Marknadskommunikation i dagens dataintensiva …...Marknadskommunikation i dagens dataintensiva...
Transcript of Marknadskommunikation i dagens dataintensiva …...Marknadskommunikation i dagens dataintensiva...
Marknadskommunikation i dagens dataintensiva landskap
I vilken omfattning svenska företag använder insamlad och analyserad kunddata för utformningen av sina marknadsaktiviteter
Daniel Steinholtz & Tatiana Lantratova
5/29/2013
Institutionen för Reklam och PR
Stockholms universitet
Kandidatuppsats 15 hp
Marknadskommunikation och IT (180 hp)
VT 2013
Handledare: Tony Apéria
Examinator: PG Holmlöv
1
Sammanfattning
Mängden tillgänglig kunddata för organisationer och företag har fullkomligen exploderat i
storlek på senare år, pådrivet av ny teknik, där internetuppkopplade enheter och sensorer blir
allt vanligare. Att ta till vara på denna data med hjälp av lösningar som stöder individualiserad
kundrelationshantering har visat sig kunna leda till konkurrensfördelar på en marknad.
Denna studie undersöker hur svenska företag hanterar och analyserar kunddata för att utforma
och anpassa sina marknadsaktiviteter. Med kunddata menas i detta fall både intern sådan,
insamlad via bland annat transaktioner, support, kundklubbar och kampanjer, samt extern
sådan, insamlad via bland annat bloggar, twitter, facebook, kommentarsfält och
konsumentrecensioner.
Studien tar avstamp i en analogi från sportvärlden, där den amerikanska baseballorganisationen
Oakland A’s satsning på objektiv analys inför spelarköp kröntes med stora framgångar i början
av 2000-talet. Forskning visar att även företag utanför sportens värld kan dra nytta av
beslutsfattande baserat på inhämtad och analyserad data. Detta kan sammankopplas med
bättre kundrelationer och lönsamhet. Men för att lyckas med detta, krävs rätt teknik och
kunskap.
Slutsatsen i denna studie, där 39 svenska marknadschefer, VD:ar och kommunikatörer deltog i
en webbenkätundersökning, och där två intervjuades mer ingående, är att svenska företag
förväntar sig en allt högre komplexitet i hantering och analys av kunddata. Man ser stora
utmaningar i framtiden, och är i stor utsträckning i behov av att investera i nya verktyg och
kunskap för att anpassa sig till det nya klimatet.
Nyckelord
Big data, Marknadsföring, CRM
2
Innehållsförteckning
1. Inledning ................................................................................................................................................... 4
1.1 Bakgrund ............................................................................................................................................. 4
1.1.1 Från subjektiv magkänsla till objektiv analys ............................................................................... 4
1.1.2 Big data: En digital revolution? .................................................................................................... 5
1.1.3 Ett skifte i marknadsföringens fokus: från produkt till relation ................................................... 8
1.2 Problematisering ............................................................................................................................... 10
1.3 Problemformulering .......................................................................................................................... 11
1.4 Syfte .................................................................................................................................................. 11
1.5 Avgränsning ....................................................................................................................................... 11
2. Teori ........................................................................................................................................................ 12
2.1 Datadrivet beslutsfattande ............................................................................................................... 12
2.2 Relationsmarknadsföring .................................................................................................................. 13
2.3 CRM ................................................................................................................................................... 14
2.4 IBMs globala undersökning av marknadschefer ............................................................................... 17
3. Metod ...................................................................................................................................................... 20
3.1 Access ................................................................................................................................................ 20
3.2 Val av metod ..................................................................................................................................... 20
3.3 Val av urval ........................................................................................................................................ 21
3.4 Tillvägagångssätt ............................................................................................................................... 22
3.5 Bearbetning av data .......................................................................................................................... 24
3.6 Kvalitetskriterier ................................................................................................................................ 26
3.7 Metodkritik ....................................................................................................................................... 27
3.8 Litteratur- och källkritik .................................................................................................................... 28
3
4. Resultat och empiri ................................................................................................................................. 29
4.1 Övergripande resultat från webbenkäten (stängda frågor) ............................................................. 29
4.2 Övergripande resultat från webbenkäten (öppna frågor) ................................................................ 34
4.3 Empiri med utgångspunkt i problemformuleringen ......................................................................... 35
4.3.1 Hur utnyttjar svenska företag kunddata i utformningen av sin marknadskommunikation? .... 35
4.3.2 Hur ser man på dagens allt mer dataintensiva landskap? ......................................................... 38
4.3.3 Vilka verktyg och vilken kunskap har man? ............................................................................... 39
4.4 Intervjuer .......................................................................................................................................... 40
4.4.1 Lentus AB – Jeurgen Thelander .................................................................................................. 41
4.4.2 IBM – Charlotta Wark ................................................................................................................ 42
5. Analys ...................................................................................................................................................... 44
6. Slutsats .................................................................................................................................................... 48
7. Förslag till fortsatt forskning ................................................................................................................... 50
8. Referenser ............................................................................................................................................... 51
9. Bilagor ..................................................................................................................................................... 56
Bilaga 1. Webbenkät ............................................................................................................................... 56
Bilaga 2. Enkätsvar från fråga 11 (öppna frågor) .................................................................................... 59
Bilaga 3. Enkätsvar från fråga 12 (öppna frågor) .................................................................................... 61
Bilaga 4. Enkätsvar fråga 13 (öppna frågor) ............................................................................................ 63
Bilaga 5. Intervjufrågor – Lentus AB ....................................................................................................... 65
Bilaga 6. Intervjufrågor – IBM – Charlotta Wark ..................................................................................... 66
4
1. Inledning
Detta inledande kapitel kommer att presentera undersökningsområdet samt ge bakgrund till
ämnesvalet. Vidare förklaras problematisering, problemformulering, syfte, avgränsning och
uppsatsens disposition.
1.1 Bakgrund
Vad är kopplingen mellan management av ett lag i den högsta, amerikanska baseball-ligan, det
relativt nya modeordet inom IT – “big data” – och marknadsavdelningar på svenska företag?
För många ter sig nog kopplingen inte allt för uppenbar vid en första anblick. Det ska vi se till att
ändra på i detta avsnitt. Efter det följer en kort genomgång av marknadsföringens fokusskifte
från rent produkt- och transaktionscentrerad till informerat relationsinriktad.
1.1.1 Från subjektiv magkänsla till objektiv analys
Billy Beane är ett välbekant namn i USA. I unga år var han en talangfull och lovande
baseballspelare som under 80-talet gjorde några år i den amerikanska högstaligan MLB. Men
det var inte förrän boken ”Moneyball”, skriven av Michael Lewis 2003, samt filmatiseringen från
2011 med Brad Pitt i huvudrollen, kom ut som han blev uppmärksammad hos den breda
massan. Hans nedan beskrivna bedrifter har även blivit vida omtalade i akademin och
affärspress, exempelvis Hammonds (2003), Myers och Van Horn (2008) och Elias (2012).
Efter sin aktiva karriär sadlade Beane om till scout för laget Oakland A's. Efter några år på
positionen blev han utsedd till General Manager för samma lag. En stor utmaning, eftersom
hans budget för att bygga ett konkurrenskraftigt lag inte var i närheten av de pengar som
storklubbarna hade att röra sig med. Problematiken i att förlora nyckelspelare till rikare klubbar
var ständigt närvarande – man tävlade helt enkelt inte på samma villkor.
Billy Beane valde därför att börja göra saker och ting på ett annorlunda vis. Det klassiska sättet
att bygga ett lag inför en ny säsong baserades till stor del på personligt kunnande och gammal
visdom inom organisationen. En subjektiv och ofta bristfällig metod där spelare på marknaden
värderades godtyckligt. Beane införde ett nytt sätt att tänka och jobba med denna process: han
började utnyttja stora datamängder för att göra en omfattande analys av objektiva fakta om
5
spelare. Data som gick alla andra förbi. På så sätt kunde han värva duktiga men av ligan
undervärderade spelare inom ramen av en stram budget. Och han gjorde det framgångsrikt.
Oakland A’s slog bland annat ligarekordet för antalet vunna matcher i rad, och var nära att slå
storklubben New York Yankees i slutspelet 2001. Detta med endast en fjärdedel av Yankees
löneutgifter.
Historien om Billy Beane är ett lysande exempel på hur en organisation kan prestera bättre
genom att utnyttja avancerad analys av data. Detta är inte bara tillämpningsbart inom sport. En
studie utförd av Brynjolfsson et al. (2011) med 179 stycken stora, publika bolag visar på att de
som tillämpar datadrivet beslutsfattande (DDD – data driven decision making) presterar bättre
än de som inte gör det. Studien visar på att datadrivet beslutsfattande ökar både
produktiviteten och marknadsvärdet hos ett företag med 5-6 procent.
1.1.2 Big data: En digital revolution?
Tillgången till data har ökat dramatiskt under de senaste åren. Det är en av de bakomliggande
orsakerna till varför organisationer och företag har börjat utnyttja stora datamängder allt mer. I
ett uppmärksammat citat som bland annat återges i boken ”The Human Face of Big Data”
(2012) säger Googles Erik Schmidt så här: “Sedan civilisationens begynnelse och fram till år
2003, så skapades totalt fem exabytes med data. Idag skapar vi fem exabytes på två dagar, och
takten ökar”. IBM kommunicerar i en liknande jämförelse på sin webbplats* att “det skapas 2,5
kvantiljoner bytes med data varje dag. Det är så mycket att 90% av den data som finns i världen
har skapats under de senaste två åren”.
Branschordet som figurerat i samband med denna explosion av data är “big data”. I sig ett
begrepp som kan uppfattas som svårt att få grepp om. I en studie gjord av Schroeck, Shockley,
Smart, Romero-Morales och Tufano (2012) vid Saïd Business School, Oxfords Universitet, i
samarbete med IBM, där 1144 tjänstemän från 95 länder och 26 branscher deltog, definerar
man hur företag ser på big data enligt fyra karaktärsdrag: volym, variation, snabbhet och
precision (fyra “V” på engelska: volume, variety, velocity, veracity) (se figur 1). Det händer att
precision (veracity) utelämnas när man söker efter andra definitioner (främst äldre) av
begreppet (se figur 2).
____________________________________________
* http://www-01.ibm.com/software/data/bigdata/
6
Figur 1. Fyra dimensioner i big data: volym, variation, snabbhet och precision. Figur lånad från Schroeck, Shockley, Smart, Romero-Morales och Tufano (2012).
Figur 2. Andra, äldre definitioner av big data utelämnar karaktärsdraget precision (på engelska veracity). Figur lånad från Deutsch, Eaton, Zikopoulos et al. (2011).
7
Enligt studien är volym det karaktärsdrag som rent allmänt är mest förknippat med big data.
Det hänvisar till den stora kvantitet data som organisationer försöker utnyttja för att förbättra
sitt beslutsfattande. Hur stor datavolym som anses vara big data varierar mellan olika företag
och branscher, men alla tillfrågade i studien är överens om det som betyder mycket idag,
betyder ännu mer imorgon.
Variation hänvisar till olika typer av data från olika datakällor. Det handlar om hur man hanterar
komplexiteten av olika datatyper, inklusive strukturerad, semi-strukturerad och ostrukturerad
data. Organisationer måste hantera och analysera ett brett spektrum av traditionella och icke-
traditionella datakällor, både inom och utanför företaget. Med ett ständigt ökande antal
sensorer, smarta enheter och sociala tekniker, så genereras data i otaliga former. Några
exempel är text, webbdata, tweets, sensordata, ljud, video, loggfiler och klickströmmar.
Med snabbhet menas data under rörelse. Data skapas, behandlas och analyseras allt snabbare. I
och med att data skapas i realtid blir det allt viktigare för organisationer att integrera
strömmande data i affärsprocesser och beslutsfattande. Slutligen så hänvisar precision, eller
tillförlitlighet, till hur en viss grad av pålitlighet kan associeras till olika typer av data. Alltså: kan
vi använda denna information som en pålitlig grund för ett affärsbeslut?
Big data är alltså per definition något väldigt stort, väldigt varierat, väldigt snabbt och kan ha
olika grad av pålitlighet. Till och med med denna definition framför oss är det då lätt att förstå
hur begreppet big data kan uppfattas som svårbegripligt.
Det vi generellt kan se är att big data kommer att ha allt större inverkan på hur organisationer,
och samhället i stort, fungerar i framtiden. Brynjolfsson gör följande liknelse för att sätta
potentialen i att mäta big data i perspektiv: “Mikroskopet, som uppfanns för fyra århundranden
sedan, tillät människor att se och mäta saker på aldrig tidigare skådat vis - på cellulär nivå. Det
var en revolution inom mätteknik. Att mäta data är den moderna motsvarigheten till
mikroskopet”*. IBMs nuvarande VD Ginni Romnety säger så här i ett tal till Council of Foreign
____________________________________________
* http://www.nytimes.com/2012/02/12/sunday-review/big-datas-impact-in-the-world.html?_r=3&scp=1&sq=Big%20Data&st=cse&
8
Relations: “Jag vill att du ska tänka på big data som nästa naturresurs, som kan betyda lika
mycket för vår era som ånga, elektricitet och olja betydde för industrialiseringen”*.
Det vi mer specifikt ämnar att undersöka i denna studie är hur big data appliceras inom
marknadsföring. Ginni Romnety fortsätter sitt framförande med att slå fast att beslut inom
marknadsföring och tillverkning inte längre kommer att tas “baserat på intuition, erfarenhet
och magkänsla”, utan istället baserat på “prediktiv analys”, där sociala medier, mobil
information och big data utnyttjas.
Den vid första anblick lite udda kopplingen mellan management av baseball-lag, big data och
marknadsföring bör nu ha klarnat lite grann. Det vi så småningom vill ta reda på i vår studie, är
om det finns några “Billy Beanes” på marknadsavdelningar runt om i Sverige. Presterar
företagen de sitter på, likt Oakland A’s, bättre än sina konkurrenter? Analogin vi drar till Billy
Beane och Oakland A’s är inte unik i sammanhanget. Men den är ett välillustrerande exempel
på vår övertygelse och grundsyn att man genom att analysera big data, som
marknadsavdelning, kan få ut mer av varje investerad marknadskrona.
1.1.3 Ett skifte i marknadsföringens fokus: från produkt till relation
För en bättre förståelse för dagens teorier inom marknadsföring baserad på stora datamängder,
anser vi att det är nödvändigt med en kortfattad genomgång av marknadsföringens historia.
Detta med fokus på hur och varför marknadsföringen har utvecklats från att vara inriktad på
produkt och transaktioner till allt mer relationsfokuserad.
Allt eftersom branscher har mognat, så har förändringar i efterfrågan och konkurrensintensitet
lett från en transaktionsinrikad marknadsföring till en relationsinriktad sådan. Under 1950-talet
utvecklades transaktionsinriktade ramverk som “the marketing mix” med sina fyra P:n (produkt,
pris, promotion, plats), som med rätt användning ansågs kunna maximera försäljning. Men allt
eftersom marknader har förändrats och mognat har kritik växt fram gentemot detta gamla
synessätt på marknadsföring. Låg tillväxt i mättade marknader och allt mer sofistikerade och
medvetna konsumenter har gjort traditionell marknadsföring mindre effektiv. Ett större
____________________________________________
* http://www.businessinsider.com/ibm-ceo-on-management-changing-2013-3
9
utbud, fler kanaler och globalisering har tvingat fram ett nytt sätt att tänka för att företag ska
kunna sälja sina produkter (Payne, 2006).
