MRK 3561 · BI

Studieguide for MRK 3561 Marketing Analytics

Komplett pensumoversikt for marketing analytics ved BI — med forklaringer, sentrale begreper, eksamenstips og vanlige fallgruver. Eksamensoptimalisert basert på tidligere eksamener.

Introduksjon

MRK 3561 Marketing Analytics gir deg verktøyene for å analysere markedsdata, segmentere kunder, måle kampanjeeffekter og optimalisere markedsføringsressurser. Kurset kombinerer strategisk markedsføringstenkning med kvantitative analytiske metoder, og forventer at du kan bruke verktøy som SPSS, Excel og Enginius til å gjennomføre analyser og tolke resultater.

Faget bygger på en analytisk verdikjede: samle data → analysere → innsikt → beslutning → måle effekt. Du må kunne bevege deg gjennom hele kjeden, fra rå data til strategisk anbefaling. Eksamen tester ofte nettopp denne evnen til å koble kvantitative funn med markedsstrategisk tenkning.

Denne studieguiden dekker alle pensum-temaer i dybden med forklaringer, formler, eksempler og eksamenstips. Bruk den som supplement til forelesninger og pensumlitteratur.

Symboloversikt

CLV og kundeøkonomi:

$M$ = margin per periode | $r$ = retensjonsrate | $d$ = diskonteringsrate | CLV = Customer Lifetime Value

CAC = Customer Acquisition Cost | SOW = Share of Wallet | NPS = Net Promoter Score

CPA = Cost per Acquisition | ARPU = Average Revenue per User | LTV = Lifetime Value

Markedsanalyse:

SOM = Share of Market | SOV = Share of Voice | ESOV = Extra Share of Voice

$\varepsilon$ = priselastisitet | HHI = Herfindahl-Hirschman Index | ROMI = Return on Marketing Investment

GRP = Gross Rating Points | CPM = Cost per Mille | CTR = Click-Through Rate | CPC = Cost per Click

Statistikk og testing:

$H_0$ = nullhypotese | $H_1$ = alternativ hypotese | $\alpha$ = signifikansnivå | $\beta$ = type II-feil

$R^2$ = forklaringsgrad | $p$ = p-verdi | $n$ = utvalgsstørrelse | $\sigma$ = standardavvik

Markedsdata og datakilder

Datakilder, datatyper, KPIer og digitale metrikker som danner grunnlaget for marketing analytics.

Markedsdata og datakilder

All marketing analytics starter med data. Kvaliteten på dine analyser og beslutninger avhenger direkte av kvaliteten og relevansen til dataene du bruker. I dette kapittelet gjennomgår vi ulike datakilder, viktige metrikker og hvordan du bygger et solid analytisk fundament.

Datakilder: 1st, 2nd og 3rd party

Førstepartsdata (1st party)

Data samlet direkte fra egne kunder og plattformer. Dette er den mest verdifulle datatypen fordi den er nøyaktig, relevant og unik for din bedrift.

CRM-data: Kjøpshistorikk, kontaktinfo, kundeinteraksjoner, supporthenvendelser
Nettside/app: Sidevisninger, klikk, konverteringer, tid på side, bounce rate
Transaksjonsdata: Ordreverdier, kjøpsfrekvens, produktkategorier, betalingsmåter
E-postmarkedsføring: Åpningsrate, klikkrate, avmeldinger, konverteringer

Fordeler: Høy nøyaktighet, gratis å samle, unik innsikt, GDPR-compliant (med samtykke).

Ulemper: Begrenset til egne kunder, kan ha huller, krever god datainfrastruktur.

Andrepartsdata (2nd party)

En annen bedrifts førstepartsdata som du får tilgang til gjennom partnerskap eller datadeling.

Eksempel: En flyselskap deler reisedata med en hotellkjede for å identifisere felles kundesegmenter
Fordeler: Bredere kundebilde, relativt høy kvalitet
Ulemper: Begrenset tilgjengelighet, avhengig av partnerskap, personvernhensyn

Tredjepartsdata (3rd party)

Data kjøpt fra eksterne leverandører som Nielsen, GfK, Ipsos eller dataaggregatorer.

Paneldata: Nielsen Homescan, GfK ConsumerPanel — representative utvalg av forbrukere
Syndikert data: Bransjedata, markedsrapporter, konkurranseanalyser
Demografiske data: Befolkningsstatistikk, inntektsdata, geografiske segmenter

Fordeler: Bred dekning, markedsoversikt, benchmarking mot bransjen.

Ulemper: Kostbart, mindre presist, alle konkurrenter har tilgang, GDPR-utfordringer.

