• Ingen resultater fundet

UDNYTTELSE AF BIG DATA I DETAILHANDEL VIA INTERNETTET

N/A
N/A
Info
Hent
Protected

Academic year: 2022

Del "UDNYTTELSE AF BIG DATA I DETAILHANDEL VIA INTERNETTET"

Copied!
102
0
0

Indlæser.... (se fuldtekst nu)

Hele teksten

(1)

UDNYTTELSE AF BIG DATA I

DETAILHANDEL VIA INTERNETTET

Exploiting Big Data in retail commerce via the Internet

HVORDAN PUSH-BESKEDER KAN ØGE KUNDELOYALITETEN I COOP HOW PUSH MESSAGES CAN INCREASE CUSTOMER LOYALTY IN COOP

AFGANGSPROJEKT

HD 2. DEL ØKONOMISTYRING OG PROCESLEDELSE

Paul Knudsen (pakn10ab) Vejleder: Mogens Kühn Pedersen

CBS, maj 2014

(2)

Udnyttelse af Big Data i detailhandel via internettet Hvordan push-beskeder kan øge kundeloyaliteten i Coop

Exploiting Big Data in retail commerce via the Internet How push messages can increase customer loyalty in Coop

Forfatter: Paul Knudsen

Vejleder: Mogens Kühn Pedersen

Sideantal / anslag: 102 sider / 155.414 anslag Afgangsprojekt

HD 2. del, Økonomistyring og procesledelse Copenhagen Business School 2014

Afleveret: 5. maj 2014 Skrifttype: Geogrotesque Kontaktoplysninger:

Paul Knudsen, tlf. 22 12 92 67, p@ul.dk

(3)

[Denne side er bevidst efterladt blank]

(4)
(5)

EXECUTIVE SUMMARY

Big Data is all about understanding the individual consumer. This understanding will enable retailers to deliver the right information and service to the right customer at the right time, via the channel of their preference. In this report the largest retail commerce chain in Denmark, Coop, is analyzed with regards to their use of Big Data and push messages.

Coop is part of a national retail market that is overflowing with brick-and-mortar stores – and more are on their way. At the same time e-commerce is booming which puts more pressure on the brick-and-mortar retailers to find new ways of drawing the attention of the consumer.

The customer relationship needs to be improved through better service and by delivering better information about products and offers.

The analysis is focused on consumer behavior and how using Big Data techniques and technologies can improve the information flow by using existing as well as new infrastructure to target consumers in a better and more advanced way. The omni-channel approach will give consumers the best possible shopping experience.

The overall scope is to strengthen the customer relationship by individualizing and personalizing information pushed to the customer. Using the existing technology of email and SMS marketing an experiment is conducted to see if this type of marketing can support this – and how Big Data could eventually improve customer satisfaction and increase loyalty. The analysis also shows that new generations will expect retailers to be omni-channel and that more and more commerce will become mobile.

Other technologies like beacons are also discussed for proximity marketing. Combining Big Data with proximity marketing would position Coop as the leading retailer in Denmark and using the existing SMS marketing platform could pull the consumers towards this new technology.

The conclusions are that Big Data is not yet used enough in Danish retail commerce as well as in Coop but this also represents an opportunity. It would require as paradigm shift to focus more on data-driven decision making rather the gut feelings. The consumer wants relevant and personalized information and this would strengthen satisfaction and loyalty towards the brand.

(6)

Management must focus on Big Data to utilize this in the decision making process. Also an omni-channel strategy has to be created. Marketing should then become more automated on a per consumer level with personalized information on products and services. Good data scientists must be found and talents nursed to deliver the best possible analyses and in real- time. Push messages does have a future in retail commerce, especially in m-commerce but management must embrace the new technologies.

(7)

INDHOLDSFORTEGNELSE

EXECUTIVE SUMMARY 5 INDHOLDSFORTEGNELSE 7

1 INDLEDNING 11

1.1 BAGGRUND 11

1.2 PROBLEMET 12

1.3 OPGAVENS OPBYGNING 13

1.4 TIDSPLAN 13

2 METODE 15

2.1 PRÆSENTATION AF UNDERSØGELSESMETODERNE 15 2.2 PRAKTISK EKSPERIMENT MED UDSENDELSE AF BESKEDER 15

2.3 INTERVIEW 15

2.4 INDSAMLING AF DATA 16

2.5 OVERVEJELSER OG FEJLKILDER 16

2.6 FAGLIGE NORMER OG PRAKSIS 16

3 MODELLER 17

3.1 E-BUSINESS INFRASTRUKTUR 17

3.2 INNOVATION I DETAILHANDEL 20

3.3 VÆRDIKÆDEN I DETAILHANDEL 25

3.4 KUNDERELATIONER 27

3.5 OPSUMMERING 32

(8)

4 ANALYSE I: DETAILHANDEL 33

4.1 COOP’S SITUATION 33

4.2 TEKNOLOGISKE FREMSKRIDT 34

4.3 BIG DATA RAMMER LEDELSEN 37

4.4 EN OMNI-CHANNEL STRATEGI 39

4.5 FORVENTNINGER TIL BIG DATA 43

4.6 DELKONKLUSION 43

5 ANALYSE II: KUNDERELATIONER 45

5.1 MEDLEMSDATABASEN 45

5.2 WALMART OG ANDRE FØRENDE KÆDERS BRUG AF BIG DATA 46

5.3 SMS SOM MARKEDSFØRINGSREDSKAB 49

5.4 DAGLI’BRUGSENS SMS-PROJEKT 50

5.5 EKSPERIMENT MED FORSKELLIGE TILBUD PÅ SMS 53

5.6 FORBRUGERADFÆRD 56

5.7 PERSONLIGGØRELSE MED SMS 58

5.8 DELKONKLUSION 59

6 ANALYSE III: FREMTIDEN 61

6.1 M-HANDEL DE KOMMENDE ÅR 61

6.2 BEREGNINGSKAPACITET – HVORFOR CLOUD COMPUTING? 62

6.3 FLERE FORETNINGSMULIGHEDER 63

6.4 DELKONKLUSION 64

7 DISKUSSION 67

7.1 BIG DATA I DETAILHANDLEN 67

7.2 HVOR LANGT KAN MAN GÅ MED SMS? 68

7.3 VURDERING AF UNDERSØGELSESMETODERNE OG FAGLIGE METODER 69

8 KONKLUSION 71

8.1 BIG DATA SOM UDNYTTES BEDRE 71

8.2 HANDLEANVISNINGER 73

(9)

9 LITTERATURLISTE 75 10ILLUSTRATIONER 81

11BILAG 83

11.1 COOP AMBA KONCERNOVERSIGT PR. APRIL 2014 83 11.2 HYPE CYCLE FOR EMERGING TECHNOLOGIES, GARTNER 2013 84 11.3 TILMELDINGER OG UDSENDTE PUSH-BESKEDER I DAGLI’BRUGSEN 85

11.4 FREMSKRIVNINGER AF M-HANDEL 87

11.5 INTERVIEW 89

(10)
(11)

1 INDLEDNING

I DETTE AFSNIT SÆTTES SCENEN FOR UNDERSØGELSEN AF BRUGEN AF BIG DATA TIL AT OPTIMERE LEDELSESBESLUTNINGERNE, SOM I SIDSTE ENDE DEFINERER DET INDHOLD, SOM FORBRUGERNE SER.

1.1 BAGGRUND

Big Data er et hypet begreb i disse år, hvor medierne i ny og næ tager fat i emnet, men uden egentlig at oplyse den brede befolkning om, hvordan dette vil kunne påvirke hverdagen i den nære fremtid. Mediernes fokus har mest af alt handlet om privatlivs- og sikkerhedsspørgsmål, snarere end hvordan den rette brug kan forbedre tilfredsheden hos den enkelte forbruger.

Brugen af Big Data kræver således et stort oplysningsarbejde i befolkningen, men også blandt virksomhedsledere der skal træffe beslutningen om at sætte data i spil.

Som casevirksomhed har jeg valgt Danmarks største detailhandelskoncern, Coop. Den vigtigste gren af virksomheden er at sælge dagligvarer, som samtidig er et område, hvor forbrugerne køber mange af de samme varer igen og igen. Det er således et meget anderledes område, end hvis vi talte om salg af tv eller sofaer, hvor forbrugerne sjældnere skal ud på markedet.

Til Coop Dagli’Brugsen har min virksomhed, QBuy ApS, gennem de seneste to år leveret et website med et tilhørende pushbesked- system baseret på email- og SMS- udsendelser. Dette har givet mulighed for at arbejde konkret med drift og optimering af et system, der bliver brugt i stort omfang, og hvor muligheden for indsamling og bearbejdning af data ligeledes er stor. Som leverandør har min rolle været at udvikle et system, der kan understøtte og videreudvikle den forretningsstrategi, som Dagli’Brugsen forfølger om at være det lokale omdrejnings- punkt i typisk et landområde.

