Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Social Media: Datenschatz oder Datentruhe?

406 views

Published on

Unternehmen haben auf Facebook & Co. mit erheblichem Zeitaufwand und Budgeteinsatz teils beachtliche Reichweiten aufgebaut und stehen jetzt vor der Herausforderung Ihre Fans und Follower in qualifizierte Leads zu konvertieren. Verständlich, dass Marketing-Verantwortliche sich die Frage stellen: was kann, darf und soll ich mit den Daten aus den Social Media-Kanälen machen?

In seiner Keynote zeigt Datentreiber Martin Szugat, was technisch machbar, rechtlich erlaubt und wirtschaftlich sinnvoll ist, um den Datenschatz aus Social Media zu heben und mit der richtigen Datenstrategie aus Fans Kunden zu machen.

Published in: Data & Analytics
  • Do This Simple 2-Minute Ritual To Loss 1 Pound Of Belly Fat Every 72 Hours  https://tinyurl.com/y6qaaou7
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Be the first to like this

Social Media: Datenschatz oder Datentruhe?

  1. 1. Social Media: Datenschatz oder Datentruhe? Martin Szugat auf der Co-Reach Messe am 22.06.2017 datentreiber.de
  2. 2. Wir treiben Ihr Unternehmen voran. Mit Beratung, Workshops und Seminaren zu Datenstrategien.
  3. 3. 1996-2008 Berater, Buch- & Fachautor sowie Softwareentwickler Studium und Forschung der Bioinformatik (Data Science) 2001-2008 Geschäftsführer & Gesellschafter der SnipClip GmbH 2008-2013 Programmdirektor der Predictive Analytics World-Konferenzen 2014-dato Geschäftsführer & Inhaber der Datentreiber GmbH 2014-dato Gründer und Leiter der Datengipfel-Akademie 2017-dato Ihr Trainer: Martin Szugat
  4. 4. Daten sind das neue Öl. Datengetriebene Unternehmen steigern ihre Produktivität um durchschnittlich ca. 6%.
  5. 5. Erschließung Welche Datenquellen gibt es und wie erschließen wir sie?
  6. 6. Verfeinerung Wie können wir die Daten zusammenführen und zu wertvollen Informationen aufbereiten?
  7. 7. Verwertung Wie können wir die Informationen verwerten, um Kosten zu reduzieren, Umsätze zu steigern, Kunden zu binden und neue Produkte und Geschäftsmodelle zu entwickeln?
  8. 8. Big Data Ansatz Lösungsansatz #1: Big Data Die relevanten Informationen finden Sie nicht, indem Sie mehr Daten anhäufen.
  9. 9. Data Lake Unternehmen ertrinken in Daten – und leiden am Informationsdurst.
  10. 10. Datensumpf statt Datensee Daten sind wie Öl. Sie müssen entscheiden, was Sie mit den Daten machen, um zu wissen, welche Daten Sie benötigen und wie Sie die Daten verarbeiten.
  11. 11. Lösungsansatz #2: Datenstrategie-Design Eine Strategie definiert: wo Sie hinwollen, wo Sie stehen und wie Sie dahin kommen.
  12. 12. Verwertung Wie können wir die Informationen verwerten, um Kosten zu reduzieren, Umsätze zu steigern, Kunden zu binden und neue Produkte und Geschäftsmodelle zu entwickeln?
  13. 13. Verfeinerung Wie können wir die Daten zusammenführen und zu wertvollen Informationen aufbereiten?
  14. 14. Erschließung Welche Datenquellen gibt es und wie erschließen wir sie?
  15. 15. Daten treiben Ihr Unternehmen an. Erschließung Verfeinerung Verwertung
  16. 16. Wikipedia sagt Kinoerfolg voraus. Quelle: http://dataconomy.com/using-wikipedia-activity-data- forecast-movie-success/