Den gamla tidens marknadsföring fokuserade på produkten, inte konsumenten. Det ledde till
massmarknadsföring som var designad att nå så många som möjligt, och som behandlade alla
konsumenter som om de hade samma behov. Det underliggande antagandet var att
tillgänglighet och det urval av produkter ett företag erbjöd sina konsumenter var huvudfaktorn
för framgång (Dyché, 2002).
Produktfokuset innebar dock inte att man helt saknade förståelse för marknaden. När företag
lanserade och återlanserade sina produkter började man analysera responsen man tog emot,
för att ta reda på hur framgångsrika man var i sin marknadsföring. På 1960-talet dök
direktmarknadsföringen upp, som ofta gestaltade sig i form av reklamutskick i brevlådan och
annonser i tidningar som man uppmanades svara på via kuponger. Direktmarknadsförare
gjorde ofta flera versioner av samma kampanj och skickade ut dem i olika regioner. Utifrån en
analys av responsen på de olika versionerna kunde man se vilka meddelanden som fungerade
och inte (Dyché, 2002).
Dataanalytiker började associera produkter till de kunder som köpte dem. Det var dels genom
dessa analyser som företag började förstå att kunddatan de samlade på sig var lika viktig som
produktdatan de skickade ut. Därifrån var det inte långt till det att termen “target marketing”
utvecklades, ett begrepp som innebar att man marknadsförde sig mot olika målgrupper. Det
allra vanligaste sättet att gå till väga var att dela upp marknaden i olika segment, vilka
bestämdes utifrån bland annat demografi, geografi och psykografi. Genom att segmentera så
kunde företagen rikta en mer specialiserad marknadskommunikation mot sina kunder, vilket
förde med sig många fördelar såsom kostnadseffektivitet och för kunden mer relevanta
budskap. Jill Dyché (2002) säger att målgruppsanpassad marknadsföring således blev
marknadsföringens “Heliga Graal”.
Marknadskommunikationen hade utvecklats från massmarknadskommunikationens
produktfokus till målgruppsmarknadsföringens segmentfokus. Men de var dock båda kortsiktiga
sätt att se på marknadsföring. För att vara långsiktig i sin marknadsföring var det dags att rikta
10
in sig på individer i vad som kallas för relationsmarknadsföring (Dyché, 2002). För att ett företag
ska kunna vara konkurrenskraftigt på dagens globala marknader så måste de knyta starkare
band med deras intressenter. Företag måste gå från en kortsiktig, transaktionsinriktad
målsättning till en mer långsiktig, relationsbyggande sådan (Kotler, 1992). Men hur?
Att vårda sina kunder är en princip som funnits sedan handelns begynnelse.
Relationsmarknadsföring som forskningsområde har funnits i drygt 25 år. Men Customer
Relationship Marketing (CRM) som bygger på relationsmarknadsföringens grundprinciper, blev
inte stort förrän i slutet på 1990-talet. CRM kallas även för informationsaktiverad
relationsmarknadsföring (Payne, 2006). Information som företag sitter på är idag digital, så det
ter sig naturligt att det finns ett tydligt teknikfokus inom CRM.
Det finns ett antal tekniska faktorer som idag har lett till att företag kan bygga starkare
relationer med sina kunder genom CRM. Adrian Payne (2006) nämner bland annat datorers
ökade prestanda och lagringsutrymme till en mindre kostnad som en faktor. En ökad
tillgänglighet till verktyg som kan gräva fram, analysera och visualisera data är en annan. E-
handelns uppgång och att kunna precisionsrikta sig mot kunder via internet till en låg kostnad
är ännu en. Vikten av att kunna behålla sina kunder och deras livstidsvärde har dessutom fått
ökad uppmärksamhet. Idag har man även inom marknadsföringsdisciplinen utvecklat allt bättre
tillvägagångssätt för att kunna rikta sig mot en väldigt specifik målgrupp, inklusive
marknadsföring “en-till-en” (one-to-one marketing), samtyckesbaserad marknadsföring
(permission marketing) och massanpassning (mass customization).
1.2 Problematisering
Konsumenter lämnar idag ifrån sig oerhörda mängder data som organisationer kan dra nytta av.
Vi bidrar alla, pådrivna av ny teknik, till det digitala informationshav som kallas för big data. Det
vi ser är att organisationer i många fall saknar de verktyg och den kunskap som behövs för att
utnyttja detta. Det finns också tecken på att detta skifte i hur vi ser på data inte tas på så stort
allvar som det borde. Men vi ser också att det finns exempel och forskning som bevisar att de
som har system för att fatta beslut baserat på data, presterar bättre än de som inte gör det.
Med ett ständigt ökande antal enheter och sensorer som är uppkopplade mot internet kommer
11
datamängderna konsumenter lämnar ifrån sig bara att bli allt större. Att som företag vara
förberedd på att hantera denna explosion av data kan leda till konkurrensfördelar. Vi ser dock
att en majoritet inte är redo.
1.3 Problemformulering
I vilken omfattning utnyttjar svenska företag kunddata i utformningen av sin
marknadskommunikation? Hur ser man på dagens allt mer dataintensiva landskap? Vilka
verktyg och vilken kunskap har man?
1.4 Syfte
Syftet med denna studie är att ta reda på i vilken fas svenska företag ligger gällande adaptionen
av datadrivna beslutsstöds- och CRM-system, och vilken inverkan det har på deras
marknadskommunikation. Vidare är detta en studie som ämnar att bygga vidare på det globala
resultat som IT-företaget IBM fick fram i sin undersökning av marknadschefer från 2011, för att
få fram en svensk vinkel på det hela. Vår hypotes är att verktyg och kunskap för att hantera
stora datamängder i relativt stor utsträckning saknas eller är i behov av förbättring.
1.5 Avgränsning
Detta är en kvantitativ undersökning som görs via en webbenkät adresserad till cirka 750
marknads- och kommunikationsansvariga på olika företag runt om i Sverige. Önskemålet var att
nå cirka 50 respondenter. Studien är främst relevant för marknadsförare i svenska företag som
är osäkra på nyttan med big data och CRM i modern marknadsföring. Tid- och resursbrist har
bidragit till begränsningar i studiens omfattning. Därför ska studiens resultat ses som tendenser
istället för något att dra generella slutsatser från.
12
2. Teori
I teorin diskuteras de teorier och tidigare studier som är relevanta för ämnet och som bidrar till
att besvara problemformuleringen.
2.1 Datadrivet beslutsfattande
Tack vare big data så kan beslutsfattare mäta, och därför även veta, mer om sina företag och
affärer. Denna kunskap kan sedan användas för att fatta bättre beslut och prestera bättre på
marknaden (McAfee och Brynjolfsson, 2012). En studie utförd av Brynjolfsson et al. (2011) med
179 stycken stora, publika bolag i USA visar på att de som tillämpar datadrivet beslutsfattande
(DDD – data driven decision making) presterar bättre än de som inte gör det. Studien visar på
att datadrivet beslutsfattande ökar både produktiviteten och lönsamheten hos ett företag med
5-6%. I ju större omfattning företag beskrev sig själva som datadrivna, desto bättre presterade
dem alltså i form av operationella och finansiella resultat.
En studie av Rogers och Sexton (2012) från Columbia Business School’s Center on Global Brand
Leadership i samarbete med NYAMA handlar om varumärken, innovation och teknologi. I deras
studie kom man fram till att hela 91% av marknadsförare tror att framgångsrika varumärken
använder kunddata för att driva igenom marknadsföringsbeslut. Det visar sig dock att 39% av
dessa säger att företagets data samlas in alltför sällan eller att datan inte är i realtid nog.
Detta tyder på att marknadsavdelningar på organisationer och företag behöver bli bättre på att
utnyttja big data. Inte bara att samla in data mer effektivt, men också att analysera det bättre
för att stödja beslut inom organisationen. Studien visar att de typer av kunddata som samlas av
marknadsavdelningar är demografisk data (74%), kundtransaktioner (64%) och kundens
användardata (60%). Dock visade det sig att 51% av respondenterna menar att det finns ett
hinder i att effektivt mäta sin marketing ROI och detta beror på bristen av att dela med sig av
kunddata inom sin egen organisation.
Sannolikheten att stora företag samlar in ny form av digital data såsom mobila data (19%), är
mindre än att dem samlar in traditionell kunddata såsom demografi (74%) och attityder (54%).
Vi ser tydligt att insamling av big data brister. Man behöver mer data att fatta beslut på, för ju
13
mer data man har, desto större blir beslutsunderlaget och möjligheten att se olika mönster.
Och dessa data finns i källor som traditionella metoder inte alltid når.
2.2 Relationsmarknadsföring
Den grundläggande tesen som Ian Gordon (1998) driver i sin bok “Relationship Marketing” är
att relationer är den enda “riktiga tillgången” som ett företag har. En relation är, som vi
klargjorde redan i inledningen, långsiktig. Sådant som traditionellt ses som tillgångar,
exempelvis fabriker, produkterna i sig eller intellektuellt kapital, är kortsiktiga. Förtydligande
menar Gordon alltså att en tillgång traditionellt sett är något som påverkar ett företags
kapacitet att generera kortsiktig vinst. En relation, å andra sidan, representerar möjligheten till
en långsiktig vinst associerad med låg risk, samt möjligheten att öka företagets lönsamhet på
många olika sätt.
Enligt Armstrong och Kotler (2005) så är modern marknadsföring att skapa lönsamma relationer
med kunder. Vidare menar de att marknadsföring handlar om att skapa värde för, samt fånga
upp värde från, kunder. Att skapa kundrelationer baserade på kundvärde och
kundtillfredsställelse är själva hjärtat i modern marknadsföring (Armstrong och Kotler, 2005).
Figur 3. En modell över “The Marketing Process”, enligt Armstrong och Kotler (2005).
“The Marketing Process”-modellen (se figur 3) är en modell i fem steg skapad av Armstrong och
Kotler (2005). I de första fyra stegen arbetar organisationerna för att förstå kunderna, skapa
kundvärde och bygga starka kundrelationer. I det femte steget kan organisationerna fånga upp
värdet som de tidigare stegen har skapat. Genom att skapa värde för kunder, så kan
organisationerna i sin tur fånga värde från kunder i form av försäljning, lönsamhet och
långsiktigt kundkapital. Vi tänkte ta en snabb titt på hur insamling av kunddata och Customer
14
Relationship Management (CRM) stödjer denna process. För en fullständig genomgång av
modellen hänvisar vi till Armstrong och Kotler (2005).
Det första steget handlar om att förstå marknaden, samt kunders viljor och behov.
Organisationer som är kända för att bedriva framgångsrik marknadsföring lägger ned väldigt
mycket energi och resurser för att förstå deras kunders behov, viljor och efterfrågan. Men hur?
Bland annat genom att analysera stora mängder data (Armstrong och Kotler, 2005). Med tanke
på tidigare fastställanden om hur datamängderna vi som konsumenter lämnar ifrån oss ökar i
en rasande takt, är det en logisk utgång att kraven på de verktyg och den kunskap som
behandlar data också kommer att öka.
Om vi hoppar till det fjärde steget, som handlar om att bygga lönsamma relationer med
kunderna, spelar CRM en väldigt stor och viktig roll. Armstrong och Kotler (2005) beskriver till
och med CRM som det “kanske viktigaste konceptet i modern marknadsföring”. Under nästa
rubrik tittar vi närmare på varför.
2.3 CRM
CRM kan brett beskrivas som en process där man bygger och underhåller lönsamma
kundrelationer genom att leverera överlägset kundvärde och -nöjdhet (Armstrong och Kotler,
2005). Synen på CRM som det kanske viktigaste konceptet inom modern marknadsföring stöds
också av annan forskning. Jayachandran, Sharma, Kaufman och Raman (2005) skriver till
exempel att processer som behandlar relationsrelaterad information är instrumentala för att
förbättra en organisations kundrelationer. CRM är en sådan process.
CRM-applikationer hjälper organisationer att samla information och omvandla den till kunskap
om sina kunder, och denna kunskap kan sedan omvandlas till förbättrad kundnöjdhet (Mithas,
Krishnan och Fornell, 2005). Genom att organisera och använda denna information kan
organisationer designa och utveckla bättre tjänster och produkter (Davenport, Harris och Kohli,
2001). Denna typ av kunskap har dock vissa attribut som gör den väldigt komplex. Davenport
och Klahr (1998) hävdar att kunddata kan komma från många olika källor och medier samt i
många fall är kontextuell. Kunddata är även dynamisk och kan förändras snabbt. Dessa
15
karaktärsdrag överenstämmer till stor del med den definition av big data som vi tar upp i
inledningen till denna studie (big data = volym, variation, snabbhet och precision).
Vi ser att CRM-verktygens viktigaste uppgift i slutändan är att öka kundnöjdheten för en
organisation. Det finns nämligen ett starkt samband mellan kundnöjdhet och ekonomisk
prestanda hos en organisation (Bolton, Lemon och Verhoef, 2004). Hög kundnöjdhet har till
exempel negativ inverkan på kundklagomål och positiv inverkan på kundlojalitet och
användarbeteenden (Bolton, 1998; Fornell, 1992). Ökad kundnöjdhet kan öka användandet av
en produkt eller tjänst (Bolton, Kannan och Bramlett, 2000), säkra framtida vinst (Rust,
Moorman, och Dickson, 2002) samt minska risken för förlorade kunder (Anderson och Sullivan,
1993; Mithas, Jones och Mitchell, 2002).
Mithas, Krishnan och Fornell (2005) hävdar att CRM-verktyg sannolikt har en inverkan på
kundnöjdhet av åtminstone tre orsaker. För det första tillåter CRM-verktyg organisationer att
anpassa sina erbjudanden för varje kund. Genom att bearbeta kunddata kan organisationer
tillmötesgå olika kunders tycken och smak. För det andra hjälper CRM-verktyg företag att
förbättra pålitligheten för konsumtionsupplevelser genom att underlätta punktlig och exakt
behandling av kundordrar och förfrågningar, samt den fortgående hanteringen av kundkonton.
För det tredje hjälper CRM-verktyg organisationer att hantera kundrelationer mer effektivt
genom de olika stegen för initiering, underhåll och avslutande av relationer. Effektiv hantering
av kundrelationer är nyckeln till att hantera kundnöjdhet och kundlojalitet.
Mithas, Krishnan och Fornell (2005) bevisar genom sin studie att CRM-verktyg kan associeras
med en förbättrad kunskap om kunder. De hittar även belägg för samband mellan effektivt
användande av CRM-verktyg och kundnöjdhet. CRM stödjer alltså kundnöjdhet, och
kundnöjdhet leder i sin tur till förhöjd ekonomisk prestanda för en organisation. Detta utgör
såvida vår grundsyn på CRM för denna studie.