Dagli’Brugsens moderorganisation, Coop, sidder også med en unik mulighed for at kunne aktivere de 1,4 mio. danskere, som allerede har en tilknytning til virksomheden via medlemskabet af Coop. Som de fleste andre virksomheder er udfordringen at tjene penge i et presset marked, og målet er at øge kundetilfredsheden, så loyaliteten øges, hvilket i sidste ende vil kunne øge indtjenin- gen. Denne unikke database vil kunne kobles til andre indsamlede data, og derfra vil et

(12)

analysearbejde kunne give både topledelsen og den lokale butiksledelse langt bedre værktøjer til at træffe beslutninger om tilbud og kampagner.

Min interesse for, erfaring og arbejde med Coop er derfor årsagen til, at jeg har valgt emnet, som dog også betyder meget for mit arbejde, der ikke er relateret til Coop.

Jeg har i opgaven indsamlet data ved at gennemføre interview og udført et eksperiment med pushbeskeder, ligesom jeg har fundet relevante artikler og rapporter inden for emnet.

1.2 PROBLEMET

I det følgende beskrives problemstillingen, defineres en problemformulering med tilhørende undersøgelsesspørgsmål samt afgrænses dette.

1.2.1 PROBLEMSTILLING

Coop er en af de to store detailhandelskon- cerner i Danmark. Dansk Supermarked er den anden store koncern, men der findes også mindre danske og udenlandsk ejede kæder, som opererer på markedet. For alle gælder et ønske om at åbne flere fysiske butikker, og det selvom markedet i forvejen er over- svømmet med butikskvadratmetre, ligesom e-handelskanaler skal udvikles for at give forbrugerne mulighed for at handle der, hvor de har lyst til. Derfor skal der findes løsninger, der kan tiltrække nye kunder og fastholde de eksisterende.

Problemstillingen er ret beset, at der er behov for at kunne øge servicen over for forbrugerne ved at levere et bedre produkt end konkurrenten, eksempelvis gennem

bedre, optimeret og mere målrettet kommunikation. En af udfordringerne er at sætte data om forbrugerne i spil på den rigtige måde.

1.2.2 PROBLEMFORMULERING

Med udgangspunkt i behovet for at optimere og målrette kommunikationen til den enkelte forbruger, hvordan udnytter virksomheden Big Data bedre, således at ledelsen træffer de rigtige beslutninger om kampagner og tilbud?

1.2.3 UNDERSØGELSESSPØRGSMÅL OG OPERATIONALISERING

På den baggrund har jeg valgt at arbejde med følgende undersøgelsesspørgsmål:

1. Hvor meget udnyttes Big Data i dag?

2. I hvor høj grad er det ledelsen, der skal træffe beslutninger om kampagner og tilbud?

3. Hvad ønsker den enkelte forbruger at modtage af kampagner og tilbud?

4. Hvordan kan teknologi bruges til at øge servicen og salget?

De ovenstående undersøgelsesspørgsmål kan nu oversættes til de praktiske forhold, der skal undersøges. Disse er nærmere beskrevet i afsnit 4-6 - og understøttet af indsamlede primære og sekundære data.

1.2.4 DEFINITIONER OG BEGREBER

Generelt har jeg arbejdet med Big Data som et begreb, der dækker over enhver form for data, som kunne være relevant for Coop at arbejde med.

De parter, jeg arbejder med, består som oftest af ”virksomheden”, der henviser til

(13)

afsenderen af et produkt eller ydelse, såvel som den part der ønsker at markedsføre disse. Ligeledes bruger jeg begreber som

”kunden”, ”køberen” og ”forbrugeren” om den part, der er modtageren af markedsfø- ringen og efterfølgende køberen af produktet.

1.2.5 AFGRÆNSNING

Opgaven fokuserer på brugen af SMS’er som pushbeskeder, selvom emails også bliver brugt i vidt omfang. Det interessante er dog brugen af mobile enheder, hvilket ikke nødvendigvis er tilfældet, når man arbejder med emails. Ud fra dette arbejdes også kun med den del af e-handel, som centrerer sig om handel på mobile enheder.

1.3 OPGAVENS OPBYGNING

Opgaven er et stykke projektarbejde, som tager udgangspunkt i den konkrete problemstilling, som er beskrevet i foregående afsnit 1.2. Dernæst gennemgås de metoder (afsnit 2), som bruges i projektet, hvorefter de relevante teorier beskrives (afsnit 3). Efter denne del vil jeg analysere problemet og gennemgå emnerne fra de undersøgelsesspørgsmål, jeg har opstillet

(afsnit 4-6). I den sidste del af opgaven evaluerer jeg metoden og resultaterne (afsnit 7), hvorefter konkrete handleanvisninger opstilles i konklusionen (afsnit 8).

1.3.1 FAGLIG SAMMENHÆNG

Denne opgave er tværfaglig. Jeg har således arbejdet inden for fagene IT-ledelse, strategi, innovation, økonomistyring, erhvervsret, organisation og generel erhvervsøkonomi.

1.4 TIDSPLAN

Opgaven forløb i store træk efter denne tidsplan:

 December 2013: Udarbejdelse af problemformulering

 Januar 2014: Indsnævring af opgave

 Februar 2014: Møder med Coop

 Marts 2014: Interview

 April 2014: Eksperiment med udsendel- se af pushbeskeder

Flere artikler er fundet helt frem til afleveringstidspunktet for at forsøge at være så opdateret som muligt inden for et emne, som rykker til nye områder dagligt.

(14)
(15)

2 METODE

DETTE AFSNIT GENNEMGÅS DE METODER, DER ER BENYTTET UNDERVEJS I OPGAVEFORLØBET.

2.1 PRÆSENTATION AF

UNDERSØGELSESMETODERNE I arbejdet med denne opgave har jeg taget udgangspunkt i den klassiske opdeling, hvor empiri og teori kombineres ved at opstille en problemformulering, der med undersøgel- sesspørgsmål prøver at give nogle bud på, hvordan problemet kan løses.

Problemet tager således udgangspunkt i en problemstilling, som indbefatter både empirien fra såvel casevirksomheden Coop som min egen erfaring som leverandør til Coop. Med udvalgte teorier inden for området har jeg analyseret og tolket de primære og sekundære data, jeg har haft til rådighed eller som jeg har indsamlet.

2.2 PRAKTISK EKSPERIMENT MED UDSENDELSE AF BESKEDER

Som en del af opgaven har jeg lavet nogle små, lokale eksperimenter med udsendelse af pushbeskeder i Dagli’Brugsens beskedsy- stem i samarbejde med en række butiksud- delere. Af parametre, der har indgået i eksperimentet kan nævnes butikkens opland,

antallet af tilmeldte forbrugere, prisen (normal eller tilbud), koblingen til andre varer samt varetypen i sig selv. Formålet med eksperimentet var at se, om pushbeskeder rent faktisk kunne ændre forbrugernes adfærd til at komme ned i butikken og ikke mindst øge omsætningen.

De tre udvalgte butikker afspejler tre repræsentative Dagli’Brugsener, nemlig to i landsbyer i henholdsvis Østjylland og på Vestsjælland, hvor butikken ofte er byens købmand, samt en butik i et forstadsmiljø med flere konkurrenter tæt på.

I afsnit 5.5 kommer jeg mere ind på detaljerne i eksperimentet.

2.3 INTERVIEW

Et hovedelement i denne opgave er interview med udvalgte nøglepersoner i virksomheden, både inden for udvikling og drift såvel som markedsføring, ligesom jeg har talt med en brancheorganisation om prospekterne inden for m-handel, pushbeskeder og Big Data.

Interviewene er foregået enten hos Coop eller via telefon, og jeg havde forberedt en række

(16)

spørgsmål på forhånd, som jeg holdt mig til undervejs. Det har været vigtigt for mig at holde mig så neutral og objektiv som muligt i interviewene til trods for, at flere af de interviewede kender mig i forvejen som forretningsforbindelse og leverandør af ydelser.

2.4 INDSAMLING AF DATA

Når det kommer til dataindsamlingen, har jeg haft en unik mulighed for at bruge og studere de data, som jeg i min egen virksomhed har til rådighed, ligesom jeg har kunnet få oplysninger om priser, omsætning og salg direkte hos udvalgte butikker. Udover denne form for data har jeg baseret væsentlige dele af opgaven på både videnskabelige artikler og fagartikler i tidsskrifter såvel som journalisti- ske artikler.

2.5 OVERVEJELSER OG FEJLKILDER Gennem diskurs har jeg prøvet at identificere eventuelle fejlkilder og indført tiltag, som kunne mindske/fjerne disse fejlkilder. Visse fejlkilder skal dog nævnes:

 Min egen rolle som leverandør har højst sandsynligt farvet svarene i interviewe- ne.

 Forkert tolkning af interviewsvar.

 Forkerte data fra SMS/pushbesked- eksperimentet (behandlet særskilt under analyseafsnittet).

