AEG Sports som bland annat är delägare i Hammarby Fotboll och Djurgården IF Ishockey ligger i framkant med att implementera ny teknik. Bland annat har man använt dataanalys för komma närmare sina fans och fatta bättre och mer välgrundade affärsbeslut. Med hjälp av den AI-driven analys har AEG Sports hållit relationen och engagemanget högt även under pandemin.
Publika arrangemang har haft det tufft den senaste tiden när restriktioner förändrat spelplanen. Med stängda arenor är inte minst idrottsarrangörer och klubbar tvungna att hitta nya vägar för att interagera med sina fans.
AEG Sports är en av världens största arrangörer av sport- och nöjesevenemang och äger flera idrottslag och idrottsarenor. Klubbar som ingår i AEG är LA Kings, LA Galaxy, Ontario Reign och svenska klubbarna Hammarby Fotboll och Djurgården IF Ishockey. Med hjälp av SAS dataanalysplattform SAS Viya på Azure-plattformen skapade AEG Sports modeller för att bättre förstå fansen och hur de kan möta kundernas behov och engagemang utifrån de begränsningar som pandemin gett. Genom löpande analyser har AEG Sports bland annat anpassat marknadsföring och kommunikation med fans och andra intressenter.
– På grund av utmaningarna med pandemin har de som varit framåtlutade och agerat kunnat få en mycket snabb digital utveckling kring sporten. Nu finns en insikt om betydelsen av data och analys, både för att kunna navigera och skapa värden under utmanande tider, men också tekniker och system som kan optimera upplevelser och affärer under det "nya normala", säger Christer Bodell, senior rådgivare inom dataanalys för industri och sport vid SAS Institute.
Med hjälp av analyserna har AEG Sports lyckats komma närmare fansen, och på så sätt också ökat gjort mer effektiva marknadsföringsinsatser. Ett tecken på att det finns många vinster för sportvärlden att börja arbeta med avancerad dataanalys idag. Inom en snar framtid, när 5G har slagit igenom kommer publikupplevelsen vara en annan än idag.
– Interaktionen mellan spelare, lag och publiken kommer vara betydligt närmare än idag och matcher och tävlingar kan följas från första parkett oavsett var du befinner dig - på plats eller på distans. För att få utväxling av alla dessa nya kontaktytor kommer det att krävas en annan nivå av dataanalys, både för att kunna ge upplevelsen och för att kunna göra affärer på potentialen. De klubbar och arrangörer, som AEG, som då redan har en infrastruktur ett kunnande för att utnyttja och skala upp denna kapacitet kommer att bli vinnarna, säger Christer Bodell.
Enligt Jennifer Chase, Marketing Senior Vice President på SAS Institute, är det spännande att se hur AEG Sports använt analyser för förstärka relationerna till supportrarna.
– Idrottsklubben har en unik relation med sina kunder och AEG Sports engagemang för sina fans har varit tydlig under hela pandemin. Att kunna möta kunderna på så sätt kan leda till starkare band med supportrarna, särskilt när de inser att deras lag förstår deras behov - både i bra och dåliga tider.
AEG Sports använder inbäddade funktionerna i analysplattformen för beredskapsplanering. Möjligheten att snabbt ta in och modellera data från flera olika källor - inklusive biljettförsäljning, partnerskap, marknadsföring, väderrapporter och hälsodata - hjälper AEG Sports att hantera och möta osäkerhet under pandemin.
– SAS Viya hjälper oss att analysera olika scenarier och välja rätt alternativ. Istället för att frysas fast av oändliga scenarier kan vi nu justera parametrar när de väl kommer och snabbt avgöra den bästa vägen framåt för våra lag, säger Mike Marsocci, Senior Manager för Data och Analytics på AEG Sports.
När publiken återvänder till arenorna kommer AEG Sports att behöva ett flexibelt sätt att prissätta biljetter, då förutsättningar kan ändras snabbt, bland annat efterfrågan på biljetterna, kapaciteten på arenorna och restriktioner som begränsar antalet platser. Med hjälp av maskininlärning kan AEG Sports fastställa de ideala biljettpriserna.
– De förbättrade maskininlärningsmodellerna som SAS Viya erbjuder är extremt användbara för att hjälpa oss att analysera miljontals uppgifter och för att hitta de optimala prisnivåerna, förklarar Mike Marsocci.