Akademia Partnerów Biznesowych. Jak zarobić na Big Data? Arkadiusz Wiśniewski Software Solutions Group Manager Software Group.

Transkrypt

1 Akademia Partnerów Biznesowych Jak zarobić na Big Data? Arkadiusz Wiśniewski Software Solutions Group Manager Software Group 06 marzec, 2014

2 Użytkownicy smartfon ów w Polsce 2

3 Sieci społecznościowe w Polsce 3

4 Platforma Big Data od IBM Analytic Applications BI / Reporting Exploration / Visualization Functional App Industry App Predictive Analytics Content BI / Analytics Reporting IBM Big Data Platform Visualization and Discovery Application Development Systems Management Accelerators Hadoop System Stream Computing Data Warehouse Information Integration and Governance 4

5 Wyzwania biznesowe nadal są takie same... tylko danych jest więcej... i nie bardzo wiadomo jak z nich skorzystać INTERAKCJE \ WARTOŚĆ Poszukiwanie Akwizycja Aktywacja Pozycjonowanie marki Kampanie poszukiwawcze Segmentacja Zbudowanie lojalności Dosprzedaż Klient na pokładzie Zmiana potrzeb Klient ponownie na pokładzie Dosprzedaż Utrzymanie Odzyskanie klienta Odzyskanie Był sobie klient CYKL ŻYCIA KLIENTA 5

6 6

7 On line Marketing (anonimowy gość) Karolina szuka lodówki (np. Beko) używając wyszukiwarki Google. Strona Cora jest na górze (Płatne od każdego wejścia) Na stronie Cora Digital odpowiednie produkty są rekomendowane dla niej na podstawie wpisanych kryteriów Karolina kontynuuje przeglądanie strony Cora (jako anonimowy gość). Kolejne rekomendacje pokazują się bazując na kontekście sesji internetowej 7

8 IBM WebSphere Commerce 8

9 IBM WebSphere Commerce 9

10 On line marketing (ukierunkowanie reklam) Karolina opuszcza stronę Cora, żeby przeszukać inne witryny. Na tych witrynach, Karolina zostaje ukierunkowana przez rekomendacje podobnych produktów związanych z wcześniejszym zachowaniem w Sieci. 10 Wpływ: spersonalizowane bannery mają 500%+ wyższe CTR

11 On line marketing (zidentyfikowany gość, ale anonimowy) Karolina ponownie wróciła do Cora Digital Na stronie Cora Digital odpowiednie produkty są rekomendowane dla Karoliny na podstrawie wyszukiwanej frazy i jej profilu. Przeglądając strone Cora (jako anonimowy klient), kolejne produkty wyświetlają się w oparciu o kontekst sesji internetowej. 11

12 Kampania jest sukcesem: Karolina klika na reklame i przechodzi do formularza żeby podać szczegóły zamówienia. Wpływ: ROI ze spersonalizowanych bannerów jest 15x wyższe Spowodowane wyższym CTR, wyższą konwersją i i większą wartością zamówienia Jednak...jest problem, wiadomość z błędem (wpisz adres) wyskakuje wielokrotnie. Karolina poddaje się... 12

13 Porzucony koszyk: Remarketing Cora Digital identyfikuje błąd w czasie rzeczywistym i rozpoczyna natychmiastową akcje: 1)Alarm jest wysyłany do Cora.ru w celu sprawdzenia i możliwej naprawy funkcjonowania witryny 2) Kampania remarketingowa do straconego klienta, wielokanałowa: Obsługa klienta Cora kontaktuje się z klientem, aby pomóc zrealizować zamówienie Zostaje wygenerowany automatyczny z przeprosinami i propozycją pomocy- przez dowolny dostępny kanał- aby zamówić produkt 13

14 Monitorowanie, identyfikacja zdarzenia i akcja Wpływ: identyfikacja zdarzeń Cora.ro webcare, IT lub Marketing mogą odtwarzać nagrania w celu zidentyfikowania problemu. 14 Wpływ: Znacznie skrócony czas rozwiązywania problemów

15 TeaLeaf 15

16 16

17 Wielokanałowe kontakty wzbogacają profil klienta Profil Karoliny Kobieta Wiek Lokalizacja Karolina automatycznie otrzymuje kartę lojalnościową przy rejestracji online Za kilka dni, Karolina skanuje kod QR z billbodardu Cora na przystanku autobusowym i zapisuje się do newslettera Karolina wykorzystuje kartę lojalnościową 17

18 Kampanie owe Cora wysyła miesięczny newsletter do Karoliny z promocjami dostosowanymi do jej profilu, historii zakupionych produktów on-line i off-line. Cora wysyła spersonalizowane ad hoc e do Karoliny z promocjami na podstawie jej profilu, historii zakupów on-line i off-line 18 Wpływ: CTR przez spersonalizowane e jest 3x wyższe

