I Seite 1 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
DATA-DRIVEN MARKETING – CON...
I Seite 2 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Referenten
Florian Jedlitsc...
I Seite 3 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Agenda
Wie funktioniert das...
I Seite 4 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Das P7S1 Business basiert a...
I Seite 5 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
mit führenden Positionen in...
I Seite 6 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
… und einem breiten Investm...
I Seite 7 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Unser D&A Kapitalmarkt-Ziel...
I Seite 8 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Ungenutztes TV Werbeinventa...
I Seite 9 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
… da TV durch seine einziga...
I Seite 10 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
TV steigert die Markenbeka...
I Seite 11 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Alternative Ansätze in der...
I Seite 12 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Big Data-Initiative bei Pr...
I Seite 13 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Mobile
Data
Center
Automat...
I Seite 14 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Big Data – vom Hype zum Va...
I Seite 15 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Big Data – Wandel des Gesc...
I Seite 16 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Ein ganz kurzer Blick auf ...
I Seite 17 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Big Data Lösungs-Architekt...
I Seite 18 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Methodisches Grundprinzip:...
I Seite 19 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
time of day
00:00 02:00 04...
I Seite 20 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Merkmale erfolgreicher Wer...
I Seite 21 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Merkmale erfolgreicher Wer...
I Seite 22 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Merkmale erfolgreicher Wer...
I Seite 23 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Lösung durch Data Science
...
I Seite 24 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Vom Higgs zum Business
4. ...
I Seite 25 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Multivariate Analyse (MVA)...
I Seite 26 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
MVA: Umsatz-Analyse
Proof-...
I Seite 27 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Ausblick: Funktionale Erwe...
I Seite 28 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015
Vielen Dank für Ihr Intere...
Nächste SlideShare
Wird geladen in …5
×

Was bringen TV-Spots für E-Commerce? ProSiebenSat.1 schafft Fakten mit Big Data.

792 Aufrufe

Veröffentlicht am

Die ProSiebenSat.1 Media AG vermarktet einerseits klassische TV-Werbezeiten und beteiligt sich andererseits an zahlreichen E-Commerce-Unternehmen. Im Rahmen der Beteiligung stellt ProSiebenSat.1 u. a. Werbezeiten für die Bewerbung der E-Commerce-Angebote zur Verfügung. Es ist daher von hohem Interesse für ProSiebenSat.1, systematisch ermitteln zu können, welchen konkreten Beitrag die TV-Werbung zur Wertschöpfung des beworbenen E-Commerce-Unternehmens leistet. Wie viele Visitors besuchen genau deshalb die E-Commerce-Website, weil sie die TV-Werbung gesehen haben? Und welchen Umsatz bringen diese Visitors, die nachweislich ursächlich wegen der TV-Werbung auf die Website gekommen sind, in einem bestimmten Zeitraum?

Die Herausforderung: Standard-Lösungen für die Analyse von Web-Traffic können den Zusammenhang zwischen TV-Spot-Ausstrahlungen, also Ereignissen außerhalb der Online-Welt, und dem dadurch ausgelösten Online-Verhalten nicht klären. Deshalb hat ProSiebenSat.1 sich für die Entwicklung einer individuellen Big-Data-Lösung zur Klärung dieser Fragen entschieden.

Die Lösung wird in diesem Vortrag präsentiert.

Mehr Vorträge zum Thema Big Data finden Sie hier: http://bit.ly/1DWUqSz

Veröffentlicht in: Technologie
0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
792
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
8
Aktionen
Geteilt
0
Downloads
7
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Was bringen TV-Spots für E-Commerce? ProSiebenSat.1 schafft Fakten mit Big Data.

