Conversion-Optimierung in Echtzeit?!
Andreas Berth, Geschäftsführer
B2 Performance GmbH
 B2 Performance – das Unternehmen
 Big Data – die Herausforderungen
 Beispiele für Datenquellen
 Big Data – die Umsetz...
 Firmengründung 2006 durch Andreas Berth & Lars Biewald
 aktuell ca. 25 Mitarbeiter in Deutschland
 Büros in Witten (D)...
Wir bieten mehr als „nur“ Online-Marketing
 Erarbeitung von Strategien & Visionen
 Beratung und/oder Umsetzung in allen ...
SEO (Search Engine Optimization), On-/OffSite
SEA, SEM, PPC (Google AdWords™)
Display
Schulungen & Zertifizierungen
S...
Eine Auswahl unserer Referenzen
 Es gibt eine große Anzahl an Online-Marketing-Instrumenten.
 Ein Projektleiter hat meist 6-8 verschiedene Tools im Eins...
 Jedes dieser Systeme kostet Geld und sollte einen entsprechenden ROI
bringen.
 Eine Verknüpfung der Daten und damit ein...
Dazu kommt noch die „menschliche“ Komponente.
Beispiel 1
Ausgangslage: Konzern mit diversen Stabsstellen. Jede Stelle benu...
Beispiel 2
Ausgangslage: Konzernreporting auf Basis von Log-Files. Reporting ist
seit 10 Jahren unverändert (auch die KPI´...
 Die Unternehmen verfügen nicht über zu wenig Daten, sondern eher über
zu viele Daten die nicht richtig ausgewertet werde...
Welche Datenquellen sollten/müssen genutzt und zusammengeführt werden?
Beispiele für Datenquellen
Aus den unterschiedlichsten Quellen werden die Daten an einer zentralen
Stelle strukturiert zusammengeführt.
Dabei werde...
 Step 1: Definition KPI & Datenquellen
 Step 2: Auswahl des Tools & der Plattform
 Step 3: Schnittstellenprogrammierung...
 Vergleich mit gleicher Gesellschaft, länderübergreifend
- z.B. Kostenstruktur, Umsätze etc.
 Vergleich mit anderen Gese...
 Ermittlung von Wechselwirkungen der Kanäle/effektivere Aussteuerung
- Welchen Einfluss hat eine TV-Kampagne auf Sales?
-...
Folie: 17
2 Arten von KPI´s
Management KPIs
 vergleichende KPI´s zwischen
Ländern und/oder Gesellschaften
 KPI´s für str...
Beispiel: Screenshoot Umsatz/Kosten pro Kanal
Beispiel: Screenshot Planzahlen Ist-/Soll Vergleich
Conversion/Warenkorb
Regional Verteilung Besucher
 Daten werden in Echtzeit aufbereitet und ausgewertet.
 Jeder User hat einen individuellen Fingerprint der mit bereits a...
 Alle Systeme basieren auf nachträglicher Analyse.
 Generelle Vorlieben von Usern mit gleichem Fingerprint bleiben
unber...
 Daten werden in Echtzeit aufbereitet und ausgewertet.
 Anders als bei bisherigen Systemen wird nicht eine oder mehrere ...
 Die Conversion Rate der Webseite wird selbständig optimiert.
 Analyse jedes einzelnen User in Echtzeit (< 20 ms)
 Jede...
 Besucherzahlen größer + 100k/Monat, kritische Datenmasse muss erreicht werden.
 Eigenes Analyse- Know-How auf Kundensei...
Individuelle Ausspielung von Landingpages
Clustering
der historischen
Analyse-Daten
Simulation unterschiedlicher
Szenarien...
Typischer Ablauf eines Projektes
Automatisierte Nutzung Schrittweise Steigerung
Conversion
Grundlagenmodell für
Echtzeit-O...
 Die selbstlernende Optimierung basiert auf kontinuierlichen Tests.
 Unterschiedliche Alternativen werden zunächst zufäl...
