Emerce Engage 2016 - Ewout Vis (Sanoma)
-
Upload
emerce -
Category
Data & Analytics
-
view
72 -
download
0
Transcript of Emerce Engage 2016 - Ewout Vis (Sanoma)
Speelveld in het bereiken van de klant verandertSanoma werkt aan een toekomstbestendig cross mediabedrijf
4
Onze visie: Dag in het leven van Louise
Opstaan: mobielGepersonaliseerde content
Pretarget fashionchick content
Lunch: desktop
Gepersonaliseerd regionaal nieuws
Plaatst bericht op VIVA forum over
“Gouden bergen”
Bij thuiskomst: laptop
Kijkt TV: tablet
Danni Lowinski
Aanbeveling om te kijken naar “Gouden bergen” op KIJK.nl na Danni Lowinski (alternativef: koop DVD box vorige seizoen Danni Lowinski)
Volgende dag:Aanbod voor VIVA
abonnement
Mail korting op “woonbeurs ticket
BtB propositieKlikt op mail en gaat naar website en koopt kaartjes
Retarget fashionchick banner:Klikt op banner en koopt product
Interesses:ModeHome DecoEntertainment
- 36 jaar- [email protected] 06 12345678- Deventer- vtwonen abonnement- Credit card 12345Louise
5
Investeren in data/analytics essentieel voor realisatie visie
Dynamische content
Segmentatie
Inzicht in consumenten
gedrag
Profielen opbouwen
Begrijp wat er in de
consument omgaat
Luister naar de individuele consument
Dynamische campagnes
6
Doelstellingen van ons Big Data Programma
1
2
3
Het enorme bereik van Sanoma SBS op individueel niveau inzetten door personalisatie van content en marketing
Ontwikkelen van use cases, die schaalbaar en uit te rollen zijn over alle merken en kanalen
Uitrollen van de succesvolle use cases en hier geld mee verdienen
8
Het programma richt zich op ontwikkeling van analyse producten, vergroten klantidentificatie, opbouwen profielen en ‘monetizen’
User identificationIdentificeren van de bezoekers van het Sanoma netwerk over merken en devices heen
Data HarvestingVergroten van de klantenbase en bereikbaarheid van
klanten, verrijken van klantprofielen
EnablementOpslaan van klantprofielen, -gedrag en andere (meta)data en ontwikkelen van analytics producten
Data MonetizationGebruik van (big) data voor cross-mediale BtC campagnes en voor relevante klantervaringen
9
10
De 6 uitgangspunten van onze aanpak
1. Ownership 2. Projectteam
5. Automatiseren
3. Slim investeren 4. Schaalbaarheid
6. Scope
Elk project heeft een duidelijke business owner
Slimme pilots leiden tot ‘requirements’ en slim investeren
Voor elk project wordt een multidisciplinair team samengesteld met brede kennis en vaardigheden
Mogelijkheid tot automatiseren is randvoorwaarde voor het starten van een pilot
Pilots worden alleen gestart als we potentieel zien om het initiatief op te schalen naar andere merken
We implementeren end-to-end: 1) waardepropositie, 2) analytics, 3) data 4) automatisering en uitrol
Geautomatiseerde analyse producten worden ontwikkeld en uitgerold over de merken en ingezet t.b.v. BtB/BtC sales
Opt-in
Contact data
Social and external data
Digital data Analyses
Customer and subscription data
Analytics products
Big data deployment
Data sources
Hard data profiling
0 Similar audiences
1 Interestprofiling
2 Intent profiling
3 Predictive profiling
4 Location based profiling
5 Recommen-dation engine
6
• Homepage recommendations• Content/product/video recommenders• User Experience optimization
Content personalization
• Web advertizing• Mobile / in app targeting• Cross device targeting
BtB Monetization
• Acquisition• Cross- and Upsell• Retention & Winback
BtC Monetization
Enablement
12
Om dit mogelijk te maken bouwen we een 360 klantbeeld
Magazine User data
3rd party, e.g. CendrisCompetitor dataOnline panel data
Data capture consentData sharing consentMarketing consent
Age, gender, income
SpouseChildrenParentsFriends
Facebook, Google+ BlogsContent sharing
SubscriptionsPurchase/ transaction historyOnline subscriptionsBundlesPayments
Product and service ratings Opinion surveys
PicturesBlogsPostings
Next-best offerCLV Likelihood to churn Likelihood to respond to campaignBehavioral segment
Digital Transactions
Ratings
Consumer Opt-in
Demographics
Digital Behaviour
Contact
Subscriptions/Products
Advertorial behaviour
SocialMedia External data
Family relations
Online browsingMobile application usageWebsites visited
Analyses
