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.
Jak a proč vytěžovat lokační data v
e-commerce
DATA restart / 5.4. 2018 / Lukáš Puchrik
CleverAnalytics.com
2
1. Co je Location Intelligence?
2. Jaká data použít?
a. interní data
b. externí zdroje
3. Pár příkla...
CleverAnalytics.com
3
Location Intelligence is the capacity to organize and
understand complex phenomena through the use o...
Definice
CleverAnalytics.com
5
1.2 Proč je důležitý kontext
CleverAnalytics.com
6
1.3 Kontext v mapě - 2 tabulkově stejné prodejny
CleverAnalytics.com
7
Souvislosti
Srovnání
Realita
Peníze
1.4 Proč používat Location Intelligence?
CleverAnalytics.com
8
● objednávky z e-shopu
● návštěvy v CRM systému
● nákupy zákazníků věrnostního klubu
● smlouvy se zá...
CleverAnalytics.com
9
Ulice č.p., č.e., Obec, PSČ
(číslo popisné) (číslo evidenční)
Adresa
2.1 Jak dostat zákazníky do map...
CleverAnalytics.com
10
Ulice č.p., č.e., Obec, PSČ
Adresa
2.2 Jak probíhá geokódování?
CleverAnalytics.com
11
● Zjednodušte si život a validujte adresy už na vstupu.
○ třeba s pomocí SmartForm.cz
● Geokódovací...
CleverAnalytics.com
12
Stejné PSČ
(Litomyšl)
Stejné PSČ
(Lanšrkoun)
Stejné PSČ,
jiný okres
2.4 Nespoléhejte na geokódování
CleverAnalytics.com
13
2.5. Chybí ulice
CleverAnalytics.com
14
2.5 Chybí ulice a PSČ
CleverAnalytics.com
15
2.5. Chybí ulice a číslo evidenční
CleverAnalytics.com
16
2.5 Jedna ulice, více PSČ
CleverAnalytics.com
17
Nejedlého 7
570 01 Litomyšl – Litomyšl-Město
okres Svitavy, Pardubický kraj
Zámecká 7
570 01 Litomy...
CleverAnalytics.com
18
● Demografické údaje
● Kupní síla
● Obchodní místa konkurence
● Body zájmu
● Cenové mapy
● Reklamní...
CleverAnalytics.com
19
Kombinace interních a externích dat = metriky pro správná
rozhodnutí
• Obrat na hospodařící domácno...
CleverAnalytics.com
20
• Jak vznikají?
zda vznikají na základě nějakého zákona nebo jen komunitně?
• Kdo je primárně vytvá...
CleverAnalytics.com
21
● detailní ale anonymní údaje dostupné na díly základních sídelních
jednotek
● cca 180 atributů
● z...
Kupní síla a cenová citlivost
CleverAnalytics.com
25
● přes 4 miliony nemovitostí v ČR
● přesná adresa a souřadnice definičního bodu
● hierarchie admini...
CleverAnalytics.com
26
2.9 Registr územní identifikace, adres a nemovitostí
RUIAN
CleverAnalytics.com
29
● Kde mám svou klientskou základnu?
● Jsou moje výdejny dobře umístěny?
● Kde bych měl doplnit výde...
CleverAnalytics.com
30
3.1 Spádová oblast – 5 Km autem
CleverAnalytics.com
31
3.1 Reálná spádová oblast
CleverAnalytics.com
32
3.1 Reálná spádová oblast - 60 % obratu
CleverAnalytics.com
33
3.1 Spádová oblast – rezidenční oblast
CleverAnalytics.com
34
3.1 Spádová oblast – dopravní uzel
CleverAnalytics.com
35
3.1 Spádová oblast – obchodní centrum
CleverAnalytics.com
36
3.1 Spádová oblast – jednostranná
CleverAnalytics.com
37
 
3.2 Blízkost ≠dostupnost
CleverAnalytics.com
38
3.2 Hodně lidí = velká vnitřní konkurence
CleverAnalytics.com
39
 
• Dostupnost
• Expozice
• Předvídatelná spádovost
3.3 Radiály velkých měst
CleverAnalytics.com
40
3.3 Spádová oblast - radiála
CleverAnalytics.com
41
3.4 Nákupní chování v čase a prostoru
CleverAnalytics.com
42
3.5. Customer Intelligence
CleverAnalytics.com
43
3.6 Kde bych měl doplnit výdejnu/výdejní automat?
1. Vyhledání oblasti, kde je potenciál pro zahušt...
CleverAnalytics.com
44
3.6 Vhodné místo pro nový výdejní automat?
CleverAnalytics.com
45
3.6 Vhodné místo pro nový výdejní automat?
CleverAnalytics.com
46
3.7 Kde se lidé pohybují?
CleverAnalytics.com
47
3.8. Co je tam přitahuje?
Ptejte se na cokoliv, co vás zajímá.
Answer comprehensive business
questions with the ease of reading a map
CleverAnalytics, a.s., Vídeňská 101/119,
Vienna Poi...
Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik)
Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik)
Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik)
Upcoming SlideShare
Loading in …5
×