 Das Tool ist eine SaaS-Lösung mit „shared nothing“ Architektur, optimiert
für die massiv parallele Verarbeitung größter ...
 Der Bearbeitungsaufwand für Ihr Unternehmen ist gering.
 Ersterhebung – Report inkl. Maßnahmenkatalog als gekapseltes P...
 Mit Hilfe der aufgeführten Plattformen ist eine umfangreiche Analyse und
Darstellung der vorhandenen Daten zeitlich- und...
Andreas Berth
Geschäftsführer
Tel: +49 2302 94900-12
Mobil: +49 177 8552560
E-Mail: andreas.berth@b2-performance.de
www.b2...
Nächste SlideShare
Wird geladen in …5
×

Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth

515 Aufrufe

Veröffentlicht am

Sie erhalten einen Überblick über die neuesten Trends und die aktuellen Entwicklungen im Bereich der Conversion Optimierung. Vergessen Sie alles, was sie bisher über A/B-Testings gehört haben – Fingerprints und Personas sind die Zukunft

0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
515
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
4
Aktionen
Geteilt
0
Downloads
3
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth

  1. 1. Conversion-Optimierung in Echtzeit?! Andreas Berth, Geschäftsführer B2 Performance GmbH
  2. 2.  B2 Performance – das Unternehmen  Big Data – die Herausforderungen  Beispiele für Datenquellen  Big Data – die Umsetzung  Marketing KPI´s – Clustering  Big Data – Aktueller Stand  Kontakt Inhalt
  3. 3.  Firmengründung 2006 durch Andreas Berth & Lars Biewald  aktuell ca. 25 Mitarbeiter in Deutschland  Büros in Witten (D), Wien (AT), Zug (CH), Palma de Mallorca (ES), Barcelona (ES)  international/weltweit tätig in mehr als 20 Ländern und mehr als 10 Sprachen – Ausnahme: asiatischer Raum  Mehrsprachige Projektleitung möglich (Deutsch, Englisch, Französisch, Russisch & Spanisch) B2 Performance – das Unternehmen
  4. 4. Wir bieten mehr als „nur“ Online-Marketing  Erarbeitung von Strategien & Visionen  Beratung und/oder Umsetzung in allen Online-Marketing-Disziplinen  eigene IT, eigene Software-Entwicklung  redaktionelle Kompetenz  spezielles Team für individuelle Schulungen, Workshops & Weiterbildungen  enge Kooperationen mit u.a. Video-Produzenten, Game-Entwicklern, Webdesignern & CMS-Entwicklern  fundierte Erfahrungen im Handel/E-Commerce Unsere Kompetenzen
  5. 5. SEO (Search Engine Optimization), On-/OffSite SEA, SEM, PPC (Google AdWords™) Display Schulungen & Zertifizierungen Social Media Controlling/Dashboards (Re-) E-Mail Marketing Technisches & Strategisches Consulting Homepage-Erstellung, Hosting & Providing Leistungsübersicht
  6. 6. Eine Auswahl unserer Referenzen
  7. 7.  Es gibt eine große Anzahl an Online-Marketing-Instrumenten.  Ein Projektleiter hat meist 6-8 verschiedene Tools im Einsatz  Allein die Log-In´s, die Aufrufe und das Sichten der wichtigsten Daten würde mehrere Stunden am Tag benötigen.  Daher werden die Daten meist aus Zeitmangel weder strukturiert noch regelmäßig ausgewertet. Auch die Detailtiefe fehlt oft. Big Data – die Herausforderungen
  8. 8.  Jedes dieser Systeme kostet Geld und sollte einen entsprechenden ROI bringen.  Eine Verknüpfung der Daten und damit eine übergreifende Auswertung fehlt oft.  Optimierung wird daher oft nur „oberflächlich“ durchgeführt.  Ohne verlässliche Informationen kann aber keine E-Commerce- Strategie aufgebaut werden.  Aktuell fehlen allein in den USA schon jetzt mehr als 25.000 Datenanalysten. Big Data – die Herausforderungen
