Fremtidens budgivning: CLV i realtid med AI modellering

Pandora har skabt en løsning, der sætter en ny standard for, hvad man kan opnå med datadrevet budgivning i Paid Search. Ved at kombinere vores egen avancerede AI-model med Googles Crystal Value framework og skræddersyede Floodlight-integrationer, har vi gjort noget ekstraordinært: Vi byder i realtid – ikke kun baseret på online og offline omsætning, men på et intelligent estimat af hver kundes fremtidige livstidsværdi (CLV) allerede ved første køb.

Det er netop denne holistiske og fremadskuende tilgang, der gør kampagnen til en oplagt vinderkandidat. Vi har ikke valgt en hyldevare. Tværtimod går casen længere end de standardløsninger, Google stiller til rådighed, som f.eks. New Customer Acquisition i Performance Max. Vi har udfordret status quo og skabt en mere raffineret, mere effektiv metode til at optimere search.

Udfordringen er enkel, men afgørende: CLV er traditionelt først kendt længe efter, at kunden har foretaget sit første køb. Det skaber en forsinkelse, som gør det vanskeligt at bruge CLV aktivt i realtidsbudgivning. Pandoras løsning adresserer netop dette ved at forudsige livstidsværdien allerede ved første transaktion – og dét er i sig selv en gamechanger.

Denne innovation er ikke blot en teknisk bedrift – det er et konkret eksempel på, hvordan dyb forbrugerindsigt, forretningsmæssigt klarsyn og avanceret teknologi kan gå op i en højere enhed. Det er marketing med substans: intelligent, værdiskabende og målrettet mod hele kunderejsen. Og netop derfor er denne kampagne også en vinder.

Pandora har i mange år haft en always-on tilgang til Paid Search, hvor man klassisk optimerede mod Return on Ad Spend (ROAS) ud fra både onlineomsætning og butikssalg. Men deres egne Marketing Mix-modeller afslørede en vigtig tendens: Det var i høj grad de nye kunder, der drev den inkrementelle vækst. De eksisterende vendte typisk tilbage af sig selv uden behov for betalt annoncering.

Det stod derfor klart, at Paid Search i langt højere grad skulle bruges til at tiltrække nye kunder. Men hvordan gør man det klogt, når ikke alle nye kunder er lige meget værd? Googles standardværktøjer til New Customer Acquisition tager nemlig ikke højde for, at nogle kunder er langt mere værdifulde end andre. En kunde med høj CLV er ganske enkelt mere værd end en engangskøber – og dét krævede en mere nuanceret tilgang.

Samtidig ønskede Pandora, at search-indsatsen skulle understøtte en bæredygtig vækststrategi – ikke bare i volumen, men i kvalitet. Det krævede, at man tænkte performance marketing på en ny måde: Ikke kun i klik og konverteringer, men i reel, langsigtet forretningsværdi.

En central indsigt i casen er, at ikke alle nye kunder er lige meget værd. Der er markant forskel på livstidsværdien blandt nye Pandora-kunder, og derfor gav det ikke mening at arbejde med én flad gennemsnitsværdi. Gennem analyse af over 20 millioner brugere og mere end 90 millioner transaktioner på tværs af markeder, identificerede vi en række variable, der viste sig at være stærke indikatorer for CLV. Det gjaldt blandt andet:

• Produktkategori (fx charms, ringe, armbånd)
• Materialevalg (guld, sølv)
• Kollektion (Disney, Moments, Signature)
• Produktpris og størrelsen af første køb
• Demografiske oplysninger såsom alder og køn

Et enkelt eksempel illustrerer tydeligt forskellen: En kvinde, der køber et charms-armbånd til sin datter, har ofte en høj CLV – hun vender tilbage ved højtider og køber flere charms. En mand, der derimod køber en enkelt ring som gave, har typisk lavere værdi. Modellen lærer netop at skelne mellem disse kundetyper og at byde derefter.
Denne indsigt var afgørende for at udvikle en løsning, der ikke blot optimerer efter "nye kunder" som én samlet gruppe, men som kan differentiere internt mellem høj- og lavværdi-kunder allerede i købsøjeblikket.

