Predictive Analytics - Markerting e Ecommerce Nunca Serão Como Antes

100 %
0 %
Information about Predictive Analytics - Markerting e Ecommerce Nunca Serão Como Antes
Marketing

Published on February 27, 2014

Author: bruceledesma1

Source: slideshare.net

Description

Essa introdução à análise preditiva, mostra seus conceitos básicos, funcionamento e como ela se mostra como grande vantagem competitiva.

PREDICTIVE ANALYTICS  Análise Preditiva Marketing & Ecommerce Nunca Serão Como Antes Bruce Ledesma Estrategista em Marketing Digital Fevereiro 2014

OTIMIZANDO O ESPAÇO NO VAREJO OFFLINE (PDV) A experiência no ponto físico tem configuração única. Pouca flexibilidade para diferenciação para cada consumidor Geografia tem forte influência na decisão de compra O PDV é o limite (o consumidor não pode trocar de loja rapidamente) ONLINE (ECOMMERCE) A experiência deve ser individualizada Muita flexibilidade para diferenciação para cada consumidor Geografia tem menor influência na decisão de compra A tela é o limite (o usuário pode trocar de loja instantaneamente) PERSONALIZAÇÃO A ALOCAÇÃO MAIS EFICIENTE POSSÍVEL DO ESPAÇO DE TELA

QUÃO ÓBVIA É A PERSONALIZAÇÃO DA TELA? A. B. C. D. E. F. G. H. I. J. K. L. M. N. O. SUPORTE CARRO LUZ TRASEIRA SQUEEZE RELÓGIO POLAR CAMARA DE BORRACHA BOMBA DE AR CADEADO PRESILHA DE PEDAL SAPATILHA DE CICLISMO LUVA DE CICLISMO ROUPA DE CICLISMO CAPACETE LUZ DIANTEIRA SPRAY ANTI-FERRUGEM BICICLETA DIFERENTE

ONDE ESTÁ A CUSTOMIZAÇÃO DA EXPERIÊNCIA?

CAPTURANDO A MATÉRIA PRIMA: SEUS DADOS CPF NOME COMPLETO RG EMAIL SEXO ESTADO CIVIL ESCOLARIDADE No RESIDENTES NA CASA PROFISSÃO ENDEREÇO

ANALYTICS INVESTIGANDO PRESENTE E PASSADO O QUE AS PESSOAS ESTÃO COMPRANDO QUE DIAS ITEM “A” VENDE MAIS? QUAIS SÃO OS ITENS MAIS POPULARES? QUAIS OS HORÁRIOS DE MAIOR MOVIMENTO? … E OUTRAS PERGUNTAS AD HOC QUE SÃO IMPORTANTES PARA SEU NEGÓCIO

É POSSÍVEL PREVER O FUTURO? “O primeiro passo para prever o futuro é admitir que você não pode fazê-lo.” Stephen Dubner Jornalista (Freakonomics) “Como é que nunca se lê uma notícia como ‘Vidente Ganha na Loteria’ ?” Jay Leno Comediante

É POSSÍVEL PREVER O FUTURO? “Se queres prever o futuro, estuda o passado.” Confúcio Filósofo “A única fonte de conhecimento é a experiência.” Albert Einstein Físico

O QUE É ANÁLISE PREDITIVA? Um conjunto de técnicas de estatística, modelagem, machine learning e data mining que analisa fatos atuais e históricos para fazer previsões sobre o futuro ou sobre eventos desconhecidos.   DADOS MACHINE LEARNING PREDIÇÕES

Três coisas que Bill Gates desejaria ter feito 20 anos atrás* 1. Tomar a dianteira na disputa do domínio de machine learning 2. Começar a filantropia mais cedo na vida 3. Passar mais tempo fora do escritório *Matéria publicada em 10/2/2014 FONTE: http://qz.com/175616/three-things-bill-gates-wishes-he-could-have-done-20-years-ago/

“Simplesmente prever um pouco é melhor do que adivinhar, esse é o truque; uma visão nebulosa do que vai acontecer é muito superior à completa escuridão.” Eric Siegel Predictive Analytics O poder de prever quem vai clicar, comprar, mentir ou morrer.

