Forretning
Personalisering er en driftsoppgave, ikke en kampanje
Personalisering må levere et riktig og individuelt resultat hver gang kunden dukker opp, ikke én gang per utsending. Det krever ferske data, en reserveløsning, en navngitt eier og ett måltall.
Personalisering er en driftsoppgave fordi den må levere et riktig og individuelt resultat hver gang kunden dukker opp, ikke én gang per utsending. Den trenger ferske data, en reserveløsning for når dataene mangler, en navngitt eier og ett måltall. Mangler ett av de fire, er personaliseringen en kampanje med flere varianter.
Skillet er verdt å holde på fordi de to tingene feiler helt ulikt, og fordi det er den vanligste måten et digitaliseringsprosjekt blir kalt et automatiseringsprosjekt.
Hva skiller en kampanje fra en driftsoppgave?
En kampanje kjører i et avgrenset tidsrom mot en liste. En driftsoppgave kjører hver gang en hendelse inntreffer, i årevis, uten at noen bestemmer at den skal kjøre den dagen.
| Kampanje | Driftsoppgave | |
|---|---|---|
| Når den kjører | I et avgrenset tidsrom, bestemt av et menneske | Hver gang kunden dukker opp |
| Hva som feiler | Én utsending blir dårlig | Hver eneste kunde får feil resultat til noen oppdager det |
| Hvem som eier den | Prosjektet, til det er over | Noen navngitt, for alltid |
| Hvordan den måles | Åpningsrate og klikk, én gang | Andel forespørsler som fikk riktig individuelt svar |
| Når dataene mangler | Utsendingen utsettes | Systemet må ha et svar klart på under et sekund |
Den siste raden avgjør om personaliseringen holder. En kampanje kan vente på data. En driftsoppgave kan ikke.
Hva koster det å levere personalisering hver kveld?
Det koster en reserveløsning for hvert felt du personaliserer på, og en eier som svarer når reserveløsningen slår inn. Apps AS har bygget dette selv, og det tydeligste eksempelet i vårt eget arkiv er Goodnight AI.
Goodnight AI genererte et nytt kapittel i en godnatthistorie hver kveld, tilpasset det enkelte barnet. Foreldrene valgte hovedperson, tema og visuell stil, og kunne endre historien underveis. Teksten ble skrevet av ChatGPT, illustrasjonene av Stable Diffusion, og alt kjørte på AppCloud, vår egen low-code-plattform.
Personaliseringen der var ingen kampanje med varianter. Den var en leveranse med frist hver eneste kveld, for hvert eneste barn. Et barn som ikke fikk kapittelet sitt klokka sju, fikk ikke en dårligere versjon. Barnet fikk ingenting, og la seg uten historien.
Goodnight AI er ikke lenger i drift. Hvorfor produktet ble lagt ned, står ikke på case-siden, og er ikke gjettet på her.
Hva skjer når dataene mangler?
Det er her personalisering som driftsoppgave faktisk prøves, og det er delen de fleste hopper over i planleggingen.
Skriv ned tre ting for hvert felt du personaliserer på:
- Hva systemet sier når feltet er tomt. Ikke en tom streng, og ikke fornavnet til noen andre. En formulering som er riktig uten opplysningen.
- Hvor gammelt et datapunkt får være før det regnes som tomt. En adresse fra i fjor er ikke ferske data. Uten en grense bruker systemet den likevel.
- Hvem som får beskjed når reserveløsningen slår inn oftere enn en terskel du har satt. Uten det punktet oppdager dere aldri at personaliseringen har sluttet å virke, fordi den fortsetter å levere noe.
Det tredje punktet skiller drift fra flaks.
Et personaliseringssystem som faller tilbake på standardteksten for nitti prosent av kundene, ser helt friskt ut i all driftsovervåking.
Hvem eier personaliseringen etter lansering?
