Hva digital markedsføring handler mer og mer om

Utkast til tekst som vil inngå i ny bok om digitale tjenester. Kommentarer ønskes….

Markedsføring har tradisjonelt handlet om hvordan varene kommer fra produsentene til forbrukerne. I en mannsalder har studenter lært om de fire P-ene, om varene, den fysiske logistikken, markedskommunikasjon, om hvordan forbrukerne opptrer og mye annet.

Annonsørene har vært opptatt av hvordan de skal skape oppmerksomhet og interesse om deres produkter og tjenester, hvordan de skal få dem til å ville ønske seg produktene og faktisk kjøpe dem. Akronymet AIDA, attention – interest – desire – action, med opphav hos kreative annonsører på slutten av 1800-tallet, har vært annonsørenes ledestjerne i over 100 år. I følge Donnie Bryant[1] er det bare to ting som kan forhindre kjøp av produkter som folk virkelig ønsker seg. Det ene er at de ikke har ressurser til å kjøpe det og det andre er at kjøpet er forbundet med en eller annen form for risiko. I tillegg kan en trekke inn moralske og etiske grunner til at en lar være å kjøpe visse produkter. At de personer ikke har ressurser til å handle kan markedsførere vanskelig gjøre noe med, men redusere risiko kan de bidra til. Og svaret på det spørsmålet er tillit. Gjennom å utvikle merkevareegenskaper etableres også tillit, gjennom å synliggjøre erfaringer fra tidligere kunder og handelssituasjoner overføres tillit fra en situasjon til en annen. Delingsøkonomiens forretningsmodeller består i å orkestrere slik tillit gjennom å etablere to-sidige markeder og på den måten også bidra til mer effektiv ressursutnyttelse og mer effektive markeder.

Markedsføring har gått fra å være et håndverk til å bli vitenskap, der selv varenes plassering i butikkhyllene er gjort til gjenstand for spesialisering. Hvor varene skal stå i butikken og på hylla, og hvilke varer som bør stå ved siden av hverandre for å skape et optimalt salg, er ikke lenger basert på intuisjon, sunn fornuft og skjønn, men på empiriske modeller og datasimuleringer der de underliggende teoriene nok er på et annet matematisk nivå enn det de gamle kjøpmennene behersket. Og det har fått sin egen merkelapp, – retail space management.[2]

Hver gang vi går i butikken legger vi igjen enorme mengder data om hva vi handlet, hvilke kombinasjoner av varer og tjenester vi handlet, når på døgnet vi vanligvis handler og lignende. Og slike data kan utnyttes til å tilby oss produkter vi kanskje ikke hadde tenkt på i den aktuelle situasjonen, produkter som gjør at vi kommer mer fornøyd ut av butikken samtidig som de får solgt mer. Den enkleste måten for butikkene å få førstehånds kjennskap til handlevanene dine er om du bruker loyaliltetskort ala COOP-kortet eller lignende. Da kan alle kjøp du og din familie gjør, forutsatt at du registerer kortet, brukes til å skreddersy tilbud til deg. Men selv uten slike kort kartlegges handlevanene dine fordi du bruker vanlige bankkort og Mastercard har for eksempel noe de kaller ”Globale retningslinjer for personvern”[3] der du som bruker har gitt Mastercard tillatelse til å samle inn ulike typer data. Blant data de sier de samler inngår kontaktinformasjon for venner, innhold som du gjør tilgjengelig (for eksempel fotografier, artikler og kommentarer), informasjon om ansettelse, anen informasjon om for eksempel atferd og preferanser i forbindelse med kjøp, foretrukket språk, alder, fødselsdato, kjønn og familiestatus. De sier selv at enkelte av disse opplysningene samles inn automatisk for eksempel via cookies og web beacons. En beacon er et gjennomsiktig bilde, som typisk er 1*1 pixel stort, med andre ord usynlig for den som ser det.[4] Becons er ekstremt nyttige fordi de brukes til å kartlegge hva du gjør på den bestemte nettsiden, hvordan du navigerer mellom ulike sider og dermed til å bygge opp en type forbrukerprofil av deg.

Slike data fra ulike nettsteder benyttes til å finne ut hva du bruker oppmerksomhet på, for det du bruker oppmerksomhet på vil du senere også bruke penger på. Dette er ideen bak tjenestene ”Next big sound”[5] og ”Next big book” som er tjenester som kartlegger musikkbruk og interesse for bøker. Vinteren 2015 hadde Nextbigsound analysert nærmere 450 milliarder musikkavspillinger på Spotify, YouTube, Vevo, Soundcloud, Vimeo og andre sosiale avspillingstjenester, og sjekket dette opp mot 17 milliarder rapporter om musikk fra fans gjennom å høste data fra Facebook, Twitter, Instagram og andre sosiale medier. Slik kunne de finne ut hva hvordan artistene interagerte med publikum gjennom sosiale medier. Slik kan de finne ut hvem som vil bli de neste stjernene og veldig mye annet. Nextbigbook gjør det samme, men for forlagsbransjen.

Analyse, analyse, analyse – det er hva digital markedsføring handler om. En går fra enkle tommelfingerregler til mer vitenskapelig funderte analyser, der analysemodellene forbedres etter hvert som er får mer data som viser brukernes faktisk atferd, preferanser, verdier, sosiale interaksjon og mye mer.