  17. 17. Defensive Datenstrategie  Datenschutz  Datensicherheit  Datenqualität  Datenverfügbarkeit  Datenerschließung  Datenverfeinerung  Datenverwertung Offensive Datenstrategie Wie offensiv / defensiv ist Ihre Datenstrategie? Krankenhäuser Banken Einzelhändler
  18. 18. Datenschutz  Datenvermeidung und Datensparsamkeit  Zweckbindung  Verbot mit Erlaubnisvorbehalt  Transparenz
  19. 19. Social Media Intelligence Social Media Monitoring Social CRM Personenbezogene Daten Pseudonymisierte Daten Anonymisierte und aggregierte Daten Facebook Ads Facebook Insights Facebook Apps Facebook Connect Facebook Pages Social Data Sources am Beispiel von Facebook Facebook Groups
  20. 20. Ein Like ist keine Permission.
  21. 21. Social Media Intelligence
  22. 22. Beispiel: ProSiebenSat1 Digital
  23. 23. Umsatz: Video Ads Aktivierung: Website Akquisition: Facebook AIs Revenue CPM x Video Views x Ads per View Page Visits x Fans View Rate Relativ e Reach Post Reach Click Rate Links Clicks Transfe r Rate x x x
  24. 24. HINWEIS: Bei dieser Addition werden Nutzer, die sowohl bezahlt als auch organisch erreicht werden, doppelt gezählt. Gesamte Impressionen := [page_impressions] Ø Klickrate (Links) := [Klicks (Links)] / [Gesamte Impressionen] x Klick (Links) := [page_consumptions_b y_consumption_type_li nk_clicks] Virale Reichweite := [page_impressions_ viral_unique] Bezahlte Reichweite := [page_impressions_ paid_unique] x x EdgeRank Gesamte Reichweite := [page_impressions_ unique] x Eingebundene Nutzer := [page_engaged_use rs] x Ø Relative (organische nicht- virale) Reichweite := [Organische (nicht-virale) Reichweite] / [Fans]Nicht-virale Reichweite := [Organische (nicht- virale) Reichweite] + [Bezahlte Reichweite] Ø Viraler Uplift := [Virale Reichweite] / [Nicht-virale Reichweite] Ø Engagement Rate (Reichweite) := [Eingebundene Nutzer] / [Gesamte Reichweite] Ø Impressionen per Nutzer := [Gesamte Impressionen] / [Gesamte Reichweite] Facebook Page Post Performance External Performance Product-View-Performance Revenue Ad-Inventory Ø eCPM x Ø Ad-Inventory per Video View x Ø Video Views pro Facebook Page Sitzungen := [Facebook Page Post Sitzungen] / [Facebook Page Posts Video Views] x Ø Abbruch- & Messfehlerrate x Facebook Page Post Sitzungen := GA.Sessions(source=f acebook, medium=social OR social_paid, term=social_post OR social_post_ad) Facebook Page Post Video Views := GA.Goals(goal=Video Viewed overall, source=facebook, medium=social OR social_paid, term=social_post OR social_post_ad) Facebook Share Button Performance Facebook Share Button Klicks := GA.Events(category =Social Click, action=Facebook) Ø Facebook Share Button Klickrate := [Facebook Share Button Klicks] / [Sitzungen] Sitzungen := GA.Sessions() x Ø Abbruchrate x Facebook Shares := tbd Gesamte Impressionen := tbd Ø Klickrate (Links) := [Klicks (Links)] / [Gesamte Impressionen] x Klick (Links) := tbd Gesamte Reichweite := tbd x Ø Impressionen per Nutzer := [Gesamte Impressionen] / [Gesamte Reichweite] Ø Abbruch- & Messfehlerrate x Ø Video Views pro Facebook Share Button Sitzungen := [Facebook Share Button Sitzungen] / [Facebook Share Button Video Views] x Facebook Share Button Sitzungen := GA.Sessions(source=f