  9. 9. Dazu kommt noch die „menschliche“ Komponente. Beispiel 1 Ausgangslage: Konzern mit diversen Stabsstellen. Jede Stelle benutzt eigene Tools und ein anderes Reporting. Sinnvoll wäre eine Vereinheitlichung der Tools um vergleichbare Daten zu erhalten und ein einheitliches, zeit- und rechtgesteuertes Reporting. Ergebnis: „Aber dann sind wir ja vergleichbar.“ Big Data – die Herausforderungen
  10. 10. Beispiel 2 Ausgangslage: Konzernreporting auf Basis von Log-Files. Reporting ist seit 10 Jahren unverändert (auch die KPI´s). Vorschlag: andere Tools und KPI´s. Ergebnis: „Aber dann sieht das so aus als ob ich seit Jahren falsche Zahlen reporte.“
  11. 11.  Die Unternehmen verfügen nicht über zu wenig Daten, sondern eher über zu viele Daten die nicht richtig ausgewertet werden.  Das Potenzial dieser Daten für das Unternehmen ist riesig.  Big Data wird derzeit meist nur in Großkonzernen professionell umgesetzt.  Es gibt diverse Anbieter in unterschiedlichen Preisregionen und nicht nur SAP, Oracle oder ADOBE.  Big Data ist ein Top/Down Approach !  ROI ist kalkulierbar – zumindest im Bereich E-Commerce Big Data – die Herausforderungen Fazit:
  12. 12. Welche Datenquellen sollten/müssen genutzt und zusammengeführt werden? Beispiele für Datenquellen
  13. 13. Aus den unterschiedlichsten Quellen werden die Daten an einer zentralen Stelle strukturiert zusammengeführt. Dabei werden im Vorfeld zu erreichenden Ziele definiert – die Plattform informiert dann auf einen Blick, ob die Ziele erreicht werden konnten (Soll/Ist Abgleich). Die Validität der Daten wird sichergestellt. Daten werden automatisiert abgeholt und aufbereitet dargestellt. Daten sind historisch verfügbar. Reports sollten zeitgesteuert und mit einem Rechtemanagement versehen sein. Big Data – Die Umsetzung – Unsere Lösung
  14. 14.  Step 1: Definition KPI & Datenquellen  Step 2: Auswahl des Tools & der Plattform  Step 3: Schnittstellenprogrammierung & Testing  Step 4: Datenanalyse & Ermittlung der „To Do´s“  Step 5: Testen, Testen, Testen Ablauf der Umsetzung
  15. 15.  Vergleich mit gleicher Gesellschaft, länderübergreifend - z.B. Kostenstruktur, Umsätze etc.  Vergleich mit anderen Gesellschaften innerhalb eines Landes - z.B. Kostenstruktur, Umsätze etc.  Vergleich aller Gesellschaften eines Konzerns - Wo liegen noch Potenziale? Wie effektiv sind die Gesellschaften?  Grenznutzenermittlung (Wie hoch ist das maximale Budget in einem Kanal?) - Wann ist es sinnlos, das Budget in einem Kanal zu erhöhen? Marketing KPI´s (Ziele, exemplarisch I)
  16. 16.  Ermittlung von Wechselwirkungen der Kanäle/effektivere Aussteuerung - Welchen Einfluss hat eine TV-Kampagne auf Sales? - Wo liegen noch Potenziale?  Ermittlung Einsparungspotenzial - Wo können Budgets gekürzt/eingespart werden?  Kennzahlen für strategische Entscheidungen - Mit welchem Budget muss für einen Markteintritt in einem Land gerechnet werden? Marketing KPI´s (Ziele, exemplarisch II)
  17. 17. Folie: 17 2 Arten von KPI´s Management KPIs  vergleichende KPI´s zwischen Ländern und/oder Gesellschaften  KPI´s für strategische Entscheidungen  KPI´s in grafischer Form zur schnellen Übersicht aufbereitet  immer wiederkehrende KPI´s  etc. Operative KPIs  Schnittmenge mit Management KPI´s  KPI´s für das tägliche Geschäft  KPI´s auf Detailebene  deutlich höhere Anzahl an Reports und KPI´s  projektspezifische KPI´s  temporäre KPIs  etc.
