Utnytte verdien av data fra Fordelsprogrammet (levert til Boligbyggelagene) til innsikt og verdi for medlemmer, butikker og kjeder. Prosjektet utforsker hvordan vi kan skape verdi fra “den hellige treenighet”: Hvem (medlemmer), Hvor (butikk/kjede) og Hva/Når (transaksjoner og kampanjer).
Bakgrunn
Fordelsprogrammet er en helhetlig løsning for lojalitetsprogram for bedrifter. Det samles store mengder data som i dag ikke utnyttes fullt.
Datakilder
Kilde
Beskrivelse
Hårfagre
Medlemsdata, transaksjoner
Oculos / Agilic
Kampanjer, e-poststatistikk
Tilgjengelige Datapunkter
Medlemmer
Felt
Beskrivelse
Anonymisert navn og adresse
Kun for statistikk
Medlemskortnummer
Unik ID
Utbetalt bonus
Kroner brukt
Transaksjoner
Antall og beløp
Type kort
Debet/kreditt
Alder
Aldersgruppe
Ansiennitet
Medlem siden
Postnummer
Geografisk
Kjønn
Demografisk
Butikker
Felt
Beskrivelse
By og postkode
Geografisk
Store-id
Unik ID
Kjedetilknytning
Hvilken kjede
Transaksjoner
Felt
Beskrivelse
Butikk
Hvor kjøpet ble gjort
Beløp
Kjøpesum
Dato
Når kjøpet ble gjort
Bonus
Opptjent provisjon
Kampanjer
Felt
Beskrivelse
E-poststatistikk
Åpninger, klikk
Kampanjetyper
Reaktiveringsløp, velkomstløp
Muligheter
For Medlemmer
Mulighet
Beskrivelse
Personlig Relevans-score
Ranger butikker basert på transaksjonshistorikk
”Neste Beste Handling”
Automatiske “Vi savner deg”-bonuser basert på kjøpemønster
Målrettet Bonus-boost
Extra bonus i butikker medlemmet ikke bruker
For Butikker/Kjeder
Mulighet
Beskrivelse
Partner-innsikt (B2B)
Selg innsikt: “Dine kunder handler også hos X”
Churn-varsling
Gi butikk beskjed når faste kunder forsvinner
Bonus-simulering
Simuler effekt av bonusendringer
Analysemetoder
Metode
Beskrivelse
RFM-analyse
Recency, Frequency, Monetary — segmenter medlemmer
Geografisk lekkasje
Hvor langt reiser medlemmer? Hvite flekker?
Kampanje-attribusjon
Kobling klikk → kjøp
Roadmap (Faser)
Fase
Aktivitet
Leveranse
1: Datavask
Koble MemberID på tvers av transaksjoner og kampanjer
Single Customer View
2: Baseline
Analyse: Hvem er de mest verdifulle?
Segment-rapport
3: Pilotering
Test relevans vs. generell utsendelse
A/B-test resultat
4: Skalering
Automatisere dashboards og triggers
Lojalitets-økosystem
Team
Rolle
Person
Ansvar
Ansvarlig
Jon
Faglig retning
Data
Ludwig
Datavask og analyse
-
Yngve
Integrasjoner (vurderes)
Neste steg
Ludwig: Liste over antall datapunkter
Starte med datavask (Fase 1)
Definere første segmenter
Referanser
260209 Medlemsdata potensiale — Møte 9. februar 2026