Som leverandør til Coop har jeg en vis indflydelse på den måde, hvorpå Dagli’Brugsens pushbesked-system fungerer på, herunder nogle af de tekniske begræns- ninger som også eksisterer. Nogle af de forbedringer, som jeg foreslår i opgaven, er således en konsekvens af valg, jeg selv har været med til at træffe.

Under interviewene fulgte jeg en interview- guide og undlod så vidt muligt at kommente- re svar. På den måde forsøgte jeg således at minimere risikoen for, at min holdning påvirkede de interviewede, ligesom det faktum at jeg allerede kendte nogle af deres svar fra mit arbejde med Coop ikke måtte begrænse svarmulighederne.

2.6 FAGLIGE NORMER OG PRAKSIS I opgaven har jeg valgt at arbejde ud fra den klassiske empirisk-analytiske videnskabsteo- ri ”induktivisme”, hvor teori er baseret på velfunderet empiri.

Ud fra mine egne observationer og de indsamlede data har jeg koblet de teorier, som er brugt i opgaven, hvorefter jeg deduktivt har opstillet de forklaringer, som jeg vil gennemgå i konklusionen.

(17)

3 MODELLER

DETTE AFSNIT BESKRIVER KORT DE TEORIER OG MODELLER, DER ER ANVENDT I ANALYSEN AF PROBLEMSTILLINGEN.

3.1 E-BUSINESS INFRASTRUKTUR For overhovedet at kunne tale om Big Data, push-beskeder og handel via digitale kanaler bliver vi først nødt til at kigge på den underliggende infrastruktur af hardware såsom servere, telefoner og netværk samt software såsom browsere og apps.

Figur 3-1: Fem infrastrukturlag for e-business.

(Chaffey, 2011) beskriver en fem-lag model, for digital forretningsinfrastruktur. Denne model arbejder med udgangspunkt i behovet for forskellige delelementer for at sikre kommunikationen af data mellem forskellige

systemer, der tilsammen udgør infrastruktu- ren.

På Figur 3-1 ses denne model, og jeg vil i det følgende kigge primært på lagene I-III, nemlig det fysiske netværk (lag III), systemsoftwaren (lag II) og forretningssoft- waren (lag I). Derudover vil jeg også kigge på trådløse enheder, cloud-computing og de klassiske metrics, altså de statistiske data man kan få ud af forretningssystemer.

3.1.1 NETVÆRK

Når data skal udveksles mellem computere og mennesker, kræver det en eller anden form for netværk. De fleste mennesker har en idé om, hvad et netværk er – det kan være sociale og personlige netværk mellem mennesker, trafikinfrastrukturelle netværk som veje og jernbaner, og det kan være datanetværk som mobiltelefonnetværk, f.eks.

GSM og 3G/4G eller internettet. Alle disse former for netværk er vigtige, når det kommer til detailhandel, uanset om det er elektronisk eller fysisk handel.

(18)

Dette afsnit vil dog omhandle de datatekni- ske netværk, men senere vil jeg kigge på de sociale netværk mellem mennesker.

Kigger vi nærmere på transporten af data, kræver dette nogle standarder. På internettet findes en lang række af disse til at flytte data mellem computere, ligesom der findes en hel del services, der gør det lettere for brugerne at finde rundt. Et eksempel på dette er domænenavne, som frigør brugeren fra at skulle huske en IP-adresse.

Netværk er altså til for at gøre det let for brugerne at sende og hente information fra og til andre kilder.

3.1.2 INTERNETVÆRKTØJER

Når først et netværk er til stede, og folk begynder at bruge det, opstår der et behov for ”værktøjer” til at kommunikere.

Omdrejningspunktet er i dag i meget høj grad internettet.

I fem-lag-modellen arbejdes med

”systemsoftware”, hvoraf jeg for problemstil- lingen finder det mest relevant at kigge på de værktøjer, der udgør rygraden af internettet.

Hvad er ”internettet” så? For de fleste mennesker er internettet nok synonymt med World Wide Web (WWW), e-mails og chatprogrammer. WWW ses gennem en browser som Internet Explorer eller Chrome, mens e-mails læses i Outlook eller via browseren på Hotmail eller Gmail. Derudover kender alle Facebook, Skype og ligende programmer, som kan bruges til at skrive eller tale med andre mennesker. Internettet består dog også af en lang række andre værktøjer, som bruges i større eller mindre

grad, men min problemstilling lægger naturligvis primært op til at kigge på de nævnte teknologier.

3.1.3 FORRETNINGSSOFTWARE

For e-forretninger er det dog i første omgang ikke med udgangspunkt i software som browsere og mailklienter, men mere software, der håndterer Customer Relationship Management (CRM), Content Management Systems (CMS) og dataanaly- seværktøjer (data mining). Især CRM har længe været afgørende for virksomheder til at holde styr på salg, markedsføring og kundeservice. I afsnit 3.4 vil jeg uddybe emnet.

3.1.4 TRÅDLØSE ENHEDER

Det afgørende aspekt for de fleste forbrugere i dag, når det kommer til at søge information, er at kunne gøre det hvor som helst og når som helst. Dette kræver en trådløs infrastruktur og nogle værktøjer og enheder, som kan flyttes let rundt. Den åbenlyst mest populære mobile enhed er mobiltelefonen, især i smartphone-versionen, som de seneste 6-7 år har revolutioneret måde at kommunikere på farten på.

En smartphone er således indgangen til de datanetværk, som brugerne gerne vil i kontakt med, eksempelvis internettet, lokationsdata via GPS-satellitterne eller naturligvis telefonnetværket for at kunne lave opkald til andre. Alt sammen handler det om at kunne kommunikere.

Mobil kommunikation kræver applikationer og services, som kan facilitere denne proces.

Den mest åbenlyse er mobilbrowseren, som

(19)

dybest set ikke er meget anderledes end en browser på en stationær enhed, blot er skærmen ofte mindre på en mobil enhed.

Dernæst findes forskellige apps, altså programmer som kører på enheden for at gøre det lettere for brugeren at anvende enheden til et specifikt formål.

Apps kobler typisk brugeren til services på internettet med lokationsdata, kameraet (til f.eks. scanning af barcodes/QR-koder), kontaktoplysninger eller andre funktioner på telefonen. Facebook, Twitter og andre kobler f.eks. alle disse elementer, idet man både kan få nyheder fra andre på internettet, tage billeder og dele disse, ligesom man kan tagge personer og steder via lokationsdata.

Af andre kommunikationsværktøjer på en smartphone findes typisk muligheden for at sende en SMS eller forbinde til et headset med ledning eller via Bluetooth. Derudover findes Near Field Communication (NFC) til datakommunikation på meget kort afstand, typisk få centimeter.

SMS Tekst-baseret service til at sende korte beskeder mellem mobile enheder.

Bluetooth

Trådløst netværk til udveksling af data mellem enheder på korte afstande.

NFC

Trådløs/kontaktløs udveksling af data mellem enheder på meget kort afstand.

Figur 3-2: Definitionerne af SMS, Bluetooth og NFC.

Især SMS’en vil jeg kigge på i min analyse som værktøj til at pushe beskeder til forbrugerne, men både Bluetooth og NFC er også interessante fremadrettet.

Bluetooth (og NFC) kan også bruges i markedsføring, da denne teknologi kan bruges til såkaldt ”proximity marketing”, altså hvor markedsføringen sker på baggrund af, at forbrugeren er i nærheden af et sted.

Chaffey beskriver her to begreber, Bluecasting og Bluejacking, hvor Bluetooth benyttes til at sende beskeder automatisk til en forbrugers smartphone, hvis blot Bluetooth er slået til på modtagerens telefon.

En klassisk feature på en mobiltelefon er at dele kontaktoplysninger via et vCard, som så sendes og modtages med Bluetooth til den person, der står ved siden af. Selvom teknologien er anderledes end ved push- beskeder med SMS, gør mange af de samme mekanismer og bekymringer sig gældende ved brug af Bluetooth. I analysen kigger jeg også mere på brugen af Bluetooth som markedsføringsredskab.

3.1.5 WEB SERVICES OG CLOUD COMPUTING

Den information, som forbrugerne henter på internettet, kommer sædvanligvis fra Web Services. Disse kaldes også for Software-as- a-Service (SaaS) og kan være både gratis eller pålagt betaling, typisk på abonnements- vilkår. Forskellen mellem software på enheder og SaaS er, at sidstnævnte ofte kører via browseren og kræver en stabil netværksforbindelse, hvilket kan være en udfordring for trådløse enheder.

(20)

Et meget hypet begreb i øjeblikket er at

”arbejde i skyen” (”work in the cloud”).

Begrebet Cloud Computing dækker mere eller mindre over at data ligger på servere hos en ekstern udbyder, som via SaaS tilbyder adgang til disse data og værktøjer til at arbejde med data. Eksempelvis tilbyder Google via Google Drive, at alle brugerens data og filer ligger på Googles servere, ligesom Google Docs erstatter den klassiske Office-pakke, installeret på computeren.