acebook, medium=social, term=social_onsite) Facebook Share Button Video Views := GA.Goals(goal=Video Viewed overall, source=facebook, medium=social, term=social_onsite) Ø Reichweite per Share := [Gesamte Reichweite] / [Facebook Shares] x Facebook Other Performance x Ø Video Views pro Facebook Other Sitzungen := [Facebook Other Sitzungen] / [Facebook Other Video Views] x Facebook Other Sitzungen := GA.Sessions(source=f acebook, medium=social, term=<not set> OR social_ad OR social_app OR social_direct OR social_affiliate) Facebook Other Video Views := GA.Goals(goal=Video Viewed overall, source=facebook, medium=social, term=<not set> social_ad OR social_app OR social_direct OR social_affiliate) Klicks := tbd Ø Abbruch- & Messfehlerrate Ad Klicks := tbd App Klicks := tbd Direct Share Klicks := tbd Legende Key Performance Indicator := <Berechnungsformel: [KPI] oder [facebook_insights_ken nzahl] KPI mit direkter Möglichkeit der Optimierung, d.h. keine Abhängigkeit von anderen KPIs. Algorithmus oder Berechnung, deren Details nicht bekannt sind. Bruchstellen, bei denen Messfehler auftreten können oder bei denen der Nutzer abbricht. Die Messung dieser Kennzahlen ist wichtig, um u.a. technische Probleme zu erkennen, wenn bspw. der Wert stark ansteigt. KPI in kursiver Schrift: Berechnungsform el noch nicht bekannt / definiert. Ø Klickrate := tbd Gesamte Reichweite := tbd x Ø Klickrate := tbd Aktive Nutzer := tbd x KPIs, die durch den oben genannten Algorithmus / Berechung beeinflusst werden. Konkrete Kennzahl HINWEIS: Bei den Klicks werden nur Klicks auf Link-Posts berücksichtigt. Links im Post- Text können nicht getrackt werden. Außerdem kann bei Impressionen nicht zwischen Link-Posts und z.B. Bild-Posts unterschieden werden. Entsprechend ist die Klickrate eine Unterschätzung.HINWEIS: Klicks auf Posts können auch auf fremde Websites führen. Umgekehrt kann Facebook Page Post-Traffic auch von fremden Facebook Pages kommen. Affiliate Klicks := tbd Ø Klickrate := tbd Fans := [likes] x Organische (nicht-virale) Reichweite := [page_impressions_ organic_unique] HINWEIS: Bei dieser Addition von Unique Usern findet keine Doppel- bzw. Dreifachzählung statt. Dies entspricht einer Vereinigung dreier Mengen. + Fans := [page_fans] HINWEIS: Der EdgeRank ist ein komplexer Algorithmus (konkret: maschinelles Lernverfahren), welcher abhängig von sozialen Interaktionen die Sichtbarkeit und damit die Reichweite von Posts sowie Likes, Kommentare, Shares etc. steuert. Der EdgeRank wird für jeden Nutzer, für jeden Post und zu jedem Zeitpunkt individuell berechnet und hängt u.a. von der Affinität zwischen Nutzer und Page sowie der Aktualität des Posts ab (und laut Facebook weiteren ca. 1.000 Faktoren mit unterschiedlicher Gewichtung). Für die Sichtbarkeit sind auch die EdgeRanks aller zeitgleich veröffentlichen Posts relevant. HINWEIS: Die Anzahl der Klicks muss nicht zwangsläufig mit der Anzahl der Visits übereinstimmen, weil der Nutzer bspw. das Laden der Seite abbrechen kann (weil er sich z.B. verklickt hat) oder die Mobilfunkverbindung ist unterbrochen. Außerdem messen Google Analytics und Facebook unterschiedlich. +Video Views HINWEIS: Derzeit können wir nicht messen, ob jemand auf Veröffentlichen