Customer and subscription data
Analyses
Digital data
Opt-in
Social and external data
Service purchases / salesConsumer bidsSearches
Ad clicks, viewsAds shown
360 Customer View
User-generated
content
Inbound contacts
Outbound DMOutbound TMOutbound EMResponses
Contact data
Available Partially available
Enablement
13
Dit resulteert in een Big Data menu, geserveerd aan alle Sanoma SBS merken
BtCMoneti-
zation
Content persona-lization
BtBMoneti-
zation
• Homepage recommender
0. Hard data profiling
1. Similar audiences
2. Interest profiling
3. Intent profiling
5. Location based profiling
6. Recommen-dation engine
• Article recommender
• Product recommender
• Video recommender
• User Experience optimization
• Targeted web advertizing
• Mobile / in app targeting
• Cross device targeting
• Acquisition
• Cross- & Upsell
• Retention & Winback
Analytics productsFoundation
Applications
• Location based targeting
4. Predictiveprofiling
Enablement
14
We gebruiken deze analyse producten gedurende de complete customer journey van Louise
Similar Audiences
Interest profiling
Location based profiling
Predictive profiling
Recommen-dation engine
Cross-device targeting
Recommendation engine Next Best Offer
Enablement
15
Vb Analyse product: ‘Topic model’ waarin interesses, leeftijd, geslacht worden voorspeld van bezoekers o.b.v. leesgedrag
Brondata: • >300.000 artikelenTechniek: • Natural Language Processing• Continu testen, validatie (o.b.v. onderzoek)
en optimaliseren van het model
Resultaat: 200 topics, ingedeeld in interessegroepen
Toepassing:- Content en aanbiedingen personaliseren o.b.v. interesseprofielen- Sales propositie BtB- Op web en mobiel te gebruiken
Voorspelkracht:Van alle websitebezoekers- geslacht: 85%- leeftijd: tot 74%correct voorspeld
Enablement
16
Gebruik van topic model bij vtwonen leidt tot uplift van 63%
0,10%
0,13%
0,13%
0,10%
0,12%
0,14%
0,08%
0,06%
Look-a-like model based on visitors of landing page of summer campaign
Visitors of Home Deco related websites* (standard krux segment)
Frequent movers based on Cendris data
House owners of above average prices (>= 250K € WOZ) based on Cendris data
Visitors of Home Deco related websites** (according to vtwonen marketing)
Run of Network (Random)
Look-a-like model based on participants of the one day shopping campaign
Interest Group Home Decoration based on topic model
+63%
-21%
• Topic model is gebruikt om slim te segmenteren
• Tijdens de campagne worden diverse segmenten samengesteld en onderling vergeleken.
Enablement
Facebook heeft 11,8 m unieke users elke maand in NL, meerderheid logt in. Google heeft 11,5 m users
11.8 million unique users per month in NL*. Estimated 80% logged in: 9.4 million. Excluding Messenger, Whatsapp (7 million daily**), Instagram.
11.5 million unique visitors on Google sites per month, in NL**. 1.3 million daily unique visitors on Youtube, 17% logged in***.
**www.Marketingfacts.nl ***Google former productmanager on www.quora.com*NOBO (Nederlands bereiksonderzoek) latest estimate (aug 2016)
User Identification
19
Sanoma Account is de sleutel om online en offline data te koppelen
SanomaAccount
Transacties
Online gedragVoordelen klant
Voordelen Sanoma
Niet geïdentificeerd
• Toegang tot premium content• Betaalgemak• Gepersonaliseerde instellingen
& meldingen• Beheer abonnementen• 3rd party voordelen
• Verbeterde profiling• Cross device targeting• Loyaliteit en churn verbetering• Verhogen traffic• Gepersonaliseerde ecommerce
mogelijkhedenGeïdentificeerd
User Identification
20
Per merk en over de merken heen ontwikkelen we waarde proposities om als gebruiker (blijvend) in te loggen
Livestream Champions League wedstrijden op NU.nl & SBS/ Veronica
LINDA.tv Cook Love Share weekmenu, persoonlijke content
User Identification
21
Data Harvesting
Met de media enquête brengen we interesses van onze database in kaart om gerichte campagnes te kunnen doen
Interesse profielen
Look-a-likes
23
Video, games/testjes en smarticles steeds vaker ingezet om interesses te verzamelen en leads gericht te converteren Data Harvesting
Video
Gaming / tests / polls
Smarticles
24
Dataverzameling is een vast onderdeel geworden van het vtwonen concept en laat zien dat het ook echt leuk kan zijn!