Andre cloud-baserede services er Google Maps og Gmail, CRM-systemer som Salesforce og Zendesk eller økonomi- og supply-chain værktøjer som SAP, Economic m.fl.

Cloud Computing er altså brugen af distribueret lagerplads og databehandling på servere forbundet til internettet, og som typisk leverer data og services via SaaS. Det er dette grundlag, som skaber grobund for statistikker og indsamling af adfærdsdata.

3.1.6 METRICS – FEEDBACK

I afsnit 3.1.3 nævnte jeg ”data mining” som et værktøj til at kigge på indsamlede eller beregnede data og så omdanne disse til forståelige tal og information, som et menneske kan overskue. Inden for forretningsverdenen kigger man typisk på metrics, f.eks. arbejder en Business Controller med økonomistyring, hvilket kræver tilgængelig og forståelig økonomi- og ledelsesinformation. En del af denne information hentes ved at indsamle og behandle data fra kundernes brug af virksomhedens tjenester. Eksempelvis gemmer et supermarked bondata, hvorefter controllere vil analysere på, hvor mange nye

varer der skal indkøbes til næste uge ud fra denne uges salg.

(Rygielski, et al., 2002) beskriver en række teknikker til at udføre data mining i forbindelse med kundeforholdet. Det handler således om at linke mange års data og analysere information om en kunde på en smartere måde end blot at lave statistik. De virksomheder, der formår at bruge kundedata og personlige oplysninger effektivt, vil derfor have en kunkurrencefordel. En lille advarsel nævnes dog også, da virksomhederne har et stort ansvar for at skabe en balance mellem privatlivets fred og profitskabelse. Data skal med andre ord bruges rigtigt for at få tilfredse kunder.

På ledelsesplan i en virksomhed er det således afgørende at have data til rådighed på en relativt let og forståelig måde, således at de rette beslutninger kan træffes.

3.2 INNOVATION I DETAILHANDEL Den teknologiske udvikling går stærkt i disse år. For at forstå denne udvikling inden for elektronisk markedsføring vil jeg i det følgende kigge på nogle af de teorier, som 3.2.1 DIFFUSION OF INNOVATIONS

I 1962 skrev Everett Rogers (Rogers, 2003) første udgave af “Diffusion of innovations”, som er en teori, der prøver at forklare hvordan, hvorfor og hvor hurtigt nye ideer og teknologier spreder sig i en kultur.

“Diffusion is the process by which an innovation is communicated through certain channels over time among the members of a social system.”

– Everett Rogers

(21)

Rogers tager udgangspunkt i, at diffusion (udbredelse) er en proces, hvorved en innovation (en ny teknologi) bliver kommunikeret gennem bestemte kanaler over tid blandt medlemmerne af et socialt system. De fire vigtige elementer er således selve innovationen, kommunikations- kanalerne, tid og et socialt system.

Figur 3-3: Diffusion of innovations.

På Figur 3-3 viser den blå kurve, hvordan forbrugerne tager den nye teknologi til sig over tid (adoptionskurven), mens den gule viser markedsandelen i procent. I sidste ende vil markedsandelen således nå mætnings- punktet (100 %). Den gule kurve kaldes også S-kurven.

Rogers arbejder med fem faktorer, som påvirker forbrugeren til at acceptere eller afvise en ny teknologi på beslutningstrinnet:

1. Relative advantage Får jeg mere end hvad jeg allerede kan få.

2. Compatability Hvor let det er at indpasse den nye teknologi i mit liv.

3. Complexity/simplicity Er det for kompliceret, så opgiver jeg at bruge det.

4. Trialability Kan jeg eksperimentere med det, før jeg beslutter mig endeligt.

5. Observability En synlig teknologi spredes lettere via kommunikation mellem personlige netværk.

Udbredelsen til flere forbrugere sker gennem kommunikation via kanaler. Her er massemedierne som f.eks. radio, TV og aviser (herunder også på internettet) rigtig gode til at øge kendskabet til en ny teknologi, hvorimod interpersonelle kanaler er mere effektive til at forme og ændre holdninger i forhold til den nye teknologi, hvorved forbrugeren påvirkes til at træffe en beslutning, om den nye teknologi er interessant eller ej. Især personer med samme interesser og baggrund vil lettere kunne påvirke hinanden. Rogers tænkte naturligvis ikke meget på hverken Facebook Chat eller Snapchat, men disse former for kommunikation mellem enkeltpersoner er helt afgørende for udbredelsen af kendska- bet til ny teknologi, herunder via teknologien i sig selv.

Adoptionsprocessen foregår gennem fem trin:

1) Viden,

2) overbevisning, 3) beslutning,

4) implementering og 5) bekræftelse.

Ved første møde med den nye teknologi skal forbrugeren således finde ud af, hvad det overhovedet går ud på. Dernæst bliver forbrugeren overbevist ved aktivt at søge information om emnet og efterfølgende kan

(22)

en beslutning træffes, om den nye teknologi skal vælges til eller fra. Denne beslutning træffes således på baggrund af forskellige fordele og ulemper. Såfremt teknologien tilvælges, skal den herefter implementeres, hvilket sædvanligvis kræver yderligere information, f.eks. ved at læse manualen på et nyindkøbt apparat. Til slut bekræftes beslutningen, såfremt forbrugeren er overbevist om, at den nye teknologi var det rette valg.

Rogers inddeler forbrugerne i fem kategorier:

1) Innovators, 2) early adopters, 3) early majority, 4) late majority og 5) laggards.

Den første gruppe er typisk de trendsættere eller ”teknik-nørder”, som elsker at kaste sig ud i nye ting, og på et tidspunkt vil teknologien sprede sig derfra til den generelle befolkning. For en virksomhed, der vil sælge en ny teknologi, er det således vigtigt at få fat i trendsætterne i starten for derigennem at udbrede kendskabet..

Den sidste del af diffusionsprocessen er et socialt system, hvorigennem udbredelsen kan ske. Et sådant system eksisterer typisk, hvor mennesker har et behov for et netværk til at udveksle erfaringer og løse problemstil- linger for at nå et fælles mål. Før der kan være tale om et ”system”, skal der være en struktur, altså nogle mønstre som giver en stabilitet og regularitet for det enkelte medlem af systemet, herunder nogle normer og regler for opførsel. Medlemmerne

forventer altså en bestemt adfærd fra de øvrige medlemmer og lederne forventes at gå forrest. Man kan også kalde det sociale system for et ”samfund”.

3.2.2 MODERNE INNOVATION

Nu om dage drives innovation ofte af sociale netværk som f.eks. Facebook og Twitter, men også i høj grad af mediernes omtale af en teknologi. (Peres, et al., 2010) foreslår ud fra dette fokus følgende definition af udbredel- sen af ny teknologi:

“Innovation diffusion is the process of the market penetration of new products and services, which is driven by social influences. Such influences include all of the interdependencies among consumers that affect various market players with or without their explicit knowledge.”

– Peres et al.

Kort fortalt udbredes ny teknologi i høj grad på baggrund af, hvad andre gør. Et produkts livscyklus er med denne definition tæt koblet til, hvad der er moderne, men også om der kommer en ny og bedre model, som substituerer den nu gamle model. I slutningen af artiklen bemærkes dog også, at de allernyeste teknologier er svære at måle på, idet en teknologi kan åbne op for mange andre, f.eks. nævnes en iPhone som har givet mulighed for udvikling af tusinder af apps, som hver især kan defineres som ny teknologi. Teknologier bliver således afhængige af hinanden, hvorfor diffusions- kurven ikke længere vil følge den traditionelle teori.

(23)

3.2.3 TEKNOLOGI ELLER KUNDEBEHOV (Johnson, et al., 2011) beskriver nogle basale dilemmaer, når det kommer til innovation.

Innovation involverer således omdannelsen af ny viden til et nyt produkt, en ny proces eller en ny service og derefter at ibrugtage dette/denne. Virksomhedens strategi skal altså justeres til at kunne håndtere denne proces, herunder skal det besluttes, hvor meget der skal satses på teknologien i forhold til markedsefterspørgslen, hvor meget der skal investeres i produktinnovati- on i forhold til procesinnovation, hvor meget der skal åbnes op for udefrakommende idéer og om der skal fokuseres på teknologisk innovation i stedet for at udvide innovationen til hele forretningsmodellen.

Ofte ses innovation drevet af teknologi, også kaldet technology push, hvor ny viden driver innovationsprocessen. Forskning og udvikling producerer nye produkter, processer eller services, hvorefter disse sættes i produktion, markedsføres og sælges. Inden for eksempelvis elektronikindustrien ses denne mekanisme ofte.

Et alternativ til ovenstående innovationspro- ces er market pull, hvor egentlig brug går forud for nye opfindelser. Her foregår udviklingen ved at forbrugerne efterspørger en ny teknologi, hvorefter denne udvikles ud fra denne efterspørgsel. F.eks. udvikles nyt sportsudstyr ofte ud fra sportsfolks ønsker, ligesom nye kirurgiske instrumenter ofte er videreudviklinger af eksisterende, hvor kirurgerne ud fra deres erfaring efterspørger en justering. Også inden for software er det sket mange gange, at efterspørgslen har startet udviklingen af nye værktøjer. Både

Google og Skype er gode eksempler på dette, hvor den eksisterende serviceinfrastruktur ikke var god nok, og hvor forbrugerne efterspurgte bedre service.