Denne typen data bruker også butikkjedene blant annet til å bestemme hvilke produkter som skal få stå i hyllene. Den britiske kjeden Sainsbury oppdaget at et lite solgt merke frokostkorn oftest ble kjøpt av personer som handlet ofte og mye i butikken, noe som gjorde at de likevel beholdt produktet i hyllene. I stedet for å irritere de loyale kundene ved å fjerne produktet, kunne de på grunn av analysedataene bestemme at de skulle fortsette å selge produktet, fordi det var viktig for deres viktigste kunder.

Denne koblingen mellom analyse og butikkdesign trekkes etter hvert også stadig lengre ut av de fysiske butikkene. Sainsbury eier også en bank og analyser viste at personer som brukte denne banken også brukte mer tid i butikkene og handlet for større beløp enn andre kunder.

En annen kjede, Tesco lot kundene få en gratis online filmtjeneste kalt Clubcard TV, som ble lansert i mars 2013. Gjennom denne tjenesten kunne de skreddersy annonser basert på hva kundene kjøpte i butikken dagen før.[6] Tjenesten ble imidlertid lagt ned i oktober 2015, fordi de ikke fikk mange nok kunder til å bruke den ofte nok.[7]

Mens Amazon har skapt Kindle og bidratt til at vi leser bøker på andre måter enn tidligere, har Tesco etablert Hudl, et wi-fi Android nettbrett der relasjonene til Tesco er forhåndsinstallert. Dermed blir det lett å binde kundene til seg, for som de selv sier, de har ”everything you need from Tesco in one place”.[8] Slik skapes innlåsingseffekter gjennom ny teknologi og ved å gjøre det enklere å handle hos de utvalgte leverandørene, slik Amazon gjør med Kindle og Tesco med Hudl.

Moderne markedsføring handler også om strategi og makt, makt til blant annet å holde produkter ute av hyllene, og det er makt til å holde produsenter og tjenesteytere ute av markedene når de ønsker å konkurrere med de etablerte aktørene. Det fikk Colorline erfare da de satte seg fore å konkurrere med SAS på det innenlandske flymarkedet i Norge. Det gikk ikke særlig bra for Colorlines vedkommende. De hadde ikke finansiell styrke til å holde ut en situasjon der konkurrentene senket prisene på de konkurranseutsatte rutene, og gikk konkurs etter relativt kort tid.

Slike forhold ligger til grunn for den omfattende reguleringen av salg og markedsføring i landet, der lover og regler blant annet skal bidra til å hindre de dominerende aktørene i å misbruke sin posisjon, til at det foregår en rettferdig konkurranse som skaper fordeler for forbrukerne.

I det digitale nettsamfunnet endres mange av de tradisjonelle spillereglene, rett og slett fordi de underliggende økonomiske mekanismene skifter fra den industrielle til de digitale nettverkenes logikk. Så når Norwegian entret flymarkedet, var det ikke med en tradisjonell organisasjon og det tradisjonelle distribusjonsapparatet. Norwegian satset helt fra starten av på å bygge mer effektive arbeidsrutiner og å tilby billetter direkte til kundene gjennom sin egen web. Etter 5 års drift ble over 85 % av billettene solgt direkte fra eget nettsted, en strategi som har bidratt til store forandringer i hele reiselivsbransjen.

Kampen for tilværelsen, som Christian Krogh malte ved inngangen til industrialderen, er blitt erstattet av kampen om oppmerksomhet, en kamp som blir stadig mer raffinert fordi vi får mulighet til å analysere større datamengder fra flere kilder, og på den måten avdekke mønstre som det tidligere var mulig å se. Så raffinert er analysene blitt at Ian Eyres i boken Super Crunchers hevdet at VISA gjennom å analysere kredittkortbruk kunne finne sannsynligheten for at brukerne senere ble skilt.[9] VISA selv hevdet at de ikke kartlegger brukernes familiestatus[10] og dermed utfører slike analyser, men at slike analyser og prediksjoner er mulige, er det lite tvil om. Mens VISA sier at de ”under ingen omstendigheter selger eller låner ut din personlige informasjon til tredjepart”[11] gir Mastercard ingen slike garantier. Og vi kan bare gjette hva PayPal, Apple Pay, AliPay eller de andre digitale pengesystemene håndterer slike spørsmål. Gitt de store mulighetene som ligger i å analysere digitale bruksmønstre, koble data på tvers av ulike plattformer som TV, mobil, PC, erfaringer i butikker med mer og ikke minst bruke disse dataene til å lage prognoser for fremtidig atferd, er det lite sannsynlig at betalingssystemenes transaksjonsdata vil være anonyme eller private. Kan hende vil nettopp det bli slutten på VISA, for vi trenger ikke lenger den tradisjonelle infrastrukturen bankene har tilbudt oss for å flytte penger.

Nye digitale tjenester endrer måten både markedsføring og salg foregår på, og det endrer annonsesystemene og infrastrukturen for å håndtere fenomenet oppmerksomhet.

