Temperaturen på danske loyalitetsklubber anno 2015 - II. 29. januar 2016

Temperaturen på danske loyalitetsklubber anno 2015 - II 29. januar 2016

Dagens program DEL 1: DANSKE LOYALITETSKLUBBER 09.30-09.45: Highlights og nye resultater. Per Østergaard Jacobsen, CBS. 09.45-10.30: Hvad fortæller 12.000 kommentarer Torsten Ringberg, CBS 10.30-10.45: Kort pause. 10:45-11:35 Hvad fortæller 570.000 posts? Ravi Vatrapu 11:35-12.05: Kan NPS-målinger stadig bruges? Niels Buus Lassen Per Østergaard Jacobsen, CBS, DEL 2: ANALYSEVÆRKTØJER PÅ DE SOCIALE MEDIER 13.00-13.30: Show-and-Tell I: Præsentation af analyseværktøjet Social Data Analytics Tool, SODATO, der er udviklet på CBS 13.30-14.15: Show-and-Tell II: Præsentation af Social Set Social Set Visualiser, SoSeVi. 14.15-14.45: Show-and-Tell III: Præsentation af Computational Social Science Laboratory Multi Dimensional Classifiers 14.45-15.00: Afrunding og næste skridt: Professor Ravi Vatrapu og ekstern lektor Per Østergaard Jacobsen, CBS. 12:05 12:15: Status på lovgivning Jane Frederikke Land, Kromann Reumert 12:15-13:00: Frokost med sandwich Temperaturen på danske loyalitetsklubber anno 2015 -II 2

Siden sidst Temperaturen på danske loyalitetsklubber anno 2015 -II 3

Hvem er med i undersøgelsen? 12.000 unikke Kommentarer i tekst Temperaturen på danske loyalitetsklubber anno 2015 -II 4

You never know with bees. * * Peter Plys Temperaturen på danske loyalitetsklubber anno 2015 -II 5

10.000 kr. spørgsmålet. NPS Temperaturen på danske loyalitetsklubber anno 2015 -II 6

NPS ALDER (Indeks i forhold til samlet resultat) 1,60 1,40 1,20 1,00 0,80 0,60 0,40 0,20 52,1 26,6 24,7 23,8 21,4 21,1 19,2 19,0 16,3 0,00 FBF LO Plus Coop Ikea Sportsmaster Imerco H&M BR Matas <29 30-39 40-49 50-59 60-69 70+ Temperaturen på danske loyalitetsklubber anno 2015 -II 7

NPS BOPÆL (Indeks i forhold til samlet resultat) 2,00 1,50 1,00 0,50 0,00 FBF LO Plus Coop Ikea Sportsmaster Imerco H&M BR Matas 0-2999 3000-3999 4000-4999 5000-5999 6000-6999 7000-7999 8000-8999 9000-9999 -0,50 Temperaturen på danske loyalitetsklubber anno 2015 -II 8

NPS INDKOMST (Indeks i forhold til samlet resultat) 2,00 1,50 1,00 0,50 0,00 FBF LO Plus Coop Ikea Sportsmaster Imerco H&M BR Matas -0,50 0-99.999 kr. 100-199.999 kr. 200-299.999 kr. 300-399.999 kr. 400-499.999 kr. 500-599.999 kr. 600-699.999 kr. 700-799.999.kr. 800-899.999 kr. 900-999.999 kr. 1.000.000 eller derover -1,00 Temperaturen på danske loyalitetsklubber anno 2015 -II 9

En gennemsnits betragtning? Respondenterne har i gns. 5,2 medlemskort Den gns. NPS er på 22,4 Alder De unge er generelt de mest positive i forhold til at ville anbefale til andre Bopæl Beboere i hovedstaden er generelt de mindst positivite i forhold til at ville anbefale klubben til andre. Stor spredning ellers grundet forskellige dækning/placering af butikker i de respektive områder. Indkomst Høj indkomstgrupper er ofte de mindst mest positive i forhold til at ville anbefale til andre. Lav- og mellemindkomstgrupper er de der oftest har den største anbefalingsvillighed FBF er den mest harmoniske Temperaturen på danske loyalitetsklubber anno 2015 -II 10

New normal New standards - New paradigm? Temperaturen på danske loyalitetsklubber anno 2015 -II 11

