Hairlust

Vi startede med data. Hairlusts historiske performance på Meta, deres tidligere content og deres bedst sælgende produkter blev gennemgået, så vi præcis vidste, hvad vi byggede ovenpå. Først derefter blev vores content-framework lagt ned over forretningen.

Tilgangen byggede på tre principper:

• Test bredt, skalér det der virker: Vi producerede en stor pipeline af content fra start, så vi havde nok variationer til at lære hvad der ramte på tværs af produkter, lande og formater.
• Lokal relevans i et globalt setup: Materialet blev bygget, så det kunne tilpasses 10 markeder uden at kollapse i ét generisk udtryk.
• Datadrevet iteration: Efter første annoncebudget evaluerede vi performance, og hver efterfølgende content-batch blev formet af det, vi havde lært.

Den første leverance blev på 180 filer. I løbet af de første 12 måneder fulgte yderligere to content-batches til SoMe, så det samlede tal landede på 540 filer. Sideløbende producerede vi to TV-spots, der løftede brandet ud over den rene paid social-flade.

Hairlust fik et content-setup, der kunne følge med deres internationale skaleringstempo. I stedet for at jagte enkeltvideoer, har de nu en pipeline, der løbende leverer materiale til 10 markeder, plus en testkultur, hvor beslutninger træffes på data og ikke på fornemmelser.

På 12 måneders samarbejde landede vi på:

• 3 dedikerede content-batches til paid social med i alt 540 filer.
• 2 TV-spots, der løftede brandet til en bredere audience.
• Et fælles læringslag på tværs af 10 markeder, hvor Hairlust nu ved, hvilke greb der virker hvor.

Derfor virkede det:

1. Et datafundament som startpunkt, ikke bagudkig.
2. En content-pipeline bygget til volumen, ikke til one-offs.
3. Lokal relevans indbygget i et globalt setup.
4. Løbende iteration, hvor hver batch bliver klogere end den forrige.

Hairlust er et bevis på, at international skalering på paid social ikke handler om at producere mere af det samme. Det handler om at producere det rigtige, i tilstrækkelig volumen, til de rigtige mennesker.