[1] http://rhinodaily.com/donnie-bryant-is-aida-outdated-as-a-marketing-process-part-ii/ Lest 4.feb 2015-02-05

[2] Du kan lese mer om visualiseringer av space management i dette dokumentet http://www.scribd.com/doc/53703897/Space-Management-of-a-Store#scribd Lest 6.2.2015, gratis preview av hel artikkel.

[3] http://www.mastercard.com/no/personal/nn/general/globale-retningslinjer-for-personvern.html Lest 6.2.2015.

[4] Du kan lese mer om hva beacons er her http://www.allaboutcookies.org/faqs/beacons.html og på denne siden fra Yahoo https://info.yahoo.com/privacy/us/yahoo/webbeacons/ Lest 6.2.2015.

[5] https://www.nextbigsound.com/industryreport/2014 Lest 6.2.2015.

[6] Omtalt i denne artikkelen ” How supermarkets get your data – and what they do with it” http://www.theguardian.com/money/2013/jun/08/supermarkets-get-your-data Lest 6.2.2015.

[7] https://clubcardtv.zendesk.com/entries/97386113 Lest 6.2.2015

[8] http://www.tesco.com/direct/hudl-7-wi-fi-android-tablet/110-4386.prd Lest 6.2.2015.

[9] Her vises til det avsnittet i boken der dette er omtalt opprinnelig, https://books.google.no/books?id=brHyklsoPRMC&pg=PT20&lpg=PT20&dq=super+crunchers+visa+predict+divorce&source=bl&ots=mHKb71FFAT&sig=CFzPl_ehqET-lBqm6j3fW5wO1II&hl=en&sa=X&ei=y4bUVNLsL8GmUoKfgLAD&ved=0CCsQ6AEwAg#v=onepage&q=super%20crunchers%20visa%20predict%20divorce&f=false

[10] http://www.thedailybeast.com/articles/2010/04/06/how-mastercard-predicts-divorce.html Lest 6.2.2015.

[11] http://www.visa.no/privacy-and-%20legal lest 6.2.2015.

2 kommentarer

Filed under refleksjon

Innovasjon i mediesektoren      

De tradisjonelle avisene sliter med å takle overgangen fra industri- til digitalt nettsamfunn. Hvert eneste år de siste årene har opplagene for papiravisene sunket, og ved inngangen til 2015 beskrives situasjonen som dramatisk for riksavisene, som i følge Journalisten tapte hver tredje annonsekrone sist år, i tillegg til tapte inntekter fra avissalg.Uten navn

Nedgang i bransjen går selvfølgelig også ut over de ansatte, med omfattende oppsigelser, omstillinger og endrede arbeidsvilkår. Utfordringene har kommet så langt at journalister har havnet øverst på listen over ”de verste jobbene”. Så hva er er det de sliter med?

Avisene har gått fra å levere fysiske produkter til å levere digitale tjenester. Det krever en omstilling som de ikke ser ut til å ha mestret foreløpig. Om en ser på hva som særpreger digitale tjenester mer generelt, er det noen særtrekk ved dem som følger av at de er del av den digitale økonomien.

For det første må de bidra til å senke brukernes transaksjonskostnader. En må derfor gjennomføre en systematisk analyse av hvordan dette er tenkt gjort. Det handler særlig om søkekostnader og informasjonskostnader, men også forhandlingskostnader og beslutningskostnader bør vurderes. For at dette skal kunne gjøres må de ha en klar formening om hva de egentlig selger, hva avisenes egentlig produkt eller tjeneste er.. Er det underholdning, opplysning, kunnskap eller noen annet? Og kanskje må disse delene analyseres hver for seg?

Det neste en må spørre om er hvordan en kan skape nettverkseffekter. Hvordan få brukerne til å spre artikler og annet materiale viralt, dele med hverandre gjennom nettverkene? Og når en gjør dette må en også koble valg av forretningsmodell til valg av distribusjonsform. Noen kunder vil betale for produktet mens andre vil skape verdier på andre måter. Hvordan?

Det tredje spørsmålet en må stille er om noe av materialet er en commodity eller om det er sannsynlig at det vil bli det i løpet av den nærmeste tiden. Commodities er enheter som er lett substituerbare, det spiller ingen rolle hvem som produserer dem fordi de er fundamentalt like på en måte som gjør at de lett kan erstatte hverandre. Flyseter Oslo-Bergen er en slik tjeneste, strøm, SMS-meldinger med mer. Commodities blir gratis om de er digitale (SMS har ikke vært gratis fordi de har vært tilbud av monopolister/duopolister og ikke i frie markeder). Hva i avisen er commodity og hvordan skal dette stoffet behandles i forhold til annet stoff?

En bør også koble inn oppmerksomhetsøkonomien, hvordan skape oppmerksomhet om de gode sakene? Og kanskje er ”mann biter hund” gått ut på dato?

Når tjenestene er digitale, endres også forbrukeratferden. Vi skaffer oss tilgang til dem på nye måter, for eksempel gjennom at de deles i sosiale medier (= nettverkseffekter). Hvordan skal vi forholde oss til disse nye arenaene og forbrukerprosessene? Tviholde på de gamle forretningsmodellene (betal og få tilgang til tjenesten) eller se om en kan utvikle nye?