  18. 18. Beispiel: Screenshoot Umsatz/Kosten pro Kanal
  19. 19. Beispiel: Screenshot Planzahlen Ist-/Soll Vergleich
  20. 20. Conversion/Warenkorb
  21. 21. Regional Verteilung Besucher
  22. 22.  Daten werden in Echtzeit aufbereitet und ausgewertet.  Jeder User hat einen individuellen Fingerprint der mit bereits abgespeicherten Fingerprints und dessen (Kauf-) Gewohnheiten verglichen wird.  Dem User wird die Landingpage angezeigt, die aufgrund seines Fingerprints und der gesammelten Daten die höchste Conversion verspricht.  Zu einem Fingerprint könnten zählen: Standort, aktuelles Wetter, Spracheinstellungen, Device, Uhrzeit, Wochentag, Betriebssystem, Quelle (SEO, SEA, Affiliate etc.), Neukunde/Bestandskunde (Cookie vorhanden oder nicht) etc. Jedem User wird einen individuelle Landingpage angezeigt ! Conversion-Optimierung aktuelle Entwicklung
  23. 23.  Alle Systeme basieren auf nachträglicher Analyse.  Generelle Vorlieben von Usern mit gleichem Fingerprint bleiben unberücksichtigt.  Bisherige Systeme spielen geclusterte „beste“ Alternativen aus und erfordern einen hohen manuellen Aufwand.  Die bisherigen System erreichen nicht den möglichen Maximalwert im Bereich der Conversion-Optimierung. Aktuelle Systeme zur Conversion-Optimierung
  24. 24.  Daten werden in Echtzeit aufbereitet und ausgewertet.  Anders als bei bisherigen Systemen wird nicht eine oder mehrere „Best- Practice“ Landing-Page angezeigt, sondern die für den User relevanteste Landing-Page.  Ein Integrationsaufwand ist nicht erforderlich! Die vorhandenen Daten werden ausgewertet.  Das System ist selbstlernend und verbessert sich permanent automatisch.  Selbstverständlich auch international, d.h. in allen Sprachen möglich. Conversion-Optimierung I – Unsere Lösung
  25. 25.  Die Conversion Rate der Webseite wird selbständig optimiert.  Analyse jedes einzelnen User in Echtzeit (< 20 ms)  Jedem Besucher werden über alle Kanäle (Web, Newsletter etc.) die Inhalte zugewiesen, die seine Conversion-Wahrscheinlichkeit maximieren.  Optimale Ausnutzung Ihrer Landingpages – Besucher für Besucher…  Unsere Lösung arbeitet nicht mit vorgegebenen, starren Rastern. Conversion-Optimerung II – Unsere Lösung
  26. 26.  Besucherzahlen größer + 100k/Monat, kritische Datenmasse muss erreicht werden.  Eigenes Analyse- Know-How auf Kundenseite vorteilhaft.  Eigene Kundendaten.  Mehrere Datenquellen mit Schnittstellen zur Datenanreicherung von Vorteil.  Für ein erstes Projekt reicht eine Datenquelle aus.  Tracking-Tool mit der Möglichkeit des Exportierens von Rohdaten. (Webtrekk, Piwik, Etracker etc.)  Internationaler Roll-out Obligo.  Auch bei bereits erfolgter Conversion-Optimierung ist erfahrungsgemäß noch hohes Potential vorhanden.  Das Tool kann sowohl intern als auch extern gehostet werden. Grundsätzliches zum Einsatz unseres Tools
  27. 27. Individuelle Ausspielung von Landingpages Clustering der historischen Analyse-Daten Simulation unterschiedlicher Szenarien für alternative Varianten mit aktuellem Aufruf Anzeige der personalisierten Alternative Aufruf inkl. Profil-Daten Montag 10h-11h iPadiOS 7.1 Berlin Metropole Neukunde Click: Banner A Ref: FAZ Regen Landingpage 1: 11% Landingpage 2: 9% Landingpage 3: 31% Landingpage 4: 25% Landingpage 3 Profil Filterung Simulation der Conversion Rate Entscheidung 20 ms
