Kampaňový management a implementace MA Česká spořitelna, Direct marketing 10. prosince 2009 Václav Hrubý.

Slides:



Advertisements
Podobné prezentace
Znalostní zázemí organizace
Advertisements

Magistrát města Mostu Radniční 1/ Most IČ: DIČ: CZ Národní konference kvality 2014 Hradec Králové Kompetence.
CRM a konkurenceschopnost vybraných firem Jan Němeček Univerzita Hradec Králové.
Jednatel Cargologix, s.r.o.
managementu znalostí podle
Tereza Podaná Lucie Řeřábková
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.
13. Koordinace projektů Realizace změn Koordinace projektů
IS V EKONOMICKÝCH SUBJEKTECH Ing. Jiří Šilhán. IS IS – data+lidi+HW, prvky + relace mezi uživateli, které splňují nějaké cílové chování – tak aby byly.
1 AOV „Nástroje a distribuční cesty v současné ekonomické a obchodní situaci mezi výrobcem a spotřebitelem v aplikaci společností Sanitec“ Ing.Michal.
Ruber, Saitz.  Customer Relationship Management  Systémy pro řízení vztahů se zákazníky  Zjednodušeně : ◦ shromažďování ◦ zpracování ◦ využití informací.
11 Procesy a procesní řízení 22 Další charakteristiky procesu má svého vlastníka (osoba odpovídající za zlepšování procesu) má svého zákazníka (interního.
SYSTEMIZACE PRACOVNÍCH MÍST
GORDIC ® + CA = vaše cesta ke zvýšení kvality a efektivity služeb DRMS FORUM Ing. Jakub Fiala vedoucí týmu CA Technologies programátor,
Informační systémy podnikové systémy CRM
Člen skupiny HVB Group E- HVB Bank Petra Slabá, HVB Bank Czech Republic a.s. Lucie Melicharová, learn2grow s.r.o.
Proč strategický management?. Geneze strategického managementu Období ? Plánováníkrátkodobédlouhodobéstrategické strategický.
Geomarketing v adresné distribuci
Michal Pluta Česká spořitelna, a.s. IX / 2008
Obsah  Představení  Úrovně cílení na zákazníky  Co je to segmentace  Workshop –prototyp segmentace ihned a ručně.
SBĚR A ANALÝZA VZDĚLÁVACÍCH A ROZVOJOVÝCH POTŘEB V ČESKÉ SPOŘITELNĚ, a.s. Mgr. Oldřich RANDULA, ředitel odboru vzdělávání, ČS, a.s. HR ŽIVĚ leden.
3. Životní cyklus a procesy projektu
1 Rešení Cisco a Linksys – segment SMB. 2 Linksys/Cisco Domácíuživatelé Střední a velké korporace Domácí a malé kanceláře, střední firmy Středně velké.
Ing. Jiří Šilhán.  představuje komplex aplikačního a základního software, technických prostředků, podnikových procesů a personálních zdrojů určených.
Inovace výuky ve vazbě na požadavky Mezinárodních výukových standardů doc. Ing. Marie Pospíšilová,CSc. SVŠES.
Bankovní služby pro malé a střední podniky Autor:Ladislav Mach Vedoucí práce:Ing. Olga Šeflová Oponent práce: Eva Faměrová.
Moderní vzdělávací systémy vyšších a vysokých škol neuniverzitního typu Ing. Daniel CHOC CCA Group a.s.
Informační strategie. řešíte otázku kde získat konkurenční výhodu hledáte jistotu při realizaci projektů ICT Nejste si jisti ekonomickou efektivností.
Projekt 3.3 „Partnerství pro budoucnost“. Úvodní informace o projektu Projekt byl úspěšně předložen Karlovarským krajem v rámci výzvy SROP, priority 3.
Postakviziční integrace Jaké kroky se mají učinit po podpisu kupní smlouvy Pavel Seeman.
VŠB - TU Ostrava, Fakulta Elektrotechniky a Informatiky Rozvoj RCM v elektroenergetice Ing. Jan Gala.
Stipendijní informační portál - Informační Strategie.
Podnikové informační systémy C7 – Data Mining a získávání znalostí České vysoké učení technické v Praze Fakulta strojní ústav Řízení a ekonomiky podniku.
Ondřej Škorpil 27. října 2011 American Center Řízení agendy CSR ve Skupině ČSOB Na cestě k efektivitě: Jak integrovat CSR do strategického řízení firmy.
4. Lekce Dílčí procesy funkčního testování
Systémové pojetí hospodářské organizace
Informační systémy TPS,MIS, SIS.
Možnosti modelování požadavků na informační systém
INFORMAČNÍ SYSTÉMY Semestrální projekt 2013/2014 Podmínky udělení zápočtu Ing. Roman Danel, Ph.D. Institut ekonomiky a systémů řízení.
Zvýšení kvality řízení KÚPK aktivita A3 Informační strategie Analýza Workshop
Strategické plánování. Management rozhoduje o: Předmětu podnikání Jeho cíli Způsobu, jak k tomu cíli dospět STRATEGICKÉ PLÁNOVÁNÍ.
2008/2009 REPORTING Tereza Mulačová Česká zemědělská univerzita v Praze Tereza Řezníčková Provozně ekonomická fakulta Marek Tláskal obor Veřejná správa.
Microsoft Dynamics CRM
© 2013 IBM Corporation Business Anayltics Jan Biheller Sales leader Business Analytics CR & SR.
Marketing v pojišťovnictví února 2007 E :45 – 17:15 hod.
EKO VY_32_INOVACE_EKO_12 MARKETINGOVÉ ŘÍZENÍ. Autor: Ing. Hana Motyčková „Autor je výhradní tvůrce materiálu.“ Datum vytvoření: Klíčová slova:
Dobré odpoledne.
CRM a jeho možné využití
6. Profesní kompetence jako pracovní způsobilost Dagmar Svobodová.
Personální plán pro podnikatelský plán
Petr Mikšovič CEO, SOVA NET, s.r.o. Význam on-line strategie v B2B.
Základy marketingu třetí přednáška Ing. Nina Kudláčková, Ph.D.
Autorita Schopnost získat si respekt podřízených. Rozlišujeme formální, neformální a odbornou autoritu Autoritativní styl řízení Styl řízení založený.
Vysoká škola technická a ekonomická v Českých Budějovicích Ústav podnikové strategie Návrh marketingového mixu obchodního podniku Autor bakalářské práce:
Systémy pro podporu managementu 2
Marketingový plán podniku
Vysoká škola technická a ekonomická v Českých Budějovicích
Vysoká škole technická a ekonomická v Českých Budějovicích
MARKETING Přednáška P
Projekty MARSL.
Databázové systémy přednáška 13 – Analýza a reporting
Systém elektronické podpory obchodování (SEPO)
Osobní prodej Osobní forma komunikace s 1 nebo více zákazníky
Prezentace obchodního plánu
Informační systémy podnikové systémy CRM
OnLine Analytical Processing ESF MU 2005 J.Skorkovský
Elektronizace v prostředí justice
Název společnosti Obchodní plán.
Prezentace obchodního plánu
Transkript prezentace:

Kampaňový management a implementace MA Česká spořitelna, Direct marketing 10. prosince 2009 Václav Hrubý

Agenda Představení DM v ČS Proces DM Tři komponenty úspěšné implementace Marketing automation Marketing automation (MAT) Závěry

Odbor Direct Marketing v ČS Začleněn v úseku Rozvoj obchodu v divizi Drobné bankovnictví Direct Marketing Data Mining Campaign Management Profitabilní Direct Marketing 1 vedoucí týmu 1 MAT specialista 6 analytiků 1 vedoucí týmu 1 kampaňový manažer senior 4 kampaňoví manažeři Mise: Maximalizovat dlouhodobý provozní zisk prostřednictvím přímých prodejů stávajícím klientům.

Odpovídáme zadarmo nebo za milý úsměv a zpravidla celou větou…  Za co odpovídáme? Odpovídáme zadarmo nebo za milý úsměv a zpravidla celou větou…  Uřídit direct marketingové kampaně v rámci celé FSČS, aby se odehrály tak jak mají, a donesly očekávané výsledky (včetně zapojení distribučních a komunikačních kanálů) Vyhodnocovat, interpretovat a komunikovat výsledky kampaní Pohlídat, aby dosažení očekávaných výsledků pro stávající kvartál neznamenalo zmenšené naděje na dosahování výsledků v následujících kvartálech (správný moment, správná nabídka, správný klient…. a balancujeme „milostný trojúhelník“ segmenty, distribuce, produkty)

DM strategie

Nástroje… CRM AppS ODS Web Server DWH CRM DB Scoring DM DM ČS CSOPS Data Marts 45 Source Systems ČS LAN/WAN CSOPS Fusion CRM AppS ZSCS Real Time capability CSOPS Fusion ODS Web Server SB Eiger mbMW BW III Replication Mark4 DWH CRM DB SU Master DB for Client Data ... >5 years history Transactions ... ... Scoring SM/SEM ... Client Profitability DM Enterprise Miner DM MAT ČS Bank ČS Insurance ČS Pension Funds ČS Building Society etc. OFSA

Procesy, Role, Team Campaign Mngr. + Segment Mngr. Product Mngr. Marketing Mngr. Předpis č. : 5208_00_02R

3 komponenty úspěšné implementace MA Metodika Data Analýzy Marketing Automation

Data = potenciální zdroj konkurenční výhody Povaha podnikání  velké objemy dat Zpracování a uložení dat = nutnost Konsolidace a analýzy dat = zdroj konkurenční výhody Předpoklady: Jasné cíle Dobře přístupná a kvalitní data Zaměstnanci s databázovým a analytickým know how Porozumění businessu Podpora vedení Kvalitní analytické nástroje Obchodní využití výsledků