The Complex Customer Journey Model development Psychical touchpoints -> 1997 Psychical touchpoints + Websites -> 2007 Psychical touchpoints + Websites + Mobile Customer Infinity Model Elias St. Elmo Lewis, 1898 McKinsey, 2008 ECO model Jacobsen, Andersen & Bjerre 2012-2014 Customer Infinity Model Jacobsen, Andersen & Bjerre 2016 12

Customer Infinity Model How do Customers act? 2 Repurchase and supply Research Final Decision Loyalty phase 2 Contact points 1 Touch points Triggers 1 1 Delivery 1 New products/service Customer Infinity Model : Jacobsen, Andersen & Bjerre Temperaturen på danske loyalitetsklubber anno 2015 -II 132

Conceptual Model of Social Data Source: Ravi Vatrapu Temperaturen på danske loyalitetsklubber anno 2015 -II 14

Køreplanen Temperaturen på danske loyalitetsklubber anno 2015 -II 15

DANSKE LOYALITETSKLUBBER 09.45-10.30: Hvad fortæller 12.000 kommentarer Professor Torsten Ringberg, CBS Temperaturen på danske loyalitetsklubber anno 2015 -II 16

Fortsat forskning- Værdibaseret Loyalitet 1. Hvor dybt stikker klubben i kundens liv? 2. Hvad er de primære drivers der fører til at kunden melder sig ind? 3. Hvordan opleves det ene medlemskab i forhold til det andet 4. Hvor meningsfyldt er medlemskabet i forhold til kundens emotionelle præferencer (e.g., føle sig specielt behandlet)? Self Focus Concrete attributes Product Focus Abstract attributes Functional Consequences Psychosocial and cultural consequences in consumer s life Instrumental values Identity values Temperaturen på danske loyalitetsklubber anno 2015 -II 17

Vil gerne have (special events) + målrettede tilbud 14,0% 6,0% 12,0% 10,0% 11,7% 5,0% 4,0% 5,6% 3,3% 3,2% 5,1% 8,0% 6,0% 4,0% 2,0% 0,0% 6,8% 2,1% 3,2% < 44 43 år > >= 44 år 44 år Special events Medlems- og målrettede tilbud 3,0% 2,0% 1,0% 0,0% Indkomst under 499.999 Indkomst over 500.000 Special events Medlems- og målrettede tilbud Antal 3.711 Antal 5.950 7,0% 6,0% 5,0% 5,8% 4,0% 3,0% 2,0% 1,0% 3,8% 1,7% 3,9% Special events Medlems- og målrettede tilbud Kvinder 5869 Mænd 3792 Indk < 500.000 5478 0,0% Kvinder Mænd Antal 3.792 Antal 5.869 Indk > 500.000 4183 Alder < 44 år 3711 Alder = > 44 år 5950 Temperaturen på danske loyalitetsklubber anno 2015 -II 18

Vil gerne Især have yngre kvinder special vil gerne have events special events + og målrettede tilbud tilbud 7,0% 6,0% 5,0% 4,0% 3,0% 2,0% 1,0% 0,0% Special events Medlems- og målrettede tilbud Kundeaftener Førudsalg 5,7% 5,4% 2,7% 3,0% 1,8% 2,0% 2,0% 2,0% 1,7% 1,0% 0,5% 1,1% 0,4% 0,3% 0,7% 0,3% 1 2 3 4 5 6 7 8 18,0% 16,0% 15,7% 14,0% 12,1% 12,0% 10,7% 10,0% 8,0% 6,0% 4,0% 2,8% 4,4% 3,6% 3,9% 2,0% 2,0% 0,0% 1 2 3 4 5 6 7 8 Unge, lav Ældre, lav Unge, høj Ældre, høj Unge, lav Ældre, lav Unge, høj Ældre, høj 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 19

Ønsker højere rabat/bonus 6,0% 5,0% 5,2% 4,0% 3,0% 3,5% 2,0% 1,0% 0,0% Indkomst under 499.999 Indkomst over 500.000 6,0% 5,4% 5,0% 4,0% 4,1% 3,0% 2,0% 1,0% 0,0% Kvinder Mænd Temperaturen på danske loyalitetsklubber anno 2015 -II 20

Ønsker højere Især yngre rabat/bonus ønsker højere rabat 12,0% 11,1% 10,0% Kvinder 8,0% 7,2% 7,4% 7,3% Mænd 6,0% 4,0% 2,0% 0,0% 2,2% 2,9% 1 2 3 4 5 6 7 8 Unge, lav Ældre, lav Unge, høj Ældre, høj 3,7% 5,1% 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 21

