Laste ned presentasjonen
Presentasjon lastes. Vennligst vent
PublisertToralf Danielsen Endret for 7 år siden
1
Bente Sollid Storehaug CEO ESV Digital, Nordic Innsikt trumfer intuisjon Full oversikt over klikk-universet. Datadrevet attribusjon.
2
Twitter @bentesollid
3
Bente Sollid Storehaug Pål Petersen
4
Dagens Næringsliv
6
Statistisk Sentralbyrå
7
Hegnar Presseklipp Hegnar / Dagens Næringsliv
8
Presseklipp Dagens Næringsliv
9
Hva preger markedsføringen?
10
Norsk økonomi kjøles ned Annonsører vil bli mer fokusert på avkastning Norsk økonomi kjøles ned Annonsører vil bli mer fokusert på avkastning
11
Hvordan engasjere kundene i sømløse omnikanaler? Hvordan engasjere kundene i sømløse omnikanaler?
12
Nye kompetanser Nye teknologier Nye byrå-hybrider
13
Traditional Advertising Newspapers Magazines Radio TV Traditional Advertising Newspapers Magazines Radio TV Data-driven marketing digital platforms Web-sites, social media and apps is seamless integrated Cross-device, Cross- channels, Customer lojalty, Conversions and Customer Experience Data-driven marketing digital platforms Web-sites, social media and apps is seamless integrated Cross-device, Cross- channels, Customer lojalty, Conversions and Customer Experience
14
Sterk bransjeglidning
15
Mediebyråer går mot innhold
16
Reklamebyråer går mot digitale mediekjøp
17
Mediebyråer går mot innhold Reklamebyråer går mot digitale mediekjøp Mediehusene går mot e-commerce og byrå
18
Mediebyråer går mot innhold Reklamebyråer går mot digitale mediekjøp Mediehusene går mot e-commerce og byrå E-commerce blir publisister
20
Alle store selskaper leter etter nye måter å vokse
21
Det store skiftet innenfor markedsføringen
22
Variety of marketing software applications have exploded and has created a complex marketing technology landscape that can be confusing to enterprise marketing and IT leaders.
23
Digitalisering endrer kundeadferden radikalt Fra lineær shopping til beslutningsprosesser
24
Hvordan forstå komplekse kundereiser? 60-70 prosent av kjøpsprosessen skjer online * Markedsføringen endrer form og karakter * Gjennomsnittlig 11,4 kilder før beslutning * 90 prosent av alle kjøp skjer offline
25
ANFO-undersøkelsen 2015 Norske annonsører mener de har 2 hovedutfordringer
26
Hva er det egentlig som virker i digitale kanaler?
27
Hvordan kan vi måle effekt på tvers av kanaler og enheter?
28
«Halvparten av pengene jeg bruker på markedsføring, er bortkastet. Problemet er at jeg ikke vet hvilken halvpart» John Wanamaker, gründer, 1838-1922
29
Enkle attribusjonsmodeller Siste Klikk Første Klikk Post View
30
Regelstyrte attribusjonsmodeller Lik verdi U-formet Stigende
31
64 % Av all handel på nett kommer fra mer enn et berøringspunkt = Kilde: Google
32
Annonsører etterspør prediktive modeller for å optimalisere treffsikkerheten på leads gjennom bruk av ulike datakilder og maskinlæring
33
Hva er en algoritme?
34
The beauty of digital
36
Hva ønsker vi å oppnå? Digital markedsføring
37
Datadrevet attribusjon krever en definert konverterings- indikator Hva er dine KPI-er?
38
Alle kampanjer trackes, millioner av konverteringsbaner blir analysert
39
Spillteori
40
Hovordan bli like god som den lokale banksjefen? KUNDEINNSIKT
41
Dette er en selvfølge i 2015.
42
Personlig og responsiv BEDRE KUNDEOPPLEVELSER MER ENGASJEMENT ØKT KONVERTERING ØKTE INNTEKTER REDUSERTE KOSTNADER
43
ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING Attribusjon og bygging av dataprofiler
44
ATTRIBUSJON Kvantifisere bidraget til hver enkelt mediekanal / kampanje Maskinlæring / mønstergjenkjenning Algoritmer / spillteori ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING Attribusjon og bygging av dataprofiler
45
ATTRIBUSJON Kvantifisere bidraget til hver enkelt mediekanal / kampanje Maskinlæring / mønstergjenkjenning Algoritmer / spillteori REKRUTTERE NYE KUNDER ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING Attribusjon og bygging av dataprofiler
46
ATTRIBUSJON Kvantifisere bidraget til hver enkelt mediekanal / kampanje Maskinlæring / mønstergjenkjenning Algoritmer / spillteori Insight * Content * DMP OPTIMALISERE Personaliseringsteknologi Bygge dataprofiler Segmentere kundene REKRUTTERE NYE KUNDER ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING Attribusjon og bygging av dataprofiler
47
ATTRIBUSJON Kvantifisere bidraget til hver enkelt mediekanal / kampanje Maskinlæring / mønstergjenkjenning Algoritmer / spillteori Insight * Content * DMP OPTIMALISERE Personaliseringsteknologi Bygge dataprofiler Segmentere kundene ESV + CXENSE combined dataprofile REKRUTTERE NYE KUNDER ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING Attribusjon og bygging av dataprofiler
48
ATTRIBUSJON Kvantifisere bidraget til hver enkelt mediekanal / kampanje Maskinlæring / mønstergjenkjenning Algoritmer / spillteori Insight * Content * DMP OPTIMALISERE Personaliseringsteknologi Bygge dataprofiler Segmentere kundene ESV + CXENSE combined dataprofile ALLOKERING ESV Trading desk Cxense Connectivity Multichannel REKRUTTERE NYE KUNDER ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING ANNONSØR ESV ATTRIBUSJON CXENSE PERSONALISERING
49
Datadrevet attribusjon øker lønnsomheten med 20-40 %. Hvordan? Kilde: The State of Marketing 2013, IBM´s Global Survey of Marketers. Global Summit 2013.