I et slikt bilde må en spørre hvem konkurrentene er og hva de tilbyr. Det blir feil å spørre hvem som tilbyr lignende tjenester. Avisene får dermed andre konkurrenter enn de hadde tidligere. Kanskje må en spørre hvem som vil konkurrere om lesernes oppmerksomhet, fordi den teknologiske konvergensen gjør at vi bruker samme dings (for eksempel en smarttelefon) til å både å lese ”aviser”, se film, høre musikk etc.

Facebook har opplagt ambisjoner om å ta dette markedet. Hvordan skal en forholde seg til Facebook som konkurrent?

Nye digitale tjenester basert på ”big data” – metodikk kan hjelpe oss med å endre konkurransebildet. Vi må vite mer om leserne/konsumentene og vi må bruke denne kunnskapen til å skreddersy tjenester til målgruppene. Det er hva en artist som LadyGaga gjør og det er hva en legger til rette for gjennom tjenester som Nextbigsound, en ”musikkanalysetjeneste” som gjør at artister få presentert analyser med gode visualiseringer basert på data fra ulike sosiale medier og andre kilder.

Så hvilken vei vil avisene gå? Er løsningene å produsere det gode innholdet selv, eller må de tenke mer på allianser i nettverk? Hvem skal inngå i alliansene? Hva er forholdet mellom profesjonelle og semiprofesjonelle ”journalister”? Kan de hårete sakene crowdsources? Kan brukerne lage enda mer av innholdet?

Og hva skal en tjene penger på? Det er ingen lette utfordringer, men jeg mener at en i alle fall må bygge de nye tjenesten på grunnprinsippene i den digitale økonomien, og det har de ikke vært flinke til hittil. Se på Lady Gaga!

Dette er noe av tematikken jeg skal analysere i mitt foredrag på  Nordic Data Journalism Conference i Ålesund i slutten av januar. Kanskje noen har innspill til analysen min? Hva er galt med mediene og hva kan vi gjøre med det?

4 kommentarer

Filed under refleksjon

Google påvirker måten vi tenker på        

Innovative undervisningsformer er et satsingsområde ved NTNU. Det innebærer at en kommer til å bruke 60 millioner kroner de neste årene på å utvikle bedre og mer effektive undervisningsformer for å bidra til å gå mer motiverte studenter, øke læringsutbyttet og opplevd studiekvalitet.

I min egen praksis gjør jeg bruk av en rekke digitale tjenester for å bidra til disse målene. Alle kursene har egne Facebookgrupper der diskusjonene går høyt, der studenter deler med hverandre og faktisk også løser faglige utfordringer som de sliter med. Vi bruker Twittertagger #kurskode, vi bruker blogger for faglig refleksjon, formidling og for at studentene skal kunne bygge en digital portefølge til de skal søke jobb. Vi oppfordrer dem til å utvikle sitt faglige nettverk gjennom LinkedIn og andre sosiale medier og vi bruker Google og andre tjenester hyppig i det som er igjen av forelesninger.

I stedet for at jeg forteller dem hva ”filterboblen” er får de i oppgave å finne det ut selv, og å fortelle det til meg. For å lette samarbeidet i forelesningene bruker vi også Todaysmeet, en twitterklone som gjør det enkelt å formidle nettadresser og annen informasjon til og mellom deltakerene, og ikke minst bruker vi Google Drive, der enten hele klassen eller grupper i den samskriver referater og refleksjoner fra timene.

Hvorfor er slike læreformer vikigte? Les her hvordan ”Google impacts the way students think”. Takk til @celinetoledo som gjorde meg oppmerksom på denne artikkelen og inspirerte til dette blogginnlegget. Ved at vi professorer lærer sammen med studentene våre, blir vi smartere begge to :)

Legg igjen en kommentar

Filed under læring

Hvordan utvikles ny teknologi?

Ny teknologi utvikles på ulike måter. Dels som kontinuerlige forbedringer av eksisterende teknologi, dels i form av konvergens og dels i form av disruptive innovasjoner.

Kontinuerlig utvikling innebærer at en gjør små forbedringer, endringer på ting en allerede har fra før. iPhone 6 er en kontinuerlig forbedring av iPhone 5, mens iPhone i seg selv må sies å være en disruptiv innovasjon. Før iPhone kom på markedet, var det Nokia som dominerte mobilmarkedet og var verdens mest solgte telefon. Og hvor ble de av? Microsoft kjøpte mobilavdelingen og droppet til og med merkenavnet Nokia på de nye telefonene.

Disruptiv innovasjon finner du en omtale av i denne ppt-pres fra UiO og forklart av Clayton Christensen selv i denne filmen på snaut 8 minutter.

Teknologisk konvergens innebærer at ulike teknologier ”smelter” sammen på en eller annen måte. Nettverkskonvergens har ført til at stadig flere tjenester benytter samme nettverksstandard, TCP/IP som er ”internett”. På internett finner du radio, tv, aviser, alarmsystemer og mer.

Når mange tjenester bruker samme nettverk, kan en også bruke samme dings til å benytte tjenestene. I dag er smarttelefonene kanskje de beste eksempelet på fenomenet terminalkonvergens. En moderne smarttelefon er kamera, musikkanlegg, videoredigeringsutstyr, spillterminal, gps, helseteknologi og mye annet.