Valgfrihed anvendelse af point er værdifuldt 6,0% 5,0% 4,0% 3,0% 2,0% 1,0% 0,0% 5,4% 3,6% < 44 43 år >= 44 år 5,0% 4,5% 4,0% 3,5% 3,0% 2,5% 2,0% 1,5% 1,0% 0,5% 0,0% 3,8% 4,4% Indkomst under 499.999 Indkomst over 500.000 6,0% 5,0% 5,0% 4,0% 3,0% 2,0% 1,3% 1,0% 0,0% Kvinder Mænd Temperaturen på danske loyalitetsklubber anno 2015 -II 22

Valgfri Især anvendelse (yngre) kvinder af ønsker point valgfri er anvendelse værdifuldt af points 8,0% 7,0% 6,8% 6,0% 5,0% 6,0% 5,3% 4,0% 3,8% 3,0% 2,0% 1,0% 0,0% 2,4% 2,0% 1,4% 0,6% 1 2 3 4 5 6 7 8 Unge, lav Ældre, lav Unge, høj Ældre, høj 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 23

Kontant rabat/bonus vs. optjening 12,0% 9,0% 10,0% 8,0% 6,0% 4,0% 2,0% 7,2% 10,5% 5,1% 6,4% Kontant rabat/bonus Optjening 8,0% 7,0% 6,0% 5,0% 4,0% 3,0% 2,0% 1,0% 6,0% 6,9% 5,4% 7,8% Kontant rabat/bonus Optjene rabat/bonus 0,0% < 43 år > 44 år 0,0% Indkomst under 499.999 Indkomst over 500.000 10,0% 9,0% 8,8% 8,0% 7,0% 6,0% 5,0% 4,0% 3,0% 6,2% 3,9% 3,4% Kontant bonus/rabat Optjening 2,0% 1,0% 0,0% Kvinder Mænd Temperaturen på danske loyalitetsklubber anno 2015 -II 24

Især yngre kvinder ønsker at optjene points over rabat Kontant rabat/bonus vs. optjening 16,0% 14,0% 13,5% 12,0% 11,5% 10,0% 8,0% 6,0% 4,0% 2,0% 0,0% 8,9% 9,0% 6,7% 6,1% 6,6% 6,1% 6,1% 5,3% 4,0% 4,0% 4,2% 2,4% 2,4% 2,6% 1 2 3 4 5 6 7 8 Unge, lav Ældre, lav Unge, høj Ældre, høj Kontant bonus/rabat Optjene rabat/bonus 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 25

Rabat for alle - afskaf kundeklubber 4,5% 4,0% 3,5% 3,0% 4,0% 4,5% 4,0% 3,5% 3,0% 3,1% 3,9% 2,5% 2,0% 2,0% 2,5% 2,0% 1,5% 1,5% 1,0% 1,0% 0,5% 0,5% 0,0% = < 43 år >= 44 år 0,0% Indkomst under 499.999 Indkomst over 500.000 4,5% 4,0% 3,5% 3,0% 2,5% 2,0% 1,5% 1,0% 0,5% 0,0% 3,9% Kvinder 2,5% Mænd Temperaturen på danske loyalitetsklubber anno 2015 -II 26

Rabat for alle- afskaf kundeklubber 5,0% 4,5% 4,5% 4,6% Rabat for alle (afskaf kundeklubber) 4,0% 3,5% 3,3% 3,5% 3,0% 2,5% 2,7% 2,0% 2,0% 1,5% 1,4% 1,0% 0,5% 0,4% 0,0% 1 2 3 4 5 6 7 8 Unge, lav Ældre, lav Unge, høj Ældre, høj 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 27

Er tilfreds med personalet 7,0% 7,0% 6,0% 5,0% 6,5% 6,0% 5,0% 5,8% 5,4% 4,0% 4,0% 3,0% 2,0% 1,0% 0,0% 3,0% 1,0% 1,0% Kvinder Mænd Tilfreds/skaber værdi Utilfreds 3,0% 2,0% 1,0% 0,0% 0,8% Indkomst under 499.999 1,2% Indkomst over 500.000 Tilfreds/skaber værdi Utilfreds 7,0% 6,0% 5,0% 6,1% 4,0% 3,0% 4,2% 2,0% 1,0% 1,4% 0,8% Tilfreds/skaber værdi Utilfreds 0,0% < 43 år > >=44 år år <44 år Temperaturen på danske loyalitetsklubber anno 2015 -II 28

