Tilbudsaviserne viser vejen

Selv hvis din virksomhed ikke gør sig i tilbudsaviser, så er det værd at tage notits af udviklingen på det marked. For fremover kan marketing nemlig følge med i, hvad der virker for den enkelte forbruger. Hvis man altså drømmer højt og har værktøjskassen i orden. 

For mange er den digitale tilbudsavis allerede en vigtig brik i den digitale strategi, som trods alt giver marketing meget mere indsigt i forbrugeren, end den trykte tilbudsavis tilbyder.

Desuden er den trykte version længe undervejs, og 14 til 17 dages produktionstid er ikke fremtiden.

Endnu eksisterer der dog masser af trykte tilbudsaviser. Til dels fordi den hidtidige løsning på at digitalisere tilbudsavisen har været en PDF-fil. Den bliver aldrig for alvor til et personaliseret stykke reklame.

Men så byder den datadrevne tilbudsavis på indsigter, som marketing længes efter. Den datadrevne tilbudsavis er såkaldt tredje generation af udviklingen på markedet, og den sender os lidt tættere på fremtiden. Den er med andre ord dynamisk og langt mere fleksibel, fordi den netop bliver fodret med data, som blandt andet stammer fra kunden. Og den har potentiale. 

I den ideelle verden udkommer den datadrevne annonceavis om eftermiddagen, som den samme formiddag er blevet sat op. Den den kan tage højde for vejrudsigten, helt lokalt, så forbrugeren får tilbud på parasoller, terrassebrædder eller højskaftede gummistøvler, alt efter hvad vejrguderne lover.

Det er personlig markedsføring, der virker. Hvis det altså kan lade sig gøre.

Den utopiske verdens personlige tilbudsorkestrering har været et hedt ønske for marketing længe.

Men selv i 2020, efter mange års drømme om personliggørelsen, vurderede Gartner, at det vil tage fem til 10 år, før vi for alvor mestrer personaliseringen.

Undersøgelsen viste ellers, at personalisering står højt på listen over marketingønsker nu og her. 

På den baggrund er den datadrevne tilbudsavis et godt sted at blive klogere på, hvilken vej vi kan gå, hvis det ikke skal tage fem til 10 år.

I den utopiske verden leverer vi tilbud, der matcher hver evig eneste forbrugers ønske her og nu.

I virkeligheden kæmper marketing med at få overblik og dernæst indblik i de enorme mængder data, som værktøjer, der understøtter for eksempel tilbudsaviser og digitale annoncer, kaster af sig.

Udfordringen er ofte, at marketings værktøjskasse består af et væld af integrationer, applikationer og frustrationer. Og hvis ikke de “taler” sammen, så er det svært at udnytte datamængden optimalt.

Det er mere komplekst end som så, selvom det lyder besnærende sådan at få systemerne til at spille sammen.

Udfordringen er todelt. Først og fremmest skal marketing producere mere indhold end nogensinde før og til flere kanaler end før. Og paradoksalt nok er der en risiko for, at forbrugeren oplever en reklametræthed, fordi der netop serveres så meget indhold. Så indholdet skal kunne noget særligt. Og det skal kunne sendes ud med høj frekvens.

Så er der adgangen til de data, der skal være fundamentet for den højfrekvente produktion. Den skal være helst være nem at håndtere. Det er den bare sjældent, når produktionen og kanalerne øges.

Så du risikerer at stå med data fra mange forskellige kanaler, der ikke nemt lader sig bearbejde eller håndtere, netop fordi integrationerne og applikationerne ikke taler optimalt sammen. Men hvis data flyder fra dine mange kanaler til et samlet depot, så står du stærkere. 

Tænk på din smartphone, som kan give dig ugentlige rapporter over dit forbrug af apps. Den er din “single source of truth”, som så at sige rummer hele dit økosystem af apps og funktionaliteter.

Derfor har den nemt ved at generere rapporter af alt det, du har foretaget dig den seneste uge på telefonen. 

Det er den model, I har brug for i marketing for at kunne optimere jeres salg. En model, der ikke bukker under, selv om du bliver ved med at fylde nye, spændende applikationer ind i værktøjskassen.

En model, der automatisk indsamler data fra de programmer og kanaler, som I har defineret som væsentlige. En model, der opererer med førstepartsdata, der kan fungere som to selvstædige sandhedskilder – en til kunden og en til indholdet.

Det er sådan en model, der ligger bag den datadrevne tilbudsavis. Derfor er den værd at holde øje med.