3 komponenty úspěšné implementace MA Metodika Data Analýzy Marketing Automation

Základní druhy analýz podporujících direct marketing Prediktivní modely Prodej produktů Aktivace produktů Odchody klientů / rušení produktů Analýza doby přežití produktů  propočty LTV produktů Analýzy pro lepší cílení kampaní Segmentační analýzy Popis charakteristik a chování klientů Analýzy pro vyhodnocování kampaní Konstrukce kampaní (oslovení klienti a kontrolní skupiny) Statistická signifikantnost a interpretace výsledků

Základy prediktivního modelování Rozhodnutí při vytváření prediktivních modelů Skupina klientů, pro kterou se má modelovat Cílové chování, které se má modelovat Speciální prediktory Délka období mezi predikovaným chováním a daty použitými pro predikci Výsledek modelování: prediktivní skór pro každého klienta Pro použití v direct marketingových kampaních V ČS: udržujeme přes 40 prediktivních modelů Pravidelné sledování výkonnosti modelů je nezbytné

Příklad speciálního prediktoru Kontokorent a hotovostní úvěry: Úvěr si spíše pořídí klient, který využívá kontokorent. Takový klient pravděpodobněji potřebuje peníze a projde úvěrovým scoringem.

3 komponenty úspěšné implementace MA Metodika Data Analýzy Marketing Automation

Výběr cílové skupiny Nutné vylučovací podmínky Hájení před příliš častým oslovováním Výběrové podmínky specifické pro danou kampaň a nabízený produkt Způsob použití prediktivních modelů Optimalizace zařazování klientů do kampaní, když mohou být ve více současně

Konstrukce kontrolních skupin Po aplikaci všech výběrových podmínek musí být náhodně oddělena kontrolní skupina klientů, kteří záměrně nebudou oslovení. Nákupní chování klientů v kontrolní skupině je spontánní. Jeho rozdíl vůči oslovené skupině je pak skutečným výsledkem kampaně. Všichni klienti vyhovující finálním výběrovým podmínkám Oslovení klienti Kontrolní skupina Oddělení umožňuje statistické vyhodnocení odezvy

MAT – SAS Campaign Studio – základní obrazovka Paleta nástrojů obsahuje základní stavební prvky výběrového diagramu. Uživatel myší přetahuje nástroje do diagramu. Seznam kroků kampaně přehledně zobrazuje všechny kroky nutné k vytvoření kampaně. Properties window zobrazuje vlastnosti vybraného nódu. Pracovní plocha pro vytváření diagramu kampaně

Marketin Automation Tool: Takto vypadá skutečná kampaň (ta jednodušší )

Marketin Automation Tool:

Co jsme od MATu očekávali Plná podpora plánování kampaní Podpora kampaňového procesu vč. schvalování Výběry dat pro kampaně v grafickém rozhraní přesun kompetence na kampaňové manažery Aplikace existujících pravidel pro zařazování klientů do kampaní Významný nárůst počtu prováděných kampaní Optimalizace zařazení klientů do kampaní napříč kampaněmi Automatické exporty dat Průběžné sledování úspěšnosti kampaní + závěrečné vyhodnocení Archivace kampaní jako „knowledge base“ „Snadná“ údržba

Výsledky implementace MATu Očekávání Výsledek a) Plánování kampaní Funguje dobře z krátkodobého hlediska b) Kampaňový proces včetně schvalování Implementovány základní schvalovací pravomoci c) Přesun výběrů dat na kampaňové manažery Uskutečněn d) Aplikace existujících pravidel pro výběry Zajištěna e) Nárůst počtu kampaní Umožněn implementací permanentních kampaní f) Optimalizace Plán dalšího rozvoje g) Automatické exporty dat Zajištěny h) Sledování úspěšnosti kampaní + vyhodnocení Zajištěno i) Archivace kampaní j) „Snadná" správa Funguje dobře      ?    

Zkušenosti z implementace MATu Již zavedený direct marketingový proces byl implementací MATu významně ovlivněn Velkou výhodou při implementaci byla konkrétní výchozí představa o požadovaných funkčnostech Výborným tahem bylo vytvoření nové pozice administrátora MAT v dataminingovém týmu Velkou pozornost je nutné věnovat testování nástroje

Když to shrneme… automatizace přímého marketingu je výzva automatizace přímého marketingu je dobrodružství automatizace přímého marketingu je pro připravené díky automatizaci přímého marketingu objevíte nové obzory automatizace přímého marketingu je závazek automatizace přímého marketingu umožňuje vítězit

Děkuji za pozornost! Václav Hrubý, vhruby@csas.cz