Social Commerce & total Business transformation

L’Oréal Nordic har 32 brands, med hundredvis af kampagner om året, på tværs af de fire nordiske markeder. Alle med individuelle prioriteringer og budgetter. Historisk set planlagde L’Oréal kampagner per brand, produkt og marked. Der var en lav grad af hensyntagen til, hvor investeringen havde den største effekt, og gav ingen indikation af ROI af den individuelle investerede dollar.

L’Oréal havde ingen ’direkte til forbruger’-kanaler i Norden, ingen “masse-eCom-kanal” i Norden – og ingen Amazon, endnu… Men der ses et stigende antal forbrugere, som køber deres skønhedsprodukter online, hvor Facebook har vist sig som en effektiv “massekanal” til at engagere L’Oréal og deres målgrupper.

Udfordringen var derfor, hvordan vi effektivt kunne udnytte forbrugertrenden indenfor onlinekøb til hele L’Oréals varemærkeportefølje, uden nogen D2C-kanal og uden masse-eCom-leverandør til stede i Norden endnu?

Hos L’Oréal skal succes være skalerbart. Gennem Collaborative Ads-formatet identificerede og udnyttede vi muligheden for at trække salgsdata fra alle Ecommerce-leverandører på tværs af kampagner og markeder. Vi udviklede salgsmodeller på tværs af brands, markeder og partnere, hvor det senere hen udviklede sig til forudsigelige modeller i realtid. Det gav os en nøjagtig forståelse af effektiviteten af medieinvesteringer fortaget ved L’Oréals annoncering – også i fremtiden.

Baseret på disse modeller, var det muligt at estimere det trinvist stigende salg genereret på hvert investeringsniveau. Vi forstår nu præcist på hvilket tidspunkt i forbrugerrejsen, med hvilket mærke og med hvilken leverandør og markedskombination, vi vil maksimere effektiviteten af budgettet.

Disse indsigter har positivt provokeret L’Oréal til at se på hele deres virksomhed som ét. Med ét samlet overordnet mål. Ingen individuelle budgetter eller prioriteter – vi investerer det nødvendige beløb for at maksimere ydeevnen for hele virksomheden. For at maksimere salget.

Vi skabte algoritmer, til at aktivere forretningsindsigten fra de forudsigelige modeller direkte ind i Facebooks købsplatform. Vi brugte machine learning til at styre og optimere algoritmerne. Hver dag blev budgetter automatisk re-allokeret mellem markeder, mærker og forhandlere for at maksimere den trinvise indtjening.

Næste niveau i salgsmodelleringen er implementering af makro- og mikro sæsonindsigter på et dagligt niveau, for at sikre et intelligent tempo, og foretagelse af investeringer, når afkastet topper. Vi kalder maskinen Tidal, fordi den følger og tilpasser sig ebbe og flod af alle mærkernes og markedernes salgspræstationer. Tidal gør det muligt at maksimere resultatet på et overordnet og individuelt brandniveau. Alle justeringer er gjort synlige og gennemsigtige for klienten i Tidals præstationsdashboard.