Men hur ska organisationer förhålla sig till CRM då? Alla kan väl inte angripa det på samma
sätt? Nej, visst är det så att en given organisation måste överväga sin nuvarande position på
marknaden och den framtida roll man realistiskt kan komma att spela (Payne, 2006). Att välja
en strategi för organisationens CRM-initiativ är viktigt, då det för en del företag kanske är fullt
16
tillräckligt att titta på exempelvis transaktionsdata istället för en fullt integrerad lösning för
individualiserad marknadsföring. Det finns fyra generella CRM-strategier ett företag kan
anamma (se figur 4).
Figur 4. Strategimatris för CRM – fyra olika sätt att förhålla sig till CRM, enligt Adrian Payne (2006).
Den vertikala axeln i strategimatrisen anger hur omfattande information en organisation har
om sina kunder. Detta innefattar (1) en kombination av hur mycket kunddata som finns och (2)
hur pass avancerad analysen av kunddatan är. Den horisontella axeln anger i vilken utsträckning
en organisation använder kundinformation för att ge dem individualiserad eller anpassad
service.
I matrisens nedre vänstra hörn finns “produktbaserad försäljning”. Här görs bara enklare analys
på osofistikerad data, exempelvis hur en produkt säljer över tid eller produktivitet i kanaler.
Tonvikten läggs här just vid produkten och kanalerna, inte kunden.
I matrisens nedre högra hörn finns “hanterad service och support”. När organisationer tar sitt
första steg mot att utöka sitt CRM-system från “produktbaserad försäljning” är det vanligtvis hit
man går. Det handlar ofta om att etablera ett call center eller help desk. Denna typ av CRM
behöver ingen omfattande kundinformation, men kommunikationen sker person till person
17
eller individualiserat. En något mer sofistikerad analys görs, men fortfarande på osofistikerad
data.
I matrisens övre vänstra hörn finns “kundbaserad marknadsföring”. Här skiftar fokus från
individuell produktförsäljning till kunden, om vilken man vill nå en djupare förståelse. För att nå
det utnyttjar man en mer avancerad analys. Stora matvarukedjor är ofta bra exempel på
organisationer som arbetar med kundbaserad marknadsföring, då man utnyttjar avancerad
analys av kunddata för att skräddarsy erbjudanden, produkter och butikslayout.
I matrisens övre högra hörn finns “individualiserad CRM”. För att nå hit krävs både sofistikerade
dataplattformar och sofistikerade applikationer som körs på dessa, såsom avancerad
marknadsföring en-till-en, avancerad integration mellan dator och telefoni, integrerade kanaler
och avancerade webbtjänster. Denna strategiska position är särskilt relevant för organisationer
som vill använda sig av flera säljkanaler. E-handel är exempelvis en av dessa kanaler som
representerar stora möjligheter att bygga marknadsföring en-till-en som lär sig av varje
elektronisk interaktion med kunden, och därmed kan individualisera kundupplevelsen i hög
grad.
Det finns en generell trend när man kollar på organisationer och deras förhållande till den
strategiska CRM-matrisen: tids nog vill man migrera mot det övre, högra hörnet och
individualiserad CRM. Alltså bort från den osofistikerade, transaktionella formen av CRM till
sofistikerad, individualiserad sådan. Genom att vara den första att nå sann, individualiserad
CRM i en bransch har man ett strategiskt övertag (Payne, 2006).
2.4 IBMs globala undersökning av marknadschefer
Vår studie av svenska marknadschefer bygger till stor del på resultat från en global
undersökning (From Stretched to Strengthened: Insights from the Global Chief Marketing
Officer Study, 2012) som IT-företaget IBM har genomfört. Vårt mål är att skapa ett mer
detaljerat material ur ett svenskt perspektiv. 1734 marknadschefer från 19 olika branscher och
64 länder deltog i den globala studien. Ett av syftena med studien var att ta reda på hur
marknadschefer hjälper sina organisationer att klara av de “fundamentala skiftningar som
18
förändrar världen och sättet vi gör affärer på”. Med det syftar man på den digitalisering och
globalisering som har skett och fortsätter att ske.
Enligt studiens resultat så försöker de mest proaktiva marknadscheferna att förstå individer lika
väl som marknader. Närheten till kunderna anses vara en nyckelfaktor, och för att nå dit gräver
man i nya, digitala datakällor för att förstå vad individuella kunder och medborgare vill ha.
Marknadschefer i de mest framgångsrika organisationerna utnyttjar enligt studien data för att
göra sin organisations erbjudanden mer relevanta och för att skapa band med sina kunder i
mycket högre utsträckning än deras motsvarigheter i mindre framgångsrika organisationer. De
fokuserar mer på relationer, och inte bara transaktioner.
Nästan två tredjedelar av de tillfrågade marknadscheferna i studien tror också att ROI, return
on investement, kommer att vara det primära sättet att mäta marknadsaktiviteters framgång
2015. Men hälften känner sig otillräckligt förberedda för att kunna leverera sådana siffror.
Vi ser genom denna studie att det är tydligt att kunskapen och verktygen för att analysera data
blir allt viktigare för marknadschefer och deras företag. I linje med svaren som studien
resulterade i, uttalades tre rekommendationer inför framtiden:
1. Leverera värde till kunder i en tid där maktbalansen skiftat i deras favör gentemot företag.
Om marknadschefer ska kunna förstå och leverera värde till kunder i dagens klimat, så måste de
lära känna individer lika mycket som de lär känna marknader. De måste investera i ny teknik
och avancerade verktyg för analys för att få bättre förståelse om hur individuella kunder beter
sig.
2. Främja bestående relationer. Interagera med kunden på ett sådant sätt som upplevs
värdefullt. Det innebär bland annat att interagera med kunden genom hela kundlivscykeln och
bygga värdefulla communities både offline som online.
3. Fånga värde och mät resultat. Marknadschefer måste kunna kvantifiera och analysera
finansiella resultat från deras marknadsaktiviteter, för att förbättra marknadsavdelningens
kredibilitet och effektivitet. De bör också investera i digital, analytisk och finansiell kunskap
både hos anställda och sig själva.
19
Av de 1734 tillfrågade marknadscheferna globalt var mindre än 50 från något av de nordiska
länderna. Jämför man svaren sinsemellan de båda grupperna kan man se tendenser på vissa
skillnader. Trots att de nordiska länderna ligger i toppskiktet i en mätning* av digital beredskap,
med Sverige som innehavare av förstaplatsen år 2010, visar studien på att de nordiska
marknadscheferna känner sig ännu mer oförberedda än sina globala motsvarigheter inför
stundande nyckelförändringar inom marknadsföringsområdet.
Till exempel så känner drygt sju av tio marknadschefer globalt sig oförberedda inför
explosionen av data. I Norden är den siffran drygt nio av tio. Inom andra förändringsområden
såsom sociala medier, det ökade antalet kanaler och enheter samt ansvar för ROI finns det
liknande siffror: en global majoritet känner sig oförberedda, och ännu mer så bland de nordiska
marknadscheferna.
Vi hittar liknande tendenser från andra undersökningar. I Gartners årliga undersökning** av
marknadschefernas nära kollegor, IT-cheferna, ser vi att big data hamnar på 9:e plats på
prioriteringslistan globalt. På nordisk nivå återfinns big data först på 25:e plats. Detta kan ses
som problematiskt då nordiska och svenska företag därmed kan förlora sin konkurrenskraft i
det globala och dataintensiva klimat som råder idag. Därför finner vi det intressant att titta
närmare på hur det ser ut på marknadsavdelningar i Sverige, mer specifikt.
____________________________________________
* http://graphics.eiu.com/upload/EIU_Digital_economy_rankings_2010_FINAL_WEB.pdf
** Wallström, M. (2013): Computer Sweden: Hitta guldkornet i det växande databerget.
20
3. Metod
Under denna rubrik beskrivs tillvägagångssättet av studien. Här förklaras valet av metod och
urval.
3.1 Access
Det ska nämnas att denna studie är skriven med stöd från IBM i Sverige, som uttryckte en
önskan om att få en mer svensk syn på den globala studien med marknadschefer (From
Stretched to Strengthened: Insights from the Global Chief Marketing Officer Study). Från IBM
har vi fått uppslag till denna studie, samt råd och mentorskap. En av författarna till denna
studie hade dessutom under tiden undersökningen genomfördes en anställning på IBM, vilket
har varit en fördel gällande tillgång till material och kontaktinitiering. Eftersom syftet med
studien är att undersöka hur svenska företag använder och ser på databaserade beslutsstöds-
och CRM-system i sin marknadsföring – alltså i stort sett en svensk vinkel på IBM:s globala
studie – så var det tydligt att det var svenska marknads- och kommunikationsansvariga vi
behövde nå. Via IBM kontaktade vi därför Sveriges Marknadsförbund, en organisation som
funnits sedan 1919 och som idag är “landets största nätverk för marknadsförare och den enda
intresseorganisation som för samman alla marknadsförare, oavsett specialitet eller bransch”*.
Därifrån fick vi en adresslista att skicka ut vår webbenkät till. Att ha haft denna access har varit
en stor tillgång för vår empiri.
3.2 Val av metod
Vi använde oss främst av en kvantitativ metod för att genomföra vår studie. Det föll sig naturligt
eftersom IBM:s globala studie som vi baserade undersökningen på också var kvantitativ. Vi
hade inte direkt tillgång till vår målgrupp. Med hänsyn till detta var det viktigt att välja en
metod som gav oss den tillgången. Surveyundersökningar är vanligen den bästa metod som en
samhällsvetare har för att studera attityder eller beteenden hos en grupp människor som inte
går att observera direkt (Ekström och Larsson, 2010). Vi utformade därför en webbenkät med
12 frågor – samt 5 kontrollfrågor för att säkerställa vilka som svarade – som vi sedan
distribuerade via e-post.
____________________________________________
* http://svemarknad.se/om-oss/vad-vi-gor/
21
Enligt Ekström och Larsson (2010) är det tre frågor som står i centrum när man ska göra en
kvantitativ frågeundersökning. Den första frågan är vem man ska fråga – vilka ska ingå i vår
undersökning? Den andra frågan är hur man ska fråga – hur konstruerar vi frågeformuläret?
Den tredje frågan är hur man analyserar – hur bearbetar vi den kvantitativa datan? Vi besvarar
dessa tre frågor under kommande rubriker. Under den första av dessa rubriker beskriver vi
även att vårt önskemål att nå 50 respondenter inte uppnåddes. Därför valde vi att komplettera
undersökningen med två uppföljande intervjuer. En av intervjuerna genomfördes med Jeurgen
Thelander, VD för Lentus AB, och den andra med Charlotta Wark, nordisk marknadschef för
IBM. Ekström och Larsson (2010) rekommenderar att man som intervjuare utgår från en
intervjumanual, men samtidigt är flexibel och anpassa sig efter respondentens svar. Detta har vi
haft i åtanke under intervjutillfällena, och använt oss av följdfrågor när samtalet utvecklades åt
ett visst håll (se bilaga 5 och 6).
3.3 Val av urval
Vi kontaktade Sveriges Marknadsförbund och förklarade syftet med vår studie samt att vi
behövde nå ut till den målgrupp som ingår i deras nätverk. Sveriges Marknadsförbund gick
sedan med på att låta oss använda deras adresslista för deras digitala nyhetsbrev i syfte att
sprida vår undersökning. I denna adresslista ingick ungefär 750 namn på marknads- och
kommunikationsansvariga på företag runt om i Sverige. Vi ville få fram cirka 50 svar eftersom
det var det som krävdes för att få fram en nordisk synvinkel i den globala undersökningen från
IBM. Trots att vi skickade ut två påminnelser nådde vi inte 50 respondenter i vår kvantitativa del
av undersökningen, utan fick till slut nöja oss med 39 respondenter. Vilket vi ändå anser är
tillräckligt för denna studie. När vi sedan valde våra två respondenter för intervjuer ville vi både
ha insikt från både någon som deltagit i enkäten och en som inte gjorde det. Vi tittade först och
främst på de svar i enkäten och markerade dem svar som vi tyckte visade på god insyn. Utifrån
det valde vi Lentus AB som var villiga att ställa upp för en intervju. Utöver det så tyckte vi att
det vore intressant att prata med IBM, vars globala studie vi till stor del baserar denna studie
på. Dessa respondenter kontaktades med en förfrågan via mail, där vi bestämde tid för intervju.
22
Vårt antagande är att de som har valt att deltaga i undersökningen är insatta i ämnet, och har
den insyn som krävs för att uttala sig om sin organisations marknadskommunikation. Syftet
med studien och ämnet framgår tydligt i e-postutskicket, men också i inledningen till själva
enkäten. Har man ingen insyn i sin organisations marknadskommunikation bör man alltså inte
ha något incitament till att genomföra enkäten. För att säkerställa att de respondenter som har
deltagit i undersökningen har relevant insyn i ämnet ställde vi ett antal kontrollfrågor i början
av enkäten, bland annat om vilken titel respondenten har i sin organisation. Med detta sagt,
gör vi ingen skillnad på svaren utifrån den titel respondenten har angivit sig själv ha i sin
organisation.
Av 39 respondenter har 23 stycken identifierat sig som ansvarig för antingen marknad,
kommunikation eller information, eller ett par av dessa, eller samtliga. 8 stycken har identifierat
sig som VD. Resterande har titulerat sig annorlunda, såsom brand manager, partner, egen
företagare, projektledare, informatör och kommunikatör (se figur 5).
Figur 5. Fördelning av titlar på våra respondenter.
3.4 Tillvägagångssätt
I e-postutskicket till denna adresslista introducerade vi oss själva och studien. I e-postutskicket
framgick det klart och tydligt vilka avsändarna var, undersökningens namn, undersökningens
syfte och enkätens innehåll, vem vi ville uttala oss om, vad resultaten skulle användas till, samt
våra kontaktuppgifter och namn. Detta är information som man normalt ger i missivbrev eller
förberedande brev när man skickar ut enkäter via fysisk post. Vi valde att ha med denna
23
information i e-postutskicket då sannolikheten blir större att mottagaren uppfattar
undersökningen som viktig och relevant. Med denna information är sannolikheten även större
att få tillbaka en ifylld enkät (Ekström och Larsson, 2010).
Konfidentialitet garanterades också i denna information, vilket är särskilt viktigt för en
webbenkät då den svarande kan spåras lättare när undersökningen sker via Internet (Ekström
och Larsson, 2010). Att utlova konfidentialitet bidrar till förtroende och öppenhet, och chansen
ökar att respondenterna släpper fram sina innersta tankar och uppfattningar (Ekström och
Larsson, 2010). Mottagarna uppmanades i mailet att klicka på en länk som ledde till själva
webbenkäten.
En vecka efter att det ursprungliga utskicket gått ut skickades en första påminnelse om att delta
i undersökningen, också via e-post, till samma adresslista. Den andra påminnelsen gick ut två
veckor efter det initiala utskicket. Syftet med påminnelser är att respondenterna inte ska skjuta
upp besvarandet av enkäten till framtiden. Ett annat syfte med påminnelser är att motivera
respondenter som är tveksamma till att delta i studien att svara (Ekström och Larsson, 2010).