O “Efeito Preditivo” de Eric Siegel “Um pouquinho de previsão vai longe” Cenário sem Análise Preditiva Cenário com Análise Preditiva

Marketing Direto: Sem Análise Preditiva ? Receita 220 x 10.000 Despesa 2 x 1.000.000 1 MM de prospectos para quem vender Conversão de 1% (10.000,00) clientes Receita de R$ 220 por cliente Custo de contato: R$ 2,00/cliente = 2.200.000 = 2.000.000 LUCRO R$ 200.000 “Metade do dinheiro gasto em anúncios é desperdiçado. O problema é que não sei qual das metadas.” John Wanamaker Pioneiro em Marketing

Marketing Direto: Com Análise Preditiva A.P. Receita 220 x 7.500 Despesa 2 x 250.000 250 mil prospectos para quem vender Conversão de 3% (7.5000) clientes Receita de R$ 220 por cliente Custo de contato: R$ 2,00/cliente = 1.650.000 = 500.000 LUCRO R$ 1.1500.000 LUCRO 5.75 X MAIOR!

Análise Preditiva: Como Funciona? Modelo Preditivo: mecanismo que prevê o comportamento de um indivíduo. O modelo processa os dados, atribuindo pesos às características da pessoa, soma os resultados e gera um score preditivo. MODELO LINEAR 82 Características do indivíduo Modelo Preditivo Score Preditivo Quanto mais alto o score, maior a probabilidade do indivíduo apresentar o comportamento previsto.

Análise Preditiva: Árvores de Decisão > É homem? SIM NÃO Usuário MAC? SIM Chance de Conversão 38,0% NÃO Chance de Conversão 16,5% Chance de Conversão 12,0%

Análise Preditiva: Árvores de Decisão > É homem? SIM NÃO Usuário MAC? SIM Chance de Conversão 38,0% NÃO Chance de Conversão 16,5% > 2 visitas ao site SIM Chance de Conversão 7,3% NÃO Chance de Conversão 2,1%

Análise Preditiva: Como Funciona? Dados de Treino 20 a 30% dos dados Dados de Teste Algoritmo de Machine Learning Hipótese 80 a 70% dos dados Feedback Desempenho

Como Anda Sua Campanha an Internet? “46% das propagandas na internet não são vistas pelos usuários.” ComScore – Junho 2013 • Mais de um ano de monitoramento • 22 das 25 maiores empresas que investem na internet nos EUA • Empresas como Procter & Gamble, Kellogs • Propaganda precisa ter ao menos 50% dos pixels da imagem vistos por pelo menos meio segundo (padrão EUA) Fonte: http://olhardigital.uol.com.br/noticia/quase-metade-das-propagandas-na-internet-nao-sao-vistas,-diz-estudo/35161

A.P. E TARGETING NA PUBLICIDADE ONLINE Caso positivo Caso negativo Usuário João clica em anúncio A Usuária Maria não clica em anúncio B Escolher o banner que gera mais cliques 291 tipos de banners possíveis. Um modelo de A.P. por banner. Em qual banner cada usuário está mais propenso a clicar (preço do anúncio considerado) Desafio A.P. em tempo real. Decisões instantâneas para agregar valor Teste A/B Anúncio “Campeão” Sem A.P. X Anúncio “Desafiante” Com A.P. USD 1 MM a cada 19 meses de receita incremental 3.6% Receitas

ESTUDO DE CASO: TARGET Perfil Varejista norte-americano Fundação em 1902 1.921 PDVs em 11/2013 36o Ranking Forbes 500 Target.com lançado em 1999 Estratégia Oferecer interações relevantes que ANTECIPEM e RESPONDAM às muitas formas como os consumidores querem se engajar e fazer compras .

ESTUDO DE CASO: TARGET Mensagens Relevantes Perfil Cliente Veículo Certo Necessidades do Cliente Dados internos e externos para construir o perfil do cliente e melhorar o ROI de marketing

FLUXO DA INFORMAÇÃO Click Thru Email Demografia Concorrência Comportamento Website Cookie Online ID Mobile Compra Online Guest ID Nome Endereço, etc. Listas Cadastros Local Cupons Mobile Nível resposta por canal Modelos Preditivos Distância do PDV Uso de Cupons Compra no PDV Histórico de Contato

TARGET BABY REGISTRY - MAILING OBJETIVO Converter mulheres no prenatal ANTES de terem o bebê A.P Desenvolver modelo para prever se uma cliente está grávida DADOS PARA ANÁLISE Consumo de itens-chave na categora “bebês” no PDV e online, idade e se tem filhos. RESULTADOS Crescimento de 30% na base de mailing de clientes para este segmento

EXECUÇÃO NO PDV: CUPONS PARA FRALDAS OBJETIVO Distribuição (PDV) de cupons de desconto para maior conversão na categoria A.P Prever quais clientes começarão a comprar fraldas ou aumentarão consumo atual de fraldas. DADOS PARA ANÁLISE Demografia, compartamento no website na categoria “bebês”, baby registry, RFM de produtos para bebês (PDV e online). RESULTADO Aumento substancial no uso de cupons e conversão de clientes de fraldas e Categoria “bebês” como um todo.

