den tekniska utvecklingen.
4.4.2 Uppföljning av kampanjer
Lönnqvist (2018) hävdar att det primära prestationsmåttet som används är nettovinsten.
Kampanjer viktas mot den vardagliga försäljningen, försäljning från liknande perioder och till specifika kundsegment för att avgöra om kampanjen bidragit till en försäljningsökning eller inte (Lönnqvist, 2018). Efter implementeringen av dataanalys kan Coop exakt identifiera vilka individer som agerat på en kampanj och vilka som inte gjort det. Enligt Lönnqvist (2018) är uppföljningen flera gånger mer granulerad och till skillnad från tidigare, då kampanjer baserats på två datapunkter; ålder och kön, kan dagens kampanjer baseras på upp mot 100 datapunkter. Vidare kan Coop numera identifiera vilka personer som träffas av kampanjerbjudande på varor de förmodligen köpt oavsett och rensa bort de från framtida urval. (Dahlgren & Wilson, 2018)
“Det ställs mycket högre krav idag jämfört med några år sedan på uppföljning och vilket värde specifika kampanjer har bidragit med” (Dahlgren, 2018)
Lönnqvist (2018) berättar att det som mäts varierar också beroende på vilket program som undersöks. Mina Erbjudanden har bidragit med en konstant ökning i merförsäljningen sedan dess implementering (Dahlgren & Wilson, 2018). För att mäta Mina Erbjudandens effekt, viktas det genomsnittliga köpet inom en grupp med ett särskilt köpbeteende mot en kontrollgrupp med samma köpbeteende, men som inte erhållit dessa erbjudanden (Dahlgren & Wilson, 2018).
5. Analys
I följande avsnitt analyseras den insamlade datan med hjälp av den teori som framställts.
För att utreda vad implementeringen av avancerad dataanalys haft för effekt på företags marknadsföring anses KUP, projektet för att öka kundnöjdhet genom dataanalys, som en skiljepunkt, där skillnaden i förutsättningar och förhållanden före respektive efter implementeringen betraktas som effekter. KUP var startskottet för avancerad dataanalys och de förändringar, strukturella som abstrakta, kopplade till KUP förutsätts ha föranletts av en vilja att ackommodera de nya verktygen och nyttja dataanalys till fullo. Syftet med studien är att utreda vilken effekt implementeringen av dataanalys inom marknadsföring har på CRM, vars beståndsdelar analyseras nedan.
5.1 Reklam
Syftet med KUP är att implementera dataanalys för att öka kundnöjdheten, att personalisera reklamen så att varje kund får mer relevanta erbjudanden. Richards &
Curran (2002) menar att företag som befinner sig i transaktionstäta miljöer, där stora mängder data genereras, ges möjlighet till mer djupgående analys. Coop använder den kunddata de har för att genom dataanalys skräddarsy erbjudanden efter varje individs preferenser. Kotler et al. (2001) lyfter vikten av att kombinera personliga preferenser med andra dimensioner av kunddata och Coop kombinerar personliga preferenser med hur de vill positionera sig gentemot kunden och anpassar även reklamen efter olika segment. Coop använder andra dimensioner som hur ofta kunder handlar, hur mycket den handlar för och hur gammal den är för att formulera erbjudanden som får kunden att handla saker de inte handlat förut. De nya insikterna dataanalys tillför används inte enbart i syfte att få kunden att handla mer av sina favoritprodukter, utan även till att få kunden att testa andra produkter. Mina Erbjudanden används bland annat för att kommunicera erbjudandena men kommunikationen anpassas även efter kunden. Efter implementeringen av dataanalys gavs det möjlighet att spåra via vilka kanaler enskilda kunder mottog kampanjinformation på, vilket i sin tur ledde till insikten att svarsfrekvensen på postala utskick var låg i jämförelse med övriga kanaler. Detta resulterade i att postala utskick på butiksnivå upphörde och ersattes med mer effektiva kommunikationsmedel, i enlighet med Payne & Frow (2005) som betonar vikten av att kommunicera med kunden via den kanal som kunden föredrar. På samma tema nämner
Lönnqvist (2018) att flera CRM-program upphört till fördel för andra mer kostnadseffektiva kanaler.