25
2 belangrijke doelen: implementatie van cross mediale campagnes en personalisatie van digitale assets
Cross Medialecampagnes
BtC Monetization
Personalisatie van belangrijkste digitale Sanoma assets
Consumer experience
Data Monetization
27
Onze visie op campagne voeren
Campagnes die aan individuele klanten worden aangeboden op basis van gedrag van deze klant of van klanten die er op lijken (trigger). Wordt eenmalig per trigger opgezet en continu geoptimaliseerd
Always on
Campagnes die eenmalig worden opgezet en gedurende het hele jaar live staan met een standaard (variabel) actie aanbod. Kunnen zowel voor een bepaald merk worden opgezet als portfolio breed vanuit de customer journey (bv cross-sell programma). Wordt continu geoptimaliseerd.
Trigger basedAd hocCampagnes die op basis van de marketing kalender voor een korte actie periode worden ontwikkeld met een actieaanbod
Visie
Data Monetization
28
Data Monetization
Inzet van (big) data in campagnes geeft een impuls aan sales, succesvolle segmenten doorgezet naar ‘always on’
880
1.189
Big DataBusiness as usual Totaal
43%
57%
2.069
+74%
Resultaten targeted campagne Autoweek Succesvolle segmenten “always on”
Big data in standaard campagne aanpak
DBM menu kaart
29
‘Always on’ model werkt volgens principe ‘kans x waarde’ eventueel overruled door businessregels en online gedrag
De beste aanbieding is het product van conversie kans x waarde
Business rules kunnen de uitkomst van het model overrulen
Relevant online gedrag is onderdeel van de 'always on' campagne logica
De hoogst scorende magazines voor Jantien vanuit het ‘always on’ model zijn Margriet, Libelle en Story
Op basis van conversiekans x waarde komt Libelle als beste tijdschrift aanbieding voor Jantien uit de bus
In december zetten we alles op alles voor Story acquisitie in de Story Guilty Pleasure campagne
Het beste aanbod voor Jantien op basis van principe 1 wordt tijdelijk overruled door het campagne
aanbod van Story
Jantien zoekt op 123Tijdschrift en clickt op de kerst aanbieding van Donald Duck voor haar zoontje
Het beste aanbod voor Jantien vanuit principe 1 en 2 wordt opnieuw overruled door het Donald Duck kerstaanbod
Principes ‘always on’ model Hoe werkt het in de praktijk? Stel je voor …
Principe 1: kans x impact
Principe 2: business logica
Principe 3: recent gedrag
Data Monetization
30
Kids identificatie
Opa & Oma
Verhuizen
Premie & product interesseSales funnel abandonment
Trigger based campagnes is het volgende concept dat we groot gaan maken over de merken heen Data Monetization
31
Data gedreven productsuggesties vtwonen levert significant extra omzet op
Business as usual Big Data & analytics
Voorbeeld vtwonen website aanbevelingenProduct waarop geklikt Product suggesties
Voorbeeld vtwonen website aanbevelingenProduct waarop geklikt Product suggesties
Producten in dezelfde categorie “Andere mensen die dit product kochten, kochten ook deze producten”
Data Monetization
Recommendation engine voor content aanbevelingen vtwonen leidt ook tot extra omzet
• Collaborative filtering is gebruikt voor aanbeveling van artikelen
• Tijdens A/B testing wordt dit vergeleken met ‘business as usual’: manuele tagging van artikelen
Data Monetization
34
Data gedreven gepersonaliseerde e-mails voor KIJK leiden tot uplift van 65% in bekeken video’s (extra BtB inkomsten) Data Monetization
34
Gepersonaliseerde video aanbevelingen op NU, gebaseerd op interesses, recentheid, populariteit, collaborative filtering Data Monetization
Nieuwsvideo’s
Interesse profielen Recency Populariteit Collaborative Filtering
Parameter gewicht
Parameter gewicht
35
What’s next?
Bewezen successen groot maken binnen alle domeinen en merken
Testen van nieuwe innovatieve ideeën om meer schaalbare use cases te creëren
Focus op executie en realisatie!
Deze big data successen zijn nog maar het topje van de ijsberg van wat wij met big data toepassingen gaan doen
37
Samengevat: 5 belangrijke inzichten
1 Zonder business(problemen) geen projecten
2 Maak de CxO een ‘believer’ en zorg voor sponsoren in business
3 Begin klein, toon meerwaarde aan om een business case te bouwen en (IT) investeringen te rechtvaardigen
4 Formeer multidisciplinaire teams
5 Factor mens cruciaal: Data-denken in de genen
38