De to innovationsprocesser lever i balancen imellem teknologi og kundebehov, og virksomheden bør være opmærksom på disse ting:

- Er det teknikerne, der udvikler og overlevere til sælgerne

- Er det sælgerne, der ser nye muligheder og mobiliserer teknikkerne

- For meget fokus på teknik engagerer ikke kunder

- For meget fokus på kunder skaber ikke radikale innovationer

- Ofte en balance hvor både teknikere og sælgere er involveret

Ofte har modne virksomheder fokus på procesinnovation frem for produktinnovation, altså en tilgang til innovation der handler om at optimere de eksisterende, typisk interne, processer som for eksempel at optimere distributionen af varer eller omorganisere varernes placering i supermarkedet for at forbedre kundestrømmen gennem butikken.

Brugen af nye teknologier i detailhandlen kan derfor også ses som procesinnovation, f.eks.

ved udvikling af nye betalingsformer eller markedsføringsmekanismer som de tidligere nævnte SMS, Bluetooth, NFC m.fl.

3.2.4 HYPE CYCLE

Diffusions-adoptionskurven af Rogers er blevet videreudviklet af analysefirmaet Gartner, hvor modenhed, adoption og

(24)

forretningsbrugen af en specifik teknologi vurderes på den såkaldte Hype Cycle.

(Linden & Fenn, 2003) beskriver således, hvordan Gartner’s Hype Cycle karakteriserer den typiske udvikling af en ny, spirende teknologi fra overentusiasme og gennem en periode, hvor folk ikke rigtigt tror på den længere, før nogen i sidste ende finder ud af at bruge teknologien på den rigtige måde.

På Figur 3-4 ses kurven, som udgør Hype Cycle, og hvor fem stadier angiver tidspunktet og modenheden for teknologien.

Disse fem stadier er:

1. Technology Trigger Typisk en begiven- hed, der generer markant opmærk- somhed og brancheinteresse. Ingen produkter eksisterer endnu, kun proto- typer og forskning, men der er stort set kun positiv omtale.

2. Peak of Inflated Expectations Den store medieomtale skaber så meget op- mærksomhed, at forventningerne bliver urealistiske. Enkelte produkter eksiste-

rer, men de færreste af dem fungerer rent faktisk.

3. Trough of Disillusionment Her falder teknologien til jorden igen, fordi virke- ligheden ikke lever op til forventninger- ne. Medierne opgiver og teknologien glider ud i glemsel blandt forbrugerne.

4. Slope of Enlightenment Selvom medierne ikke længere finder teknolo- gien interessant, arbejder nogle virk- somheder videre med at finde den rette brug ved at eksperimentere og blive klogere på teknologien.

5. Plateau of Productivity Forbrugerne præsenteres nu for nogle reviderede

”version 2 produkter”, som rent faktisk er brugbare og forventningerne stiger igen, men i et mere forsigtigt tempo. En hockey stick effekt kan ske på et tids- punkt, efterhånden som forbrugerne adopterer teknologien.

Overgangen mellem de fem stadier er typisk udløst af markedshændelser, f.eks. vil et eller flere negative eksempler på brugen af et nyt produkt, som ellers har været positivt omtalt,

Figur 3-4: Gartners Hype Cycle.

Positive Hype

Negative Hype Don’t Join in Just Because It’s “In”

Don’t Miss Out Just Because It’s “Out”

Technology Trigger

Peak of Inflated Expectations

Trough of Disillusionment

Slope of Enlightenment

Plateau of Productivity Maturity

Visibility

(25)

skubbe hele teknologien ned ad kurven fra toppen.

(Fenn & Raskino, 2008) gennemgår flere eksempler, hvor Hype Cycle kurven passer på den historiske udvikling. Eksemplerne går fra antal artikler med begrebet ”business term”

til Amazon’s aktiekurs til e-business. Især denne sidste er interessant, idet en af Gartner’s analysefolk, Alexander Drobik, i 1999 tegnede Hype Cycle for e-business og forudsagde således dot-com krisen i 2001, hvor aktiemarkederne krakkede, fordi forventningerne var skruet helt op til urealistiske højder. Efterfølgende har teknologien fundet sit naturlige leje, og man kan således sige, at vi er nået plateauet til højre på kurven.

Hype Cycle modellen skal ses som en model, der beskriver, hvad der sker tidligt i en teknologis levetid. Kobles modellen til Rogers’ diffusions- og adoptionskurver fås en samlet model, der kan beskrive en teknologis adoptions-/ibrugtagningsperiode.

Denne kobling mellem de to modeller ses på Figur 3-5. Det skal bemærkes, at adoptions- kurven og S-kurven er forskudt i forhold til hinanden i forhold til Roger’s originale version, men derudover afspejler kurverne

meget godt det faktum, at når en teknologi når plateauet på Hype Cycle, så vil forbrugerne også begynde at adoptere teknologien for alvor og diffusionen vil stige markant.

Det skal slutteligt nævnes, at blot fordi en teknologi følger kurven i starten, så betyder det ikke, at enhver teknologi nogensinde vil nå plateauet. Gartner kalder disse for ghost technologies, og disse sættes enten på pause eller også glider de helt ud af kurven, hvis de simpelthen bliver forældede, typisk fordi en anden teknologi overhaler inden om.

3.3 VÆRDIKÆDEN I DETAILHANDEL Porter’s værdikædeanalyse fra 19851 er også relevant for problemstillingen på flere forskellige måder. På det helt basale niveau er formålet for enhver virksomhed at have en fornuftig margin, og alt efter branche kræver dette mere eller mindre arbejde med at optimere virksomhedens aktiviteter.

For en detailhandelsvirksomhed er især logistikken en stor udfordring, og for dagligvarehandel er det altafgørende.

Marginalerne er ofte små, når det kommer til at flytte varer, både økonomisk og rent praktisk. F.eks. hjælper det ikke noget, hvis

Figur 3-5: Koblingen mellem Rogers’ S-kurve, adoptionkurven og Hype Cycle kurven.

Adoption Curve

Time

Extended Hype Cycle Curve Performance S-Curve Gartner‘s Hype Cycle

(26)

frisk frugt ligger på et lager i en uge – så er den i hvert fald ikke frisk længere. Ligeledes er det for indkøbsafdelingen meget vigtigt at have nøjagtige tal på vareforbruget for at kunne estimere, hvor meget der skal indkøbes fremadrettet og til hvilke butikker, hvis det er i en kæde.

Den klassiske værdikæde indeholder indgående logistik, operations, udgående logistisk, markedsføring og salg samt service. I en detailhandelskæde og især i dagligvarehandlen handler det meget om distributionen til de fysiske butikker, altså udgående logistik. En vare starter sit liv ude hos producenten for dernæst at indgå i værdikæden ved indkøbet, typisk ved at ende på et mellemlager, hvor virksomheden holder styr på, hvad der skal sendes hvorhen. Herfra køres varerne ud i butikkerne, hvor de sælges til forbrugerne.

3.3.1 JUST-IN-TIME

Et begreb, som er relevant at kigge på inden for detailhandel, er Just-in-Time, hvor varerne produceres ud fra, hvornår de skal leveres for at undgå for store lagerbehold- ninger. Koblet til dette begreb er et andet Linkage, hvor de enkelte trin i værdikæden afhænger af hinanden. Alt sammen handler det om at reducere spild i værdikæden ved at have effektiv kontrol over alle dele, således at varer aldrig ligger og venter på næste trin.

3.3.2 AT AFSLUTTE VÆRDIKÆDEN MED KØBET DIGITALT

I e-handel afsluttes værdikæden lidt anderledes end i traditionel butikshandel, nemlig at varen oftest fremsendes med fragt.

Dette ændrer typisk varens vej fra at gå fra et

lager til en butik, hvorfra forbrugeren køber varen, til at varen sendes direkte fra lageret til forbrugeren. Der spares således en forretningsgang og færre hænder skal røre varen. I nogle tilfælde vil varen endda blive sendt direkte fra producenten, hvilket forkorter varens vej til forbrugeren endnu mere. Ved at afslutte værdikæden digitalt opnår alle parter; forbruger, producent og handelsvirksomhed, således en fordel ved at varen tidligere i kæden målrettes den enkelte forbruger.

3.3.3 MOBILE COMMERCE

Hvor e-handel dækker over alle former for handel via internettet, så kaldes den delmængde, der foregår specifikt via mobile enheder, for Mobile Commerce eller m- commerce (”m-handel” på dansk).