  28. 28. Typischer Ablauf eines Projektes Automatisierte Nutzung Schrittweise Steigerung Conversion Grundlagenmodell für Echtzeit-Optimierung Import aus vorhandenen Systemen (CSV, CRM etc.) Einige Millionen PI´s notwendig Korrelationsbasierte Big Data Analysen Kunden KPIs Erste Optimierungspotentiale  Selbstlernend  Zusätzliche Parameter  Weiterentwicklung KPI oder neue/Temporäre KPI Ersterhebung Daten Betrieb Kontinuierliche Verbesserung  Einsatz des Ursprungsmodells  SaaS  Echtzeit Zuweisung höchster Conversion-Wahrscheinlichkeit  Auf Kundenserver oder durch uns
  29. 29.  Die selbstlernende Optimierung basiert auf kontinuierlichen Tests.  Unterschiedliche Alternativen werden zunächst zufällig ausgespielt, später - durch kontinuierliches Lernen - immer gezielter.  Mit der Zeit lernt das Tool welche Alternativen für welche Nutzer unter welchen Bedingungen die besten Ergebnisse (im Voraus definierter Ziele) erreichen.  Es entscheidet jeweils zum Zeitpunkt der Auslieferung, welche Variante dem jeweiligen Nutzer präsentiert wird.  Diese Art der Echtzeit-Personalisierung führt zu einer kontinuierlichen Optimierung der Webseite / des Online-Shops bzw. der digitalen Kanäle. Wie lernt das Tool?
  30. 30.  Das Tool ist eine SaaS-Lösung mit „shared nothing“ Architektur, optimiert für die massiv parallele Verarbeitung größter Datenmengen in Echtzeit.  Das Tool basiert auf einer eigens für diese Anwendung entwickelten In-Memory-Technologie für korrelationsbasierte Big Data Analysen.  Das Tool kann durch den Einsatz dieser Technologie vorhandene Analyse- Daten für jeden Nutzer individuell zum Zeitpunkt der Auslieferung in weniger als 20ms auswerten und auf dieser Basis Entscheidungen für die richtige Variante liefern. USP´s des Tools
  31. 31.  Der Bearbeitungsaufwand für Ihr Unternehmen ist gering.  Ersterhebung – Report inkl. Maßnahmenkatalog als gekapseltes Projekt. Das Folgeprojekt muss nicht beauftragt werden. Das Folgeprojekt beinhaltet die fortlaufende Optimierung und erfolgt nur wenn das Erstprojekt entsprechende, erfolgsversprechende Daten geliefert hat! USP´s des Tools
  32. 32.  Mit Hilfe der aufgeführten Plattformen ist eine umfangreiche Analyse und Darstellung der vorhandenen Daten zeitlich- und personengesteuert jederzeit möglich.  Die Conversion-Optimierung erfolgt auf Basis des persönlichen Fingerabdruckes und erlaubt somit eine „persönliche“ Landingpage.  Dem User wir keine Landingpage gezeigt die für den größten Teil der User interessant war, sondern eine Landingpage die bei anderen Usern mit dem gleichen Fingerabdruck am besten funktioniert hat. Big Data/Conversion-Optimierung Zusammenfassung
  33. 33. Andreas Berth Geschäftsführer Tel: +49 2302 94900-12 Mobil: +49 177 8552560 E-Mail: andreas.berth@b2-performance.de www.b2-performance.de Kontakt Lars Biewald Geschäftsführer Tel: +49 2302 94900-13 Mobil: +49 177 8552556 E-Mail: lars.biewald@b2-performance.de www.b2-performance.de B2 Performance GmbH Friedrich-Ebert-Straße 85 D-58454 Witten

×