Er tilfreds med personalet Især kvinder er tilfreds med personalet 8,0% 7,4% 7,0% 6,8% 6,0% 5,6% 5,0% 4,0% 3,0% 2,7% 3,4% 3,8% 4,2% 2,9% 2,0% 1,0% 0,0% 1,7% 1,7% 1,3% 1,2% 1,1% K 0,6% 0,5% M K M K M 1 2 3 4 5 6 7 8 Unge, lav Ældre, lav Unge, høj Ældre, høj Tilfreds/skaber værdi Utilfreds K M 0,7% 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 29

Kunden mangler information 6,0% 5,0% 4,0% 5,4% 4,0% 8,0% 7,0% 6,0% 6,7% 3,0% 5,0% 2,0% 1,0% 0,0% Kvinder Mænd 4,0% 3,0% 2,0% 1,0% 0,0% 3,3% Indkomst under 499.999 Indkomst over 500.000 5,3% 5,2% 5,1% 5,0% 4,9% 4,8% 4,7% 4,6% 4,5% 4,4% 4,3% 4,6% <43 < år 5,2% > >=44 44 år år 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 30

Kunden Især ældre kvinder mangler (mænd) med højere information indkomst mangler information 9,0% 8,0% 7,8% 7,0% 6,0% 6,0% 5,8% 5,0% 4,0% 4,2% 3,3% 3,4% 3,0% 2,0% 1,0% 0,0% 2,0% 2,3% 1 2 3 4 5 6 7 8 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 31

Ønsker/ønsker Især ikke ældre kredit mænd og yngre kvinder ønsker kredit 6,0% 5,4% 6,0% 5,0% 4,0% 4,2% 4,4% 5,0% 4,0% 4,3% 4,7% 4,9% 3,0% 2,0% 3,6% Ønsker Ønsker ikke 3,0% 2,0% 3,5% Ønsker Ønsker ikke 1,0% 1,0% 0,0% Kvinder Mænd 0,0% Indkomst under 499.999 Indkomst over 500.000 6,0% = 5,0% 4,0% 3,0% 2,0% 1,0% 0,0% 5,5% 4,7% 4,1% 3,8% < 43 år > =44 år Ønsker Ønsker ikke 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 32

Især yngre Ønsker kvinder og mænd kredit ønsker ikke kredit, mens især ældre mænd ønsker kredit 8,0% 7,0% 6,7% 7,4% 6,7% 6,2% 6,0% 5,9% 5,4% 5,0% 4,8% 4,8% 4,0% 3,0% 4,2% 4,2% 3,6% 3,9% 2,6% 4,8% 3,4% Ønsker Ønsker ikke 2,0% 1,0% 0,0% 1,5% 1 Unge, lav 2 3 Ældre, lav 4 5 Unge, høj 6 7 Ældre, høj 8 1. KIN (kvinder, 0-499.999, 18-43) 734 2. MIN (mænd, 0-499.999, 18-43) 149 3. KIO (kvinder, 0-499.999, 44-89) 2184 4. MIO (mænd, 0-499.999, 44-89) 664 5. KJN (kvinder, 500.000-derover, 18-43) 784 6. MJN (mænd, 500.000-derover, 18-43) 297 7. KJO (kvinder, 500.000-derover, 44-89) 2167 8. MJO (mænd, 500.000-derover, 44-89) 935 Temperaturen på danske loyalitetsklubber anno 2015 -II 33

Ønsker klubkort integreres med Dankort & det fysiske medlemskort afskaffes Ønsker klubkort integreret i dankort Afskaf det fysiske medlemskort 14,0% 12,8% 12,0% 10,6% 12,0% 10,0% 10,0% 8,0% 6,0% 4,0% 2,0% 0,0% K 3,0% 7,4% 2,9% 8,0% 6,9% 7,1% 6,4% 6,0% 5,1% 4,7% 5,0% 3,9% K 2,9% K M M M K K M Unge, lav Ældre, lav Unge, høj Ældre, høj Unge, lav Ældre, lav Unge, høj Ældre, høj 0,0% 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 4,0% 2,0% 2,1% 1,1% 3,6% Temperaturen på danske loyalitetsklubber anno 2015 -II 34