Når ”alle” tjenester kan nås gjennom den samme dingsen, blir det fristende for leverandørene å utvikle flere typer tjenester, derfor får vi også tjenestekonvergens. Dette innebærer at avisene sender TV og NRK benytter mer tekst, som tradisjonelt har vært avisenes domene.

Tjenestekonvergensen fører til organisasjonskonvergens og juridisk konvergens, det vil si at organisasjoner som tidligere var ulike ”smelter” sammen, noe som over tid igjen fører til at det blir meningsløst å behandle dem på forskjellige måter, avhengig av hvilken teknologi de bruker for å formidle tjenesten. TV2 må ha konsesjon fra Kulturdepartementet for å sende på TV-nettet, mens VG-TV som sender på internett ikke må ha det.

Den første bloggoppgaven består i å finne en ”ny” teknologi, eller noe du synes er spennende eller rart og skive om den. Lag lenker til aktuelle ressurser på nettet, bruk gjerne bilder (husk at du må enten bruke bilder som er lagt ut med CC-lisens eller ha tillatelse fra rettighetshaver for å bruke dem, unntaket er om du lager en ”faksimile” –dvs et ”bilde for eksempel av et nettsted der illustrasjonen du bruker er del av bildet).

En av utfordringene for dem som er dominerende aktører i markeder der teknologien er en viktig komponent, er å se når det kommer nye, disruptive endringer som vil bidra til å gjøre den gamle måten å produsere varer og tjenester på overflødig.

46 kommentarer

Filed under refleksjon

Det er hva det koster …

slevik fakturaHørt den før? Og ofte handler det om at vi kjøper varer og tjenester i Norge og sammenligner med hva tilsvarende handel koster i andre land. Og når vi finner ut at det ikke bare er dyrt, men mange ganger mer enn dobbelt så dyrt som alternativet sier vi (og kanskje leverandørene) at ”det er det det koster….”. Det sa  i alle fall elektrikeren fra Slevik elektriske i denne saken.

La meg dele et par eksempler og et par refleksjoner med utgangspunkt i at jeg de siste årene har drevet en relativt omfattende byggevirksomhet, som har resultert i ny hytte. Hytta ligger noen hundre meter fra vei, og alt som skal benyttes er fraktet i båt (eller båret). Jeg har gjort det meste av arbeidet med byggingen selv og har styrt hele prosjektet, hvilket har gjort meg til en racer på innkjøp. Isolasjon er stort sett kjøpt fra overskuddslagre på finn, sibirsk lerk rett fra Estland o.s.v.

Kjøkken er levert fra HTH, en historie om inkompetanse, feil og dårlige produkter som nesten ikke er til å tro. Men en ting trakk jeg ut av den leveransen, vask og kjøkkenarmatur. Dette skulle HTH ha 13.500 kroner for, men jeg kjøpte det samme for 4500 kroner fra eue.de – inkludert transport, moms og med faktura i kummen. Det var altså 0 risiko knyttet til kjøpet, og prisen var en tredel av den norske leverandøren.

Det meste av elektrikerarbeidet har jeg også gjort selv. Jeg har montert trekkerør og koblingsbokser kjøpt fra Clas Ohlsson eller Biltema. Selve koblingene i skap og vegg er det elektrikere som har gjort, så alt er faglig på stell :)

Men så skulle det kobles til strøm på varmekabler til vann og kloakk da, med tilhørende brytere. Dette arbeidet hadde vi fått tilbud på for 26 000 kroner inkludert moms fra Kråkerøy elektriske, noe jeg med min erfaring tenkte var ganske dyrt, så jeg valgte å leie inn Slevik elektriske til å gjøre deler av jobben, en jobb som tok 12 timer fra elektriker ble hentet på brygga (15 min kjøring fra kontor) til han var tilbake i bilen igjen, fordelt på 2 dager. Dette regnet jeg med ville koste om lag 15000 kroner fordelt omtrent likt på arbeid og materiell, beregnet ut fra en timepris på 625 kroner.

Noen dager etter at arbeidet var fullført fikk jeg regning på 33.500 kroner, hvilket var hinsides langt over hva jeg hadde forestilt meg og vesentlig høyere enn tilbudet på jobben som jeg ikke hadde godtatt. Nå skal det sies at det ble brukt ca 2 timer til en jobb som var i tillegg til det omtalte tilbudet, men til gjengjeld omfattet det flere andre oppgaver som er vesentlig dyrere. Så hva er problemet?

Problem 1 er at Slevik elektriske fakturerer 16 timer for en jobb som har tatt 12 timer. At de tar betalt for kjøring til/fra kontor er ok, det ville til sammen utgjort en time. De tar også betalt for å hente materiell hos grossist, selv om de har en avanse på materiellet på flere hundre prosent! Det er som om du skal betale timepris for å handle på Elkjøp. Og de tar samme timepris for å skrive faktura! De tar 796 kroner pr time for å skrive faktura! Det er en årlig inntjening på 1,43 mill for et normalarbeidsår, -for en elektriker.

Problem 2 er at varer som er fakturert er svært overpriset.

