Marketing Natives Event #3 Big Data - Armin Ledergerber

Linda Miesler, Dr. oec. [email protected] | @LMiesler

Der Marketer als KonsumentenversteherBig Data aus Unternehmens- und KundenperspektiveMarketing Natives Event #3: BIG DATA

Armin Ledergerber, MSc [email protected] | @armled

24. September 2014 Folie 3Der Marketer als Konsumentenversteher

Die schöne neue Big-Data-Welt: Heute geliefert, morgen bestellt.

Jimmy Kimmel Live (2014). Amazon's Crazy New Technology. Zugriff am 08.09.2014 unter http://ldgr.ch/1q8R76k

Datenteilbereitschaft

3

Big Data und Data Mining


Agenda: Die drei Teile der Präsentation.

Konsument Unternehmen

1

Big Data im Marketing2


Der vernetzte und gläserne Konsument ist Realität. Wir generieren eine Vielzahl an Daten, oft ohne es uns bewusst zu sein.

In Anlehnung an Salkowitz, R. (2014). From Big Data to Smart Data. Zugriff am 04.09.2014 unter http://www.mediaplant.net/report/details/bigdataIn Anlehnung an Essig, E. (2014). Interview with Moshe Rappoport. Marketing Review St. Gallen (1/2014), p. 8-11

Privatsphäre und Selbstbestimmung

Kontakt- und Transaktion-

Historie

Kredit- und Identitäts-

Informationen

Mediennutzungs-verhalten

Verhalten in sozialen Medien

Nutzungs- und Bewegungsdaten

von Smart Devices

Such- und Surf-Verhalten

Gesundheits- und Fitness-Daten

Data in motionUnstrukturierte Daten von Geräten,

Sensoren und Social Media

Data in restStrukturierte Daten aus Unternehmens-Quellen

Markt und Umfeld


Das transparente Unternehmen mit verfolgbaren Prozessen ist Realität. Unternehmen generieren und sammeln eine Vielzahl an Daten.

Schroeck, M., Shockley, R., Smart, J., Romero-Morales, D., & Tufano, P. (2012). Analytics: Big Data in der Praxis. Armonk: IBMBange, C. & Janoschek, N. (2014). Big Data Analytics: Auf dem Weg zur datengetriebenen Wirtschaft. Würzburg: BARC-Institut

Data in restStrukturierte Daten aus Unternehmens-Quellen

Data in motionUnstrukturierte Daten von Geräten,

Sensoren und Social Media

Markt und Umfeld

Transaktionen(z.B. POS-Scans)

Protokolldaten(z.B. Sensoren,

Log-Files)

Ereignisdaten(z.B. RFID-Scans)

Dokumente/Texte (z.B. E-Mails,

Enterprise Collab)

Web-AnalyseSoziale Medien

Apps

Externe Daten-Feeds

Geodaten

Audio- und Video-Daten


3





1



Der technologische Wandel führt zu neuen Herausforderungen im Umgang mit Kunden- und Unternehmensdaten.

Wikipedia (2014). Big Data. Zugriff am 08.09.2014 unter http://ldgr.ch/1uszpKtBITKOM (2012). Big Data im Praxiseinsatz – Szenarien, Beispiele, Effekte. Zugriff am 08.09.2014 unter http://ldgr.ch/YsGujIGoogle Trends (2014). Big Data. Zugriff am 08.09.2014 unter http://ldgr.ch/1qwJfek

(Momentane) «Definition» von Big Data Interesse am Thema «Big Data» im Zeitverlauf

0

20

40

60

80

100

2008 2010 2012 2014

Big Data bezeichnet Daten-Mengen, die zu gross oder zu komplex sind, oder sich zu schnell ändern, um sie mit händischen und klassischen Methoden der Datenverar-beitung auszuwerten.

Big Data bezeichnet den Einsatz grosser Datenmengen aus vielfältigen Quellen mit einer hohen Verarbeitungsgeschwin-digkeit zur Erzeugung wirtschaftlichen Nutzens.


3





1



Big Data im Marketing: Ausgewählte Unternehmens-Beispiele entlang der vier P’s im Marketing.

Datenquellen

Aggregations- und Personalisierungsgrad

TransaktionenEnterprise Data

Social Data

MaschinenSensoren

Basic data Complex, aggregated data

Target’sTargeting

[Promotion]

Netflix’sHouse of Cards

[Product]

Amazon’sPredictive Delivery

[Place]

Kohl’sSmart Couponing

[Price]

Mit prädiktiver Analyse das Rennen um die schnellste Zustellung ge-winnen: Amazon schickt die Waren bereits los, bevor sie bestellt wurden.