of

Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 1 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 2 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 3 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 4 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 5 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 6 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 7 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 8 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 9 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 10 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 11 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 12 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 13 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 14 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 15 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 16 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 17 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 18 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 19 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 20 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 21 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 22 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 23 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 24 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 25 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 26 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 27 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 28 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 29 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 30 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 31 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 32 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 33 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 34 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 35 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 36 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 37 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 38 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 39 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 40 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 41 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 42 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 43 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 44 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 45 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 46 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 47 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 48 Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik) Slide 49
Upcoming SlideShare
What to Upload to SlideShare
Next
Download to read offline and view in fullscreen.

0 Likes

Share

Download to read offline

Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik)

Download to read offline

aké úlohy řeší lokační analýza v e-commerce a jak krok za krokem postupovat? Od interních a open source zdrojů dat, přes geokódování až po praktické analýzy.

  • Be the first to like this

Jak a proč vytěžovat lokační data v ecommerce (Lukáš Puchrik)

  1. 1. Jak a proč vytěžovat lokační data v e-commerce DATA restart / 5.4. 2018 / Lukáš Puchrik
  2. 2. CleverAnalytics.com 2 1. Co je Location Intelligence? 2. Jaká data použít? a. interní data b. externí zdroje 3. Pár příkladů z praxe 4. Diskuse a dotazy Agenda
  3. 3. CleverAnalytics.com 3 Location Intelligence is the capacity to organize and understand complex phenomena through the use of geographical relationships inherent in all information. 1. Definice lokační analýzy
  4. 4. Definice
  5. 5. CleverAnalytics.com 5 1.2 Proč je důležitý kontext
  6. 6. CleverAnalytics.com 6 1.3 Kontext v mapě - 2 tabulkově stejné prodejny
  7. 7. CleverAnalytics.com 7 Souvislosti Srovnání Realita Peníze 1.4 Proč používat Location Intelligence?
  8. 8. CleverAnalytics.com 8 ● objednávky z e-shopu ● návštěvy v CRM systému ● nákupy zákazníků věrnostního klubu ● smlouvy se zákazníky ● platby platební kartou Jakákoliv data, která je možné lokalizovat pomocí adresy nebo přímo souřadnice. 2. Jaká data použít
  9. 9. CleverAnalytics.com 9 Ulice č.p., č.e., Obec, PSČ (číslo popisné) (číslo evidenční) Adresa 2.1 Jak dostat zákazníky do mapy?
  10. 10. CleverAnalytics.com 10 Ulice č.p., č.e., Obec, PSČ Adresa 2.2 Jak probíhá geokódování?
  11. 11. CleverAnalytics.com 11 ● Zjednodušte si život a validujte adresy už na vstupu. ○ třeba s pomocí SmartForm.cz ● Geokódovacích služeb je hromada (i zadarmo) ○ hezký výběr dostupný v KBC ○ pozor na spolehlivost - vždy vědět jak spolehlivě je adresa “chycena” ○ pozor na možnost použití výsledků (Google) 2.3 Typy ke geokódování