  1. 1. I Seite 1 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 DATA-DRIVEN MARKETING – CONNECTING THE DOTS BETWEEN TV AND ONLINE Was bringen TV-Spots für E-Commerce? ProSiebenSat.1 schafft Fakten mit Big Data Florian Jedlitschka Manager Media Strategy & Operations ProSiebenSat.1 Media AG Dr. Lars Perchalla Big Data Scientist inovex GmbH
  2. 2. I Seite 2 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Referenten Florian Jedlitschka Dr. Lars Perchalla • Physik-Studium an der RWTH Aachen • 2011 Promotion über die Analyse von Massendaten zur Suche nach dem Higgs- Boson (Elementarteilchenforschung) • Postdoc an der RWTH und am CERN in Genf • Seit 2013 Big Data Scientist bei inovex • Design und Realisierung von Big-Data- Systemen und wissenschaftliche Analyse von großen Datenvolumina • BWL-Studium an der Universität Erlangen-Nürnberg und der Corvinus Universität Budapest • > 4 Jahre Unternehmensberater bei Accenture im Bereich Media Auditing • Schwerpunkt im TV und Online • Heute Manager Media Strategy & Operations im Bereich Digital & Adjacent bei der ProSiebenSat.1 Media AG • Weiterentwicklung der TV-Wirkungs- analyse für das Online-Business
  3. 3. I Seite 3 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Agenda Wie funktioniert das Digitale Business innerhalb von ProSiebenSat.1? Welchen Effekt hat TV-Werbung auf das Digitale Business? Wie wird Big Data bei ProSiebenSat.1 genutzt?
  4. 4. I Seite 4 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Das P7S1 Business basiert auf 3 Säulen… Digital & Adjacent Content Production & Global Sales1 2 3 Broadcasting German-speaking Digital Entertainment Digital Commerce Adjacent TV advertising Distribution
  5. 5. I Seite 5 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 mit führenden Positionen in den D&A Geschäftsbereichen … PayVoD Markt berücksichtigt nur SVoD. D&A: Verteilung Umsatz und Geschäftsbereiche [H1 2014] #4 Digital Commerce #1 #1 #2 #1 Top 5 #3 Digital Entertainment #1 #1 #2 #3 Pay VoD Online Games Ad VoD + #2 12.8% 47.9%39.3% Adjacent
  6. 6. I Seite 6 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 … und einem breiten Investment Portfolio Please note: investments based on straight equity or equity-like components, strategic AND opportunistic by entire D&A segment. Minderheit (10-50%) Mehrheit (>50%)Minderheit (<10%) 28 Deals 12 Deals 27 Deals 14 Deals 12 Deals 1 Deals 3 Deals Auswahl: International Germany, Austria & Switzerland Selection 17 Deals Digital Non- digital Selection Selection
  7. 7. I Seite 7 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Unser D&A Kapitalmarkt-Ziel für 2018 935 530 335 2012 H1 2014 LTM 2018E CMD angestrebtes Wachstum: EUR 405m bis Zielerreichung! D&A Umsatz CMD Ziel D&A rec. EBITDA Marge von ~20%3 1 Implied revenue CAGR 2012 - H1 2014 2 Implied revenue CAGR H1 2014 - 2018 3 D&A Rec. EBITDA Marge von ~20% ist abhängig vom Portfolio- Mix CAGR +35.7%1 CAGR +13.5%2 D&A Umsatz in EURm
  8. 8. I Seite 8 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Ungenutztes TV Werbeinventar ist der Schlüssel für das weitere Wachstum “Our strategy is to become more independent from classic ad income and to invest in new digital business models. Our idle TV ad inventory is our most important resource, our internal dollars or you could say our ‘magic potion’!” Christian Wegner Ungenutztes TV Werbeinventar – kann für digitale Investments & Kooperationen genutzt werden “Traditionelles” Werbeinventar - verkauft an Werbetreibende von SevenOne Media
  9. 9. I Seite 9 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 … da TV durch seine einzigartige Positionierung alle relevanten Zielgruppen erreicht Höhere TV Nutzung im Vergleich zu Online Hohe Nettoreichweiten über alle relevanten Zielgruppen hinweg CAGR [2002-2013] 2013 [in min] Online w/o Online Video 78 Online Video inkl. TV- Content 23 Quelle: AGF in Zusammenarbeit GfK; TV Scope 82 7370 56 47 80 73 67 45 40 14-19 20-29 40-4930-39 >50 Frau Mann% nach Alter Erwachsene >14 = 71%TV Nutzung +0.3%182 +9% +72%