Kühne, M. (2014). Heute geliefert, morgen bestellt. Zugriff am 08.09.2014 unter http://ldgr.ch/1q8PpSIBensinger, G. (2014). Amazon Wants to Ship Your Package Before You Buy It . Zugriff am 08.09.2014 unter http://ldgr.ch/1ufVsVy

Die Amazon.com, Inc. ist ein Online-Versandhändler mit einer breit gefächerten Produktpalette. Nach eigenen Angaben hat Amazon als Marktführer des Handels im Internet die weltweit größte Auswahl für Bücher, CDs und Videos.

Amazon.com, Inc.Amazon.com has obtained a patent for “anticipatory shipping” - a system of delivering products to customers before they place an order.

Amazon says it may box and ship products it expects customers in a specific area will want—based on previous orders and other factors… According to the patent, the packages could wait at the shippers’ hubs or on trucks until an order arrives.

Die Lieferung schon auf den Weg bringen, noch bevor der Kunde von seinen Wünschen weiss? Klingt nach Science-Fiction, könnte aber schon bald Realität werden. Denn mit seiner neuen Service-Idee Anticipatory Shippingtreibt Amazon das Rennen um die schnellste Zustellung der Einkäufe voran.



Cross-Channel-Incentivierung: Kohl’s offeriert bei Ladenbesuch Coupons für im Online-Shop angesehene, aber nicht gekaufte Produkte.

Thau, B. (2014). How Big Data Helps Stores Like Macy's And Kohl's Track You Like Never Before. Zugriff am 08.09.2014 unter http://ldgr.ch/1qcyzlY

Kohl’s ist ein Einzelhandelsunternehmen aus den USA. Das Sortiment konzentriert sich auf Bekleidung und Accessoires im unteren bis mittleren Preissegment sowie auf Kosmetikartikel, Schmuck, Haushalts-waren, Elektrogeräte und Kleinmöbel.

Kohl's Illinois, Inc.Customers are more likely to respond to an offer when it’s at the moment of purchase when they’re shopping.

Beacons sind kleine Sender, welche konstant Signale an sich in der Nähe befindliche Smartphones und Tablets senden. Im stationären Handel ermöglicht diese Technologie das gezielte Einblendung von Produktinfor-mationen am POS über Sonderangebote, die Lenkung der Besucherwege oder der mobile Einkauf im Einzelhandel. Zudem erlauben die erfassten Daten eine detaillierte Analyse des Kaufverhaltens im stationären Handel.

Kohl’s hat diese Technologie in einem Experiment in fünf Ladengeschäften eingesetzt, um Konsumenten, welche im Online-Store von Kohl’s Produkte angeschaut, aber nicht gekauft hatten, die entsprechenden Coupons für diese Produkte direkt auf das Smartphone zuzustellen.






1


3


Welche persönlichen Daten würden Sie gern von Ihren Kunden bekommen?


Welche persönlichen Daten sind Kunden bereit, mit Unternehmen zu teilen?

1Pwc publication (2012) Consumer privacy: What are consumers willing to share? The speed of life: Consumer intelligence series/ / 2FAZ, 09.09.2014

Datenteilbereitschaft amerikanischer Kunden1 Gap?

Was den Unternehmen zur Entfesselung der neuen Ökonomie fehlt, sind weder Technologien noch Daten, es ist die Zustimmung der Kunden und Patienten, die der freien Verwendung ihrer Daten partout nicht zustimmen wollen

Prof. Sarah Spiekermann,Institute for Management Information Systems (WU Wien)2


Welche Faktoren können erklären, ob Kunden bereit sind, ihre persönlichen Daten mit Unternehmen zu teilen?

Folie 22

Unternehmen Umfeld / Situation (Kontext)


Gefühlte Kontrolle

Verwendung durch Dritte

Datenverwendung

Bekanntheit und Image Herdeneffekt

Framing der Transaktion

Reihenfolge

Subj. Relevanz

Diverse Quellen, u.a. Malheiros, M., Preibusch, S., & Sasse, M.A. (2013). “Fairly Truthful”: The Impact of Perceived Effort, Fairness, Relevance, andSensitivity on Personal Data Disclosure, Lecture Notes in Computer Science, 7904, 250-266.

Kundenwahrnehmungen/-beurteilungen

Dispositionen: Kundentypen, Kultur,

Alter

Sensibilität der Daten Subj. Fairness

Um das wirtschaftliche Potential von Big Data zu erschliessen, ist ein Zusammenrücken von

Marketing, IT und Psychologie unvermeidbar.

Marketing Natives Event #3 Big Data - Armin Ledergerber

Marketing

Transcript of Marketing Natives Event #3 Big Data - Armin Ledergerber