Webbenkäten gjordes i Googles verktyg Google Forms (se bilaga 1). Google Forms
tillhandahåller en enklare analys av svaren, samt möjligheten att exportera dem till externa
kalkylblad. Något behov av ett mer avancerat analysverktyg såsom SPSS upplevde vi inte, med
tanke på att vi ville hålla webbenkäten relativt enkel och att det skulle vara möjligt att svara på
den på cirka tio minuter. Enklare analyser av förhållanden mellan respondenternas svar gjorde
vi manuellt.
Generellt sett bör webbenkäter vara kortare och mindre djupgående än postenkäter. Tar en
enkät för lång tid att besvara blir risken större att respondenter varken har tid eller lust att
besvara den (Ekström och Larsson, 2010). Av samma anledning använder vi mestadels stängda
frågor i vår enkät. En studie utförd av Falthzik och Carroll (1971) visade att svarsfrekvensen är
betydligt högre om man använder sig av enbart stängda frågor än enbart öppna frågor. Vi
kompletterade dock de nio stängda frågorna med tre öppna frågor där respondenterna fick
förklara sina svar mer ingående.
24
Vid utformning av enkäten behövde vi ta ett beslut kring om vi skulle använda oss av en
intervallskala med udda steg eller jämna steg. De forskare som förespråkar udda antal steg
menar att det i en sådan skala uppstår en tydlig mittpunkt. Att respondenter inte har en
uppfattning är inte detsamma som att ha en neutral ställning som mittpunkten är till för. Andra
menar att en mittpunkt lockar respondenter som inte har en uppfattning kring frågan som
ställs. De forskare som förespråkar jämna antal steg i en skala menar att man som respondent
tvingas till att ta ställning, dock kan det också tvinga fram uppfattningar som egentligen inte
finns hos dessa personer (Söderlund, 2005).
Vi var dock övertygade om att detta inte skulle uppstå i vårt fall då ämnet vi valt är mycket
relevant hos de frågade, som är initierade inom området. I fall där de svarande uppenbarligen
bör kunna svara på frågan kan det neutrala alternativet uteslutas (Ekström och Larsson, 2010).
Vi ville därför att respondenterna skulle ta ställning.
Några frågor ställdes dock inte med intervallskalor. På en av de stängda frågorna skulle
respondenterna välja ett av tre alternativ. På en annan ombads respondenterna välja fem
alternativ ur en större mängd. Sedan valde vi att komplettera de stängda frågorna med tre
öppna frågor, där respondenterna fick svara fritt. Fördelen med ett öppet svarsutrymme är att
de inte begränsar respondenten till undersökarens förutbestämda val (Söderlund, 2005). Vi
tyckte att det var viktigt att tillåta respondenterna i viss mån tala fritt kring ämnet för att nå
djupare, och kanske några oväntade, insikter. Samtidigt valde vi att göra merparten av frågorna
stängda, dels på grund av tidigare nämnda fördel i och med högre svarsfrekvens, men också
eftersom det underlättar både kodning och analys av svaren (Söderlund, 2005).
3.5 Bearbetning av data
När vi började titta på respondenternas svar så inledde vi med att titta på sammanfattningen
som Google Forms gör automatiskt. Där fick vi se en överblick på svaren sammanställda i olika
diagram. Vi tog givetvis bort de svar som saknade information om respondenten då vi ansåg
dessa svar som opålitliga. Det var 2 respondenter av 41 som ej hade angivit den information
som krävdes för att vi skulle kunna validera vilka de var. Därför gjorde vi våra uträkningar på 39
25
respondenter. Dessa uträkningar gjordes delvis manuellt i kalkylblad som vi exporterade från
Google Forms.
7 av enkätfrågorna använde en intervallskala som gick från 1 till 6. Vi valde att dela upp svaren i
sammanlagt tre grupper vid bearbetning av data. En grupp representerade de respondenter
som svarade 1 eller 2 i skalan, den andra gruppen som svarade 3 eller 4 i skalan, och en tredje
grupp som svarade 5 eller 6 i skalan. På så sätt kunde vi exempelvis gruppera de som höll med i
låg grad, de som delvis höll med, och de som höll med i hög grad. För oss var det alltså mindre
intressant vilka som höll med fullständigt och vilka som inte höll med alls. För dessa tre grupper
sammanställdes ett diagram för varje fråga som visade deras svar i procent (som ni ser under
rubrik 4.1).
När vi skulle titta på samband mellan respondenternas svar så utgick vi från en och samma
fråga, nämligen: “I vilken grad är ditt företag kapabelt att utnyttja tillgången av kundrelaterad
data, när ni skapar era marknadsaktiviteter idag?”. Vi valde denna fråga eftersom vi ansåg att
den var viktigast för vår problemformulering, då den ämnar utforska i vilken grad
respondenterna utnyttjar kunddata vid utformning av sin marknadskommunikation. Det första
vi gjorde var att titta på hur många som svarade 1 eller 2, 3 eller 4 och 5 eller 6 på denna fråga.
När vi identifierat dessa tre grupper fortsatte vi att titta på resterande sex intervallsvarsfrågor.
Målet var att ta reda på vilka samband som fanns mellan dessa grupperingar från
utgångsfrågan, och respondenternas svar på övriga frågor. Dessa frågor var:
- Hur förberedd är din organisation på den förväntade komplexiteten?
- I vilken grad anser du att era nuvarande verktyg för att samla in och analysera kunddata är
tillräckliga?
- Jag upplever att mängden kunddata som finns tillgänglig för mitt företag är svår att hantera.
- Hur stort anser du att ditt företags behov är av att investera i nya verktyg för analys av stora
mängder kunddata?
- Hur upplever du att ditt företag presterar affärsmässigt på er marknad, i jämförelse med era
konkurrenter?
26
- Jag upplever att min organisation har tillräckliga analytiska kunskaper, för att kunna utnyttja
den data som finns tillgänglig om våra kunder idag.
Exempel: Den grupp som svarar högst (5 eller 6 i skalan) på utgångsfrågan jämför vi med hur de
svarar på resterande frågor. Vi tar då en fråga i taget. På den datan vi får in från frågan av varje
respondent i gruppen räknar vi sedan ut medelvärdet. Detta gör vi även med de två andra
grupperna. Eftersom vi har tre grupper som vi utgår ifrån så får vi tre olika medelvärden för
varje fråga.
För att förklara detta tillvägagångssätt så har vi sammanställt en tabell på en av frågorna. Vi
utgår från utgångfrågan och jämför med respondenternas svar på frågan “Hur upplever du att
ditt företag presterar affärsmässigt på er marknad, i jämförelse med era konkurrenter?” (denna
fråga kallar vi för jämförelsefrågan i tabell 1).
Grupperingarna från
utgångsfrågan:
1 eller 2 (8 st svar) 3 eller 4 (20 st svar) 5 eller 6 (11 st svar)
Svaren från
jämförelsefrågan:
2, 3, 4, 4, 5, 5, 4, 5 3, 4, 4, 4, 4, 4, 5, 5, 5,
5, 5, 5, 5, 6, 3, 3, 3, 4,
5, 5
5, 6, 6, 6, 6, 6, 4, 4, 5,
5, 5
Medelvärde: 4 4,4 5,3
Tabell 1: Översikt för hur insamlat data har bearbetats.
Det svar man kunde ange i ovannämnda jämförelsefråga var en siffra på skalan 1-6, där
ytterligheterna stod för ”presterar signifikant sämre” och ”presterar signifikant bättre”. Man
kan då se tydliga samband mellan dem två olika frågorna som vi tar upp i tabellen. Ju högre
medelvärde, desto närmare hamnar man på skalan som tyder på “presterar signifikant bättre”.
3.6 Kvalitetskriterier
Som forskare ställs vi inför krav att vi ska kunna underbygga våra påståenden och slutsatser.
Våra påståenden och slutsatser ska vara giltiga och tillförlitliga, det vill säga att vi ska titta på
27
arbetets validitet och reliabilitet (Ekström & Larsson, 2010). Validitet handlar om i vilken grad
man som forskare lyckas mäta det som är avsett att mäta, medan reliabilitet handlar om att
uppgifterna som anges är riktiga.
När vi har utformat vår studie så har vi fått mycket hjälp dels av vår handledare men också av
anställda på IBM. Vi har även jämfört vår enkät med IBMs tidigare studie på global nivå. Detta
anser vi är en styrka och en form av stöd för att vi lyckas att mäta det vi vill undersöka. När vi
har fått in svar där vi inte kunnat identifiera respondenten så har vi valt att inte ha med den i
studien för att göra den så tillförlitlig som möjligt. För att styrka pålitligheten har vi varit noga
med att beskriva vår arbetsprocess utförligt. Vi har även tagit med alla bilagor för att det ska
vara möjligt att göra en liknande studie igen, fast förslagsvis i en större omfattning.
Helt säker kan man dock aldrig vara, för det verkliga validitetsvärdet för något är så gott som
oåtkomligt. Däremot kan man skatta validitet, bland annat genom en subjektiv
validitetsbedömning av innehåll i frågor och svarsalternativ (Söderlund, 2005). Det är precis vad
vi har gjort när vi jämfört våra frågor och svarsalternativ med de från IBMs globala studie.
För att få en uppfattning av reliabiliteten måste man utföra samma mätning flera gånger inom
ramen av samma studie, exempelvis i en så kallad ”test-retest reliability”-skattning. Man kan
nämligen inte få en bild av uppsatsens reliabilitet genom att bara utföra en mätning (Söderlund,
2005), som vi har gjort.
Att generalisera resultat som gäller ett större sammanhang går inte i denna studie, detta dels
på grund av att vi inte haft tillräckligt många respondenter som kan representera Sveriges alla
företag, samt dels på grund av att reliabiliateten inte går att fastställa. Vilket vi också anser är
förståeligt då en sådan studie kräver tid och resurser bortom den omfattning som en C-uppsats
innebär. Det vi däremot kan argumentera för, är att denna studie istället belyser tendenser
bland svenska företag, samt uppmanar till vidare forskning i ämnet.
3.7 Metodkritik
För en djupare insikt vore det optimalt att ha föranlett undersökningen med en
förundersökning, samt följt upp med fler kvalitativa intervjuer. En mer genomarbetad
28
triangulering, med andra ord. Vid insamling av primärdata tar vi heller inte hänsyn till andra
faktorer såsom bransch, konjuktur, storlek på företag eller andra yttre faktorer som kan ha
påverkat respondenternas svar. De enda samband vi tittar på är de som framgår internt i vår
egen studie, samt hur dessa samband överensstämmer med tidigare forskning.
3.8 Litteratur- och källkritik
För en ökad kunskap för hur svenska företag ser på kunddata och marknadskommunikation har
vi dels samlat in primärdata, men även utgått från sekundärdata från tidigare studier.
Primärdata samlade vi in via webbenkäter där vi fick 39 svar. Vi har även kompletterat
webbenkäten med två intervjuer med utvalda personer som har insyn i ämnet.
Webbenkäten bestod främst av stängda frågor, men hade även ett fåtal öppna sådana. Detta
har givetvis påverkat de svar vi har fått in, som i en perfekt värld kunnat vara mer utförliga.
Detta var dock en avvägning vi gjorde, då stängda frågor ökar chansen till att få in fler svar. Att
vår primärdata baseras endast på 39 respondenter – när det önskade antalet var minst 50 – kan
också kritiseras. Vår målgrupp visade sig vara svår att engagera för studien, då vi trots två
påminnelser inte fick in det önskade antalet. Men vi anser att mängden respondenter är
tillräcklig för att åtminstone se tendenser på hur vår målgrupp ser på marknadsföring och
kunddata i Sverige. Dessutom har vi, som sagt, kompletterat insamlingen via webbenkäten med
två stycken intervjuer.
Sekundärdata kommer från de studier vi har tagit upp i teoriavsnittet. De sökord vi använde när
vi letade efter sekundärdata var främst: marketing, big data, marknadsföring, CRM, kunddata
och data-driven decisionmaking. Databaserna vi sökte i var mestadels Google Scholar, Libris,
Stockholms Universitets bibliotek samt Kungliga Tekniska Högskolans bibliotek. Via dessa
databaser hittade vi både litteratur och vetenskapliga artiklar som passade denna studie. I vissa
fall har vi tagit information från företags webbsidor samt tidningsartiklar i affärspress. Många
av de författare vi har källhänvisat till är väletablerade inom sina respektive områden. I de fall vi
har varit osäkra på huruvida en källa kan användas, har vi tittat på de källor som den i sin tur
hänvisar till för att säkerställa deras pålitlighet.
29
4. Resultat och empiri
I den här delen kommer vi att först presentera övergripande resultat från webbenkäten. Vi
inleder med att presentera resultatet från de stängda frågorna, med en kort kommentar till
varje. Därefter försöker vi fånga essensen av de svar som gavs på de öppna frågorna, för en lite
djupare inblick. Sedan kommer vi att gå igenom resultaten mer noggrant utifrån
forskningsfrågorna.
4.1 Övergripande resultat från webbenkäten (stängda frågor)
Fråga 1: Verkar ditt företag inom B2C eller B2B?
B2C: 41%
B2B: 59%
n = 34
Kommentar: Övervägande respondenter från business to business.
Kan ha inverkan på hur de arbetar med att samla in kunddata. Detta har vi valt att bortse från
när vi har gjort våra uträkningar, för att kunna göra dessa på en större datamängd.
Fråga 2: I vilken grad är ditt företag kapabelt att utnyttja tillgången av kundrelaterad data, när
ni skapar era marknadsaktiviteter idag?
I låg grad kapabelt (svarade 1-2 på skalan 1-6): 21%
Delvis kapabelt: (svarade 3-4 på skalan 1-6): 51%
I hög grad kapabelt (svarade 5-6 på skalan 1-6): 28%
n = 39
Kommentar: Bara 28% anger att deras företag är i hög grad kapabla att utnyttja tillgången av
kundrelaterad data. Något som går i linje med vår hypotes om att verktyg och kunskap för att
hantera stora datamängder i relativt stor utsträckning saknas eller är i behov av förbättring.
30
Fråga 3: Hur mycket komplexitet inom hantering och analys av kunddata kommer ditt företag
behöva bemästra de kommande 3 till 5 åren, jämfört
med idag?
Mindre komplexitet: 5%
Oförändrad komplexitet: 19%
Mer komplexitet: 76%
n = 38
Kommentar: En övervägande majoritet förväntar sig att komplexitet i hantering och analys av
kunddata kommer att öka i framtiden. Det indikerar att det finns en medvetenhet om
förändringarna som sker.
Fråga 4: Hur förberedd är din organisation på den förväntade komplexiteten?
I låg grad förberedd (svarade 1-2 på skalan 1-6): 21%
Delvis förberedd (svarade 3-4 på skalan 1-6): 50%
I hög grad förberedd (svarade 5-6 på skalan 1-6): 29%
n = 38
Kommentar: En knapp tredjedel anser sig vara i hög
grad förberedda på den förväntade komplexiteten.
