Kanály nebo relevance O Řízení KAMPANÍ

Slides:



Advertisements
Podobné prezentace
Vstupte úspěšně na online trh ACOMWARE s.r.o. • Hvězdova 1689/2a, Praha 4 • Tel.: •
Advertisements

ÚVOD DO MARKETINGU.
Využití potenciálu mobilního kanálu
1 Projektová dynamika II RNDr. Jiří Weinberger, TIMING Praha 28. Března 2008.
Aby vás e-zákazníci Jan Tuček. 3 Komunikace, zákaznický přístup 3 Komunikace, zákaznický přístup Zákazníci e-shopů vás nebudou pokud jim nenaplníte 3.
Název projektuModerní škola Registrační číslo projektuCZ.1.07/1.5.00/ Název aktivity III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název.
Název projektuModerní škola Registrační číslo projektuCZ.1.07/1.5.00/ Název aktivity Aktivita VI/2 - Vytváření podmínek pro rozvoj znalostí, schopností.
Trh a jeho zákonitosti.
1 Zdroj: GfK SIS, ČR 2001, n = respondentů Hypermarkety: Kvalitní zboží (34%) Blízko domova (26%) Tento obchod vyhovuje (24%) Nízké ceny (23%) Příjemné.
Printforum 2011 Přednáška Technologická přeměna – a důsledky pro tiskárny Prof. Dr. Thomas Helbig Poradce podniků v polygrafickém průmyslu
Rozbor a výsledky integrovaných mobilních kampaní Aktuálně.cz Ondřej Švihálek, Centrum Holdings 13. října 2010.
Mobilní marketing.  Cíl: Představení nového modelu  Komunikační mix: banery na O2 mobil landing page  Timing: 3 týdny V.
DATA MINING Irma Macháčová PROČ DATA MINING?
TENTO PROJEKT JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ REPUBLIKY Inovace studijních programů na Fakultě multimediálních.
1 AOV „Nástroje a distribuční cesty v současné ekonomické a obchodní situaci mezi výrobcem a spotřebitelem v aplikaci společností Sanitec“ Ing.Michal.
Kalkulace plných a variabilních nákladů
© LogicaCMG All rights reserved Ze strašáka každodenní pomocník Ondřej Hrubý Business consultant Zkušenosti z implementace.
Klubový materiál. Zjednodušený multilevelmarketing cesta za finanční nezávislostí je naše Naše.
Informační systémy podnikové systémy CRM
Výukový materiál zpracován v rámci projektu EU peníze školám 1 Registrační číslo projektuCZ. 1.07/1.5.00/ Číslo materiáluVY_32_INOVACE_UCE_013.
Internetový obchod v ČR 2005 / 2006 Konference SAEC, , Bratislava Josef Suchánek APEK - Asociace pro elektronickou komerci.
JAK POZNAT HODNOTNÉ ZÁKAZNÍKY …cílíme přesně 1. Obsah  Teorie zákaznické hodnoty  Vyrábění zákaznické hodnoty 
Obsah  Představení  Úrovně cílení na zákazníky  Co je to segmentace  Workshop –prototyp segmentace ihned a ručně.
Co je a k čemu slouží benchmarking?
Online prodeje jako součást multikanálového přístupu v praxi
O DATECH S ANALYTIKEM Jan Matoušek 1. Analytik - Jan Matoušek 2 V data miningu od roku 2003 Od roku 2009 vlastní firmu na data mining jménem Data Mind.
Air Products Company Confidential 25. března 2013 Co je nového v aplikaci AgentsPlus?
Ing. Jiří Šilhán.  představuje komplex aplikačního a základního software, technických prostředků, podnikových procesů a personálních zdrojů určených.
Proč slábne spotřeba domácností ? Eva Zamrazilová Členka bankovní rady ČNB Pesimistický spotřebitel: světlo na konci tunelu 17. října 2012 Konferenční.
MARKETING FINANČNÍCH SLUŽEB E :00 – 13:30.
Výukový materiál zpracován v rámci projektu EU peníze školám Registrační číslo projektu: CZ.1.07/1.5.00/ Šablona: III/2 č. materiálu: VY_32_INOVACE_PEK248.