Den nye budgivningmodel blev aktiveret som en del af Pandoras always-on Paid Search strategi. Vi testede modellen i adskillige markeder fra november 2024 til maj 2025. Doseringen fulgte det fastlagte budget for Paid Search i perioden.

Med datagrundlaget på plads, blev næste skridt at udvikle en prædiktiv model, der kunne forudsige CLV ved første transaktion. Den første modelversion resulterede i en feature importance-rapport, som rangordnede, hvilke variable der havde størst betydning for høj livstidsværdi. Det gav mulighed for at kombinere produktdata med demografi – altså både hvad der blev købt, og hvem der købte det.

Før modellen kunne bruges aktivt i budgivningen, blev den grundigt valideret. Pandora testede den på over 100.000 historiske førstegangskøb, hvor den faktiske CLV var kendt to år senere. Resultatet? En imponerende nøjagtighed med kun 2,6 % gennemsnitlig afvigelse. Det gjorde det muligt at bruge modellen direkte i Google Ads via SA360 og Floodlight-tags.

Med valideringen på plads blev modellen integreret via Googles Crystal Value framework. Pandora opsatte en skræddersyet Floodlight-konfiguration, som overførte det estimerede CLV i realtid, og gjorde det muligt for budgivningen at tage højde for, hvor meget en ny kunde potentielt var værd. En ny bidding column blev defineret, som trådte i kraft udelukkende for nye kunder, og som medregnede både online- og offlineomsætning samt CLV-estimatet.

Det betød, at der automatisk blev skruet op for buddene, når en kunde med høj forventet værdi blev identificeret – og tilsvarende ned, når værdien var lav. Resultatet var en langt mere effektiv udnyttelse af mediebudgettet og en styrket kundeportefølje over tid.

At udvikle en avanceret model er én ting. At bevise, at den skaber reel effekt, er noget helt andet. Vi mener, at vi har formået begge dele. Efter lanceringen af den nye CLV-baserede budgivningsstrategi har resultaterne i testmarkederne vist markante, positive forandringer.

I USA – et af Pandoras største og mest konkurrenceprægede markeder – har implementeringen ført til et opløft i den samlede revenue på 3,6%. Dette resultat er særligt bemærkelsesværdigt, fordi det er opnået gennem optimering af eksisterende mediespend, snarere end øgede budgetter. Den intelligente segmentering og prioritering af nye kunder med høj livstidsværdi har gjort det muligt at skabe mere værdi for samme investering.

I Tyskland har kampagnen vist sin styrke på et andet centralt parameter: kundeanskaffelse. Her er antallet af nye kunder steget med 1,32%, hvilket vidner om modellens evne til at tiltrække netop de kunder, der har størst langsigtet potentiale. Den relativt beskedne stigning dækker over en kvalitativ forbedring af kundeporteføljen, hvor andelen af høj-CLV-kunder er steget, hvilket vil få stigende betydning over tid.

Det mest lovende er dog, at værdien af casen ikke stopper her. Da modellen arbejder med estimeret livstidsværdi, indsamles der løbende data, som gør det muligt at måle på kundernes faktiske udvikling over måneder og år. Pandora ser allerede nu en tæt sammenhæng mellem estimeret og faktisk CLV – og med tiden vil præcisionen kun blive bedre.

Derfor er dette ikke blot en effektiv kampagne – men et varigt strategisk greb, der vil definere, hvordan Pandora arbejder med Paid Search fremover.
Casen demonstrerer, hvordan avanceret teknologi, dyb indsigt og forretningsmæssig skarphed kan smelte sammen og skabe både kortsigtet effekt og langsigtet værdi. Det er den slags løsninger, der fortjener en Rambuk.

For i sidste ende handler det ikke om at skaffe flest mulige kunder – men de rigtige. Og det kan Pandora nu gøre med præcision og skalerbarhed.