Eks Magasinklammer 5 mpt-o-16 der Slevik elektriske tar 563 + moms tilsvarer 703 inkludert moms, mens jeg må betale 400kroner inkludert moms for 150 stk der jeg eller har handlet el-materiell, og det uten noen form for rabatt. Justert for pakkestørrelse er prisnivået hos Slevik elektriske det dobbelte av hva jeg måtte ha betalt andre steder. se http://www.elektroimportoren.no/castor-magasinklammer-mtp-o-16-pr2x1-5-2×2-5-hvit-150stk/1322501/Product.html

Som elektrikere får de i tillegg stor rabatt på disse prisene, så jeg lurer på: kan de prise slike komponenter fullstendig som de vil, er det ingen normer for hvor stort påslag de kan legge på?

To enkle lamper installert i krypkjeller er det betalt 1300 kroner for inkl moms.  Det er en pris som ligger 250% over denne tilsvarende lampen http://www.elektroimportoren.no/enoek-alu-hvit-e-27/3344413/Product.html?Event=pathlist

Et søk på nett viser at problemstillingen ikke er unik. Her er en som har opplevd 870% påslag og her et eksempel på en som har blitt fakturert 125 kroner pr meter for en kabel som vi kan kjøpe for 18 kroner selv.

Slevik elektriske sendte en svært hyggelig og flink elektriker, de har en fin Facebookside og de er et selskap med høy lokal tillit. Men betyr det at de likevel kan ta betalt ”hva de vil”? Og kan de fortsette å regne med at fremtidige kunder vil handle med «hodet under armen»? Eller vil de bli innhentet av det digitale nettsamfunnets konkurranselogikk?

Hva har jeg lært? Spør ALLTID om pris FØR leveranse. ALLTID! Sjekk alternativer og bruk tjenester som mittanabud eller finn oppdrag for jobben. Når elektrikeren sier at jeg ikke kan sammenligne hans priser med prisene i nettbutikken tar han feil. Det kan vi ALLTID.

Noen som har lignende erfaringer? Her kan du selv se hvordan de ulike varene er overpriset. Sammenlign gjerne med elektroimportøren.no 

slevik faktura

15 kommentarer

Filed under refleksjon

Big data for bedre og raskere læring

Selv i 2014 er det bare 8 % av norske grunnskoleelever som bruker ”data” på skolen hver dag, mens 75% av dem er daglige brukere på hjemmebane. Og da har de vel ikke en gang regnet med at smarttelefonen også er en datamaskin. Norske skoler er blant dem som har mest datautstyr og best nettverkstilgang i hele verden, men likevel blant de dårligste til å bruke det.[1] Måten læreprosesser designes på i skolen er med andre ord relativt lite endret for det store flertall av elever, selv om det meste av samfunnet ellers er blitt digitalisert.

Thoms Nordal, professor i pedagogikk har funnet ut at norske elever sitter 60 % av tiden alene og arbeider med arbeidsplan, og Kunnskapsdepartementet sier at ”forelesningen”, det vil si kateterundervisning er den dominerende formidlingsformen (Krokan 2012).

I en tradisjonell matematikktime vil læreren typisk gå gjennom et tema på tavla, så vil elevene øve seg på dette temaet etterpå gjennom å regne oppgaver. I sin gjennomgang må læreren velge hvilket nivå hun skal legge sin forklaring på, og vanligvis velges et nivå som kanskje ligger litt for høyt for de svakeste elevene og for lavt for de flinkeste elevene. Så får heller noen av de svakeste spesialundervisning for å kompensere for manglende læring i klassesituasjonen.

Ved å bruke big data kan en slik læresituasjon endres fullstendig, noe Knewton[2] er et eksempel på. Knewton utvikler systemer som tester elevenes kompetanse på det aktuelle området. På den måten kan de vite eksakt hva hver enkelt elev behersker godt, hva de er usikre på og hva de mangler forståelse for. Deretter henter systemet digitale læringsressurser fra en database der det finnes mange alternative forklaringer og fremstillinger for hvert enkelt kompetansemål. En forklaring på et matematisk prinsipp kan være en tekst, en annen kan være en video, en tredje en animasjon, en fjerde en simulering eller kanskje et spill osv.

Prinsippet i Knewton og det som kalles adaptiv læring er at systemet leter etter en virtuell tvilling, en som ligner mest mulig på den personen som skal ha en individuelt tilpasset læringssti. Systemet prøver å finne en person som hadde samme skåre i testene ved starten av læreprosessen som den nye eleven, og så spør den hva som fungerte best for de tidligere elevene som var i samme situasjon. Dernest hentes den aktuelle læringsressursen fra systemet og presenteres for eleven Etter at eleven har gått gjennom de aktuelle læringsressursene gjøres det en ny test og en ny vurdering, slik at elevene på hvert eneste testpunkt blir presentert for en unik læringssti.

Slike systemer for adaptiv læring bruker en recommender engine eller en anbefalelsesalgoritme for å plukke ut de aktuelle læringsobjektene. Noen av disse systemene er igjen basert på statistisk clusteranalyse, som finner ut hvilke enheter i analysen, i dette tilfellet elever, som er mest lik hverandre. Så brukes rett og slett erfaringene som tidligere elever har vært gjennom for å skreddersy en unik læringssti for hver enkelt elev.

Dette er nøyaktig samme prinsipp som Amazon, Netflix eller Spotify bruker når de skal gi deg anbefalinger om hvilke bøker, filmer eller musikk du kommer til å like. Og det virker som bare det.