  10. 10. I Seite 10 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 TV steigert die Markenbekanntheit und generiert dadurch höheren Online Traffic auf E-Commerce Websites Unternehmen mit TV Werbung erzielen eine höhere Markenbekanntheit Deutlicher Anstieg des Traffics über den Kampagnenverlauf hinweg Markenbekanntheit in % 31.5 9.88.8 <5.0 23.1 <5.0 Beauty Competitor Beauty Co Q2/2013 Q3/2014Pre-TV Konkurrenz ohne TV Werbung bleibt zurück +308% 2. FlightBreak 78% 1.Flight 33% 67% Pre-TV 89% 33% 67% 22%11% +32% Non-brand Brand x3 Beauty Co Visits pro Tag in k Quelle : Media & Analytics Hinweis: Pre-TV Schätzungen basieren auf quartalsweiser Kampagnen-Trackingumfragen; Der Traffic wird anhand der Direkteingabe der Website oder die Markensuche ermittelt.
  11. 11. I Seite 11 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Alternative Ansätze in der TV-Mediaplanung durch TV-Analytics Traditionelle TV-Mediaplanung Response-basierte Mediaplanung Cost per Visit (CpV) = Kosten pro Website-Besuch Cost per Action (CpA) = Kosten pro Aktivität auf einer Website (z. B. Registrierung) Visit per GRP (VpGRP) = Website-Besuche per Gross Rating Point Brand! GRP Net reach F25-39 Fokus: Zielgruppe Media AgenturKunde
  12. 12. I Seite 12 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Big Data-Initiative bei ProSiebenSat.1 Kernfrage: Welchen Effekt hat TV-Werbung für das Online-Business? Traditionelle Online-Analyse-Tools liefern keine Antwort Individuelle Lösung von ProSiebenSat.1: Big Data & Data Science ProSiebenSat.1 entwickelt sich zum führenden Data Hub für TV-Analytics
  13. 13. I Seite 13 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Mobile Data Center Automation Modern Web Platform Mobile Data Center Automation Analy- tics‣ Backend ‣ Frontend ‣ Portale ‣ Replatforming ‣ Business Intelligence ‣ Big Data Platforms ‣ Data Science ‣ Search ‣ Mobile Enterprise ‣ App Development ‣ Mobile Web ‣ Smart Devices & Internet of Things ‣ Cloud ‣ DevOps ‣ Operations Consulting Prozesse, IT, Social, Change Management Integriertes Portfolio für die digitale Transformation
  14. 14. I Seite 14 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Big Data – vom Hype zum Value 2007 2009 2011 20152013 http://www.google.de/trends/explore#q=%22big %20data%22 Quelle: http://www.strategy-at-risk.com/ Integration: Unterschiedliche Daten- typen zusammenbringen Daten- Bewirtschaftung: Kostengünstig speichern und aggregieren Analytics: Daten in Beziehung setzen, Wissen generieren 1 2 3 Big Data Trend Generiere Business Value Volume Variety Velocity Analytics BIGDATA
  15. 15. I Seite 15 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Big Data – Wandel des Geschäftsmodells Monetarisierung Optimierung Innovation Leverage Kommerzielle Verwertung vorhandener Daten Auswertung existierender Daten, Optimierung bestehender Prozesse Big-Data eröffnet ganz neue Geschäftsmodelle, Wandel des Business-Modells Push von existierenden Geschäfts- modellen durch die Erhebung und Auswertung neuer Daten neue Geschäftsmodelle existierende Geschäftsmodelle existierende Datenbestände neue Datenbestände Modell in Anlehnung an BITKOM (2015): „Big Data und Geschäftsmodell-Innovationen in der Praxis“
  16. 16. I Seite 16 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Ein ganz kurzer Blick auf die Technik: Das Hadoop Ecosystem Zookeeper Ambari Oozie Falcon Knox Ranger Data Ingestion & Integration HDFS YARN Script SQL Java/ Scala NoSQL In-Mem. Stream Batch Tez Tez Pig Flume Sqoop Kafka Hive Spark Storm M&RCasc. Analytics, UIs, 3Rd Party Pentaho elasticsearchMahoutHue HBase PDI Data & Systems Management Enterprise-ready, dominiert durch Open-Source Fazit