Polygam loyalitet Forskning viser, at det typisk kun er omkring 10% af købere af FMCG der er 100% loyale overfor et brand over en et-årig periode. Polygam loyalitet er en bedre beskrivelse af de danske forbrugeres faktiske adfærd end brand switching eller brand promiskuitet (tendensen til flagre fra mærke til mærke uden nogen fast tilhørsforhold). Det er stadig de 4 x P er der har størst indflydelse på valg af butik. Det betyder at hvis et produkt eller service ikke er let tilgængelig til en konkurrencedygtig pris, etc., så vil de fleste kunder ikke tøve med at købe et andet sted Temperaturen på danske loyalitetsklubber anno 2015 -II 35

Prisoner s dilemma Hvis alle forretninger tilbyder medlemskort med rabat så leder det i realiteten til et prisoner s dilemma hvor den enkelte forretning bliver låst fast i en uendelig spiral af at give ligeså gode eller bedre tilbud end konkurrenten. Selvom firmaer ofte italesætter alle unikke fordele ved deres loyalitetsklub så bliver de typisk søsat ikke for forbrugernes skyld men fordi firmaet frygter konkurrenternes stjæler deres kunder. Temperaturen på danske loyalitetsklubber anno 2015 -II 36

Unik og værdiskabende Danske loyalitetsklubber bør enten fokusere på at optimere de 4 x P (f.eks gennem smarte Apps såsom den Walmart introducerede) og acceptere, at det er overfladiske kriterier der afgør konsumenternes valg, eller alternativt tilbyde unikke (anderledes end konkurrenternes) og værdiskabende processer som er meningsfulde og hjælper kunden. Det værdiskabende kommer af at forstå hvad der hjælper kunden i denes hverdag. For eksempel, adgang til alle bonner så varer let kan byttes, modtage en månedlig opstilling på hvad man har optjent af point, økonomisk opstilling af ens forbrug fordelt på produktkategorier, forslag til nye retter på baggrund af ens købsadfærd, etc. Temperaturen på danske loyalitetsklubber anno 2015 -II 37

10.30-10.45: Kort pause Temperaturen på danske loyalitetsklubber anno 2015 -II 38

DANSKE LOYALITETSKLUBBER 10:45-11:35 Hvad fortæller 570.000 posts? Professor Ravi Vatrapu Abid Hussain Raghava Rao Mukkamala Niels Buus Lassen (Data Mining) (Text Analytics) (Predictive Analytics) Temperaturen på danske loyalitetsklubber anno 2015 -II 39

Computational Social Science Laboratory (CSSL)is located at the Dept. of IT Management, Copenhagen Business School. CSSL conducts transdisciplinary basic research on sociotechnical interactions with specific applications to managers in companies, teachers in schools and residents in cities. 1 Professor 2 Assistant Professors 10 PhD Students 3 Research Associates + 11 CBS Faculty Collaborators (IEEE EDOC 2014) cssl.cbs.dk 40

Conceptual Model of Social Data Social Data Interactions Conversations Actors Actions Activities Artifacts Topics Keywords Pronouns Sentiments Source: Ravi Vatrapu Temperaturen på danske loyalitetsklubber anno 2015 -II 41

Analytical Framework for Big Social Data Analytics 42

Conceptual Model of Social Data Temperaturen på danske loyalitetsklubber anno 2015 -II 43

Medlemmerne og Facebook Temperaturen på danske loyalitetsklubber anno 2015 -II 44

Hvem er også medlem hos og Facebookbruger Temperaturen på danske loyalitetsklubber anno 2015 -II 45

Conceptual Model of Social Data Temperaturen på danske loyalitetsklubber anno 2015 -II 46