Denne måde at drive handel på afhænger meget af den infrastruktur, jeg beskrev tidligere, og hvor det er helt afgørende med gode trådløse forbindelser og enheder, der kan understøtte denne. M-handel er ud over de trådløse enheder også forskellig fra den øvrige e-handel, ved at de mobile enheder ofte har mindre skærme end på stationære enheder. For m-handelsvirksomheden er det altså vigtigt at tænke på, hvad der er vigtigst at fortælle, da man ikke har samme muligheder for at informere om vidt og bredt på samme tid. Til gengæld har man mange muligheder for at udnytte det faktum, at forbrugeren bevæger sig rundt i bybilledet.

Den mobile forbruger kan også påvirkes og serviceres med andre metoder via de nævnte teknologier, som mobile enheder besidder, f.eks. med SMS’er eller via Bluetooth. Dette

(27)

kan således også bruges til at optimere værdikæden, hvilket jeg vender tilbage til i analysen.

3.4 KUNDERELATIONER

Når det kommer til at markedsføre og sælge sine produkter til forbrugerne, også kaldet Customer Relationship Management (CRM), findes der ifølge (Kamakura, et al., 2005) to forskellige indgangsvinkler; adfærds-CRM og analytisk-CRM. Adfærds-CRM bruger eksperimenter og undersøgelser til at fokusere på de psykologiske faktorer, der udgør kundeservicen, hvorimod analytisk- CRM bruger virksomhedens kundedata til at designe modeller, der kan øge indtjeningen på varerne over kundens livscyklus.

For begge indgangsvinkler handler det om at imødekomme og tilfredsstille kundernes behov og ønsker for derigennem at opnå en høj Customer Equity eller kundeværdi, altså en høj loyalitet blandt kunderne. Der findes ifølge (Kotler, 2000) tre faktorer, der påvirker kundeværdien:

 Value equity Kundens objektive vurdering af anvendelsen af produktet baseret på fordelene sammenholdt med omkostningerne. Det handler om kvali- tet, pris og tilgængelighed.

 Brand equity Kundens subjektive og uhåndgribelige vurdering af brandet udover den objektivt vurderede værdi.

Det handler om kendskab til, attitude over for og perception af brandet.

 Relationship equity Kundens tendens til at blive ved brandet. Det handler om loyalitetsprogrammer og videnopbyg- gende programmer.

I det næste vil jeg kigge på både adfærds- og analytisk tilgang til kunderelationen, og hvordan disse kan sikre loyalitet og fastholdelse af kunden.

3.4.1 FORBRUGERENS ADFÆRD

Kotler arbejder med fire forskellige typer af faktorer, som påvirker forbrugerens adfærd;

kulturelle, sociale, personlige og psykologiske faktorer.

Kulturelle faktorer handler om, at der er kulturen, der helt fundamentalt bestemmer en persons ønsker og behov. Et barn tilegner sig således et sæt værdier, normer og præferencer gennem sin familie og sine omgivelser i sin opvækst. Kotler beskriver kultur som værende en form for makro- kultur i det pågældende land såvel som subkulturer og sociale klasser.

Sociale faktorer består af referencegrupper, familien, sociale roller og statusser.

Referencegrupper er grupper, som har direkte eller indirekte indflydelse på en persons attitude eller adfærd. Dette er typisk familie, venner, naboer eller kollegaer, altså de mennesker, man omgiver sig med i hverdagen. Derudover findes også trendsætterne og idolerne, som en person gerne vil efterligne. Familien er helt naturligt den vigtigste gruppe, som en person vil accepteres af, og derfor betyder denne meget for valget af produkter. Virksomheder målretter derfor ofte også sin markedsføring mod f.eks. børn og teenagere, fordi dette er den letteste vej til forældrenes pengepung.

Sociale roller og statusser er den sidste del af de sociale faktorer, og her handler det om at vise sin status over for andre. Direktøren

(28)

kører f.eks. i en stor Mercedes, fordi det afspejler dennes status.

Personlige faktorer er alder og livssted, beskæftigelse og den økonomiske situation, livsstil, personlighed og selvopfattelse. Alder og livssted er klassiske faktorer, som udnyttes i markedsføringen. Sædvanlige målgrupper er således børn, teenagere, studerende, forældre, midaldrende og pensionister. Disse hænger også ofte sammen med beskæftigelse, den økonomi- ske situation og livsstilen.

Psykologiske faktorer er motivation, perception, indlæring, tro og holdninger. Her arbejdes typisk ud fra de gamle teoretikere Freud, Maslow og Herzberg, som alle forsøger at beskrive, hvad der motiverer folk.

Uden at gennemgå disse i detaljer, er der visse forskelle, som virksomheder forsøger at tage højde for, og disse faktorer er således også de sværeste at studere adfærd ud fra.

Perception er basalt set individets opfattelse af verdenssituationen. For virksomheden er det derfor opgaven at finde ud af, hvilke stimuli der lægges mærke til. Der findes tre processer, som afgør perceptionen: Selective attention, hvor hjernen filtrerer langt det meste fra som ”støj”, Selective distortion, hvor personlige holdninger og opfattelser forvrænger billedet, så det passer ind i individets verden og Selective retention, hvor gode oplevelser med et produkt huskes og konkurrerende produkter glemmes. Læring hænger i den forbindelse sammen med de gode oplevelser, hvor et godt produkt fra et brand vil indprente sig til næste gang. Sidst, men ikke mindst, er tro og holdninger meget vigtige for en persons opfattelse af et

produkt eller et brand. F.eks. kan en personlig forkærlighed for Italien få personen til at fravælge franske og spanske vine, uden det egentlig har noget med vinene at gøre.

3.4.2 KØBSBESLUTNINGEN

Købsbeslutningen følger en proces, hvori Kotler definerer fem roller: Initiator, som først foreslår at købe, influencere som rådgiver om beslutningen, decider, som faktisk beslutter om hvad, hvordan og hvor købet skal ske, buyer, som rent faktisk køber og user, som efterfølgende bruger produktet.

Forbrugerens beslutning varierer også på baggrund af, hvad det er for en slags købsbeslutning. Der er således stor forskel på, om man skal købe mælk, løbesko, et tv eller en ny bil. Et mere kompliceret og dyrere indkøb kræver mere overvejelse, og flere er involveret.

Der findes fire typer af købsadfærd, som afhænger af køberens involvering og oplevelsen af produktforskelle:

 Kompleks købsadfærd Dyre produkter, som købes sjældent kræver en længere overvejelse, f.eks. ved bilkøb. Sælgeren skal forsøge at gøre produktet til noget særligt.

 Dissonans-reducerende købsadfærd Lidt dyrere produkter, men hvor mærket ikke betyder helt så meget og hvor køberen måske efterfølgende tænker meget over, om købet var rigtigt, f.eks.

gulvtæpper. Sælgeren skal overbevise køberen om, at mærket er godt.

 Vanemæssig købsadfærd Ofte billge, hverdagsprodukter, som kræver lidt

(29)

involvering og hvor mærket ikke betyder så meget, f.eks. kartofler. Sælgeren skal bruge prisen til at lokke nye kunder til.

 Afvekslingssøgende købsadfærd Også ofte billige hverdagsprodukter, hvor afveksling er en god ting. Det kunne f.eks. være rødvin. Sælgeren skal også arbejde med prisen, gratis vareprøver og andre måder til at overbevise om det at prøve noget nyt.

Høj involvering Lav involvering Markante

forskelle mellem brands

Kompleks købsadfærd

Afvekslings- søgende købsadfærd Få forskelle

mellem brands

Dissonans- reducerence købsadfærd

Vanemæssig købsadfærd

Figur 3-6: Kotlers fire typer købsadfærd.

Både Rogers og Kotler arbejder ud fra modeller, hvor forbrugeren i trin samler mere og mere viden om en teknologi eller et produkt og ultimativt vælge at beslutte sig for at anskaffe produktet. Denne købsbeslut- ningsproces beskrives ofte som værende en fem-trins-proces:

1) Problemidentifikation, 2) informationssøgning, 3) evaluering af alternativer, 4) købsbeslutningen og 5) post-købsadfærd.

Denne proces findes i flere varianter, og jeg vil i afsnit 3.4.6 vende tilbage til en mere moderne version, som går dybere med det sociale aspekt.

3.4.3 PERMISSION MARKETING

(Godin, 1999) opfandt begrebet Permission Marketing som kontrast til den traditionelle markedsføring, hvor forbrugerne bliver bombarderet dagligt med tusinder af reklamer. Begrebet beskriver således situationen, hvor forbrugeren aktivt accepterer at blive involveret i en virksom- heds markedsføringsaktiviteter, typisk mod at få et eller andet igen. På godt dansk kaldes det også for opt-in.

Markedsføringslovens § 6 regulerer denne form for markedsføring ved generelt at forbyde direkte henvendelse til en forbruger, hvis denne ikke aktivt har sagt ja tak til det:

”§ 6. En erhvervsdrivende må ikke rette henvendelse til nogen ved brug af elektronisk post, et automatisk opkaldssy- stem eller telefax med henblik på afsætning af varer, fast ejendom og andre formuego- der samt arbejds- og tjenesteydelser, medmindre den pågældende forudgående har anmodet om det.”

