etailment WIEN 2015 - Andrea Hassel & Josef Pretzl (Thalia) “Von den Besten lernen”
"Big Data Meets Marketing Automation" – Webtrekks Senior Consultant Conrad Morbitzer auf der...
-
Upload
webtrekk-gmbh -
Category
Technology
-
view
266 -
download
0
Transcript of "Big Data Meets Marketing Automation" – Webtrekks Senior Consultant Conrad Morbitzer auf der...
Big Data meets Marketing Automation
Conrad MorbitzerInternational Consultant
Berlin, Deutschland
+49 (0)30 755 [email protected]
Amsterdam | Beijing | Berlin | Frankfurt | Madrid | Milanwebtrekk.com
Was ist Big Data?
Big data is data that exceeds the processing capacity of conventional database systems. The data is too big, moves too fast, or doesn’t fit the strictures of your database architectures. To gain value from this data, you must choose an alternative way to process it. - Edd [email protected]
Im Zeitalter von Big Data
1986 1993 2000 20070%
20%
40%
60%
80%
100%
Analog Digital
1986 1993 2000 20070
50
100
150
200
250
300
350 Global Installed, optimally compressed storage
Exa
byte
s
Source: Hilbert and Lopez, “The world’s technological capacity to store, communicate and capture information”, Science 2011
Manufacturing
Government
Communications and Media
Banking
Health Care
Investment Services
Professional Services
Retail
Education
Insurance
Stored data in the USA, 2012, in Petabytes
Source: IDC, US Bureau of Labor Statistics, McKinsey Global Institute Analysis
2018 supply 2018 projected demand
0
50
100
150
200
250
300
350
400
450
500
Supply and demand of deep analytical talent by 2018
In thou-sand
people
Talent Gap
Source: US Bureau of Labor Statistics, McKinsey Global Institute Analysis, US Census, Dun & Bradstreet, company interviews
Daten Auswertung
➽ Herausforderung: großen Nutzen aus Daten ziehen
gering großKomplexität / Aufwand
gerin
ggr
oßM
ehrw
ert
Daten
Information
Insight
Handlung
Marketing Automatisierung
Problemstellung
• Mangel an Daten
• Fehlende Integration
• Auswertung
• Handlungen ableiten & ausführen
• Kein nutzerzentrierter Ansatz
➽ Nutzer Zentrierte Daten ermöglichen Personalisierung & Automatisierung
Das User Relationship Management System (URM) enthält Daten für jeden Besucher der Webseite.
URM kurz erklärt
10 % bekannte BesucherDaten liegen im CRM vor
90 % unbekannte BesucherURM
Für alle User werden automatisiert wichtige Daten erhoben.
URM im Überblick
In welchen Frequenz kommt er auf die Webseite?
Wie viele Seiten hat er bisher aufgerufen?
Welchen Gesamtbestellwert hat er generiert?
In welchen Frequenz kauft der Besucher?
Welchen durchschnittlichen Bestellwert hat er generiert?
Wie viel Prozent der Bestellungen waren rabattiert?
Vor wie vielen Tagen war die letzte Bestellung?
Wann war der Erstbesuch?
Behavior
Weitere Informationen können auf der Webseite erfasst werden, um die Aussagekraft zu erhöhen:
URM im Überblick
In welchen Frequenz kommt er auf die Webseite?
Wie viele Seiten hat er bisher aufgerufen?
Welchen Gesamtbestellwert hat er generiert?
In welchen Frequenz kauft der Besucher?
Welchen durchschnittlichen Bestellwert hat er generiert?
Wie viel Prozent der Bestellungen waren rabattiert?
Vor wie vielen Tagen war die letzte Bestellung?
Wann war der Erstbesuch?
Ist es ein Mann oder eine Frau?
Wie alt ist die Person?
Wo wohnt er (Land/Stadt/Straße/Postleitzahl)?
Hat der Besucher sich zum Newsletter registriert?
Onpage
Behavior
Individuelle Merkmale aus Ihrem CRM-System verfeinern das Bild weiter:
URM im Überblick
In welchen Frequenz kommt er auf die Webseite?
Wie viele Seiten hat er bisher aufgerufen?
Welchen Gesamtbestellwert hat er generiert?
In welchen Frequenz kauft der Besucher?
Welchen durchschnittlichen Bestellwert hat er generiert?
Wie viel Prozent der Bestellungen waren rabattiert?
Vor wie vielen Tagen war die letzte Bestellung?
Wann war der Erstbesuch?
Ist es ein Mann oder eine Frau?
Wie alt ist die Person?
Wo wohnt er (Land/Stadt/Straße/Postleitzahl)?
Hat der Besucher sich zum Newsletter registriert?