Keyword Analysis Temperaturen på danske loyalitetsklubber anno 2015 -II 47

BR Temperaturen på danske loyalitetsklubber anno 2015 -II 48

Coop Temperaturen på danske loyalitetsklubber anno 2015 -II 49

Forbrugsforeningen Temperaturen på danske loyalitetsklubber anno 2015 -II 50

IKEA Temperaturen på danske loyalitetsklubber anno 2015 -II 51

IMERCO Temperaturen på danske loyalitetsklubber anno 2015 -II 52

LO Plus Temperaturen på danske loyalitetsklubber anno 2015 -II 53

MATAS Temperaturen på danske loyalitetsklubber anno 2015 -II 54

SportMaster Temperaturen på danske loyalitetsklubber anno 2015 -II 55

Beyond Social Media-->Towards Social Business For a given social media action, we want to analyse and model: User Characteristics Emotion Personality User/Consumer Characteristics Consumer Decision-Making Stage Organisational Consequences Brand Sentiment Social Media Consequences Social Engagement Potential Temperaturen på danske loyalitetsklubber anno 2015 -II 56

Beyond Social Media-->Towards Social Business Heres an idea. If you like their food eat there. If you dont like their food eat somewhere else or make your own meal. I really dont understand what the big deal is. Organisation User Consumer Social Influence Temperaturen på danske loyalitetsklubber anno 2015 -II 57

Text Classification: Multi-Dimensional Models Temperaturen på danske loyalitetsklubber anno 2015 -II 58

Basic Emotions Basic Emotions: Proportion Basic Emotions: Intensity Sportsmaster loplus imerco IKEA Forbrugsforeningen coop matas BR 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00% Joy % Sadness % Surprise % Fear % Disgust % Anger % Sportsmaster loplus imerco IKEA Forbrugsforeningen coop matas BR 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Joy Intensity Sadness Intensity Surprise Intensity Fear Intensity Disgust Intensity Anger Intensity Temperaturen på danske loyalitetsklubber anno 2015 -II 59

Big Five Personality Traits Big Five Personality Traits: Intensity Big Five Personality Traits: Proportion Sportsmaster loplus imerco IKEA Forbrugsforening en coop matas BR Sportsmaster loplus imerco IKEA Forbrugsforeningen coop matas 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Openness Intensity Conscientiousness Intensity Extraversion Intensity Agreeableness Intensity Neuroticism Intensity BR 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00% Openness % Conscientiousness % Extraversion % Agreeableness % Neuroticism % Temperaturen på danske loyalitetsklubber anno 2015 -II 60

Consumer Decision-Making Stage Consumer Decison-Making Stage: Intensity Consumer Decison-Making Stage: Proportion Sportsmaster loplus imerco IKEA Forbrugsforeningen coop matas BR 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Awareness Intensity Knowledge Intensity Liking Intensity Preference Intensity Conviction Intensity Purchase Intensity Sportsmaster loplus imerco IKEA Forbrugsforeningen coop matas BR 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00% Awareness % Knowledge % Liking % Preference % Conviction % Purchase % Temperaturen på danske loyalitetsklubber anno 2015 -II 61

Brand Sentiment Brand Sentiment: Proportion Positive % Negative % Neutral % Brand Sentiment: Intensity Positive Intensity Negative Intensity Neutral Intensity Sportsmaster 51,83% 36,39% 11,78% Sportsmaster 0,39 0,41 0,2 loplus 13,19% 78,66% 8,15% loplus 0,13 0,68 0,19 imerco 41,26% 42,89% 15,85% imerco 0,32 0,46 0,22 IKEA 6,53% 34,63% 58,83% IKEA 0,07 0,36 0,57 Forbrugsforeningen 7,79% 74,29% 17,92% Forbrugsforeningen 0,07 0,73 0,2 coop 31,38% 52,82% 15,80% coop 0,24 0,55 0,21 matas 35,78% 45,95% 18,27% matas 0,29 0,49 0,22 BR 30,24% 49,10% 20,66% BR 0,25 0,49 0,26 Temperaturen på danske loyalitetsklubber anno 2015 -II 62

Brand Parameters: Historical Development: User Emotions vs. Brand Sentiment: Temperaturen på danske loyalitetsklubber anno 2015 -II 63

Brand Parameters: Historical Development: User Emotions vs. Brand Sentiment: coop Temperaturen på danske loyalitetsklubber anno 2015 -II 64

Brand Parameters: Historical Development: User Emotions vs. Brand Sentiment: matasbrand Sentiment Temperaturen på danske loyalitetsklubber anno 2015 -II 65

DANSKE LOYALITETSKLUBBER 11.35-12.05: Kan NPS-målinger stadig bruges? Niels Buus Lassen & Per Østergaard Jacobsen, CBS Temperaturen på danske loyalitetsklubber anno 2015 -II 66