Bruken av slike systemer i skolen vil ha dramatiske konsekvenser for både lærere og elever. For elevene vil konsekvensene være at hver eneste en av dem får et spesialtilpasset læringsopplegg som tar utgangspunkt i hva de kan fra før, hvordan de lærer best og andre faktorer en ønsker å inkludere i analysen, for eksempel om de lærer best alene eller i samspill med andre. Om dette siste er tilfellet kan slikt samspill initieres av systemet. Med et slikt system blir fenomenet ”spesialundervisning” borte, fordi alle får spesialundervisning og unike læreprosesser.

For lærerne vil det også ha konsekvenser, fordi de ikke lenger vil bruke mye av tiden sin på instruksjon / forelesning, personlig veiledning eller å ”rette” oppgaver som elevene har gjort.

Slike systemer påvirker med andre ord både måten tjenester ytes på, måten vi organiserer tjenesteytingen og måten vi leder disse prosessene på. Hva dette vil ha å si i det lange løp vet vi ikke så mye om ennå, for vi er helt i startgropen med å ta slike systemer i bruk.

Dette er et eksempel på at big data, her med elevers læreprosesser som eksempel, endrer måten vi utfører arbeidsoppgavene våre på. Big data gir rom for nye aktører fordi dette er disruptive tjenester (Christensen 1995) i forhold til de tradisjonelle tjenestene. Big data skaper også tapere, og det er dem som ikke skjønner rekkevidden av slike nye tjenester, som bruker mer tid på å motarbeide dem enn å skjønne hvordan de fungerer og hvilke konsekvenser bruken av dem har og som generelt er skeptiske til endring og til ny teknologi spesielt.

For dette er nok et eksempel på hvordan ny teknologi endrer samfunnet og dets organisasjoner.

[1] http://www.iea.nl/fileadmin/user_upload/Publications/Electronic_versions/ICILS_2013_International_Report.pdf Lest 26.11.2014.

[2] http://www.knewton.com/ Lest 27.11.2014.

6 kommentarer

Filed under refleksjon

Hva har LadyGaga og Google til felles?

 Her er et utdrag fra kommende bok om Forretningsmodeller og forretningsutvikling. Kommentarer og innspill mottas med takk. Dette er den innledende delen av kapittel om big data

Bruk av big data som forretningsmodell

Hva har Google og Lady Gaga til felles? La meg begynne med Lady Gaga, som allerede i 2008 var en av de første artistene som begynte å bruke Twitter og siden er blitt blant dem med aller flest følgere.

Twitter og Facebook er tjenester artistene har liten kontroll over i det lange løp, fordi disse tjenestetilbyderne kan endre vilkårene for bruk. Derfor har LadyGaga drevet trafikken til sin egen tide, til LittleMonsters.com,[1] for da kan de bruke stordataene denne trafikken etterlot seg til å skape nye produkter.

Analysestaben til LadyGaga kunne for eksempel bestemme hvilke sanger som skulle spilles på en konsert ut fra hva publikum i det bestemte geografiske området hadde på sine spillelister på Spotify. Hun har brukt bilder skapt av sine tilhengere som motiver på T-skjorter og på den måten drevet opp salget av tilleggsvarer med over 30 %.[2]

Gjennom å analysere oppslag på Wikipedia, Twittermeldinger og andre sosiale medier kan musikkbransjen gjennom tjenesten Next Big Sound[3] finne ut om det er noen sammenheng mellom den aktuelle musikkens salgstall og omtale i sosiale medier, data dette de kan utnytte til å lage prognoser for salg av ny musikk basert på omtale disse får i sosiale medier. Slik kan plateselskapene plukke ut fremtidens vinnere.

Next Big Sound er i 2014 også blitt til Next Big Book, hele konseptet er flyttet over til analyser av bøker og forfattere i samarbeid med forlaget Macmillian. De fant at det var ”absolute overlapping correlation between traffic to an author`s Wikipedia site to book sales.”[4] Så hvorfor gjør en disse analysene? Fordi forlag så vel som plateselskaper ønsker å skape produkter publikum vil like, og ved å sjekke hva de mener gjennom sosiale medier finner en også en indikator på hva de senere vil like. Som gründeren av tjenesten, Alexander S White sa, -”If we can accurately measure where peope are spending their time and attention, we can better forecast where they will spend their money.” Dermed kan de bruke disse dataene til å målrette annonsering gjennom digitale medier og på den måten konsentrere innsatsen om områder der de for eksempel har lite salg fra før.

Spotify har også teamet opp med Next Big Sound slik at artister selv kan se hvilke sanger som er mest populære, i hvilke geografiske områder de blir spilt mest, samt demografiske data for lytterne. Artistene får tilgang til en dashboard med slik informasjon fremstilt i grafer.

Big data generer nye tjenester

Google har lenge brukt data som brukerne legger igjen når de bruker ulike tjenester til å skape nye og bedre tjenester. En av disse finner du i Google maps. der du kan se hvilke veier det lønner seg å kjøre til enhver tid, avhengig av hvor mye trafikk det er på de enkelte veiene. Disse dataene henter Google fra de mange telefonene som befinner seg på veiene. Androidtelefonene, som det jo er flest av, er utstyrt med Googles eget operativsystem. Her finner du Google maps som er forhåndsinstallert til å dele trafikkdata. Dermed blir trafikkinformasjon crowdsourcet[5] og brukt til å gi oss alle bedre navigasjonstjenester.