Wie viele Offline-Bestellungen hat er generiert?
Welche Bonität hat er?
Wie häufig hat er Bestellungen retourniert?
Wie oft ruft er bei der Servicehotline an?
Onpage CRM
Behavior
Auch Vorhersagen werden berechnet:
URM im Überblick
In welchen Frequenz kommt er auf die Webseite?
Wie viele Seiten hat er bisher aufgerufen?
Welchen Gesamtbestellwert hat er generiert?
In welchen Frequenz kauft der Besucher?
Welchen durchschnittlichen Bestellwert hat er generiert?
Wie viel Prozent der Bestellungen waren rabattiert?
Vor wie vielen Tagen war die letzte Bestellung?
Wann war der Erstbesuch?
Wie hoch die Wahrscheinlichkeit ist, dass er nicht mehr die Webseite besuchen wird?
Wie hoch die Wahrscheinlichkeit ist, dass er kaufen wird?
Ist es ein Mann oder eine Frau?
Wie alt ist die Person?
Wo wohnt er (Land/Stadt/Straße/Postleitzahl)?
Hat der Besucher sich zum Newsletter registriert?
Wie viele Offline-Bestellungen hat er generiert?
Welche Bonität hat er?
Wie häufig hat er Bestellungen retourniert?
Wie oft ruft er bei der Servicehotline an?
Onpage
Predictions
CRM
Behavior
Basierend auf diesen umfassenden Informationen lassen sich die zentralen Fragen beantworten.
URM im Überblick
Wie wertvoll ist der Besucher für mich?
Mit welcher Marketingmaßnahme kann ich Ihn zum Besuch der Webseite bzw. Kauf animieren?
Über welches Potential verfügt er?
In welchen Frequenz kommt er auf die Webseite?
Wie viele Seiten hat er bisher aufgerufen?
Welchen Gesamtbestellwert hat er generiert?
In welchen Frequenz kauft der Besucher?
Welchen durchschnittlichen Bestellwert hat er generiert?
Wie viel Prozent der Bestellungen waren rabattiert?
Vor wie vielen Tagen war die letzte Bestellung?
Wann war der Erstbesuch?
Wie hoch die Wahrscheinlichkeit ist, dass er nicht mehr die Webseite besuchen wird?
Wie hoch die Wahrscheinlichkeit ist, dass er kaufen wird?
Ist es ein Mann oder eine Frau?
Wie alt ist die Person?
Wo wohnt er (Land/Stadt/Straße/Postleitzahl)?
Hat der Besucher sich zum Newsletter registriert?
Wie viele Offline-Bestellungen hat er generiert?
Welche Bonität hat er?
Wie häufig hat er Bestellungen retourniert?
Wie oft ruft er bei der Servicehotline an?
RFM und RFM Modell sind ein bewährtes Scoring-System, dass sich zur Definition eines Besucherwertes heranziehen lässt.
RFM Bewertet das Kaufverhalten Bewertet das NutzungsverhaltenRFE
RecencyWie viele Tage sind seit der letzten Bestellung vergangen?
FrequencyWie viele Bestellungen gab es insgesamt?
MonetaryWelcher Gesamtumsatz wurde generiert?
RecencyWie viele Tage sind seit dem letzten Besuch vergangen?
FrequencyWie viele Visits gab es insgesamt?
EngagementWie viele Page Impressions wurden insgesamt generiert?
RFM und RFE-Modell
Derselbe Besucher kann sowohl einer RFM als auch einer RFE Gruppe angehören.
Das RFM-Modell betrachtet nur die Käufer, das RFE-Modell alle Besucher.
RFM
RFE
Beispiel für die Interaktion eines Nutzers in einem Online Shop
RFM
RFEOnline-Shop
RFM und RFE-Modell
Basierend auf dieser Zuordnung ergibt sich für jeden Nutzer eine dreistellige Zahl.
RFM Bewertet das Kaufverhalten Bewertet das NutzungsverhaltenRFE
R =1
F =1
M =3
Recency = Letzte Bestellung liegt länger zurück.
Frequency = Hat bisher 1 x bestellt
Monetary = Generierte einen hohen Umsatz.
R =3
F =3
E =3
Recency = Letzter Besuch vor wenigen Stunden.
Frequency = kommt täglich wieder
Engagement = Ist auf der Webseite sehr aktiv.
schlecht
schlecht
gut
gut
gut
gut
Beispiel für Ausweisung eines Nutzers
RFM und RFE-Modell
Vielen Dank! – Fragen?
Conrad MorbitzerInternational Consultant
Berlin, Deutschland
+49 (0)30 755 [email protected]
Amsterdam | Beijing | Berlin | Frankfurt | Madrid | Milanwebtrekk.com