Personalisering trenger en navngitt eier fordi reglene råtner raskere enn koden. Et segment slutter å finnes, en kategori bytter navn, en integrasjon leverer tomme felter etter en oppgradering hos leverandøren. Ingen av delene gir en feilmelding.
Eierskapet hører hjemme hos den som eier prosessen, ikke hos den som bygget systemet. I Munin, vår egen kundeplattform, er det uttrykt som en innstilling: du bestemmer hvilke arbeidsflyter som går uten tilsyn, hvilke som eskaleres, og hvilke som venter på godkjenning. Den innstillingen er ingen teknisk detalj. Den er navnet på hvem som har ansvaret når personaliseringen tar feil.
Hva du måler
Mål andelen forespørsler som fikk et riktig individuelt svar, og andelen som falt tilbake på standarden. To tall, samme nevner.
Åpningsrate og klikk måler kampanjen. De sier ingenting om hvorvidt personaliseringen virket for kunde nummer fjorten tusen i går kveld. Hvilke oppgaver som i det hele tatt tåler å bli overtatt av et system, er tema i Hvor KI-agenter faktisk gjør nytte, og kontrollflaten rundt slike systemer er gjennomgått med tall i Hvordan kan agentisk KI forbedre virksomheten min?.
Skriv reserveløsningen før du skriver regelen
Har dere personalisering på vei ut i produksjon? Skriv ned hva systemet sier når datafeltet er tomt, for hvert felt dere personaliserer på, og send listen til hello@apps.no. Vi svarer med hvilke av feltene vi ville tatt ut av personaliseringen helt.
Om denne artikkelen. Skrevet av Kjell Rune Monsø, partner i Apps. Ankerartikkel for pilaren Fra digitalisering til automatisering. Opplysningene om Goodnight AI, AppCloud og Munin er hentet fra Apps AS' egne case-sider, lest 22. september 2026. Årsaken til at Goodnight AI og AppCloud ble lagt ned er ikke dokumentert på case-sidene, og er ikke gjettet på her. Artikkelen bruker ingen kundetall.
FAQ
- Hvor mange felter bør vi personalisere på til å begynne med?
- Ett, og helst det som endrer hva kunden faktisk gjør. Hvert felt du legger til er en ny reserveløsning, en ny datakilde som kan bli gammel og en ny måte å ta feil på. De fleste som personaliserer på seks felter, kunne fjernet fem uten at noen merket det, og ville da hatt et system som faktisk lot seg drifte.
- Kan vi personalisere uten å samle mer persondata?
- Ja, og det er ofte den bedre veien. Atferd i deres egen tjeneste, hva kunden nettopp så på, hvor i et løp vedkommende er, og hva som skjedde forrige gang, er data dere allerede har og som er ferske per definisjon. Kjøpte segmentdata er det motsatte: eldre, upresise og dyrere å forsvare.
- Hvor ofte skal reglene gjennomgås?
- Fast, ikke ved behov, fordi reglene ikke gir beskjed når de slutter å stemme. Halvårlig gjennomgang mot faktiske tall holder for de fleste: hvor ofte hver regel traff, hvor ofte reserveløsningen slår inn, og om segmentene fortsatt finnes. Regler som ikke har truffet noen på et halvår, slettes.
- Hva gjør vi hvis personaliseringen gjør opplevelsen dårligere?
- Slå den av for det feltet og behold målingen. En standardtekst alle får er bedre enn en individuell tekst som er feil, fordi feil personalisering signaliserer at dere trodde dere visste noe om kunden og tok feil. Det er en dyrere feil enn å ikke ha personalisert i det hele tatt.
- Trenger vi en agent for å drive personalisering?
- Nei. Det meste av nyttig personalisering er regler og ferske data, og regler er billigere å drifte og lettere å forklare enn en modell. En agent er verdt det når innholdet faktisk må genereres per kunde og ikke bare velges blant varianter dere har skrevet på forhånd.