Lovgivningen støtter således Godin’s begreb som værende måden at gøre tingene på.

Godin anfører også, at det er vigtigt at give forbrugeren et incitament til at tilmelde sig ved et løfte om noget brugbart i fremtiden.

Opmærksomheden fra forbrugeren skal så bruges til løbende at lære vedkommende om produkterne, virksomheden tilbyder.

Ligeledes er det vigtigt hele tiden at fastholde forbrugerens incitament ved at styrke kundeforholdet og måske endda udvide det ved at tilbyde flere incitamenter. I sidste ende skal tilladelsen ændre

(30)

forbrugerens adfærd, så virksomheden tjener flere penge. Incitamenter er således afgørende for at fastholde og vedligeholde kundeforholdet.

3.4.4 CUSTOMER PROFILING

For at kunne levere det bedste og mest relevante til en forbruger i et online kundeforhold, kræver det indsamling af data.

Disse bruges herefter til at lave kundeprofiler og segmentere disse ud fra f.eks. interesser, demografi, købsroller m.v. Det er her, at Kotlers adfærdsfaktorer er brugbare til at både indsamle de rigtige datatyper såvel som at inddele forbrugerne i grupper. Incitamen- tet kan således blive, at forbrugeren får lige præcis den information, som forbrugeren ønsker, hvilket styrker kundeforholdet.

Ifølge (Kamakura, et al., 2005) kræver CRM typisk tracking på den enkelte kunde over tid for derefter at bruge denne viden til at skræddersy løsninger, der dækker både kundens og sælgerens behov. Artiklen lægger vægt på valget, altså at designe valg- modeller i relation til virksomhedens produkter for at kunne bruge disse til at øge indtjeningen over kundens livscyklus.

Der angives en række årsager til, hvorfor hele emnet er blevet så vigtigt siden Kotler skrev om CRM første gang. Af disse angives bl.a.

eksplosionen af indsamlede data om kunder på grund af integrationer mellem interne og eksterne databaser, ligesom computerkraf- ten er steget eksponentielt, og at der findes software og værktøjer til at udnytte disse data, som dermed gør analysearbejdet mere effektivt, så beslutningstagerne har flere og bedre data. Selvom artiklen (som er fra

2005) ikke nævner Big Data, er det kimen hertil, forfatterne lægger.

3.4.5 E-CRM

Den del af CRM, der omhandler brugen af digitale kommunikationsteknologier, typisk via emails og online databaser om kundeforholdet, kaldes e-CRM.

(Chaffey, 2011) angiver en række udfordrin- ger og aktiviteter, som man skal være særlig opmærksom på, herunder at bruge hjemmesiden til at udvikle kundeforholdet, så det ender med et køb, hvilket kan ske ved emailmarkedsføring, data mining, online kundeservice (FAQ, chat, opringning m.v.), online servicekvalitet (førstegangskøbere skal købe igen) og en multi-channel tilgang, så kunderne kan vælge det medie, de ønsker til at købe produktet. Multi-channel er de seneste år videreudviklet til omni-channel, hvor kunderne problemfrit kan vælge den kanal, de ønsker og få nøjagtig samme service, hvilket kræver endnu mere af virksomheden, da alle kanalerne skal kunne langt mere end tidligere.

(Khalifa & Shen, 2005) arbejder specifikt med e-CRM som havende ét formål: Online kundetilfredshed. Her undersøges tre kategorier, nemlig før, under og efter købethvilket afspejler to dele af kundens livscyklus, attraction og retention.

Konklusionen er en række paradigmeskifter, herunder “transforming the relationship between the firm and the customer from a one-to-many mode into a one-to-one mode”

og ”many-to-many marketing, where the customers are involved in providing value to each other”. Af værktøjer nævnes f.eks.

(31)

alarmer, søgefunktioner, ordretracking og problemløsning online. Det handler om at flytte kunden fra at være passig til at være aktiv.

3.4.6 CUSTOMER LIFECYCLE MANAGEMENT I 1898 udviklede E. St. Elmo Lewis2 en teoretisk model, som beskrev kundens vej fra første møde med et brand eller produkt og til selve købet. Modellen blev efterfølgende døbt AIDA-modellen, hvilket tager udgangspunkti Awareness, Interest, Desire og Action. Selvom modellen er justeret mange gange over årene, har udgangspunktet længe været, at det skulle ses som en tragt, altså at kunden skulle ledes fra toppen og ned gennem tragten til købet i sidste ende.

I den moderne markedsføring er fokus dog ændret, således at tragten nu anses for at være en (kunde)cyklus. Baggrunden er, at købet skal skabe tilfredshed og loyalitet, som skaber fastholdelse og efterfølgende via f.eks. viral overførsel mellem forbrugere skaber engagement og mere awareness.

(Berthiaume, 2013) konkluderer på den baggrund, at virksomhederne skal være

ekstremt målrette med relevante informatio- ner i kundeinteraktionen. Produkter skal være

”web-enabled smart products”, som både kan hjælpe kunden og virksomheden ved at kortlægge kundens vej til produktet.

3.4.7 FASTHOLDELSE

Customer Retention handler om at fastholde kunderne til virksomheden og til at bruge dens online kanal igen.

(Heskett, et al., 1994) skriver således, at når servicevirksomheder sætter medarbejdere og kunder først, vil det føre til at radikalt skifte af den måde, som virksomhederne håndterer og måler succes. For at drive profitten og væksten op kræver det loyalitet fra kunderne.

For at skabe denne kræver det kundetilfreds- hed, som dermed driver loyaliteten. Artiklen beskriver et eksempel, hvor ”tilfredse” kunder i løbende spørgeskemaundersøgelser ikke nødvendigvis var godt nok, fordi ”meget tilfredse” kunder faktisk var seks gange mere tilbøjelige til at købe et produkt fra virksomheden igen i forhold til de ”tilfredse”

kunder.

Figur 3-7: Forresters Customer Life Cycle fokuserer på fastholdelse efter købet.

(32)

Figur 3-8: Sammenhængen mellem tilfredshed og loyalitet.

Figur 3-8 viser denne sammenhæng, hvor kun de meget tilfredse kunder faktisk er så loyale, at de vil købe produktet igen – alle andre er ligeglade. Det er også vigtigt at nævne, at virksomheden i sin stræben efter at få meget tilfredse kunder også skal undgå de meget utilfredse, da disse ”terrorister”

kan sprede dårlige rygter blandt mange andre om produktet eller servicen.

3.5 OPSUMMERING

E-handel kræver således en effektiv infrastruktur, både i form af instrumenter

som computere og smartphones såvel som internettet i sig selv, men det kræver også, at både forbrugere og virksomheder er parate til at tage den nye teknologi til sig. Virksomhe- derne har derfor en stor opgave i at bruge den rette teknologi på det rette tidspunkt.

Værdikæden i e-handel adskiller sig fra traditionel handel ved at foregå direkte til forbrugeren, hvilket forkorter og muliggør effektivisering af kæden.

For at kunne markedsføre sine produkter korrekt over for en moderne kunde, kræver det stor viden om kunden. At bruge Big Data er altså udtryk for, at virksomheden skal indsamle og analysere store mængder data om kunderne for derigennem at kunne levere det rette indhold på det rette tidspunkt til den enkelte kunde, hvilket skaber tilfredshed, loyalitet og fastholder kunden.

Noter til afsnit 3

1 Som beskrevet i (Henry, 2008).

2 Wikipedia om “Purchase funnel”

http://en.wikipedia.org/wiki/Purchase_funnel.

(33)

4 ANALYSE I: DETAILHANDEL

I DETTE FØRSTE ANALYSEAFSNIT VIL FOKUS LIGGE PÅ DETAILHANDLENS

SITUATION, HERUNDER NOGLE AF DE STRATEGISKE OVERVEJELSER, DER LIGGER BAG VALGET AF DE SALGSKANALER, SOM ER I BRUG I DAG.

4.1 COOP’S SITUATION

Coop er ejet af de mange, lokale brugsfore- ninger rundt omkring i landet, og mange butikker drives af ”den lokale købmand”. Især i Dagli’Brugsen-kæden, som jeg fokuserer på i denne opgave, er netop den lokale købmand nøgleperson i virksomhedens arbejde med at skille sig ud fra konkurrenterne.

Begrebet ”Coop” dækker i dag over det gamle FDB, som i 2013 skiftede navn til Coop amba, som ejer bl.a. Coop Danmark, der er detailhandelsselskabet i koncernen (se bilag 11.1 for koncernoversigt), hvorunder de omkring 1.200 butikker henhører. Ledelsen består i den forbindelse af en kombination af erhvervsfolk og folk med rod i de lokale brugsforeninger. Det er således brugsfore- ningerne, der ejer Coop – altså findes der bag nogle, men ikke alle, butikker en brugsfore- ning, som ejer en del af kooperativet.

