@Ruben_Niet @Edkassens Ruben en Ed vertelden over offline profielen versus online profielen. Hoe worden deze profielen opgebouwd en verzameld, hoe kun de deze profielen tegen elkaar afzetten en welke learnings kan je daar uithalen?

1. 21-4-2017 1
Klik om de stijl te bewerken
Tekststijl van het model bewerken
Tweede niveau
Derde niveau
Vierde niveau
Vijfde niveau

2. 21-4-2017 2
Klik om de stijl te bewerken
Tekststijl van het model bewerken
Tweede niveau
Derde niveau
Vierde niveau
Vijfde niveau
offline profielen
versus
online profielen

3. IAB sessie

4. Deterministisch
1st party
Identified
Known
Declared
Log In Data
look-a-likes op kenmerken
Probabilistisch
3rd party
Unidentified
Unknown
Undeclared
Browser/Surf gedrag
Look-a-likes op gedrag
Online Profielen
Het probabilisme is de leer van de waarschijnlijkheid.
Probabilisme is het tegengestelde van determinisme
Zwaartepunt online profielen zit in waargenomen gedrag

5. Google customer match vs Facebook custom audiences

6. Facebook creëert profielen op basis van log in data en klik- en surfgedrag.
Facebook profielen?

7. Google profielen?
Google verzamelt data gebaseerd op surfgedrag. Dit kan zijn door het bezoeken van websites,
het gebruik van Google Maps of het bekijken van een video.

8. Data zorgt voor meer relevatie en minder waste!

9. 140 jaar Historie Direct Marketing
IAB sessie
1872
Eerste
mailing ooit
1952
GH Wehkamp plaatst
1e direct response
advertentie
1886
Eerste
postorderaar
(Sears)
1950
Eerste call center
(DialAmerica
Marketing)
1937
Eerste postorderaar
in NL (Nederlandse
Boekenclub)
1966
Introductie begrip
Direct marketing
Introductie
Behavioural
Targeting
1980
Introductie begrip
CRM
1986
Introductie
Lifestyle
Segmentatie
Introductie
Psychografische
Segmentatie
1991
Introductie e-mail
Marketing
1985
Introductie
Demografische
Segmentatie
1995
Introductie
Data Mining
2011
Digitale
Revolutie

10. Kenmerken van offline segmentaties
• Opgebouwd op postcode-huisnummer-toevoeging
• Landelijk dekkend en compleet
• Beschrijft kenmerken van het huishouden
• In het verleden efficiënt omdat adverteerders van hun klanten het
postadres vastlegden
• eenvoudig verkrijgbare datasoort
• Gebruikt om gedrag te voorspellen
IAB sessie

11. Databronnen: Openbaar, permissie-based en/of objectinformatie
IAB sessie

12. IAB Sessie

13. IAB sessie
Online data
Geobserveerd gedrag als basis
Demografie wordt gemodelleerd of
verondersteld
Gedrag is vaak tijdelijk of historisch
Offline data
Demografie / kenmerken als basis
Gedrag wordt gemodelleerd of
verondersteld
Kenmerken zijn van lange duur

14. Koppeling inzicht, product en kanaal
E-mails: ieder consumenttype heeft ander klikgedrag!
IAB sessie

16. IAB sessie

17. Bij verschillende soorten gedrag is vaak de context verklarend
IAB sessie

18. Bij verschillende soorten gedrag is vaak de context verklarend
IAB sessie

19. Hoe breng je online en offline samen
Op basis van data
• Identifiers achterhalen door
slimme marketing processen
• De juiste DMP’s
• 2nd party leveranciers
IAB sessie
2nd party
data
contextgedrag

20. Learnings inzet Data
IAB sessie
• Offline data bijna altijd context informatie, Online is vaker
waargenomen gedrag
• Gedrag en context zijn complementair
• Combinatie is veel eenvoudiger dan 3 jaar geleden
• Consistentie & relevantie over alle kanalen
• Marketing KPI’s verbeteren

21. 21-4-2017 21
Klik om de stijl te bewerken
Tekststijl van het model bewerken
Tweede niveau
Derde niveau
Vierde niveau
Vijfde niveau