10.000 kr. spørgsmålet. 26,6 LO 22,3% 28,9% 48,8% 21,4 SPORTSMASTER 27,5% 23,6% 48,9% 21,1 IMERCO 26,6% 25,7% 47,7% 23,8 IKEA 26,5% 23,2% 50,3% 19,2 H&M 29,0% 22,7% 48,2% 0,1 MAGASIN 37,9% 24,2% 37,9% 52,1 FBF 13,4% 21,1% 65,5% 24,7 COOP 25,8% 23,7% 50,5% 16,3 MATAS 30,1% 23,5% 46,4% 19,0 BR 30,6% 19,7% 49,7% NPS Afrundede værdier 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% DETRACTOR PASSIVE PROMOTER Temperaturen på danske loyalitetsklubber anno 2015 -II 67

Men er NPS i øvrigt den rigtige måling? NPS score fra forskellige brancher i USA 2012-2014 Kilde: Temkin Group 2015 Temperaturen på danske loyalitetsklubber anno 2015 -II 68

Conceptual Model of Social Data Temperaturen på danske loyalitetsklubber anno 2015 -II 69

NPS -Social Data Model - I 60 R² = 0,7499 50 40 30 20 10 0 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 NPS Lineær (NPS) Temperaturen på danske loyalitetsklubber anno 2015 -II 70

NPS -Social Data Model - II 60 R² = 0,931 50 40 30 20 10 0 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 NPS Poly. (NPS) Temperaturen på danske loyalitetsklubber anno 2015 -II 71

NPS -Social Data Model - III 60 R² = 0,9581 50 40 30 20 10 0 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 NPS Poly. (NPS) Temperaturen på danske loyalitetsklubber anno 2015 -II 72

The Complex Customer Journey Model development Psychical touchpoints -> 1997 Psychical touchpoints + Websites -> 2007 Psychical touchpoints + Websites + Mobile Customer Infinity Model Elias St. Elmo Lewis, 1898 McKinsey, 2008 ECO model Jacobsen, Andersen & Bjerre 2012-2014 Customer Infinity Model Jacobsen, Andersen & Bjerre 2016 73

Customer Infinity Model How do Customers act? 2 Repurchase and supply Research Final Decision Loyalty phase 2 Contact points 1 Touch points Triggers 1 1 Delivery 1 New products/service Customer Infinity Model : Jacobsen, Andersen & Bjerre Temperaturen på danske loyalitetsklubber anno 2015 -II 742

Potentialet er driveren Temperaturen på danske loyalitetsklubber anno 2015 -II 75

Den nye loyalitetsmodel Temperaturen på danske loyalitetsklubber anno 2015 -II 76

Fra Share of Wallet til Share of Life Gateway to Share of Life Temperaturen på danske loyalitetsklubber anno 2015 -II 77

Nogle afsluttende observationer Primært Share of Wallet attitude -> Strategi/kompetencer mangler? Loyalitets klubberne er/opleves ens -> Kunderne er ikke ens! Kunderne ønsker/forventer monetære fordele -> Der kommunikeres ofte ikke andet! Forskellige gab i forskellige klubber - > Cross Channel synes generelt at være en udfordring? Bytteforhold for viden fra forbrugeren til klubben synes ikke at være i balance -> Det er næppe holdbart? Klubben formår ikke at udnytte viden -> Viden har værdi og bliver afgørende for succes, hvis altså man forstår at anvende denne! Lovgivningen er måske ikke overholdt i alle klubber? -> Forbrugerombudsmanden og nye EU regler på vej Temperaturen på danske loyalitetsklubber anno 2015 -II 78

LOYALITETSKONCEPTER BRUG AF KØBSDATA 29. januar 2016 Jane Frederikke Land, advokat (H) SUNDKROGSGADE 5, DK-2100 KØBENHAVN Ø CVR. NR: DK 62 60 67 11

BRUG AF KØBSDATA (1) Betalingstjenestelovens 85 Formål: Sikre, at de oplysninger der registreres, ikke benyttes til fx udarbejdelse af forbrugsprofiler og kortlægning af betalerens forbrugsmønstre, som kan bruges til den erhvervsdrivendes egen markedsføring, eller som kan sælges eller videregives til andre erhvervsdrivende med henblik på markedsføring. SIDE 80