Eksempel: Datahierarki i praksis

En dagligvarekjede som REMA 1000 bruker alle tre datatyper:

1st party: Trumf-kortdata viser at kunde X handler for 800 kr/uke og foretrekker økologisk
2nd party: Samarbeid med Vipps gir innsikt i betalingsmønstre på tvers av butikker
3rd party: Nielsen-data viser at markedsandelen for økologisk mat vokser 12 % årlig

Kombinasjonen gir et helhetsbilde: hvem kunden er (1st), hva de gjør ellers (2nd), og hvordan markedet utvikler seg (3rd).

Kvantitative vs. kvalitative data

Kvantitative data: Tallbasert, målbart, statistisk analyserbart. Eksempler: salgsvolum, CTR, kundescore.

Kvalitative data: Tekst, meninger, innsikter. Eksempler: kundeintervjuer, fokusgrupper, anmeldelser.

Mixed methods: Kombinerer begge for dypere innsikt. Kvantitativ analyse identifiserer hva som skjer, kvalitativ forklarer hvorfor.

Sentrale KPIer og metrikker

Kundemetrikker

NPS (Net Promoter Score): $\text{NPS} = \%\text{Promotere (9-10)} - \%\text{Detraktorer (0-6)}$ . Måler kundelojalitet og anbefaling. Skala: -100 til +100.
CSAT (Customer Satisfaction Score): Gjennomsnittlig tilfredshetsscore på en skala (typisk 1-5 eller 1-10).
CES (Customer Effort Score): Hvor enkelt var det å løse problemet? Lavere = bedre.
Churn rate: Andel kunder som forlater per periode. $\text{Churn} = \text{Tapte kunder} / \text{Kunder ved start}$ .
Retensjonsrate: $r = 1 - \text{Churn rate}$ . Andel kunder som beholdes per periode.

Digitale metrikker

CTR (Click-Through Rate): $\text{CTR} = \text{Klikk} / \text{Visninger} \times 100\%$ . Typisk 1-3 % for display, 3-10 % for søk.
CPC (Cost per Click): $\text{CPC} = \text{Annonsekostnad} / \text{Klikk}$ . Hva du betaler per klikk i betalt søk/display.
CPM (Cost per Mille): $\text{CPM} = (\text{Kostnad} / \text{Visninger}) \times 1000$ . Pris per 1000 visninger.
CPA (Cost per Acquisition): $\text{CPA} = \text{Total kostnad} / \text{Konverteringer}$ .
ROAS (Return on Ad Spend): $\text{ROAS} = \text{Inntekt fra annonser} / \text{Annonsekostnad}$ . ROAS > 4 er typisk bra.
Bounce rate: Andel besøkende som forlater etter kun én side. Under 40 % er bra.
Konverteringsrate: $\text{CR} = \text{Konverteringer} / \text{Besøk} \times 100\%$ . Typisk 2-5 % for e-handel.

Merkevare- og markedsmetrikker

SOW (Share of Wallet): Andelen av kundens kategoriforbruk som tilfaller din merkevare. $\text{SOW} = \text{Kundens kjøp hos deg} / \text{Kundens totale kategorikjøp}$ .
RFM-score: Recency × Frequency × Monetary — segmenteringsmetode som rangerer kunder på tre dimensjoner (se kapittel om CLV).
Brand awareness: Top-of-mind (uhjulpet), hjulpet kjennskap, gjenkjennelse.

Eksempel: KPI-dashbord for e-handel

En nettbutikk rapporterer månedlig:

Trafikk: 50 000 besøk, CTR fra Google Ads: 4,2 %, CPC: 8,50 kr
Konvertering: CR = 3,1 %, gjennomsnittlig ordreverdi = 890 kr
Økonomi: CPA = 274 kr, ROAS = 3,2, ROMI = 45 %
Kunder: NPS = +42, churn rate = 8 %/mnd, CLV = 4 200 kr

Tolkning: ROAS er under 4-målet, noe som tyder på at annonsebudsjettet bør reallokeres. Høy NPS og moderat churn indikerer god kundetilfredshet, men retensjonstiltak bør prioriteres.

Vanlige feil ved bruk av metrikker

Vanity metrics: Følgere, likes og sidevisninger ser bra ut, men sier lite om lønnsomhet. Fokuser på metrikker som driver forretningsresultater (konvertering, CLV, ROMI).
Feil benchmarks: Å sammenligne CTR på tvers av bransjer er misvisende. Bruk bransjespesifikke benchmarks.
Aggregeringsfellen: Gjennomsnitt kan skjule viktig variasjon. En gjennomsnittlig CTR på 3 % kan bestå av 8 % på mobilsøk og 0,5 % på display.
Korrelasjon ≠ kausalitet: At annonsering og salg korrelerer betyr ikke at annonsene forårsaket salget.

Laster...

Laster…