76% förväntar sig en ökad komplexitet, men endast 29% anser att deras organisation är i hög
grad förberedd på den. En anmärkningsvärt låg siffra som stödjer vår hypotes.
31
Fråga 5: I vilken grad anser du att era nuvarande verktyg för att samla in och analysera
kunddata är tillräckliga?
I låg grad tillräckliga (svarade 1-2 på skalan 1-6): 26%
Delvis tillräckliga (svarade 3-4 på skalan 1-6): 54%
I hög grad tillräckliga (svarade 5-6 på skalan 1-6): 20%
n = 39
Kommentar: Bara drygt en femtedel av respondenterna anser att deras verktyg är i hög grad
tillräckliga. Resten anser att deras verktyg bara är delvis tillräckliga, eller i låg grad tillräckliga.
Det indikerar att det finns ett stort utrymme för förbättring.
Fråga 6: Jag upplever att mängden kunddata som finns tillgänglig för mitt företag är svår att
hantera.
Håller med i låg grad (svarade 1-2 på skalan 1-6): 31%
Håller delvis med (svarade 3-4 på skalan 1-6): 54%
Håller med i hög grad (svarade 5-6 på skalan 1-6): 15%
n = 39
Kommentar: Knappt en tredjedel av av respondenterna håller i låg grad med att mängden
kunddata som finns tillgänglig för deras företag är svår att hantera. Det innebär, redan idag, att
en klar majoritet av respondenterna delvis eller i hög grad upplever tillgänglig kunddata som
svår att hantera.
32
Fråga 7: Hur stort anser du att ditt företags behov är att investera i nya verktyg för analys av
stora mängder kunddata?
Mindre behov (svarade 1-2 på skalan 1-6): 21%
Visst behov (svarade 3-4 på skalan 1-6): 50%
Större behov (svarade 5-6 på skalan 1-6): 29%
n = 32
Kommentar: 79% av respondenterna anser att de har ett visst eller stort behov av att investera i
nya verktyg för analys av stora mängder kunddata.
Fråga 8: Jag upplever att min organisation har tillräckliga analytiska kunskaper, för att kunna
utnyttja den data som finns tillgänglig om våra kunder
idag.
Håller med i låg grad (svarade 1-2 på skalan 1-6): 20%
Håller delvis med (svarade 3-4 på skalan 1-6): 54%
Håller med i hög grad (svarade 5-6 på skalan 1-6): 26%
n = 39
Kommentar: Drygt en fjärdedel håller med i hög grad om att deras organisation har tillräckliga
analytiska kunskaper, för att kunna utnyttja kunddata. Det kan tolkas som att det finns mycket
utrymme för förbättring även på kunskapsområdet.
33
Fråga 9: Hur upplever du att ditt företag presterar affärsmässigt på er marknad, i jämförelse
med era konkurrenter?
Sämre (svarade 1-2 på skalan 1-6): 3%
Medel (svarade 3-4 på skalan 1-6): 41%
Bättre (svarade 5-6 på skalan 1-6): 56%
n = 39
Kommentar: Denna fråga ställdes för att kontrollera i vilken
grad under- respektive överpresterare på en marknad använder avancerad analys av kunddata.
När man jämför denna fråga med svaren på den tidigare nämnda “utgångsfrågan” (som
beskrevs i metodavsnittet), ser vi att de respondenter som i hög grad anser sig vara kapabla att
utnyttja tillgången av kundrelaterad data även presterar bättre på sin marknad.
Fråga 10: Vilka kompetenser behöver du för att personligen vara framgångsrik under
kommande 3-5 år (välj fem egenskaper)?
Kommentar: Respondenterna uppmanades att välja de fem viktigaste kompetenserna.
Procentsatsen är uträknad genom att ta det totala antalet för ett alternativ genom antalet
respondenter. Vi ser att “klassiska” ledarkompetenser som kreativt tänkande, lyhördhet
gentemot kund och ledarskap rankas högst. Skicklighet inom analys är relativt högprioriterat,
34
drygt hälften anser att det är viktigt, medan relaterade kompetenser såsom teknisk kunnighet
och expertis inom sociala medier hamnar längre ned. Att skicklighet inom analys är så pass
högprioriterat tyder dock på att respondenterna är medvetna om att de måste anpassa sig till
explosionen av data som sker.
4.2 Övergripande resultat från webbenkäten (öppna frågor)
Fråga 11: Hur jobbar ditt företag med att få en samlad bild över intern kunddata (transaktioner,
support, kundklubbar, kampanjer osv) idag?
n = 26
Kommentar: Det är uppenbart att organisationer jobbar olika med detta beroende på vilka
behov man anser sig ha. Ett antal respondenter skriver uttryckligen att man använder CRM-
system för ändamålet. En respondent anger att de har en avdelning på organisationen som har
ansvar för att data omvandlas till information för beslutsfattande. Två respondenter arbetar
helt manuellt med att samla och analysera intern kunddata då de arbetar för mindre
organisationer. Transaktionsdata och kunddatabaser används av ett antal. En annan uttrycker
att det är problematiskt att samla alla uppgifter man får in till ett gemensamt datalager. För
fullständig sammanställning av svaren, se bilaga 2.
Fråga 12: Hur jobbar ditt företag med att samla in och analysera extern kunddata (bloggar,
twitter, facebook, kommentarsfält, konsumentrecensioner osv) idag?
n = 26
Kommentar: Jämfört med insamling och analys av intern kunddata ser vi en tendens att företag
inte har kommit lika långt när det gäller extern data. Ett antal anger att man gör det i liten
utsträckning eller ingen alls. En respondent nämner att man har ett begränsat behov av att
samla in extern data idag, men att de kommer behöva göra det i mycket större utsträckning i
framtiden. För fullständig sammanställning av svaren, se bilaga 3.
35
Fråga 13: Med den ökade tillgången av kundrelaterad data (intern och extern) i åtanke, vilka är
de största utmaningarna för ditt företag i framtiden?
n = 26
Kommentar: Respondenterna är relativt samstämmiga i denna fråga. Endast en respondent
anser att det inte finns några utmaningar inom detta, eftersom respondenten anser att behovet
inte finns. Många uttrycker resurser som en utmaning. Att analysera bättre och mer utan ökad
tids- och resursåtgång. En annan utmaning som respondenterna ser är att få fram agerbar
information utifrån den data som samlas in och analyseras. För fullständig sammanställning av
svaren, se bilaga 4.
4.3 Empiri med utgångspunkt i problemformuleringen
Innan vi går in på den empiri som kan hämtas från webbenkäten, så återbesöker vi
problemformuleringen från inledningen av denna uppsats:
Hur utnyttjar svenska företag kunddata i utformningen av sin marknadskommunikation? Hur
ser man på dagens allt mer dataintensiva landskap? Vilka verktyg och vilken kunskap har man?
Och vad saknas?
För att på bästa sätt svara på vår problemformulering, har vi valt att dela upp den i tre
underrubriker enligt de problemfrågor som ställts. Utifrån resultatet av undersökningen svarar
vi sedan på varje fråga, var för sig.
4.3.1 Hur utnyttjar svenska företag kunddata i utformningen av sin
marknadskommunikation?
Bara 28% av respondenterna anger att deras företag är i hög grad kapabelt att utnyttja
tillgången av kundrelaterad data. 51% anger att man är delvis kapabla, och resterande 21%
anger att de är mindre kapabla*.
____________________________________________
* Fråga 2: I vilken grad är ditt företag kapabelt att utnyttja tillgången av kundrelaterad data, när ni skapar era marknadsaktiviteter idag?
36
Vi ser en viss skillnad i vilken utsträckning man hanterar intern och extern kunddata. Intern
kunddata får man in bland annat via CRM-system, kunddatabaser och transaktionsdata*.
Den övergripande bilden är att respondenterna jobbar aktivt med att, på något sätt, hantera
och analysera intern kunddata.
När det kommer till extern kunddata, så är den övergripande bilden att man inte jobbar lika
aktivt med verktyg gjorda för detta idag**. Ett antal respondenter arbetar manuellt med att
samla in och analysera extern data, eller inte alls.
Trots att man i viss utsträckning jobbar med kunddata, tyder ovan nämnda procentsatser på att
en klar majoritet inte utnyttjar kunddata optimalt i utformningen av sin
marknadskommunikation. Vi tolkar det som att man, i många fall, fortfarande söker efter ett
optimalt sätt att arbeta med kunddata.
Vi gör några intressanta upptäckter genom att jämföra respondenterna sinsemellan. De 11
respondenter som svarar högst på skalan (5 eller 6 på skalan 1-6) på frågan “I vilken grad är ditt
företag kapabelt att utnyttja tillgången av kundrelaterad data?” svarade även högst på frågan
“Hur upplever du att ditt företag presterar affärsmässigt på er marknad, i jämförelse med era
konkurrenter?” (medelvärde 5,3 på skalan 1-6). Vi ser dessutom att denna grupp respondenter i
låg grad håller med på påståendet “Jag upplever att mängden kunddata som finns tillgänglig för
mitt företag är svår att hantera”. Där har de ett medelvärde på 2,1.
____________________________________________
* Fråga 11: Hur jobbar ditt företag med att få en samlad bild över intern kunddata (transaktioner, support, kundklubbar, kampanjer osv) idag?
** Fråga 12: Hur jobbar ditt företag med att samla in och analysera extern kunddata (bloggar, twitter, facebook, kommentarsfält, konsumentrecensioner
osv) idag?
37
Figur 6. Uträkning av medelvärde för respektive grupp på varje fråga. Staplarnas olika färger representerar hur respondenterna svarade på utgångsfrågan.
Den grupp respondenter (20 stycken) som svarar 3 eller 4 på skalan på frågan “I vilken grad är
ditt företag kapabelt att utnyttja tillgången av kundrelaterad data?” har ett medelvärde på 4,4
på frågan “Hur upplever du att ditt företag presterar affärsmässigt på er marknad, i jämförelse
med era konkurrenter?”. Denna grupp håller i högre grad med på påståendet “Jag upplever att
mängden kunddata som finns tillgänglig för mitt företag är svår att hantera”. Där har de ett
medelvärde på 3,6.
Slutligen, de respondenter som svarade 1 eller 2 (8 stycken) på frågan “I vilken grad är ditt
företag kapabelt att utnyttja tillgången av kundrelaterad data?” har medelvärdet 4 på frågan
“Hur upplever du att ditt företag presterar affärsmässigt på er marknad, i jämförelse med era
konkurrenter?”. Denna grupp håller även dem med i högre grad på påståendet “Jag upplever
38
att mängden kunddata som finns tillgänglig för mitt företag är svår att hantera”. Där har de ett
medelvärde på 3,5.
Detta tolkar vi som att de företag som är bäst på att utnyttja kundrelaterad data när de skapar
marknadsaktiviteter, även presterar bättre affärsmässigt i jämförelse med deras konkurrenter.
De håller även i lägre grad med om att mängden kunddata som finns tillgängligt för deras
företag är svår att hantera.
4.3.2 Hur ser man på dagens allt mer dataintensiva landskap?
76% av respondenterna förväntar sig en högre komplexitet inom de kommande 3-5 åren*. Det
tolkar vi som att det finns ett relativt starkt konsensus angående explosionen av data som sker.
Men bara 29% anger att de är helt förberedda på den förväntade komplexiteten**. 69% av
respondenterna håller delvis eller helt med om att den kunddata som finns tillgänglig är svår att
hantera idag***. Eftersom en majoritet är överens om att komplexiteten kommer att öka i
framtiden, kan man dra slutsatsen att kunddatan som kommer att finnas tillgänglig i framtiden
förväntas bland respondenterna att bli ännu mer svårhanterlig.
Respondenterna frågades även vilka fem egenskaper de personligen förväntades behöva för att
vara framgångsrik under kommande 3-5 år****. Utifrån svaren kan vi se vilken attityd
respondenterna har till hur de personligen måste anpassa sig inför framtiden för att vara
framgångsrika. Den allra högst rankade egenskapen är kreativt tänkande. 77% av
respondenterna valde detta. På klar andraplats infinner sig lyhördhet gentemot kund (74%). På
tredjeplats hittar vi ledarskap (54%) och strax därefter skicklighet inom analys (51%). Andra
egenskaper relaterade till hantering och analys av kunddata såsom expertis inom sociala medier
(36%) och teknisk kunnighet (21%) är betydligt lägre rankade.
____________________________________________
* Fråga 3: Hur mycket komplexitet inom hantering av analys och kunddata kommer ditt företag behöva bemästra de kommande 3 till 5 åren, jämfört
med idag?
** Fråga 4: Hur förberedd är din organisation på den förväntande komplexiteten?
*** Fråga 6: Jag upplever att mängden kunddata som finns tillgänglig för mitt företag är svår att hantera.
**** Fråga 10: Vilka kompetenser behöver du för att personligen vara framgångsrik under kommande 3-5 år?
39
Att drygt hälften av respondenterna anger skicklighet inom analys som en viktig egenskap ser vi
dock i sammanhanget som en relativt hög siffra, vilket återigen visar på en medvetenhet om
förändringen som håller på att ske.
Respondenterna är relativt samstämmiga när de svarar på frågan “Med den ökade tillgången av
kundrelaterad data (intern och extern) i åtanke, vilka är de största utmaningarna för ditt företag
i framtiden?”. Endast en respondent anser att det inte finns några utmaningar inom detta,
eftersom respondenten anser att behovet inte finns. Många uttrycker resurser som en
utmaning. Att analysera bättre och mer utan ökad tids- och resursåtgång. En annan utmaning
som respondenterna ser är att få fram agerbar information utifrån den data som samlas in och
analyseras.
4.3.3 Vilka verktyg och vilken kunskap har man?
Bara 21% av respondenterna anser att de verktyg man har idag för att samla in och analysera
kunddata är i hög grad tillräckliga. Resterande anser att deras verktyg är delvis eller ej
tillräckliga*. Samtidigt anser 79% att de har ett visst eller stort behov av att investera i nya
verktyg**. Bara drygt en fjärdedel anser att deras organisation har i hög grad tillräckliga
analytiska kunskaper för att utnyttja tillgänglig kunddata***.
Återigen utgår vi från resultatet av frågan “I vilken grad är ditt företag kapabelt att utnyttja
tillgången av kundrelaterad data?” och jämför det denna gång med resultatet av två frågor.
Först jämför vi med frågan “I vilken grad anser du att era nuvarande verktyg för att samla in och
analysera kunddata är tillräckliga?” och sedan med “Jag upplever att min organisation har
tillräckliga analytiska kunskaper, för att kunna utnyttja den data som finns tillgänglig om våra
kunder idag”.
De 11 respondenter som svarar högst i skalan (5 eller 6 på skalan 1-6) på frågan “I vilken grad är
ditt företag kapabelt att utnyttja tillgången av kundrelaterad data?” svarade även högst på
frågan “I vilken grad anser du att era nuvarande verktyg för att samla in och analysera kunddata
är tillräckliga?”. Medelvärdet där ligger på 4,6. ____________________________________________
* Fråga 5: I vilken grad anser du att era nuvarande verktyg för att samla in och analysera kunddata är tillräckliga?