BRUG AF KØBSDATA (2) Betalingstjenestelovens 85 Persondataloven finder anvendelse med de ændringer der følger af BTSL 85 Betalerens udbyder skal sikre, at betalerens cpr-nummer på et betalingsinstrument ikke kan aflæses fysisk eller elektronisk af andre end betalerens udbyder. Der må kun ske behandling af oplysninger om, hvor betaleren har anvendt deres betalingsinstrumenter, og hvad de har købt, når det er nødvendigt til: gennemførsel af transaktionen hindre misbrug bestemt ved lov rådgivning med henblik på hensigtsmæssig anvendelse effektivisering udregning af rabatter SIDE 81

BRUG AF KØBSDATA (2) Betalingstjenestelovens 85 Betalerens udbyder: Ny fortolkning fra Forbrugerombudsmanden 22. januar 2016: Ikke kun banker, som ikke må indsamle oplysninger om deres kunders forbrugsmønstre til brug for fx markedsføring og videresalg. Detailbutikker, dagligvarekæder og andre virksomheder må heller ikke indsamle og bruge oplysninger om, hvor kunderne bruger deres betalingskort, og hvad de køber. Betalingsinstrument: Et instrument der er personligt knyttet til en bestemt bruger, og som kan bruges til at erhverve varer el. tjenester SIDE 82

BRUG AF KØBSDATA (3) Betalingstjenestelovens 85 Reglen kan ikke i forhold til forbrugere fraviges ved aftale fx Jeg accepterer, at oplysninger om køb af varer og tjenester hos xx registreres og anvendes til målrettet markedsføring ( ) I hvilke situationer kan man så bruge købsdata til målrettet markedsføring? Vederlagsfrie betalingssurrogater Betalingssurrogater, hvor beløbet ikke kan overstige 3.000 kr., og hvor der ikke kan ske automatisk genopladning Rene loyalitetskort SIDE 83

KØBSDATA (2) Betalingstjenesteloven Udtalelse fra Forbrugerombudsmanden: Købsdata (hvor + hvad) må gerne bruges til at beregne en rabat som led i et loyalitetskoncept ( ) oplysninger om, hvor betalerne har anvendt deres betalingsinstrumenter, og hvad de har købt, alene anvendes i et rabatkoncept, hvor rabatten ydes efter en generel, forud fastlagt rabatstruktur, og ikke er baseret på en segmentering ud fra kundens konkrete købsdata ( ). ( ) eventuelle markedsføringstiltag, herunder ad hoc tilbud, alene er baseret på en segmentering på baggrund af data oplyst af kunden i forbindelse med selve tilmeldingen til konceptet og ikke baseret på en segmentering ud fra kundens konkrete købsdata. SIDE 84

SANKTIONER Bøde hvem har ansvaret? Forholdet til medlemmerne af loyalitetsklubben Medieomtale SIDE 85

KONTAKTOPLYSNINGER Jane Frederikke Land Advokat (H) +45 38 77 43 12 +45 24 86 00 64 jfl@kromannreumert.com SIDE 86

12:15-13:00: Frokost med sandwich Temperaturen på danske loyalitetsklubber anno 2015 -II 87

ANALYSEVÆRKTØJER PÅ DE SOCIALE MEDIER 13.00-13.30: Show-and-Tell I: Præsentation af analyseværktøjet Social Data Analytics Tool, SODATO Temperaturen på danske loyalitetsklubber anno 2015 -II 88

ANALYSEVÆRKTØJER PÅ DE SOCIALE MEDIER 13.30-14.15: Show-and-Tell II Præsentation af Social Set Social Set Visualiser, SoSeVi. Temperaturen på danske loyalitetsklubber anno 2015 -II 89

ANALYSEVÆRKTØJER PÅ DE SOCIALE MEDIER 14.15-14.45: Show-and-Tell III: Præsentation af Computational Social Science Laboratory Multi Dimensional Classifiers Temperaturen på danske loyalitetsklubber anno 2015 -II 90

ANALYSEVÆRKTØJER PÅ DE SOCIALE MEDIER 14.45-15.00: Afrunding og næste skridt: Ravi Vatrapu og Per Østergaard Jacobsen Temperaturen på danske loyalitetsklubber anno 2015 -II 91

"Do not look for a customer in every individual look for an individual in every customer Jan Carlzon, SAS 92

Kontakt: Ravi: rv.itm@cbs.dk Per : pj.om@cbs.dk eller 2562 4898 www.crmcbs.dk