Mens vanlige GPSer vil vise oss korteste eller raskeste vei, gir Google oss nøyaktige estimater for hvor lang tid reisen vil ta gitt nåværende eller fremtidig trafikkbelastning For tjenesten vil lagre data og vise hvor lang tid en bestem distanse tar på et hvilke som helst tidspunkt basert på analyser av historiske data.

Disse dataene kan også brukes til å rute bilene på måter som gjør at den totale trafikken spres over flere alternative veier på en optimal måte. Det vil si at det bygges en form for kunstig intelligens inn i tjenesten, en algoritme som optimaliserer trafikkflyt basert på data fra hver enkelt telefon. Men forskere tror at dette ligger litt frem i tid.[6]

Gjennom oppkjøp av israelske Waze i 2013 har Google fått en tjeneste som utnytter trafikkdataene på enda smartere måter gjennom hva de kaller en ”sosiale GPS”. Waze kan lastes ned gratis på alle plattformer og vil gi samme navigasjonsegenskaper med ”turn-by-turn”, talemeldinger etc. Gjennom Waze er det innført elementer av gamification ved at en kan samle poeng i appen, for eksempel ved å rapportere om ulykker på veiene eller ved å ”kjøre over” figurer som finnes på kartene. I Waze kan brukerne også snakke med hverandre gjennom appen, få vite hvorfor det er kø på en bestemt strekning eller få vite hva bensinprisene er på nærliggende bensinstasjoner. Slik kombineres big data samlet inn automatisk fra ”dingsenes” GPS-enhet med crowdsourcede data som brukerne selv sender inn til systemene.

Og kombinasjonen Google Adwords og Waze gjør at Google også lett kan tilby lokasjonsbaserte annonser, og for eksempel gjøre oss oppmerksomme på ulike kjøpstilbud av varer og tjenester vi har signalisert interesse for, for eksempel ved at vi har søkt etter disse på Google, når vi kjører.

Big data skaper nye forretningsmuligheter og forbedrer tradisjonelle forretningsprosesser ved at data fra eller om andre forbrukere også kan benyttes til å skreddersy bedre tjenester for oss. Men det er også en annen side av denne utviklingen

Storebror ser deg.

Mange tenker at dette er litt skummelt. At Google kan kartlegge hvor du reiser fra og hvor du reiser til, hvor lang tid det tar og de vet hvem du reiser sammen med dersom det finnes flere smarttelefoner i den samme bilen.

En slik kartlegging av våre reisevaner vil mange finne ubehagelig. Google har derfor en mekanisme for å anonymisere disse dataene, slik at systemet ikke vet nøyaktig identiteten til hver av dem som avgir data. De oppgir også at de anonymiserer reisene og ikke lagrer data fra begynnelsen og slutten av reisen. Om dette er betryggende eller ikke avhenger av hvilken tillit vi har til aktørene.

Sett i lys av koblingen mellom amerikanske sikkerhetsmyndigheter (NSA) og de store amerikanske sosiale medieselskapene som ble avslørt av Eward Snowden, er det helt klart rom for at slik informasjon også kan misbrukes. I følge en Kanadisk undersøkelse som omfattet 23000 personer over hele verden, hadde 60 % hørt om Snowden, men bare 39% av disse hadde tatt praktiske forhåndsregler for å beskytte sine data på nett.[7]

Overvåkings og sitterhetsaspektene ved big data bringer selvsagt mer omfattende problemstillinger til torgs enn folks bekymring for hva dataene kan brukes til, men praksis viser altså at folk flest ikke er særlig bekymret for dette og at de fleste ser ut til å mene at de positive virkningene av å få slike data som blant annet Google tilbyr gjennom navigasjonstjenestene er mer positive enn de mulige truslene slike data kan utgjøre.

[1] https://littlemonsters.com/ Lest 25.11.2014.

[2] Historien i innledningen og dette eksempelet er hentet fra denne artikkelen http://smartdatacollective.com/bernardmarr/283251/what-uber-and-lady-gaga-can-teach-you-about-analytics Lest 25.11.2014.

[3] https://www.nextbigsound.com/ Sjekket 25.11.2014.

[4] Se omtale i denne artikkelen i New York Times http://www.nytimes.com/2014/05/26/business/media/music-data-analyst-turns-sights-to-books.html?_r=0 Lest 25.11.2014.

Sitat hentet fra denne artikkelen på NYT http://www.nytimes.com/2014/05/26/business/media/music-data-analyst-turns-sights-to-books.html?_r=0 Lest 25.11.2015.

[5] Du kan lese om hvordan dette foregår i denne artikkelen: http://www.theconnectivist.com/2013/07/how-google-tracks-traffic/ Lest 25.11.2014.

[6] http://www.theconnectivist.com/2013/07/how-google-tracks-traffic/

[7] http://www.theguardian.com/technology/2014/nov/25/edward-snowden-privacy-open-thread Lest 25.11.2014.

1 kommentar

Filed under refleksjon