19 Marketing wielokanałowy online & offline Karolina pobiera kupon z newslettera albo strony Cora i idzie do sklepu, żeby skorzystać z promocji... i Karolina staje się zidentyfikowanym (i lojalnym) klientem sklepu, Cora może oferować jej spersonalizowane kupony w sklepie w czasie rzeczywistym. Wpływ: obroty ze sprzedaży krzyżowej się podwoiły w związku ze spersonalizowanymi rekomendacjami 19

20 Analiza behawioralna Relacja się rozwija Karolina dostaje e z informacją o zniżkach, które odnoszą się do jej historii zakupów ( poprzez użycie karty lojalnościowej przy płatności w sklepie Cora) Karolina stając się lojalnym klientem (zdobywa coraz więcej punktów lojalnościowych) daje Cora lepszy wgląd w swoje potrzeby i pozwala na modelowanie skłonności i segmentacje i bardziej istotną komunikację wielo-kanałową 20

21 Dane demograficzne Call center Badania rynku Reakcje na kampanie Dane transakcyjne Ankiety Dane od firm partnerów Obsługa klienta Dane o programach lojalnościowych 21

22 SPSS + Netezza SQL Pushback Records selection Data sets matching Sorting Aggregations Selecting variables Transformations, calculations, variables coding Modeler Server SQL In-database Mining Bayes Net Decision Trees Divisive Clustering Generalized Linear K-Means KNN Linear Regression Naive Bayes PCA Regression Tree Time Series Modeler Client 22

23 23

24 Kampanie w mediach społecznościowych Wchdzi w link i pozwala np. aplikacji FB na dostęp do swoich informacji Karolina otrzymuje zaproszenie, żeby śledzić profil społecznościowy Cora w zamian za różne korzyści (promocje)... Hi Jane, Thanks for following us! Check out our cool concert gallery pix at You re in our neighborhood! Stop by and get 10% off. 24.Cora wie więcej o Karolinie dzięki danym z portalu społecznościowego (i może wykorzystać ten społeczny wgląd aby lepiej ukierunkować jej skłonności)

25 IBM SPSS Analytic Server i IBM Big Insights SQL / UDF IBM SPSS Modeler Stream File Big Data Request IBM SPSS Analytic Server Modeler Client Modeler Server Hadoop Job IBM SPSS Analytic Catalyst Analytics Analytic Catalyst Tablet Client Analytic Catalyst Browser Client IBM InfoSphere BigInsights & Other Hadoop Distributions 25

26 Marketing Mobilny oparty na lokalizacji W międzyczasie Karolina wyraża zgodę na zainstalowanie aplikacji mobilnej na swoim smartfonie Cora może regularnie wysyłać targetowane 1:1 wiadomości push na telefon komórkowy, kiedy Karolina znajduje się w pobliżu sklepu Cora (lokalizacja) Karolina zwiększa swoje zaangażowanie przez spersonalizowane oferty, które otrzymuje w czasie rzeczywistym. Kontynuuje zakupy w sklepie Cora. 26

27 27

28 Marketing Mobilny oparty na lokalizacji BIG DATA PROCESSING EVENTS / PATTERNS BUSINESS DECISION / ACTION INTERACTION & FULFILMENT END POINTS MONETARYZACJA Data Real Time Events Offers Offer Execution Offer Response CDRs, Probe xdrs, Location, etc Streams Unica CIFM SMSC, IN, LMS, CRM, etc 28

29 Ukierunkowanie i remarketing przy każdym wydarzeniu, w każdej chwili, przez wiele kanałów online i off-line Call Center Ukierunkowanie reklam 29 Rekomendacje internetowe Telefon komórkowy

30 Skuteczna komunikacja 1 > Visualization and Discovery Hadoop System IBM Big Data Platform Application Development Accelerators Stream Computing Systems Management Data Warehouse Information Integration and Governance IBM Cross Channel ManagementI UNICA KLIENT KANAŁY KOMUNIKACJI 30

31 Skuteczna komunikacja 1 > Visualization and Discovery Hadoop System IBM Big Data Platform Application Development Accelerators Stream Computing Systems Management Data Warehouse Information Integration and Governance IBM Cross Channel ManagementI UNICA KLIENT KANAŁY KOMUNIKACJI 31

32 W ROLI GŁÓWNEJ WYSTĄPIŁA KAROLINA DORAN BI / Reporting Analytic Applications Exploration / Visualization Functional App Industry App Predictive Analytics Content BI / Analytics Reporting ROLE DRUGOPLANOWE: IBM Big Data Platform Cross Channel Campaign Management (Unica) Predictive Analytics (SPSS) Social Analytics (Content Analytics) Mobile Push Marketing (Xtify) Digital Analytics (Coremetrics) Digital Customer Experience Management (Tealeaf) e-commerce (WebSphere Commerce) Raporting & Analyses (Cognos) Visualization and Discovery Hadoop System Application Development Accelerators Stream Computing Systems Management Data Warehouse Information Integration and Governance 32