** Fråga 7: Hur stort anser du att ditt företags behov är att investera i nya verktyg för analys av stora mängder kunddata?
*** Fråga 8: Jag upplever att min organisation har tillräckliga analytiska kunskaper, för att kunna utnyttja den data som finns tillgänglig om våra kunder idag.
40
Denna grupp har även ett högt medelvärde på frågan “Jag upplever att min organisation har
tillräckliga analytiska kunskaper, för att kunna utnyttja den data som finns tillgänglig om våra
kunder idag”. Där ligger medelvärdet på 4,5.
Den grupp som svarade 3 eller 4 (20 respondenter) på frågan “I vilken grad är ditt företag
kapabelt att utnyttja tillgången av kundrelaterad data?” hade ett medelvärde på 3,4 på frågan
“I vilken grad anser du att era nuvarande verktyg för att samla in och analysera kunddata är
tillräckliga?”. Denna grupp har ett lägre medelvärde på frågan “Jag upplever att min
organisation har tillräckliga analytiska kunskaper, för att kunna utnyttja den data som finns
tillgänglig om våra kunder idag”. Där ligger medelvärdet på 3,3.
Slutligen, de som svarade 1 eller 2 (8 respondenter) på frågan “I vilken grad är ditt företag
kapabelt att utnyttja tillgången av kundrelaterad data?” hade medelvärdet 2 på frågan “I vilken
grad anser du att era nuvarande verktyg för att samla in och analysera kunddata är
tillräckliga?”. Denna grupp har också ett lågt medelvärde på frågan “Jag upplever att min
organisation har tillräckliga analytiska kunskaper, för att kunna utnyttja den data som finns
tillgänglig om våra kunder idag”. Där ligger medelvärdet på 3,5.
Utifrån detta ser vi att de respondenter som anser sig vara i högre grad kapabla till att utnyttja
tillgången av kundrelaterad data har bättre verktyg för detta ändamål. De anser sig även ha
tillräckliga analytiska kunskaper, medan övriga respondenter anser sig ha det i lägre grad.
4.4 Intervjuer
För att komplettera enkätundersökningen har vi genomfört två stycken intervjuer med
personer som har god insyn i ämnet. Jeurgen Thelander, VD på Lentus AB, och Charlotta Wark,
nordisk marknadschef på IBM, var vänliga nog att ställa upp på detta. Dessa intervjuer har vi
sammanställt nedan.
41
4.4.1 Lentus AB – Jeurgen Thelander
”För att vara lite krass: har man inte en övergripande strategi för att använda kunddata som företag – då tycker jag man kan låta bli. För då är man förr eller senare chanslös i konkurrensen. Då är det bättre att kortsiktigt göra affären och sedan 'ta sin Mats ur skolan' (att dra sig ur en farlig situation utan förlust eller förödmjukelse, författarnas anm.)”.
Jeurgen Thelander har arbetat med att förbättra företags kundrelationer sedan slutet på 80-talet. Verksamheten på Lentus AB, bolaget Jeurgen är VD för, kan sammanfattas med två ord: datadriven marknadsföring. De hjälper organisationer att få grepp om deras samlade kundinformation och skapar sedan affärsnytta utifrån detta. Han säger att de generiska kundelementen – kund, plats, aktivitet, produkt och så vidare – är desamma idag som när han började. Skillnaden är att det idag går det mycket snabbare.
”Det som är nytt är de olika kanalerna i den digitala världen. På den tiden var det spår i register vi fick plocka ihop. Nu har vi digitala spår överallt. Allting går ju mycket fortare då”, menar Jeurgen.
Han förklarar att det förr i tiden var ett stort jobb att bearbeta och lägga upp kunddata – att göra det tillgängligt. Men idag är många av de processerna standardiserade, vilket gör att man kan gå direkt på den faktiska användningen av kunddata. Det är också själva användningen som Jeurgen vill att företag ska reflektera över när de lägger upp sin affärsstrategi.
”Principen är att du ska samla på dig så mycket data om kunden som möjligt. Detta är särskilt gällande idag, eftersom det är en väldigt låg kostnad förenad till att samla in data. Men du ska ha väldigt tydliga processer för vad du sedan använder datan till. Har man inte en strategi för detta, blir det nästan ohanterligt.”
Jeurgen hävdar att det fortfarande finns en osäkerhet bland företag kring vilken nytta kunddata och CRM-initiativ ger dem. Han menar att det är något av en tröskeleffekt hos de flesta företag. Där detta genomförs konsekvent – i organisationer där ledningen agerar utifrån de principer att de litar på den information som kunder för med sig till företaget – där kan man också avläsa nyttan i företagets lönsamhet. Men företag som jobbar med detta strövis eller ”med ena handen” – där blir det mest en kostnad.
När vi presenterar ett av resultaten från vår enkätundersökning, att bara 28% av respondenterna anser att de är i hög grad kapabla att utnyttja kundrelaterad data i sina marknadsaktiviteter idag, säger Jeurgen: ”Det låter högt. I detaljhandeln kanske – men generellt tycker jag att det låter högt. Jag tror att det är en hel del som vill använda det. Men jag tror inte att så många gör det, eller kan avläsa nyttan. Jag skulle nog halvera det talet.”
De som inte fullt lyckas utnyttja kunddata i sina marknadsaktiviteter, upptäcker heller inte någon förlust förrän de blir omsprungna av en konkurrent, menar Jeurgen. Om man inte förstår användningen av kunddata, så förstår man inte nyttan med det.
”Det här är en konkurrensvariabel. De som har upptäckt nyttorna är väldigt förtegna om det. Det här är en affärshemlighet, och inget man åker omkring och sprider på konferenser. De kunder vi har som verkligen använder informationen pratar väldigt tyst om det.”
Ett annat resultat från vår webbenkät säger att 76% av respondenterna förväntar sig högre komplexitet kring analys och hantering av kunddata de närmaste åren. Kring detta kommenterar Jeurgen: ”Det pratas ju så mycket om big data. Ingen har missat det. Man vill i alla fall uppfattas som att man har hängt med på tåget. Det finns ingen som säger att det här inte kommer att ha en betydelse framöver, men det är rätt många som är frustrerade över vad det egentligen innebär”.
42
4.4.2 IBM – Charlotta Wark
Han fortsätter: ”Hur hänger det ihop? Hur förhåller jag mig till det? Det är inte lika självklart. Det är en ganska lång mognadsprocess från den insikten till det att man faktiskt har implementerat processer för det här. Det kräver en del omgörning, och det finns en del motstånd”. Med motstånd menar Jeurgen att det finns organisationer som präglas av konservatism, såsom bland banker och vissa detaljhandlare.
”Det är fortfarande mycket 'fingerspitz'. Det här med att fullt förlita sig på att en inköpsprocess faktiskt kan automatiseras utifrån exakt vad kunderna köper, och inte vad jag tror att de köper, det är ett rätt stort steg. Det är ett förhållningssätt som kräver en övertygelse och kunskap.”
Utifrån svaren i vår enkätundersökning, såg vi även en tendens att företag arbetar med större fokus på interna kunddatakällor än externa sådana. Anledningen till detta tror Jeurgen är komplexitet. ”Oftast så tror jag att man drunknar i komplexiteten. Det är tillräckligt omfattande att hantera sina egna kanaler, alltså data som man på något sätt själv genererar”.
Han fortsätter: ”Jag tror att extern data blir allt viktigare, därför att du som företag kommer att kunna relatera dig till en spårbar omgivning på ett helt annat sätt. De digitala flödena runt företag kommer att ersätta mycket av det som vi idag kallar varumärkesuppfattningar, som vi inhämtar information om via kvalitativa studier. Den positionen kommer man kunna definiera utifrån de flödena av data som finns runt omkring.”
Jeurgen säger att det är i den externa datan som summan av alla individer skapas. Han tror att det är många företag som är övertygade att de måste nå dit. ”Ska du påverka gruppen måste du nå individen. Man kan inte gå ut i de digitala kanalerna och ha någon form av generell approach. Du måste tilltala individen. Det har många klart för sig. Någonstans dit måste man nå. Men att ha nått dit idag, det är det inte många som har gjort. I alla fall inte bland de stora organisationerna.”
“I västvärlden – och framförallt i Sverige – har vi någon typ av attityd där vi ser oss själva som ‘storebror’. Vi är det mest uppkopplade landet, det mest innovativa folket, det mest digitala... vi är nog ganska nöjda med den position vi befinner oss i idag. Och det är jättefarligt. Superfarligt.” Charlotta Wark är nordisk marknadschef för IT-jätten IBM. Hon pratar ofta och i olika sammanhang om hur marknadsförare kan dra nytta av big data. Det hon syftar på ovan är de studier, både utförda av IBM och andra, som tyder på att vi håller att halka efter när det kommer till hantering och analys av kunddata. “När jag har varit ute och pratat om de lärdomar vi dragit av vår globala studie av marknadschefer, vågar de jag pratat med inte riktigt tro på de slutsatser vi har dragit. Det behövs fler sådana här studier som påtalar, belyser eller bevisar att den här problematiken verkligen är sann. Jag förstår inte att det inte finns journalister som är ute och skriker om det här. Det är ett mysterium att man inte sitter och pratar i morgonsoffan på TV4 och debatterar om att svenska exportföretag halkar efter i konkurrensen”, säger Charlotta. När vi pratar om hur “snacket” kring kunddata och marknadsföring går idag, säger Charlotta: “Det jag kan se är att detta har intensifierats bland mina kollegor världen över. Vi diskuterar mycket mer om hur vi ska få in ny kompetens på våra avdelningar. Vi ser ett stort behov av att skifta den tidigare kompetensen som är mer traditionella marknadsförare och kommunikatörer till statistiker och personer som är ‘tech savvy’. Det är ett konkret exempel på förändringar som sker.”
43
Charlotta menar att det fortfarande finns en osäkerhet kring kombinationen kunddata och marknadsföring, och vilken nytta det ger för en marknadsförare: “Framförallt i Norden och Sverige finns det en stor osäkerhet om vad det är som kommer, och vilken betydelse det kommer att ha. Hur ska vi ta till oss det? Hur ska vi göra för att bli annorlunda? Det är riktigt oroväckande. Alla våra lokala handlare, exempelvis musikaffären nere på hörnet, konkurrerar med onlinesajter som säljer storproduktion av instrument”, säger Charlotta. Hon menar att även om man som företag inte på ett påtagligt sätt ser den globala konkurrensen i vitögat varje dag, så är den ändå ständigt närvarande. Enligt vår webbundersökning anger bara 28% av respondenterna att de i hög grad är kapabla att utnyttja kundrelaterad data i sina marknadsaktiviteter idag. Att samtidigt drygt tre fjärdedelar av de respondenter som deltog i vår webbundersökning förväntar sig mer komplexitet inom hantering och analys av kunddata de närmaste åren, tyder på en hög medvetenhet men att man kanske inte riktigt är där i praktiken. Det är en bild som överenstämmer med Charlottas egen: “Det är precis den bilden jag får när jag träffar andra marknadschefer. Jag tror att alla förstår analys – det ser man på intresset för våra events och när vi får tillfälle att nätverka med andra marknadschefer. Det finns ett stort intresse för det. Men folk förstår inte hur man ska börja.” Men det behöver inte vara så komplicerat. Man kan faktiskt börja helt analogt. Charlotta ger ett exempel hämtat från verkligheten: “Varje gång en kund handlar något i kassan hos en svensk detaljhandelskedja, så frågar kassaexpediterna om vilket postnummerområde kunden bor i. Det är precis lagom mycket information för att det inte ska kännas som ett intrång i integriteten för den som står och handlar. Baserat på att kunna koppla ett kassakvitto till ett postnummer, så kan detaljhandelskedjan med väldigt enkla medel, helt manuellt, förutspå vilka produkter som kommer att sälja i vilka varuhus. På det viset kan man även anpassa marknadskampanjer, lagerhållning och placering i specifika varuhus. Det är analys i dess enklaste form. Man kan börja där. Man behöver inte börja med att köpa konsulttjänster för miljardbelopp. Men önskan är ju att man till slut ska kunna förstå kundens behov genom både analys och prediktiv analys, så att jag kan ge ett erbjudande till min kund som aldrig kommer att upplevas som reklam, utan mer som en service. Då tar vi det hela vägen.” Charlotta erkänner att inte heller IBM är helt framme när det gäller detta, men att man är på god väg: “Jag skulle egentligen, om jag fick välja, aldrig skicka ut några masskampanjer med reklam. Jag skulle alltid vilja vara personlig i alla kontakter med alla våra kunder. Där är vi själva inte idag. Men det är ditåt vi är på väg. Dels genom att lära oss att hantera den data vi redan har själva innanför brandväggarna, men även insamling av data som ligger utanför.” IBM gör själva mycket forskning kring detta, bland annat genom sina årliga och globala undersökningar av marknads- och IT-chefer. Detta är enligt Charlotta en styrka: “Vi har lärt oss en hel del, och vi litar på vår egen forskning.” Utvecklingen går mot att företag kommer att kräva ett beslutsunderlag som är baserat på analys i allt högre grad. Och Charlotta är, om än lite oroad, positiv till hur utvecklingen ser ut: “För Sveriges skull tror jag att den här utvecklingen kommer att gå med rasande fart, åt det håll där både marknadschefer och ledningsgrupp lägger om sättet vi fattar beslut på. Tipset som jag vill avsluta med är att man inte ska göra det så himla komplicerat. Man behöver inte göra en megasatsning och slå på den största trumman man hittar. Bara man börjar. Just nu handlar det om datainsamling – spara på den data man har. Även om man inte vet hur man ska använda den just idag, så kanske den visar sig väldigt värdefull om ett och ett halvt, två år”.
44
5. Analys
Analysdelen har för avsikt att tolka valda teorier utifrån empiriinsamling.
Resultatet från en studie av Brynjolfsson et. al (2011) säger att organisationer presterar 5-6%
bättre, både lönsamhetsmässigt och produktivitetsmässigt, när man tillämpar datadrivet
beslutsfattande. Det ligger även i linje med en studie av Rogers och Sexton (2012) där en klar
majoritet av alla tillfrågade marknadsförare, 91%, tror att framgångsrika varumärken använder
kunddata för att driva igenom marknadsföringsbeslut. Båda dessa studier är gjorda på den
amerikanska marknaden.
Tittar vi globalt på IBMs globala undersökning av marknadschefer (2012) ser vi liknande,
relaterade resultat. Marknadschefer i de mest framgångsrika organisationerna utnyttjar data
för att göra sin organisations erbjudanden mer relevanta och för att skapa band med sina
kunder i mycket högre utsträckning, än deras motsvarigheter i mindre framgångsrika
organisationer. Detta är ett exempel på nyttorna med dagens allt mer relationsinriktade och
anpassade marknadsföring, som drivs genom CRM.
Resultaten från vår egen studie antyder att samma sak gäller på den svenska marknaden.
