Event #6: Big Data - Sonja Metzger

Business Intelligence bei Otto Sonja Metzger – Advanced Analyst Business Intelligence (Otto Gmbh & Co Kg)

Marketing Natives HH 25. November 2013 Seite 2

NEUES bild

Quelle: http://everythingfunny.org


Business Intelligence beginnt mit dem Stellen der richtigen Fragen!

§  Welche Stückzahl eines Produktes sollten wir einkaufen? §  Welche Produkte möchte Herr Meyer kaufen? §  Welcher Preis ist der richtige? §  Wie sollte Suchergebnis- und Produktlisten sortiert werden? §  Wie sollten wir das Werbebudget auf die Werbeinstrumente

verteilen? §  Welcher Kunde bekommt einen Gutschein? §  Wie viel € sollte ich für eine SEA Anzeige oder einen Banner

bieten? §  Warum verkauft sich Sortiment X auf otto.de unter Plan? §  Was ist auf otto.de passiert bzw. was passiert gerade? §  Können wir social media Daten nutzen? §  Wie optimiere ich den Warenbestand in den Lägern? §  …

Um solcherart Fragen beantworten zu können, sind 3 Fähigkeiten entscheidend


Business Intelligence = bessere Entscheidungen treffen

Die Business Intelligence Formel besteht aus 3 Elementen: BI = Datenmanagement + mit Analy>cs Daten in Erkenntnisse übersetzen +

Erkenntnisse in Entscheidungen überführen

Analytics &

Insights

DATA DECISION


Fähigkeit 1 „Datenmanagement“ Die Datenmenge und die Möglichkeiten diese zu erfassen, zu speichern und bereitzustellen sind durch die zunehmende Digitalisierung unseres Geschäftsmodells und die technische Entwicklung (Big Data) in den letzten Jahren dramatisch gestiegen.

Quelle: The human face of big data


Fähigkeit 2 „mit Analytics Daten in Erkenntnisse übersetzen“ Durch systematische Untersuchung der Daten und Entwicklung von analytischen Modellen (Analytics) können durch die Beantwortung der Kernfragen: Was ist passiert?, Warum ist es passiert?, Was passiert gerade?, Was wird geschehen? Erkenntnisse gewonnen werden.

Quelle: http://www.loginworks.com


1. Problem/ Potential

2. Review früherer Lösungen

4. Modell 3. Daten 5. Analyse & Modell-anwendung

6. Entscheidung und Maßnahmen

Problem/Potential erkennen Problem lösen Entscheiden

Fähigkeit 3 „Erkenntnisse in Entscheidungen überführen“ Die Potentiale der Daten und passender algorithmischer Modelle werden erst durch den Einsatz in den Fachbereichen wirksam … eine enge Zusammenarbeit ist also wesentlich!

OTTO BI Fachbereiche Fachbereiche

Quelle: http://plotting-success.softwareadvice.com


Der rasante technologische Fortschritt ist eine Heraus-forderung und bietet gleichzeitig auch große Potenziale

Charakteristika von „Big Data“

Volumen

Velocity

Variety

Veracity

Value

Sehr viel größere Datenmengen als bisher, im Peta- oder sogar Exabyte Bereich

Qualität und Richtigkeit der Daten, insbesondere durch neu hinzugekommene Datenquellen

Höherer Geschwindigkeitsbedarf der Analysen, oft Real-Time statt bisheriger zeitunkritischer Ex-Post-Analysen

Signifikant größere Vielfalt der Daten bzgl. Quellen (intern vs. extern) oder Art (z. B. strukturiert vs. unstrukturiert)

Mehrwert durch besseres Markt-, Kunden- und Produktverständnis und schnellere & fundiertere Entscheidungen

+

+

+

=


Wahrnehmung Auswahl Kauf

Beispiel: Digitale Customer Journey Ein dynamisches Attributionsmodell optimiert die Effizienz der Online Werbung

Quelle: http://www.foryouandyourcustomers.com/


Beispiel einer digitalen Customer-Journey

PSM

Display

SEO

SEA

Wahrnehmung Auswahl Kauf

Kauf


Bekannte statische Attributionsmodelle verteilen die Nachfrage auf die Kontaktketten, nehmen aber einen festen Wirkungsbeitrag je Position an

Gleichverteilung Jedem Werbekontakt wird der gleiche Anteil an der Conversion zugerechnet.

U-Modell oder „Badewanne“ Jedem Werbekontakt wird der gleiche Anteil an der Conversion zugerechnet.

Linear abnehmend Näher am Conversion-Ereignis liegenden Werbemittel-Kontakte erhalten eine höhere Bedeutung

25%

Kauf

25% 25%

SEA PSM Display SEO

25%

40%

Kauf 10% 10%

40%

10% Kauf

20% 30%

40%

SEA PSM Display SEO

SEA PSM Display SEO


Dynamisches Modell berücksichtigt zeitliche Dimension und ermöglicht Erfolgsbeitragszuweisung in Abhängigkeit von dem Wirkungsbeitrag

–  Dynamische Abbildung möglich über statistisches Modell

–  In Abhängigkeit von der Ausprägung der Einflussvariablen einer Journey kommt es zu unterschiedlichen Attributionswerten für die Kontaktpunkte

–  Entscheidender Unterschied zu den am Markt bekannten statischen Modellen, wie bspw. First Contact, U-Modell oder Gleichverteilung, welche alternativ zu Last-Contact eingesetzt werden könnten, ist der Einbezug der zeitlichen Dimension.

–  Dies hat zur Folge, dass die gleiche Kanalreihenfolge in der Customer Journey bei unterschiedlichen Zeitabständen zwischen den Kontakten zu unterschiedlichen Attributionswerten für die beteiligten Kanäle führt.

45%

Kauf 5% 15%

35%

25%

Kauf

15% 5% 55%

Die dargestellte Marketingkanalreihenfolge und die zugewiesene Anteiligkeit dient nur zur Anschauung und basiert nicht auf realen Customer Journey Daten.

t

t

SEA PSM Display SEO

SEA PSM Display SEO


Ausgewählte Beispiele zu BI-Fragestellungen

§  Welche Produkte möchte Kunde/User X kaufen? à Sortimentsaffinitäten, Personalisierung/Individualisierung §  Wie sollte Suchergebnis- und Produktlisten sortiert werden? à Automatisierte Produktlistensortierung §  Wie sollten wir das Werbebudget auf die Werbeinstrumente

verteilen? à Attributionsmodell §  Welcher Kunde/User bekommt einen Gutschein? à Hebelaffinität/CustomerLifetimeValue (CLV) §  Wie viel € sollte ich für eine SEA Anzeige oder einen Banner

bieten? à Attributionsmodell §  Was ist auf otto.de passiert bzw. was passiert gerade? ! Reporting


Vielen Dank für die Aufmerksamkeit!

Quelle: http://everythingfunny.org