  12. 12. CleverAnalytics.com 12 Stejné PSČ (Litomyšl) Stejné PSČ (Lanšrkoun) Stejné PSČ, jiný okres 2.4 Nespoléhejte na geokódování
  13. 13. CleverAnalytics.com 13 2.5. Chybí ulice
  14. 14. CleverAnalytics.com 14 2.5 Chybí ulice a PSČ
  15. 15. CleverAnalytics.com 15 2.5. Chybí ulice a číslo evidenční
  16. 16. CleverAnalytics.com 16 2.5 Jedna ulice, více PSČ
  17. 17. CleverAnalytics.com 17 Nejedlého 7 570 01 Litomyšl – Litomyšl-Město okres Svitavy, Pardubický kraj Zámecká 7 570 01 Litomyšl – Litomyšl-Město okres Svitavy, Pardubický kraj 2.6 Pošta doručí, stroj nemá šanci
  18. 18. CleverAnalytics.com 18 ● Demografické údaje ● Kupní síla ● Obchodní místa konkurence ● Body zájmu ● Cenové mapy ● Reklamní plochy ● Nemovitosti a Katastr nemovitostí ● Doprava a dopravní obslužnost ● Kriminalita ● Geografické údaje ● Povodňové mapy ● Počasí ● … Vlastně cokoliv... 2.7 Co dalšího se dá lokalizovat?
  19. 19. CleverAnalytics.com 19 Kombinace interních a externích dat = metriky pro správná rozhodnutí • Obrat na hospodařící domácnost • Lokalizovaný potenciál trhu • Míra konkurenčního tlaku • Počet obyvatel na pobočku • Index expozice • Penetrace trhu • … 2.8 Proč používat externí data?
  20. 20. CleverAnalytics.com 20 • Jak vznikají? zda vznikají na základě nějakého zákona nebo jen komunitně? • Kdo je primárně vytváří? ministerstvo? soukromý subjekt? komunita? • Jaká je jejich granularita a naplněnost (i v čase) do jakého detailu je možné se dostat, změnila se nějak v čase metodika nebo možnosti jejich sběru Ideální data neexistují ale s většinou jde dělat spousta muziky! 2.8 Na co dát u externích dat pozor?
  21. 21. CleverAnalytics.com 21 ● detailní ale anonymní údaje dostupné na díly základních sídelních jednotek ● cca 180 atributů ● zdroj ČSÚ, ze zákona ● nejpřesnější dostupná data (jo i po těch letech) K čemu používáme? ● lokalizace potenciálu ● klientské segmentace (kdo je cílová skupina a kde je jí více) ● i ve formě DB pro interní použití 2.9 Demografické údaje - SLDB2011
  22. 22. Kupní síla a cenová citlivost
  23. 23. CleverAnalytics.com 25 ● přes 4 miliony nemovitostí v ČR ● přesná adresa a souřadnice definičního bodu ● hierarchie administrativního členění ● technické parametry budovy ○ velikost (plocha i obestavěný prostor) ○ způsob využití ○ typ vytápění ○ ... K čemu používáme? ● geokódování - přiřazení souřadnice k adrese a opačně ● hierarchie administrativního členění ● hodnocení potenciálu lokality (typy budov) ● hodnocení hodnoty klienta / potenciálního klienta díky technickým parametrů 2.9 Registr územní identifikace, adres a nemovitostí
  24. 24. CleverAnalytics.com 26 2.9 Registr územní identifikace, adres a nemovitostí
  25. 25. RUIAN
  26. 26. CleverAnalytics.com 29 ● Kde mám svou klientskou základnu? ● Jsou moje výdejny dobře umístěny? ● Kde bych měl doplnit výdejnu/výdejní automat? ● Kdo je můj typický zákazník? 3. Pár příkladů z praxe
  27. 27. CleverAnalytics.com 30 3.1 Spádová oblast – 5 Km autem
  28. 28. CleverAnalytics.com 31 3.1 Reálná spádová oblast
  29. 29. CleverAnalytics.com 32 3.1 Reálná spádová oblast - 60 % obratu
  30. 30. CleverAnalytics.com 33 3.1 Spádová oblast – rezidenční oblast
  31. 31. CleverAnalytics.com 34 3.1 Spádová oblast – dopravní uzel
  32. 32. CleverAnalytics.com 35 3.1 Spádová oblast – obchodní centrum
  33. 33. CleverAnalytics.com 36 3.1 Spádová oblast – jednostranná
  34. 34. CleverAnalytics.com 37   3.2 Blízkost ≠dostupnost
  35. 35. CleverAnalytics.com 38 3.2 Hodně lidí = velká vnitřní konkurence
  36. 36. CleverAnalytics.com 39   • Dostupnost • Expozice • Předvídatelná spádovost 3.3 Radiály velkých měst
  37. 37. CleverAnalytics.com 40 3.3 Spádová oblast - radiála
  38. 38. CleverAnalytics.com 41 3.4 Nákupní chování v čase a prostoru
  39. 39. CleverAnalytics.com 42 3.5. Customer Intelligence
  40. 40. CleverAnalytics.com 43 3.6 Kde bych měl doplnit výdejnu/výdejní automat? 1. Vyhledání oblasti, kde je potenciál pro zahuštění sítě 2. Vyhledání konkrétní lokality
  41. 41. CleverAnalytics.com 44 3.6 Vhodné místo pro nový výdejní automat?
  42. 42. CleverAnalytics.com 45 3.6 Vhodné místo pro nový výdejní automat?
  43. 43. CleverAnalytics.com 46 3.7 Kde se lidé pohybují?
  44. 44. CleverAnalytics.com 47 3.8. Co je tam přitahuje?
  45. 45. Ptejte se na cokoliv, co vás zajímá.
  46. 46. Answer comprehensive business questions with the ease of reading a map CleverAnalytics, a.s., Vídeňská 101/119, Vienna Point II, Brno, 619 00, The Czech Republic https://www.cleveranalytic.com Email: lukas.puchrik@cleveranalytics.com Office Phone: +420 518 701 654 Address Contact Info Telephone Keep in touch with us

aké úlohy řeší lokační analýza v e-commerce a jak krok za krokem postupovat? Od interních a open source zdrojů dat, přes geokódování až po praktické analýzy.

Views

Total views

1,352

On Slideshare

0

From embeds

0

Number of embeds

1

Actions

Downloads

29

Shares

0

Comments

0

Likes

0

×