Název školy: Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, Karlovy Vary Autor: ING. HANA MOTYČKOVÁ Název materiálu: VY_32_INOVACE_05_PLÁNOVÁNÍ.
Ing. Martin Kocourek ministr průmyslu a obchodu EXPORTNÍ STRATEGIE EXPORTNÍ STRATEGIE Exportní konference
Základy marketingu šestá přednáška
Vliv teploty na ztráty PHL – způsoby vyjádření Petr Molák, Shell Czech Republic
Podnikové informační systémy C7 – Data Mining a získávání znalostí České vysoké učení technické v Praze Fakulta strojní ústav Řízení a ekonomiky podniku.
Strategie značky a komunikace
Jednoduchá cesta k optimálnímu rozložení investic
Systémové pojetí hospodářské organizace
Bc. Martin Dostal. Co to je sémantické vyhledávání? Vyhledávání s využitím "umělé inteligence" Vyhledávání v množině dat na stejné téma katastrofy sport.
Finanční matematika v osobních a rodinných financích
Chování spotřebitele, výrobci, efektivnost
 BA_EM Electronic Marketing Pavel Agenda  Efektivní data mining jako zdroj relevantních dat o potřebách zákazníků.
Jméno firmy Podnikatelský plán. Shrnutí Jasně popište, co je smyslem činnosti vaší společnosti a jaké si kladete cíle –Stručně popište, jak si představujete.
Výukový materiál zpracovaný v rámci projektu Označení:Sada: Ověření ve výuce:Třída: Datum: Registrační číslo projektu:CZ.1.07/1.5.00/ VY_32_INOVACE_MAM_KC_1_12.
úvod pojetí a obsah marketingu
doc.PhDr. Dušan Pavlů, CSc.
VY_32_INOVACE_EKO_04 MARKETINGOVÝ MIX. Autor: Ing. Hana Motyčková „Autor je výhradní tvůrce materiálu.“ Datum vytvoření: Klíčová slova: marketingový.
Číslo projektuCZ.1.07/1.5.00/ Číslo materiáluVY_32_INOVACE_245 Název školyGymnázium, Tachov, Pionýrská 1370 Autor Ing. Roman Bartoš Předmět Informatika.
Tržní cílení – hodnocení tržních segmentů
Marketingová politika a výběr pracovníků. Produktové skupiny, segmentace, teritoria Určení hlavního produktového a teritoriálního rozdělení a stanovení.
Chicagská škola Rozvoj od 30. let 20. století
Testování efektu přímé komunikace na vybrané skupiny zákazníků Dr. Max Březen 2015.
8. Marketing.
ZÁKLADY EKONOMIE I Poptávka a nabídka Tržní mechanismus 4
Chování kupujících  Chování kupujících je složitý proces, který ovlivňuje řada vnitřních i vnějších činitelů a marketingový odborníci mohou znalost.
Obsah Marketingový mix Marketingový mix obchodníka Nákupní marketing.
Anotace Materiál je určen pro 2. ročník studijního oboru PROVOZ A EKONOMIKA DOPRAVY, předmětu LOGISTIKA A OBSLUŽNÉ SYSTÉMY. Inovuje výuku použitím multimediálních.
Vliv důvěryhodnosti výrobce automobilů na nákupní chování zákazníků MARTIN JIRUŠKAŠKODA AUTO VYSOKÁ ŠKOLA, O.P.S.
Finanční gramotnost: Peníze a jejich časová hodnota.
Yekaterina Vanina Yelena Vanina Arina Kositskikh Maxim Kim.
MARKETING 4 Distribuce a Cena. Prodejní cesty spotřebního zboží Výrobce Spotřebitel agent velkoobcho dník maloobcho dník velkoobcho dník maloobcho dník.
Řízení vztahu podniku k věřitelům
Jak na PR (absolutní základ)
Databázové systémy přednáška 13 – Analýza a reporting
Název: Marketing – podnikoví zákazníci Autor: Ing.Jan Štěpka
Segmentace trhu pro cr Nikola Holasová.
Informační systémy podnikové systémy CRM
OnLine Analytical Processing ESF MU 2005 J.Skorkovský
Transkript prezentace:

Kanály nebo relevance O Řízení KAMPANÍ 4/3/2017 Kanály nebo relevance O Řízení KAMPANÍ

Multikanálová komunikace Komunikační kanály v kampaních Relevance sdělení Vybíráme produkty za zákazníka Kampaně s negativním efektem O nepoužitelných komunikačních kanálech

Zdroje 14 let analýzy zákaznických dat a kampaní Data miningové modely, učící se z chování zákazníka Model se učí ze zákazníků, málokdo se učí z modelu Praxe pro elektronický i kamenný retail, telekomunikace… Některé zdroje zde chybí Přesná obchodní data klientů nemáme obvykle právo zveřejnit

Kanály a jejich síla – Konverze Je zřejmé, že každý kanál má jinou běžnou účinnost Perfektní nabídky však obvykle sníží rozdíly dané komunikačním kanálem

Tři cesty k extrémní responsi zákazníka Zdarma Pokud jste George Soros nebo Matka Tereza Response dosahují 85% Pod tlakem Pokud jste státní organizace Response dosahují 90% Relevantně Pokud jste dostatečně chytří Response dosahují 50%

Konkrétní případy responsí Zdarma: Dobročinná organizace nabízí newsletter pro dárce (Response 60-80%) Pod tlakem ČSÚ hrozí pokutou za nevyplnění (98% Sčítání lidu) Relevantně Víme, že lidem chybí kalhoty (15%), auto (7%) nebo antikoncepce (70%) či pokročilé mobilní služby (60%) a Nakupují u nás (jsou „věrní“) Mají peníze (vysokou hodnotu) Jsou afinitní k danému výrobku / službě

Tři cesty k Relevanci Nikoli firemní politika, sklady, marže ani oddělení nákupu Potřeba zákazníka dělá business Nabízet, co zákazník potřebuje, ne to, co chceme prodávat Pochopitelná nabídka Jasný přínos Povedená kreativa Správným způsobem Nejlepším zákazníkům Dle jejich aktuální potřeby Správným zákazníkům

Jak poznat, co zákazníkům chybí Podíváme se který produkt se prodává s kterým Zvažujeme sílu zboží i sílu kombinace Pravidla o silných vazbách mezi produkty navážeme na poslední nákupy zákazníka Vede nás zákazník! Prodáváme věci, které souvisí nejen z hlediska funkce, ale i lifestylu apod.

Relevance proti marži Chcete dělat v relevanci kompromisy ? Podívejte se na následující obrázek z reálného projektu Co to znamená? Tomu, kdo nakoupil svetr prodáme tričko, nikoli oblek Kompromis s doporučováním dle marže a relevance se nevyplatil Prodej čistě jen relevantních položek byl mnohem silnější a obchodně úspěšnější

Jak poznat nejlepší zákazníky Od oka Pokud máte tisíce očí Podle poslední útraty Neefektivní Pomocí dlouhodobé hodnoty Dobrý začátek Doporučuji přejít na RFM Pomocí afinitního modelu Maximalizace užitku

Nejlepší zákazník - Afinitní modely Nejlepší zákazník je ten kdo nejspíše v budoucnu nakoupí Afinitní model Zákazníci jsou s využitím znalostí o jejich chování, nákupech apod. rozděleni na desetiny dle pravděpodobnosti nákupu V reálném projektu nejlepší desetina zákazníků nakupuje 5 druhů zboží, zatímco nejhorší desetina v průměru 0,5 ks Oddělujeme dobré zákazníky pomocí „předpovědi nákupu“

Jak se vyrábí afinitní model Znalosti z minulosti použijeme na předpověď budoucího chování Nákupní charakteristiky, kategorie, zvyky Model (co má vliv) Nákupy Modelování Model Budoucí nákupy Cílení Minulost Současnost Budoucnost

O zlých kanálech Špatný komunikační kanál je takový Který jsme použili 1x až 5x a nefungoval Kde máme špatnou databázi Kde jsme neovládli: Relevanci Uživatelskou zkušenost Kreativu Na který zákazníci od nás nejsou zvyklí

O kampaních s negativním efektem Ano, existují kampaně s negativním efektem Podléhají však utajení či dokonce autocenzuře Málokdy opustí stůl analytika Stojí za tím jeden z těchto důvodů Byl použit „Zlý kanál“ Nabídka byla tuctová, nezajímavá Zákazníkům bylo nevědomky připomenuta negativní skutečnost Pokud jste již zaplatili za neefektivní kampaň, využijte z ní alespoň znalosti Dělání chyb je nevyhnutelné, ale jejich opakování přijde draho

Aktuálně Nabízíme spočítat, nakolik se vám vyplatí data mining Business case a konzultace bezplatně Data Mind s.r.o. U průhonu 466/22 170 00 Praha 7 www.datamind.cz Jan Matoušek jan.matousek@datamind.cz +420 720 705 639