Härom veckan hade jag förmånen att stå på scen under GBG Media Day. En aspekt av det jag pratade om var att det inte finns en sanning om hur data och digitalisering påverkar kommunikation, det ser olika ut i olika delar av köresan
.
Evenemanget var jättetrevligt, men jag överraskades av ett par av de andra talarna som var inne på att de skulle ”använda mer data”, ”fokusera mer på data” eller bara ”vara mer datadrivna”.
sökningar på ”Big Data” i Sverige
Det går ju inte att undgå den hype som finns kring data just nu. ”Data är den nya oljan” eller ”Data är den nya valutan” är bombastiska men vaga sägningar som hetsar folk framåt. Mitt i denna hets kan man – om man är motvalls – kanske bli lite skeptisk. Jag satt och pratade med min nya koncernkollega Johan Johansson på Outfox, en man som jobbat heltid med data-analys i över 5 år, och frågade om han var exalterad över att alla ville fokusera på data. Det var han inte.
Sammanfattningen är just denna; Det som är relevant i dagens komplexa verklighet är insikter och konkret användbara beslutsunderlag. Data kan vara ett verktyg i att nå dessa insikter, men data i sig är inget självändamål. Om man inte vet specifikt vad man har data till, varför då skaffa mer data, snarare än att utgå från syfte och sen se om data behövs.. I värsta fall kommer mer data bara försvåra överblick och skapa ett sämre beslutsunderlag. Detta uttrycks bl.a. i den feloptimering som vi ser tecken på där vissa optimerar investeringar på kanaler som är mest mätbara, snarare än på kanaler som är effektivast.
Ett spännande verktyg i att översätta stora mängder data till insikter är Artificiell Intelligens (ännu ett buzzword). Artificiell intelligens kan vara lite svårt att greppa, men jag fick en ganska bra hands on-beskrivning av en extremt intelligent herre på som jobbar med AI på Google UK, Sagar Savla. Sagar jämställde prediktiv AI med gammal hederlig regressionsanalys.
Regressionsanalys handlar ju om att titta på samband mellan olika faktorer och beräkna korrelationen, alltså hur de är mest troligt att hänga ihop. T.ex skulle man på lodräta skalan kunna sätta klickfrekvens på banners och på den vågräta bannerns storlek i antal pixlar. Regresisonen skulle då kunna visa hur mycket mer troligt det är att få ett klick på en stor banner än en liten.
Som man märker av exemplet ovan är även AI ett verktyg snarare än en lösning: AI svarar på den fråga man ställer till den. Ställer man frågan fel kommer man inte få några användbara insikter tillbaka. Klickfrekvens på banners är troligtvis inte den mest kritiska frågan att lösa för många företag. Kanske handlar det snarare om korrelation mellan investeringar i olika medieslag och effekter i brand preferance?
Varje annonsör behöver hitta sin egen utmaning, fundera kring vilka insikter man behöver. När man har det klart för sig, då kan man börja utvärdera data och AI. I min ödmjuka mening.