klickt, nachdem er einen Social Share Button angeklickt hat. HINWEIS: Derzeit können wir die Anzahl der Shares nicht messen, ggf. über Domain Insights möglich (tbd). HINWEIS: Die Anzahl der Klicks muss nicht zwangsläufig mit der Anzahl der Visits übereinstimmen, weil der Nutzer bspw. das Laden der Seite abbrechen kann (weil er sich z.B. verklickt hat) oder die Mobilfunkverbindung ist unterbrochen. Außerdem messen Google Analytics und Facebook unterschiedlich. HINWEIS: Die Reichweite per Share wird u.a. vom EdgeRank beeinflusst, ist also abhängig vom Engagement (Like, Kommentare etc.) für den Share, sowie von der Anzahl der Freunde des Nutzers, der einen Artikel teilt. Des Weiteren können Shares auch mit Ads beworben werden. + HINWEIS: Wichtige Anmerkungen zum jeweiligen KPI. HINWEIS: durch ID-Tracking in der URL kann indirekt die Anzahl der Klicks auf geteilte URLs ermittelt werden anhand der gezählten Visits. HINWEIS: Der EdgeRank ist nicht nur ein dynamischer (d.h. nicht-linearer) Algorithmus, sondern darüber hinaus abhängig von historischen Werten, z.B. vergangenen Interaktionen der Fans mit den Posts der Page. Eine niedrige Engagement- Rate wirkt sich so langfristig auf die relative Reichweite negativ aus und reduziert infolge auch das Engagement, d.h. es existiert eine (positive wie negative) Rückkopplung. Die Anzahl der Sitzungen mit Facebook Sharing-Potential hängt insbesondere wiederum von der Anzahl der Facebook Page Post- Sitzungen ab. HINWEIS: Anzahl der Fans ist per API für jede Seite ermittelbar, z.B.: http://graph.facebook.com/ galileo?fields=likes HINWEIS: Die gesamte Reichweite kann sich durch Shares des Shares (Viralität) nochmals erhöhen, d.h. die Kausalkette Engaged Users -> Viral Reach -> etc. müsste hier der Vollständigkeits wie oben bei Facebook Page Post wiederholt werden. Im Detail.
  25. 25. Umsatz: Video Ads Aktivierung: Website Akquisition: Facebook AIs Revenue CPM x Video Views x Ads per View Page Visits x Fans View Rate Relativ e Reach Post Reach Click Rate Link Clicks Transfe r Rate x x x
  26. 26. Facebook Fans Facebook Link Posts Web Page Video Video Ad Fans Post Reach Relativ e Reach Click Rate Link Clicks Page Visits Transfe r Rate Video Views AIs View Rate Ads per View CPM Revenue
  27. 27. Social Media Monitoring
  28. 28. Action Graph Social Graph Interests Graph Personal Profile Personal Profile Lead Scoring von Facebook Fans 0 100 200 300 400 500 600 700
  29. 29. Social CRM
  30. 30. Data Network Effects
  31. 31. Data Traps
  32. 32. 45
  33. 33. Die Datentreiber-Methode: Datenstrategie-Design Mit der erprobten Methode des Datenstrategie-Designs erkunden Sie Ihre Datenlandschaft, evaluieren relevante Anwendungsfälle und entwickeln einen Plan zur Steigerung Ihres Analytik-Reifegrades. Weitere Informationen finden Sie unter www.datenstrategiedesign.de.
  34. 34. Legen Sie los. Auf www.datenstrategiedesign.de finden Sie das Datenstrategie-Designkit zum Herunterladen.
  35. 35. Mögen die Daten mit Ihnen sein.
  36. 36. datentreiber.deWir treiben Ihr Unternehmen voran. Martin Szugat Geschäftsführer Telefon: +49 [0]881 12 88 46 53 E-Mail: ms@datentreiber.de Web: www.datentreiber.de Blog: www.datenstrategiedesign.de

×