Konceptet med et kooperativ handler også om, at man kan ”blive medlem af forenin- gen”. På den måde kan man deltage i, hvordan virksomheden drives, og man kan få

medlemsrabatter og –tilbud. Det er således en fordel at melde sig ind for forbrugeren såvel som for virksomheden, fordi det skaber større tilknytning mellem parterne.

4.1.1 KONKURRENCESITUATIONEN

Den største konkurrent er Dansk Supermar- ked, men også de efterhånden mange udenlandske kæder som Rema 1000, Lidl, Kiwi m.fl. Selvom Coop er Danmarks største koncern inden for dagligvarehandel, er virksomheden altså presset fra flere sider. På nuværende tidspunkt er dagligvarehandel via internettet ikke ret stort endnu, men også herfra begynder konkurrencen er stige.

I mine interview med nøglepersoner fra Coop3 er det tydeligt, at konkurrencen er hård, og med seneste årsrapport (Coop amba, 2014), som udviser et negativt resultat for andet år i træk, er der ingen tvivl om, at der er behov for nytænkning i branchen for at få øget indtjeningen, ikke mindst efter liberaliseringen af lukkeloven, som angives til at være en væsentlig faktor til den skærpede konkurrence.

(34)

4.1.2 DE FYSISKE BUTIKKER

”Alle vil vækste” var en af bemærkningerne i et af mine interview, men samtidig anslås det også, at der er alt for mange kvadratmetre butikker i Danmark. Faktisk så mange, at det ville svare til, at dagligvarehandlen kunne brødføde 17 mio. mennesker. Markedet for fysiske butikker er altså overmodent, og det er svært for alle at tjene penge. Vurderingen fra Coops udviklingschef er således, at flere kæder vil dø langsomt, og at det vil være en lang og sej udvikling fra fysiske butikker til onlinehandel – men dog også at det vil vare længere end mange eksperter mener.

For Dagli’Brugsen/LokalBrugsen-kæden og til dels også SuperBrugsen er den lokale butik omdrejningspunktet i Coops strategi.

”Borgmesterstrategien” kaldes denne, altså at den lokale uddeler så at sige skal være borgmesteren af dagligvarehandlen i byen og ikke mindst stedet, hvor lokale aktiviteter holdes i gang. ”Ansvarlighed” er et af nøgleordene i Coop, og det handler især om det samfundsansvar, der ligger i at have et lokalt handelssted i de mange små bysamfund.

4.1.3 VÆRDIKÆDEN

For en detailhandelskoncern og i særdeles- hed dagligvarekæderne er logistikken mellem producent og forbruger yderst vigtig. I mine interview drøftede jeg med flere vigtigheden af f.eks. frisk frugt og ikke mindst den såkaldte kølekæde. Her er Fødevarestyrelsen meget striks med, at kølevarer (f.eks. mælk, ost og smør) som udgangspunkt skal være på køl hele vejen fra producent til forbruger.

Brug på kølekæden i kortere tid er tilladt, når praktiske grunde taler herfor.4

For en ”e-fødevarehandelsbutik” er det således en udfordring at sikre kølekæden, hvis varerne skal transporteres ud til forbrugerne. Virksomheder som nemlig.com og Coop’s eget irma.dk leverer derfor i kølekasser og med varevogne med køling.5 Af andre udfordringer nævnes udfordringen med leveringstidspunktet, hvis folk ikke er hjemme. Dette har nemlig.com løst med

”timelevering”, altså at forbrugeren kan vælge et timeinterval i løbet af dagen, f.eks.

mellem 16 og 17. Irma tilbyder endvidere levering om natten, så varer står klar om morgenen. Generelt angives levering og betaling herfor som en af de helt store psykologiske barrierer.

Jeg nævnte i teorien begrebet Just-in-Time produktion af varer, hvilket i høj grad gør sig gældende for fødevarer. For store kæder som Coop produceres således ofte præcis de rette mængder af varer, som indkøbes og leveres på relativt kort tid. F.eks. er det vigtigt at frugt er og ser friskt ud, hvilket lettere kan styres i e-handel, fordi færre hænder skal røre varen, før den ankommer hos forbrugeren, når butiksleddet fjernes, og varerne leveres direkte fra lageret eller måske endda direkte fra producenten.

4.2 TEKNOLOGISKE FREMSKRIDT Detailhandlen og især fødevarebranchen er i udgangspunktet relativ konservativ, når det kommer til at indføre nye teknologier. Det var dog selv samme branche, der satte skub i udviklingen af Dankortet, hvor netop en Brugsen ifølge Dagli’Brugsens kommercielle chef var først til at indføre Dankort som betalingsmiddel i butikken. I dag er fokus

(35)

stadig på betalingsløsninger, men endnu venter vi alle på nye betalingsmetoder udover de gængse plastikkort.

Selvom der f.eks. i Sverige i ICA-kæden6 er indført håndscannere, hvor kunderne selv scanner stregkoderne, mens de handler i butikken, er der dybest set ikke sket det store, siden indførslen af EAN-stregkoden.

Som Dagli’Brugsens kommercielle chef nævner, talte man i midten af 1990’erne om RF-ID tags, som den nye teknologi, der skulle afløse den gammeldags trykte stregkode, men har 20 år senere er det ikke sket, fordi det ganske enkelt er for dyrt.

Der skal med andre ord tænkes mere kreativt og omkostningsfokuseret, når nye teknologier skal indføres i dagligvarebran- chen.

4.2.1 INTERNETTET OG DATANETVÆRK En væsentlig teknologisk landvinding siden 1990’erne er udbredelsen af internettet. De første 10 år var det primært med kabelbase- rede forbindelser, og de seneste 10 år er den trådløse teknologi spredt sig, så internettet nu er noget alle har med sig i alle dele af landet.

Min egen første mobiltelefon købte jeg i 1996 – som den første på mit gymnasium. Selvom telefonen, en Nokia 5110, havde en SMS- funktion, var det ikke noget, man brugte til noget, eftersom der stort set ingen var at SMS’e til. Siden er det gået stærkt, og i dag sendes der op mod 30 mio. SMS’er hver eneste dag.7 SMS’er er ganske enkelt blevet en let måde at give en hurtig besked til en

anden person. I det følgende vil jeg kigge på koblingen mellem telefonen og internettet.

4.2.2 UDVIKLINGEN AF SMARTPHONES Da de første PDA’er forsøgte sig med trådløst internet, var det ikke den store succes. Først da smartphonen dukkede op for små 10 år siden, begyndte udviklingen at gå stærkt med mobile internetforbindelser. Især Apples introduktion af iPhone i 2007 satte skub i udviklingen af kombinationen ”telefon” og

”internet”.

Siden da er markedet blevet domineret af flere spillere såsom Samsung, Huawei og LG.

På verdensplan har Samsung således 31,3 % af markedet, mens Apple har 15,3 %.8 Tallene dækker dog over store regionale forskelle, f.eks. sidder Apple på 41,6 % af det amerikanske marked.9

Det helt store teknologiske fremskridt er dog udviklingen af apps, hvor f.eks. Apple i oktober 2013 annoncerede, at der nu var 1 mio. apps i App Store.10 I forbindelse med Rogers’ S-kurve i afsnit 3.2.1 nævnte jeg, hvordan apps kunne ændre kurven for selve iPhone-teknologien, fordi disse er med til at skabe et nyt løbende teknologisk behov. Apps er altså med til at holde smartphone- teknologien i live og dermed holde diffusionskurven oppe.

4.2.3 HVAD BRUGER FORBRUGEREN MOBILEN TIL?

I mange år var telefonen et instrument til at tale med en person et andet sted, og da mobiltelefonen for alvor kom frem i 1980’erne var det stadig med fokus på at tale sammen. Dette har ændret sig, og det at

Referencer

RELATEREDE DOKUMENTER

Sammen- ligner vi i stedet på tværs af arbejdssteder, ser vi igen, at medarbejdere på plejehjem og i hjemmeplejen oplever mindre indflydelse på organisatoriske forhold end ansatte

Det, vi kan udlede fra de ovenstående beskrivelser af den antropologiske og big data-orienterede omgang med data og evidens, er med Hastrups ord, at måden, vi tilegner os viden

T his volume of Women, Gender & Research addresses the emerging interest in quantitative method- ologies and big data in women’s and gen- der studies in the

Some researchers already propose a more phenomenological perspective on Big Data, without calling it Big Dataphenomenology: Crawford (2013) discloses the myths of Big Data which

In this paper we describe strategies for the creation of a social media archive, specifically tweets related to the Occupy Wall Street movement, and methods

 Big data er et udtryk for en samling af store dataset eller mange data, der er så store og komplekse at de er svære at processere eller behandle ved brug af

Innovative procurement data utilization (big data analytics; predictive market and supplier analysis; field application data analysis to improve design and performance) 5.

Disse tre dimensioner er altid til stede, men i skiftende blandinger. Vi ved fra mediehistorien, at der til hvert nyt medie også hører nye materialetyper, det være sig