Svenska företag som tillämpar hantering och analys av kunddata i större utsträckning än sina
konkurrenter, presterar även bättre på sin marknad än konkurrenterna. Frågan “Hur upplever
du att ditt företag presterar affärsmässigt på er marknad, i jämförelse med era konkurrenter?”
ställdes för att kontrollera i vilken grad under- respektive överpresterare på en marknad
använder avancerad analys av kunddata. När man jämför svaren från denna fråga med svaren
på frågan “I vilken grad är ditt företag kapabelt att utnyttja tillgången av kundrelaterad data,
när ni skapar era marknadsaktiviteter idag?”, ser vi att de respondenter som i hög grad anser
sig vara kapabla att utnyttja tillgången av kundrelaterad data även anser sig prestera bättre på
sin marknad. Det höga medelvärdet 5,3 på skalan 1-6 visar på detta.
Den ovannämnda gruppen tycker även att mängden data som finns tillgänglig för deras företag
är mindre svårhanterlig, än den gruppen som anser sig vara mindre kapabla att utnyttja
45
existerande kunddata. Det visar det uträknade medelvärdet 2,1 på skalan 1-6 på frågan “Jag
upplever att mängden kunddata som finns tillgänglig för mitt företag är svår att hantera”.
I IBMs globala undersökning uppger 7 av 10 marknadschefer att de inte är förberedda på den
förväntade explosionen av data. I det nordiska utdraget från samma undersökning är den
siffran 9 av 10. Enligt vår egen undersökning av svenska företag uppger 76% av respondenterna
att de förväntar sig ökad komplexitet i datahantering inom 3-5 år. Men drygt 70% av
respondenterna uppger att de inte är helt förberedda på den ökade komplexiteten. Detta trots
att Sverige, enligt en mätning från 2010, innehar förstaplatsen i världen när det kommer till
digital beredskap*. Våra egna resultat tyder alltså på att svenska företag är minst lika
oförberedda som internationella organisationer. När vi kollar på våra intervjuer, säger Jeurgen
Thelander från Lentus AB att det visserligen pratas mycket om big data och att man som företag
vill uppfattas som att man har hängt med på tåget, men att det inte många som förstår vad det
egentligen innebär. Charlotta Wark från IBM är inne på samma spår, och menar att det
framförallt i Norden och Sverige finns en stor osäkerhet om vad det är som kommer, och vilken
betydelse det kommer att ha.
Vi kan också se att den grupp som anser sig vara högst kapabla att utnyttja kundrelaterad data,
även anser sig vara mer förberedda på den kommande komplexiteten i datahantering. Detta
visar medelvärdet 4,8 på skalan 1-6. Den grupp som anser sig vara mindre kapabla att utnyttja
kundrelaterad data, anser sig således mindre förberedda på den kommande komplexiteten.
Detta syns på medelvärdet 2,8 på skalan 1-6.
I studien av Rogers och Sexton (2012) är det tydligt att insamling och hantering av nya
datakällor, sådana som bidrar kraftigt till informationshavet vi kallar för big data, brister.
Företag fokuserar fortfarande mer på traditionella datakällor såsom kundtransaktioner och
demografi, än exempelvis mobil data. Den övergripande bilden vi får från vår egen
undersökning, när vi jämför hur företag hanterar intern kontra extern data, är att man har
större fokus på intern sådan. Men det är ofta i de externa datakällorna som de nya insikterna
____________________________________________
* http://graphics.eiu.com/upload/EIU_Digital_economy_rankings_2010_FINAL_WEB.pdf
46
finns, i och med det ökade användandet av mobila enheter och sensorer uppkopplade mot
internet. Jeurgen Thelander tror att det oftast handlar om att företagen drunknar i
komplexiteten som är kopplad till extern kunddata. Samtidigt tror han att extern data blir allt
viktigare, då man som företag kan relatera sig till en spårbar omgivning på ett helt annat sätt.
Han fortsätter med att säga att det är den externa datan som summan av alla individer skapas.
För att kunna gräva i dessa nya datakällor, krävs dock både kunskap och tillräckliga verktyg.
Enligt vår undersökning är det bara 28% av respondenterna som håller med i hög grad om att
deras organisation har tillräckliga analytiska kunskaper, för att kunna utnyttja kunddata.
Jeurgen Thelander reagerade starkt då han fick höra denna siffra och menade på att den till och
med var för hög. Han ansåg att den siffran kan nog halveras.
79% av respondenterna anser även att de är i visst eller stort behov att investera i nya verktyg
för analys av kunddata. Bara I IBMs globala studie uttalades några rekommendationer till
marknadschefer inför framtiden. Två av dem har med detta att göra. Dels rekommenderas
marknadschefer investera i ny teknik och avancerade verktyg för analys, för att få en bättre
förståelse för hur individuella kunder beter sig. Dels rekommenderas de att investera i digital
och analytisk kunskap både för anställda och sig själva. Vår empiri antyder att detta är
nödvändigt även bland svenska företag. Charlotta Wark kommenterade kring detta att det finns
ett stort behov av att skifta den tidigare kompetensen från traditionella marknadsförare och
kommunikatörer till statistiker och personer som är mer teknologiskt kunniga.
För att vara långsiktig i sin marknadsföring behöver man enligt Gordon (1998) och Armstrong
och Kotler (2005) idag skapa och upprätthålla relationer med sina kunder. Här spelar CRM-
system en viktig roll för att samla in och analysera kunddata i syftet att förstå kunders behov,
och i förlängningen att bygga lönsamma relationer och skapa kundnöjdhet. Processer för
insamling och behandling av relationsrelaterad information är instrumentala för att förbättra
en organisations kundrelationer (Jayachandran, Sharma, Kaufman och Raman, 2005). CRM är
en sådan process.
Enligt strategimatrisen för CRM (se figur 4, s. 16) finns det fyra generella riktningar en
organisation kan ta för sin CRM-strategi, där den mest avancerade och eftersträvansvärda är
47
individualiserad CRM. Ska man utifrån de svar vi har samlat in och bearbetat säga vilken CRM-
strategi man har anammat, är det endast ett fåtal som potentiellt ligger i matrisens övre, högra
hörn – alltså en sann, individualiserad CRM. Det antyder att det fortfarande finns stor potential
att skaffa sig ett strategiskt övertag i många branscher. Charlotta Wark säger exempelvis att
hon aldrig skulle vilja skicka ut masskampanjer med reklam. Hon anser att det idag är allt
viktigare att vara personlig i alla kontakter med alla kunder. För att nå dit menar hon att man
dels måste lära sig att hantera data man har internt, men också att kunna samla in och hantera
det som ligger externt utanför brandväggarna. Först då menar hon att man kan ge ett
erbjudande till en kund som aldrig kommer att upplevas som reklam, utan mer som en service.
48
6. Slutsats
För att komma fram till en slutsats för denna studie, börjar vi med att återbesöka vår
frågeställning:
I vilken omfattning utnyttjar svenska företag kunddata i utformningen av sin
marknadskommunikation? Hur ser man på dagens allt mer dataintensiva landskap? Vilka
verktyg och vilken kunskap har man?
Vår slutsats är att svenska företag är i behov av att investera i ny kunskap och nya verktyg för
att kunna hantera explosionen av big data, när de utformar sina marknadsaktiviteter. Särskilt då
allt tyder på en ökad komplexitet i hantering och analys av kunddata inom en nära framtid. Ofta
har svenska företag vissa initiativ för att hantera kunddata, och då med fokus på intern sådan.
Ett större fokus på extern kunddata, genererad via exempelvis sociala nätverk, mobila enheter
och sensorer, behövs för att nå djupare insikter om kunderna. Externa källor för kunddata kan
exempelvis användas för att undersöka hur en organisations varumärkesbild ser ut, istället för
att fastställa den med fokusgrupper. Detta är bara ett exempel på hur externa kunddatakällor
kan användas för att en organisation ska kunna kundanpassa sin marknadsföring. Det är dock
en utmaning, då externa datakällor är komplexa att hantera. Det krävs också en del omgörning
inom organisationen för att förlita sig på data istället för intuition. Risken är att det finns en del
motstånd från medarbetare och ledning i denna fråga, särskilt i traditionella och konservativa
organisationer. Dessa företag riskerar att bli omsprungna av moderna organisationer från
exempelvis Östasien, som inte har någon sådan ”traditionsbörda”.
Det finns en relativt hög medvetenhet kring big data och hur det förändrar sättet att se på
marknadsföring. Tendensen vi kan se är dock att många företag i Sverige inte är där i praktiken.
De företag som har kommit långt med detta pratar dessutom inte högt om det, då det innebär
en klar konkurrensfördel. Blir man såvida omsprungen riskerar man att inte märka det förrän
det syns i affärsresultaten. Då har man kanske redan förlorat.
Vi anser att det blir allt viktigare att arbeta med kunddata, oavsett vad organisationen har för
storlek och omsättning. Det stöds både av vår empiri och den teori vi har valt att ta upp. Målet
49
med att analysera kunddata är i mångt och mycket att kunna erbjuda ens kunder vad de
upplever som en bättre service. Något som i sin tur kan leda till högre kundnöjdhet och bättre
kundrelationer.
En given organisation behöver inte börja med de mest avancerade analysverktygen för att få ut
något värde av kunddata. Huvudsaken är att det görs konsekvent, och med en tydlig strategi
bakom. När man sedan väl har kommit igång, kan man börja vandra mot önskvärt område i den
så kallade strategimatrisen för CRM (se figur 4, s. 16). Det alla företag bör tänka på är att
åtminstone samla in så mycket kunddata redan nu, även om man inte har några verktyg eller
någon kunskap för att bearbeta det. Dels för att det är förenat med en mycket låg kostnad idag,
men framförallt för att det kan visa sig mycket värdefullt att ha i framtiden när sådana verktyg
och sådan kunskap väl finns.
Vi menar att det finns en stor potential i att gräva i det stora informationshav som vi kallar för
big data. Billy Beane var frontfiguren i den amerikanska baseballsfären, där han bröt mot gamla
konventioner och ändrade radikalt på hur man såg på sporten. Spelplanen inom
marknadsföring och handeln genomgår samma förvandling. Den som vet mest om sina kunder,
får även ut mest av varje satsad marknadskrona. Mycket tyder i varje fall på det.
50
7. Förslag till fortsatt forskning
Ett förslag till fortsatt forskning är att göra en studie som denna fast i en större omfattning och
med högre reliabilitet. Det vill säga att involvera fler respondenter från målgruppen, göra fler
mätningar, göra ytterligare intervjuer samt att utföra studien årligen som IBM gör globalt.
Detta är något som även tagits upp under intervjun med Charlotta Wark från IBM. Hon nämnde
bland annat att många människor har svårt att tro på att siffrorna är så skrämmande låga. Hon
menar att studie efter studie belyser just detta, men att det behövs fler.
51
8. Referenser
Litterära källor:
Armstrong, G., Kotler, P. (2005): Marketing: An introduction. Prentice Hall.
Davenport, T.H., Jeanne G. Harris, and Ajay K. Kohli (2001): How Do They Know Their Customers
So Well? Sloan Management Review, 42 (Winter), 63–73.
Deutsch, T., Eaton, C., Zikopoulos, P. m.fl. (2011): Understanding Big Data: Analytics for
Enterprise Class Hadoop and Streaming Data. McGraw-Hill Osborne Media.
Dyche, J. (2002): The CRM Handbook. Addison-Wesley Professional.
Ekström, M., Larsson, L. (2010): Metoder i kommunikationsvetenskap. 2:a uppl.
Studentlitteratur.
Gordon, I. (1998): Relationship marketing. Wiley.
IBM Institute for Business Value (2012): From Stretched to Strengthened: Insights from the
Global Chief Marketing Officer Study.
Kotler, P. (1992): It’s time for total marketing. Business Week Advance Executive Brief, 2.
Payne, A. (2006): Handbook Of Crm. Butterworth-Heinemann.
Smolan, R., Erwitt, J. (2012): The Human Face of Big Data. Against All Odds Productions.
Söderlund, M. (2005): Mätningar och mått. 1:a uppl. Liber.
Elektroniska källor:
Anderson E.W., Sullivan, M.W. (1993): Marketing Science: The Antecedents and Consequences
of Customer Satisfaction for Firms. Hämtad 2013-03-14 från:
http://web.ebscohost.com/ehost/detail?sid=bfa16eae-b358-4b2d-8b47-
693252e55d73%40sessionmgr11&vid=1&hid=20&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#
db=ufh&AN=4469164
52
Falthzik A.M., SJ Caroll Jr. (1971): Psychological Reports: Rate of return for closed versus open-
ended questions in a mail questionnaire survey of industrial organizations. Hämtad 2013-03-14
från: http://www.amsciepub.com/doi/pdf/10.2466/pr0.1971.29.3f.1121
Bolton, R.N. (1998): Marketing Science: A Dynamic Model of the Duration of the Customer's
Relationship With a Continuous Service Provider: The Role of Satisfaction. Hämtad 2013-03-26
från: http://web.ebscohost.com/ehost/detail?sid=8df66e6a-f666-4587-8dd8-
de9b6f69df43%40sessionmgr11&vid=1&hid=20&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#
db=ufh&AN=825962
Bolton, R.N., Kannan P.K., Bramlett M.D.(2000): Journal of the Academy of Marketing Science:
“Implications of Loyalty Program Membership and Service Experiences for Customer Retention
and Value.” Hämtad 2013-03-14 från: http://jam.sagepub.com/content/28/1/95.full.pdf+html
Bolton, R.N., Lemon, K.N, Verhoef, P.C. (2004): Journal of Academy of Marketing Science: The
Theoretical Underpinnings of Customer Asset Management: A Framework and Propositions for
Future Research. Hämtad från 2013-03-26 från:
http://web.ebscohost.com/ehost/detail?sid=4fbf185a-3ab6-4d6f-9d84-
e3cc0c773519%40sessionmgr11&vid=1&hid=20&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#
db=ufh&AN=13545411
Brynjolfsson, E., Hitt, L., Kim, H. (2011): Social Science Research Network : Strength in Numbers:
How Does Data-Driven Decisionmaking Affect Firm Performance? Hämtad 2013-03-07 från:
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1819486
Davenport, T.H., Klahr, P. (1998): California Management Review: Managing Customer Support
Knowledge. Hämtad 2013-03-26 från: http://web.ebscohost.com/ehost/detail?sid=792b367b-
20b6-4420-a0e5-
2bc6f10384ba%40sessionmgr15&vid=1&hid=20&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#
db=buh&AN=738864
53
Economist Intelligence Unit (EIU). (2010). Digital economy rankings 2010: Beyond e-readiness.