50
1..
51
Kontekst F lyselskapet selger kun på nett og benytter mange digitale markedsføringskanaler. De ønsker å effektivisere sine medieinvesteringer og få en bedre oversikt over hva som faktisk bidrar til konverteringer.
52
Utfordring Er siste-klikk hensiktsmessig for å vurdere resultatene av betalte kanaler ? Hva er en optimal budsjettfordeling for kampanjen? Hvordan er adferden til de som besøker flyselskapets nettsider?
53
Utfordring Er siste-klikk hensiktsmessig for å vurdere resultatene av betalte kanaler ? Hva er en optimal budsjettfordeling for kampanjen? Hvordan er adferden til de som besøker flyselskapets nettsider? Strategi Sammenligne resultatene fra mediemiksen med ulike attribusjons- modeller, inkludert algoritmisk modell. Definere en optimal investeringsmiks basert på rekalkulert ROI. Segmentere kundenes adferd i henhold til relevante kriterier.
54
Utfordring Er siste-klikk hensiktsmessig for å vurdere resultatene av betalte kanaler ? Hva er en optimal budsjettfordeling for kampanjen? Hvordan er adferden til de som besøker flyselskapets nettsider? Strategi Sammenligne resultatene fra mediemiksen med ulike attribusjons- modeller, inkludert algoritmisk modell. Definere en optimal investeringsmiks basert på rekalkulert ROI. Segmentere kundenes adferd i henhold til relevante kriterier. Resultat Medieinvesteringene ble endret som følge av den algoritmiske innsikt ROI økte med 20% etter at anbefalingene ble implementert. Mediekjøpene ble tilpasset kundenes faktiske adferd.
55
2..
56
Kontekst Turoperatøren er nykommer i et konkurranseutsatt marked. Kunden ønsket å utvikle merkevarekjennskap og fokusere sin markedsføring på tiltak som gir dette arbeidet størst verdi.
57
Utfordring Hvilket samspill er det mellom de ulike kanalene og hvordan leder dette kundene mot konvertering? Hvilke kanaler og kampanjer er best egnet for å skaffe nye kunder? Hvordan øke den gjennomsnittlige handelekurven?
58
Utfordring Hvilket samspill er det mellom de ulike kanalene og hvordan leder dette kundene mot konvertering? Hvilke kanaler og kampanjer er best egnet for å skaffe nye kunder? Hvordan øke den gjennomsnittlige handelekurven? Strategi Vi ønsket å fastslå hvilke synergier som eksisterer mellom ulike kanaler og ulike typer kampanjer. Vi ønsket å klassifisere de ulike kanalene i henhold til innflytelse for hvert trinn i beslutningssyklusen; oppdagelse, vurdering, evaluering og kjøp. Vi analyserte oppkjøpsstrategiene i forhold til brukerens dataprofil (nye kunder vs lojale kunder, liten/stor gjennomsnittlig størrelse på handlekurv, geografiske opprinnelse, produkter som ble sett på og kjøpte produkter)
59
Utfordring Hvilket samspill er det mellom de ulike kanalene og hvordan leder dette kundene mot konvertering? Hvilke kanaler og kampanjer er best egnet for å skaffe nye kunder? Hvordan øke den gjennomsnittlige handelekurven? Strategi Vi ønsket å fastslå hvilke synergier som eksisterer mellom ulike kanaler og ulike typer kampanjer. Vi ønsket å klassifisere de ulike kanalene i henhold til innflytelse for hvert trinn i beslutningssyklusen; oppdagelse, vurdering, evaluering og kjøp. Vi analyserte oppkjøpsstrategiene i forhold til brukerens dataprofil (nye kunder vs lojale kunder, liten/stor gjennomsnittlig størrelse på handlekurv, geografiske opprinnelse, produkter som ble sett på og kjøpte produkter) Vi anbefalte en medieplan som tar hensyn til synergier mellom kanaler og kampanjetyper. Vi justerte markedsføringstiltakene i tråd med annonsørens mål og hver enkelt kanals rolle. Kampanjene ble rettet mot produkter og geografiske regioner som ga best økonomisk uttelling. Resultat
60
Markedsføringens digitale kinderegg
61
1. Sanntid Maskinlæring, Mønstergjenkjenning Automatisering Attribuert omsetning
62
2. Personlig Bygge dataprofiler Kunderesponsiv på innhold Segmentert kundebasen
63
3. Forenkling Mye forførerisk teknologi Hvordan unngå for mange dashboards?
64
Hvordan kjøre attribusjon fra online til offline? NEXT
65
Kaffe blir aldri et digitalt produkt, men hele kunde- og kjøpsopplevelsen digitaliseres ROPO Research Online – Purchase offline
66
Innovatører Datadrevne forretningsutviklere Operasjonelle rådgivere Dataanalytikere og matematikere Hvilken ny kompetanse trenger markedsføringsbransjen?
67
Hva er en datadrevet markedsfører?
69
Twitter @bentesollid Blogg: digitalhverdag.media
Liknende presentasjoner
© 2024 SlidePlayer.no Inc.
All rights reserved.