Bonnier Publications
53% vækst i abonnementssalg med ML og first-party data
Situationen
Udfordringen
Bonnier Publications opererede i et mediemarked under pres — med faldende læserskare og stigende konkurrence fra digitale platforme. Abonnementssalget via digitale kanaler var utilstrækkeligt, og marketingbudgettet blev brugt bredt uden præcis målretning mod de mest købeklar brugere.
Hvad vi gjorde
Vi konsoliderede historiske kundedata fra CRM, Google Analytics 360 og nyhedsbrevsplatformen i Google BigQuery. Ovenpå denne datainfrastruktur byggede vi en Machine Learning-model, der forudsiger sandsynligheden for, at en given bruger vil købe et abonnement. Modellen segmenterede 33,3 millioner brugere i 5 segmenter og aktiverede dem direkte i search- og displaykampagner.
Resultater
Efter blot et par måneder leverede projektet målbare resultater: 53% vækst i abonnementssalg via digitale kanaler, 18% stigning i konverteringsrate og 327 millioner forudsigelser genereret. Et afgørende biprodukt var evnen til at afskærme eksisterende abonnenter fra nye salgskampagner — hvilket reducerede spild og forbedrede kundeoplevelsen.
Dette projekt blev gennemført af teamet bag Dear Future, der tidligere opererede under navnet IIH Nordic. Projektet vandt FDIH E-Commerce Award 2020.
Tilgangen
Datakonsolidering i Google BigQuery · ML-model: abonnementssandsynlighedsscore · Målgruppesegmentering og aktivering
Datakonsolidering i Google BigQuery
Samlede CRM, Google Analytics 360 og nyhedsbrevsdata i Google BigQuery og skabte et 360-graders billede af hver enkelt kunde.
ML-model: abonnementssandsynlighedsscore
Byggede en Machine Learning-model til at forudsige sandsynligheden for abonnementskøb — trænet på historisk adfærdsdata.
Målgruppesegmentering og aktivering
Delte brugere i 5 segmenter og aktiverede dem i search- og displaykampagner. Eksisterende abonnenter blev afskærmet fra nye kundekampagner og reducerede kannibalisering.
Resultaterne
Tal, der holdt efter projektet lukkede.
I et marked, hvor de fleste forlag mistede abonnenter, voksede Bonniers digitale abonnementssalg med 53% — udelukkende drevet af smartere målgruppeaktivering, ikke øget annonceforbrug.
At levere den rette besked til den rette bruger på det rette tidspunkt løftede konverteringsraten med 18 procentpoint på tværs af digitale kampagner.
ML-modellen scorede alle brugere på tværs af 327 millioner forudsigelseshændelser og satte Bonnier i stand til at handle på realtids-intentionssignaler i stor skala.
33,3 millioner brugere blev klassificeret i 5 handlingsorienterede segmenter — herunder et segment, der beskyttede eksisterende abonnenter mod at blive målrettet med nye kundekampagner.
Bonnier has created one of the strongest data frameworks in the Nordic media industry.
Mønsteret
Bonnier's pattern applies
to every organisation.
It might be email routing, invoice processing, support ticket triage, form classification, or customer enquiry handling. Work a person does because the system hasn't been taught to do it yet.
Denne case er relevant, hvis dit team...
- First-party data er skansen — Udgivere med årevis af CRM- og nyhedsbrevsdata har en betydelig fordel — men kun hvis disse data er forbundet og aktiveret.
- Beskyttelse af eksisterende kunder er lige så vigtig som at skaffe nye — Evnen til at ekskludere nuværende abonnenter fra anskaffelseskampagner reducerede spild og forbedrede kundeoplevelsen på én gang.
Laver dit team noget lignende?
Fortæl os problemet. Vi siger, om vi kan hjælpe.
Vi er direkte. Hvis vi har løst noget lignende, siger vi det. Hvis ikke, siger vi det også. Uanset hvad - den første samtale koster ingenting.