Hämtad 2013-03-07 från:
http://graphics.eiu.com/upload/EIU_Digital_economy_rankings_2010_FINAL_WEB.pdf
Elias, H. (2012): CIO: The big data challenge: How to develop a winning strategy. Hämtad 2013-
04-23 från: http://hk.emc.com/microsites/cio/articles/big-data-challenge-winning-
strategy/cio_liccontent_elias0614.pdf
Fornell, C. (1992): JSTOR: Journal of marketing: A National Customer Satisfaction Barometer:
The Swedish Experience. Hämtad 2013-03-14 från:
http://www.jstor.org/stable/10.2307/1252129
Hammonds, K.H. (2003): Business Source Premier: How to play Beane ball. Hämtad 2013-04-23
från: http://web.ebscohost.com/ehost/detail?sid=385fd61d-e0ee-45d0-80e4-
dbb7c3453448%40sessionmgr11&vid=1&hid=24&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3d#
db=buh&AN=9506170
IBM: What is big data? - Bringing big data to the enterprise. Hämtad: 2013-03-07 från:
http://www-01.ibm.com/software/data/bigdata/
Jayachandran, S., Sharma, S., Kaufman, P. m fl (2005): JSTOR: Journal of Marketing: The Role of
Relational Information Processes and Technology Use in Customer Relationship Management.
Hämtad 2013-03-21 från: http://www.jstor.org/stable/10.2307/30166560
Lohr, S. (2012): The New York Times: The age of big data. Hämtad 2013-03-05 från:
http://www.nytimes.com/2012/02/12/sunday-review/big-datas-impact-in-the-
world.html?_r=3&scp=1&sq=Big%20Data&st=cse&
McAfee, A., Brynjolfsson, E. (2012): Harvard Business Review: Big Data: The Management
Revolution. Hämtad 2013-03-21 från: http://web.ebscohost.com/ehost/detail?sid=59f2800b-
b799-4201-ad16-
c435e5c0eaf5%40sessionmgr114&vid=1&hid=108&bdata=JnNpdGU9ZWhvc3QtbGl2ZQ%3d%3
d#db=buh&AN=79996279
54
Mithas, S., Fornell, C., Krishnan, M. (2005): AMA Journals: Why Do Customer Relationship
Management Applications Affect Customer Satisfaction?. Hämtad 2013-03-26 från:
http://www.journals.marketingpower.com.ezp.sub.su.se/doi/pdf/10.1509/jmkg.2005.69.4.201
Myers, R.K., Van Horn, M. (2008): RKM – Research: Why use Dashboard Metrics? Select the
right metrics for the most valuable insight. Hämtad 2013-04-23 från: http://rkm-
research.com/whitepapers/dashboard.pdf
Nisen, M. (2013): Business Insider: IBM CEO Ginni Rometty: Managers Need To Get Over Relying
On 'Gut Instinct' Read more: http://www.businessinsider.com/ibm-ceo-on-management-
changing-2013-3#ixzz2QS5gHbsf. Hämtad 2013-03-05 från:
http://www.businessinsider.com/ibm-ceo-on-management-changing-2013-3
Rogers, D., Sexton, D. (2012): Columbia Business School Center on Global Brand Leadership:
Marketing ROI in the Era of Big Data: The 2012 BRITE/NYAMA Marketing in Transition Study.
Hämtad 2013-03-14 från: http://www.iab.net/media/file/2012-BRITE-NYAMA-Marketing-ROI-
Study.pdf
Rust, R.T., Moorman, C., Dickson, P.R. (2002): The Journal of marketing: Getting Return on
Quality: Revenue Expansion, Cost Reduction, or Both? Hämtad 2013-03-14 från:
http://www.jstor.org/stable/10.2307/3203355
Schroeck, M., Shockley, R., Smart, J. m fl (2012): IBM Global Business Services Business Analytics
and Optimization, In collaboration with Saïd Business School at the University of Oxford:
Analytics: The real-world use of big data -How innovative enterprises extract value from
uncertain data. Hämtad 2013-03-05 från:
http://public.dhe.ibm.com/common/ssi/ecm/en/gbe03519usen/GBE03519USEN.PDF
Svenska marknadsförbund, “Vad vi gör”. Hämtad 2013-03-05 från: http://svemarknad.se/om-
oss/vad-vi-gor/
Wallström, M. (2013): Computer Sweden: Hitta guldkornet i det växande databerget. Hämtad
2013-03-26 från: https://web.retriever-
55
info.com.ezp.sub.su.se/services/archive.html?method=displayPDF&pdfUrl=%2FproxyTest%2F%
3Fid%3D050827201302141VdeGC1fnBgY0JxGPJ3QjXG0100001010h18%26x%3D0dee480102f6
5ee9af680b6f3260afbe&documentId=050827201302147EB3F46C80E2B2401A72C174A9D4AE3
E&serviceId=2&pdf.doResize=false
56
9. Bilagor
Under denna rubriker samlar vi de bilagor som hänvisas till i studien.
Bilaga 1. Webbenkät
57
58
59
Bilaga 2. Enkätsvar från fråga 11 (öppna frågor)
Fråga 11: Hur jobbar ditt företag med att få en samlad bild över intern kunddata (transaktioner,
support, kundklubbar, kampanjer osv) idag?
n = 26
“Interna nätverk för att samla in data.”
“CRM-system, ekonomisystem, kursutvärderingar, diverse administrativa stödsystem.”
“Customer relationship management tool.”
“Via ett flertal system. Såsom MVNO är vi vana vid att hantera stora datamängder.”
60
“Helt manuellt.”
“Via prenumerationssystem och andra systemlösningar.”
“Enmansföretagare, arbetar tämligen manuellt med detta.“
“En marknadsplan och social mediaplan som innehåller strategier för att hantera detta.”
“Vi driver utveckling av strategisk CRM och har på så vis företags uppdrag att ta fram och
utveckla deras strategier. Vi arbetar med både B2C och B2B.”
“Statistik.”
“Vi har ett patinentjournalsystem som innehåller vissa uppgifter om utförda behandlingar,
hälsostatus och de ekonomiska transaktionerna. Vi har också två specialprogram som samlar
fler uppgifter om våra patienter. Det är en utmaning för oss samla alla dessa uppgifter i ett
gemensamt datalager. Vi är på väg dit.”
“CRM-system.”
“Vi tar in all data och sedan har vi en avdelning som heter customer Insight som gör om datan
till information för beslutsfattande.”
“Byggt kunddatabas med ca 500000 namn. Arbetar med Lentus.”
“Transaktioner.”
“Via eget CRM-system.”
“Just nu i global projektform för att sätta kundperspektivet starkare i våra affärsmodeller och
uppdatera CRM-system.”
“En person som ansvarar för detta.”
“Månatlig sammanställning av den information vi för tillfället anser oss behöva.”
61
“Vi jobbar utifrån en kundstrategi som sedan är tvärfunktionellet och virtuellt orienterad och
som alla förhåller sig till - detta är under införande. Kundinsikt och agerbar kundinsikt är
huvudområden och det viktiga - vid våra affärsbeslut och i alla relevanta beslut ska det finnas
en kundinsikt och insikt och förståelse för beslutens kundpåverkan.”
“Vi använder oss av olika analystjänster såsom BI-verktyg, Google Analytics m.fl.”
“CRM system kopplat till administrativa systemet.”
“Vi har ett kundregistersystem.”
“Transaktionsdata, kunddatabas, kampanjhanteringsverktyg, mosaic.”
“Mycket är under uppbyggnad, prenumerationer print och digitalt, CRM, tracking på sajt.”
“Enskilda frågor ur våra databaser”
Bilaga 3. Enkätsvar från fråga 12 (öppna frågor)
Fråga 12: Hur jobbar ditt företag med att samla in och analysera extern kunddata (bloggar,
twitter, facebook, kommentarsfält, konsumentrecensioner osv) idag?
n = 26
“Interna nätverk, officiell kvartalsrapportering, webbsidor.”
“Google Analytics.”
“CRM tool, Customer satisfaction, Ad Hoc market research.”
“I dagsläget sker det manuellt och vi saknar kopplingen från social medier till CRM-system.”
“Manuellt.”
“Vi samlar inte in från bloggar och twitter i någon större utsträckning. I övrigt gör vi det.”
“Inte alls.”
62
“I dagsläget har vi haft begränsat behov av att analysera dessa data. Men, vi kommer att
behöva göra det i mycket större utsträckning de kommande åren.”
“Vi arbetar med all data i alla format förutsatt att datat kan systematiseras och
kundidentifieras.”
“Bevakning av nämnda media.”
“Vi håller på att bygga upp en klagomålshantering via vår Facebooksida och vår externa webb
men är inte färdiga med det än.”
“Bevakningsverktyg.”
“Genom vår avdelning Customer insight där vi har rutiner för allt detta uppbyggt.”
“Liten utsträckning.”
“Dels via automatiserad omvärldsbevakning för sociala medier och dels genom övervakning av
egna kanaler (kontakt e-mail för tittare/kunder, officiell facebook och twitter etc).”
“I funktioner.”
“Inte alls.”
“Kontinuerligt, varierande frekvens beroende på kanal.”
“Brett - analyser av mediautfall, sociala medier, kommentarer, kundsynpunkter, fokusgrupper,
alla typer av undersökningar - som också är spårbara över tid.”
“Trackas via externt verktyg.”
“Regelbundet. Eftersom vi är en offentlig organisation så ställs höga krav på oss att göra detta
och dessutom arkivera en del.”
“Har ett licens verktyg.”
“enskilda möten som sedan noteras i CRM systemet.”
63
“Via controllers och datalager.”
“Analysen är tämligen svag i dagsläget däremot är vår egen aktivitet i dessa forum hög.”
“Påbörjat projekt.”
Bilaga 4. Enkätsvar fråga 13 (öppna frågor)
Fråga 13: Med den ökade tillgången av kundrelaterad data (intern och extern) i åtanke, vilka är
de största utmaningarna för ditt företag i framtiden?
n = 26
“Använda kunskapen för riktade kommunikativa aktiviteter och personliga erbjudanden.”
“Att överföra data till actionsplans och följa upp dessa planer”
“Systemstöd och kreativitet i att nyttja flera olika datakällor.”
“Hur gör vi fler och större affärer med de personer som vi har en relation till.”
“Ingen alls eftersom behovet är begränsat”
“Vi är verksamhetskonsulter, med inriktning på förändringsledning inom Sälj & Marknad. Det
innebär att vi är rådgivare åt våra kunder inom Social Mediastrategi och framtagande av
Marknadsplaner, samt exekvering av dessa. Som en sådan rådgivare/konsult måste vi förstås
själva använda och vara kunniga kring moderna verktyg och teknik på området.”
“Att behålla och utveckla kompetensen.”
“Att upprätthålla de register vi har i dag, så de är aktuella.”
“Att samla det relevanta.”
“Välja rätt = den information som genererar mest kundnytta och därmed bidrar till en
affärmässig framgångsrik relation med kunden.”
“Hitta rätt målgrupp och kommunicera med dom dvs one to one med relevans. Detta i
kombination med att bygga marknad dvs hitta nya prospekt att bearbeta “
64
“Tid internt”
“I takt med att vår befintliga databas växer och utvidgas kommer den största utmaningen bli att
lyckas hålla den lagrade information relevant och uppdaterad.”
“Bemästra det ökande behovet utan tilläggsresurser (personal - pengar)”
“Tekniken.”
“Att samla in och processa data och framförallt ha strukturer för att kunna agera i de fall det
behövs.”
“Insamling och analys är viktigt. Aktivering av slutsatser svårare, men alltmer viktigt.”
“Att hitta system som gör det möjligt att kontinuerligt arbeta med detta.”
“Att veta vilken information vi inte känner till att vi skulle behöva ha”
“Öka den enga analyskraften och förmågan att leva efter kundstrategin och agerbara aktiviteter
från kundinsikt - och att alla på bredden i organisationen förstår våra kunder”
“Precisera vilken info som är viktig och att sammanställa denna på lämpligt sätt för att skapa
underlag för agerande”
“Resursproblem. Analysarbete kräver sin tid och det är inte högsta prioritetet hos oss, vilket det
kanske borde vara.”
“Filtrera fram prospekt.”
“Att ta en plats i "etern". Att synas och konkurrera som ett attraktiv plats att leva, bo och verka
på.”
“Att definiera vilken data som har betydelse för vår verksamhet och som kan generera
lönsamma kunder”
“Stukturera och kanalicera informationen”
65
Bilaga 5. Intervjufrågor – Lentus AB
När ni startade Lentus 1985, hur hjälpte ni företag att anskaffa och vårda kundrelationer då?
Hur har erat sätt att arbeta förändrats till idag?
Vad kommer att det viktigaste budskapet för er att förmedla till era kunder i framtiden?
Har du några konkreta exempel på hur strategi, verktyg och kunskap för CRM har hjälpt
företag?
Har ni sett detta i affärsresultat också?
Är det fortfarande osäkerhet kring CRM och vilken nytta det ger hos kunder?
Enligt vår undersökning anger bara 28% av respondenterna att de är i hög grad kapabla att
utnyttja kundrelaterad data i sina marknadsaktiviteter idag. Baserad på er erfarenhet, stämmer
denna bild överens med er egen?
Vilka konsekvenser får detta?
Däremot uppger 76% av våra respondenter att det väntar sig mer komplexitet inom hantering
och analys av kunddata de närmaste åren. Det tyder på att det finns en hög medvetenhet om
förändringen som sker men att man kanske inte är där i praktiken. Är det här något ni märker
av när ni pratar med era kunder?
Utifrån svaren i vår undersökning, ser vi en tendens på att företag inte är lika bra på att hantera
och analysera extern data, exempelvis kundrecensioner, bloggar och sociala medier, som intern
data, exempelvis transaktioner och kundklubbar. Vad tror ni att detta beror på? (Vilka
konsekvenser kan det få för företagen?)
Vad tror du är det viktigaste – intern eller extern?
Övriga synpunkter eller trender du vill dela med dig av ang. CRM?
66
Bilaga 6. Intervjufrågor – IBM – Charlotta Wark
Har din roll som marknadschef skiftat under de senaste åren? Har det blivit någon ändring i
fokus, angående hur du ser på exempelvis kunddata?
Upplever du att det fortfarande finns osäkerhet kring exempelvis CRM och vilken nytta det ger
för marknadsförare?
Enligt vår undersökning anger bara 28% av respondenterna att de är i hög grad kapabla att
utnyttja kundrelaterad data i sina marknadsaktiviteter idag. Det tyder på att det finns stora
behov av förbättring på detta område. Är det en bild som stämmer överens med din egen?
Däremot uppger 76% av våra respondenter att det väntar sig mer komplexitet inom hantering
och analys av kunddata de närmaste åren. Det tyder på att det finns en hög medvetenhet om
förändringen som sker men att man kanske inte är där i praktiken. Är det här något ni märker
av när du märker av när du pratar med kollegor och träffar kunder?
Har du något sånt exempel?
Det här är en väldigt enkel form av hantering av kunddata, vilka fördelar ger det att gå ett steg
längre egentligen?
Utifrån svaren i vår undersökning, ser vi en tendens på att företag inte är lika bra på att hantera
och analysera extern data, exempelvis kundrecensioner, bloggar och sociala medier, som intern
data, exempelvis transaktioner och kundklubbar. Vad tror du att detta beror på?
Vad tror du är viktigast för företag i framtiden – att kunna utnyttja extern eller intern
kunddata?
Vilket tycker du är det viktigaste budskapet att förmedla angående big data och marknadsföring
till berörda i framtiden?
Övriga synpunkter eller trender du vill dela med dig av relaterade till ämnet?