Enligt Wedel & Kanan (2016) förekommer det tre olika nivåer av personalisering; mass- personalisering, personalisering utifrån segmentering samt personalisering på individnivå. Innan KUP låg fokus på mer traditionell reklam i form av mass-utskick och personalisering utifrån olika kundsegment, men i och med implementeringen av avancerad dataanalys har fokus på mer individanpassad reklam möjliggjorts. Dahlgren &
Wilson (2018) beskriver att ju mer en medlem handlar, desto mer relevanta och träffsäkra blir erbjudandena för densamma då underlaget för analysen ökar.
5.2 Strategi
Hur Coops strategi förändrats till följd av KUP illustreras tydligast genom att studera organisationsförändringarna. Efter att CRM-analys introducerats under området marknad menar Dahlgren (2018) att analysenheten jobbade på beställningen av de andra affärsområdena. Dahlgren (2018) belyser även att analysen inte kunde utnyttjas till fullo, något som föranledde decentraliseringen av analysenheten 2018. Analytikerna själva fick utforska egna idéer och arbeta mer fritt, där den utvunna informationen sedan spreds internt. Denna affärsstrategi kallar Wedel och Kanan (2016) Center of excellence, CoE, där en decentraliserad analysenhet fritt förädlar information som sedan används där den kan skapa nytta. En CoE överses av en Chief analytics Officer som fördelar resurser och stödjer analytikerna, en roll som Dahlgren som chef för CRM-analys fick axla.
Den nya affärsstrategin föranledde en förändring av kulturen internt, där kunskap och data mer och mer hamnade i centrum. Dahlgren och Wilson (2018) berättar att det ställdes högre och högre krav på underlag inför kampanjer och värdet på den genererade datan steg kontinuerligt internt. På samma spår berättar Dahlberg (2018) att det installerats skärmar i varje butiks personalrum där realtidsdata redovisas gällande förtjänst och försäljning.
Innan Coop kunde lära känna sina medlemmar på ett personligt plan byggde relationen ofta på det budskap Coop ville förmedla, ett budskap som ämnade tilltala så många som möjligt och reflekterade Coops positionering på marknaden. Med möjligheten att anpassa
varje budskap efter mottagare har budskapen kontinuerligt utvecklats mot att spegla kundens behov och önskemål, något som också speglas i strategin. Enligt Dahlgren &
Wilson (2018) bidrar detta till förändringar i kundstrategin. Sedan KUP och implementeringen av dataanalys, har kundstrategin gått från att bygga på ett attraktivt budskap till att utveckla en tjänst som sätter kunden och dess preferenser i centrum.
Cambra-Fierro et al. (2016) menar att mer datadrivna organisationer ställer högre krav på skräddarsydda tjänster och lösningar. Mer grundade beslut leder till bättre resursallokering och riktade insatser där de gör som mest nytta.
5.3 Kommunikation
Payne & Frow (2005) lyfter vikten av att ha integrerade, det vill säga enhetliga, kommunikationskanaler. Genom att använda dataanalys för att skräddarsy kommunikationen anpassas innehållet beroende på mottagare och kanal och budskapet kan individualiseras för att garantera enhetlighet. I en datadriven organisation är det inte bara de externa kanalerna det ställs krav på, utan även de interna kommunikationskanalerna. Ashraf et. al (2017) menar att lämpliga interna kommunikationskanaler underlättar det interna arbetet och i samband med att dataanalytikerna fick arbeta mer fritt ökade kraven på informationsspridningen internt.
När analyserna inte längre gjordes på beställning växte behovet för en mer dynamisk kommunikation internt och verktyg för att göra kommunikationen mer transparant. För att garantera att de som kan dra nytta av resultaten nås av den började Microsoft Teams användas, där olika kanaler reserverades för specifika ändamål. Användningen av Microsoft Teams föranledde en kommunikationsförändring över hela organisationen där mail övergavs för en modernare gemenskapsplattform.
Det nya verktyget bidrog till att kommunikationen ökade internt, bland annat över organisationsgränser och ledde till ökad gemenskap och kunskapsspridning. Behovet av fysiska möten har därmed minskat och den dynamiska informationsspridningen har bidragit till att tydligaregöra långsiktiga mål och öka engagemanget i frågor bortom enskilda medarbetares organisatoriska enhet. Det nya verktyget har överlag bidragit till ökad kommunikation men även ett ökat engagemang i interna frågor, där bland annat butikschefer för första gången involveras och kan dela med sig av unika insikter. Den nya delade kunskapen kopplat till de nya kommunikationskanalerna har lett till ett ökat