Tipo e Procedência dos Dados Coletados Guest ID Dados Adquiridos de Terceiros 1. 2. 3. 4. 9. Etnia, 10. Histórico profissional 11. Revistas lidas 12. Se declarou falência ou se divorciou 13. Ano em que comprou (ou perdeu) sua casa 14. Onde cursou faculdade 15. Quais assuntos fala sobre na internet 16. Se prefere certas marcas de café, papel tolha, cereal ou purê de maçã 17. Suas inclinações políticas 18. Hábitos de leitura 19. Se faz obras de caridade 20. Quantos carros possui 5. 6. 7. 8. Idade Estado civil, se tem filhos Local de residência Quanto tempo leva para chegar a uma loja Estimativa salarial Se você se mudou recentemente Quais cartões leva na carteira Quais websites você acessa

EFEITO COLATERAL: CASO TARGET NA IMPRENSA

EFEITO COLATERAL: CASO TARGET NA IMPRENSA

EFEITO COLATERAL: CASO TARGET NA IMPRENSA

FACEBOOK INCLUÍDO NA COBERTURA

CHARLES DUHIGG E SUA CRÍTICA À TARGET http://www.youtube.com/watch?v=RC5HNTj3Dag

POLÍTICAS DE PRIVACIDADE DOS DADOS Retenção – Quais dados são armazenados e por quanto tempo Acesso – Quem pode ter acesso aos dados Compartilhamento – Quais dados podem ser compartilhados com quais pessoas dentro e fora organização Concatenação – Quais elementos podem ser concatenados Reação – quais dados podem sofrem algum tipo ação, determinando a resposta da organização, seu alcance e outros comportamentos.

COMO EMPRESAS USAM ANÁLISE PREDITIVA 35% das vendas são geradas através de recomendações de produtos. 70% das escolhas dos filmes assistidos são influenciados por recomendações online. Lançamento “House of Cards”. Prevê quais anúncios novos apresentarão bounce rates altos (quando usuário clica no anúncio e imediatamente clica no botão voltar. Usuários Mac apresentam probabilidade 40% maior de fazer reservas em hotéis 4 e 5 estrelas comparado a usuários de PC. Gastam 30% mais em diárias. Usuários vendo um banner apresentam probabilidade 61% maior de realizar uma busca relacionada, o que aumenta em 249% a chance de cliques em anúncios de texto nos resultados de busca.

BIG DATA NAS CORPORAÇÕES

APENAS A PONTA DO ICEBERG

A.P. COMO O DIFERENCIAL COMPETITIVO Empresas oferencendo produtos semelhantes usando tecnologia muito parecida. Em ambiente mais competitivo empresas precisam de processos mais eficientes. Necessidade de ter informação que seja ACTIONABLE. Necessidade de tomar decisões cada vez mais rápidas e certeiras. É um recurso que oferece opções. É uma poderosa ferramenta de decisão. Quem está na dianteira estabelece as regras do jogo.

Bruce Ledesma Estrategista em Marketing Digital Bruce Ledesma Digital Marketing Strategist @ledesmabruce /bruce.ledesma ledesma.bruce@gmail.com

Add a comment

Related presentations

Related pages

IBM Commerce - United States

Unleash the power of cognitive commerce. Build a synchronized, predictive value chain and delight ... help you optimize marketing, ... analytics report ...
Read more

Streaming EY-SAP: "Predictive Analytics, cómo generar ...

... cómo generar ventajas competitivas, de la mano de EY (antes Ernst ... del marketing y del management ... Predictive Analytics: ¿Por ...
Read more

MarketingProfs.com - Marketing Resources, Strategies for ...

... online seminars, and much more for Marketing ... Unlock the power of marketing analytics in this 11 ... Rest assured that MarketingProfs:
Read more

How Companies Learn Your Secrets - The New York Times

... when two colleagues from the marketing department stopped ... has a “predictive analytics” department devoted to understanding not ...
Read more

Aprenda a usar o google analytics e analisar seu site para ...

O primeiro grande ponto a ser considerado, ... Nunca clique em seus próprios links; ... Como usar o google analytics em meu site ou blog ...
Read more

Software de gestão - software empresarial - SAP

Descubra os 6 pontos-chave de agilidade empresarial em que se baseia a nossa plataforma SAP HANA. ... Predictive Analytics; ... Veja como o Big ...
Read more

Customer engagement y Predictive analytics en el SAP Forum ...

Customer engagement y Predictive analytics en el SAP ... veremos cómo es posible ser más eficaces y ... desde hoy y hasta el día antes del ...
Read more