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.

Marketing a data. Umíme v nich najít hodnotu?

114 views

Published on

Jan Kadleček na konferenci Data Restart 2020: AI, ML, neuronové sítě, advanced analysis a ostatní – versus běžný CMO. Všichni chceme dělat super cool data science projekty. Kde ale markeťákům nejčastěji leží v datech tržby a čekají na shrábnutí?

Published in: Data & Analytics
  • Be the first to like this

Marketing a data. Umíme v nich najít hodnotu?

  1. 1. Marketing a data: Umíme v nich najít hodnotu? Jan Kadleček
  2. 2. Představení Marketing & Data Consultant Jan Kadleček
  3. 3. Inspirace k přednášce 1 Velikost klienta - 250 zaměstnanců - 2,5 miliardy v obratu - pokryté všechny standardní marketingové kanály - implementace Exponea, ROIVenue, RTB atd. Cíle CMO klienta - posunout “někam dál” marketing - implementace ML, AI a neuronových sítí - očekávaný výsledek zlepšení o 1 % efektivity marketingu
  4. 4. Inspirace k přednášce 2 - Využijeme machine learning na raw level impresní data z Adformu na personalizaci reklamy na základě predikce afinity uživatele ke konverzi. - Uděláme feasibility studii na toto řešení, nastavíme příslušná KPI, A/B testing a po kvartále vyhodnotíme přínos. - V rámci ROI započítáme fee agentury, mzdy interních lidí a cenu za software i hardware, kdy rozdělíme náklady na OPEX a CPEX, které odepíšeme v čase. Nápad klienta
  5. 5. Inspirace k přednášce 3 Solidně postavené zadání? Byli do návrhu zapojeni všichni příslušní lidé? Ano. Ano, od businessu, CMO až po data science. Bude to fungovat? Ano.
  6. 6. Výsledek spolupráce? Data scientist CMO
  7. 7. Vyspělost klienta a obchodní cíle. Na co se zapomnělo? zdroj
  8. 8. Zpátky na začátek Udělejte analýzu vstupního stavu 1) Na začátku spolupráce projděte základy 2) Nespoléhejte, že už někdo něco vymyslel 3) Buďte ten člen týmu, který se snaží vidět big picture 4) Verifikujte business cíle klienta 5) Začněte od quick wins a essentials
  9. 9. Quick wins
  10. 10. Co potřebuji vědět jako CMO? Kolik mám zákazníků? Kolik mi vydělají? Za kolik je získám? Zákaznická data Transakční data Marketingové náklady
  11. 11. PNO Příklad č. 1
  12. 12. Rozbijte PNO Kampaň Návštěvy Náklady Konverzní poměr Transakce Tržby PNO Obecná 3472 21 456 Kč 2,56 % 89 126 321 Kč 16,98 % Vzorový příklad CPA 241 Kč
  13. 13. Rozbijte PNO “Cena za akvizici nového zákazníka je až 5x vyšší než za opakovaný obchod” zdroj
  14. 14. Rozbijte PNO Kampaň Návštěvy Náklady Konverzní poměr Transakce Tržby PNO Akvizice 1430 15 568 Kč 0,97 % 14 17 571 Kč 60,14 % Retence 2042 10 888 Kč 3,67 % 75 108 750 Kč 10,01 % Rozděleno dle typu zákazníka CPA 754 Kč akviziční CPA 145 Kč retenčníCOGS?
  15. 15. CLV Příklad č. 2
  16. 16. Proč CLV?
  17. 17. Proč je CLV quick win? zdroj
  18. 18. Nekomplikujte si to zdroj
  19. 19. Churn Příklad č. 3
  20. 20. Akvizice & Churn
  21. 21. Rychlé cvičení - 800 zákazníků udělalo objednávku minulý měsíc - 400 nových zákazníků získáme měsíčně - 50 % nových zákazníků meziměsíčně ztratíme NIKDY Stávajícím tempem za jak dlouho dosáhneme 1600 zákazníků za měsíc?
  22. 22. Co díky tomu klient ví? Příklad č. 4
  23. 23. Co díky tomu klient ví? - Kolik ho stojí nový zákazník. - Kolik ho stojí udržet si zákazníka. - Kolik mu zákazník vydělá. - Kdy zákazníka ztratí.
  24. 24. Shrnutí v bodech
  25. 25. Shrnutí - Verifikujte: - Maturitu klienta - ROI a impakt - Smysluplnost - Nekomplikujte si život přetechnizovaným řešením. - Myslete v širším kontexu celého businessu.
  26. 26. Díky za pozornost!

×