  17. 17. I Seite 17 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Big Data Lösungs-Architektur: Verbinde TV und Web! Tracking-Daten • 60 Websites • 50 Mio. Unique Users/Monat RDBMS TV-Daten aus 15 Mio. Einträgen/Tag (Reichweite, CRM, TV-Schaltplan ...) Hadoop Cluster • 10 Data Nodes • 640 GB RAM • 320 TB Storage Tägliche Aggregation • 60 Mio. Visits • > 50 KPIs Reporting/Analysis
  18. 18. I Seite 18 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Methodisches Grundprinzip: Spot-Induktion verbindet TV und Web Spot-ZuordnungHive UDTF • Extrapoliere flachen Untergrund! • Separiere Kategorien! (referrer, device, …) • Löse Überlapp durch Spot-Gewichte! (GRP und Response- Funktion1) 2nd spot Extrapolate ∅ noise level Spot minute8-8 0 Visits Noise window Spot induced signal New noise level Signal window Overlap region 1 Landau Modell
  19. 19. I Seite 19 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 time of day 00:00 02:00 04:00 06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 00:00 0 1 2 3 time of day 00:00 02:00 04:00 06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 00:00 0 100 200 300 400 500 600 700 est/resources/visits_induced_20140112_17_v5.csv Signal-Analyse: Spot-Induktion ermöglicht Messung von unmittelbarer Werbewirkung Daily Visits Spot-Zuordnung • Kurzreichweitige Zuord- nung zu synchronen Visits • Trotzt Modulation und Fluktuation • Konservativ, aber robust Analysen • Zeit (Tageszeit vs. Primetime) • Inhalt: Sender, Genre, Format • Spot: Motiv, Art (Tandem/Single), Dauer • Tarif: Special Ads time of day 18:00 18:15 18:30 18:45 19:00 19:15 19:30 19:45 20:00 20:15 20:30 20:45 21:00 0 0.5 time of day 18:00 18:15 18:30 18:45 19:00 19:15 19:30 19:45 20:00 20:15 20:30 20:45 21:00 visits 0 100 200 300 400 500 600 700 ources/visits_induced_20140112_17_v4_strippedSecs.csv -s java/psa-media-analytics-hive-functions/src/test/resources/lookup_spotchains.csv
  20. 20. I Seite 20 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Merkmale erfolgreicher Werbespots: Beispiel E-Commerce Interferenz Wie wirken mehrere E-Commerce Spots innerhalb eines Werbeblocks? Ø Besucher pro Spot (GRP normiert) 1 2 3 4 5 6 7 8 Anzahl E-Commerce Spots im Werbeblock Vertrauens- intervall durch zahlreiche Spot-Motive/- Dauer und Sender Keine Korrelation Konstanter Besucherzuwachs Vorurteil widerlegt
  21. 21. I Seite 21 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Merkmale erfolgreicher Werbespots: Beispiel Motiv-Analysen Welches Spot-Motiv funktioniert am besten? Kumulierte Besucher Kumulierte Reichweite Beauty – Motiv 1 Beauty – Motiv 2 Beauty – Motiv 3 Spot- Länge? Lineares Wachstum Frühzeitige Preformance- bewertung möglich Keine Abnutzung Forecasts möglich
  22. 22. I Seite 22 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Merkmale erfolgreicher Werbespots: Beispiel Spot-Länge Spot-Motive normiert auf Spot-Länge Lineares Wachstum Lineare Skalierung durch Spot-Länge Zeigt Motiv-Unterschiede Kumulierte Besucher pro 10 sec Kumulierte Reichweite Beauty – Motiv 1 Beauty – Motiv 2 Beauty – Motiv 3 Wirkung linear zur Exposure!!!
  23. 23. I Seite 23 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Lösung durch Data Science Problem: Aktuelle Kampagnen-Bewertung (CpV) unzureichend Data Science: Messung des Langzeit-TV-Effekts 0 5 10 15 20 25 30 35 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Visits in k Pre-Campaign (baseline) TV-Campaign (incremental effect) Post- Campaign Incremental Campaign Visits Depot visits Wochen Problem: Keine adäquate Berücksichtigung von Saisonalität und anderen Marketing-Aktivitäten
  24. 24. I Seite 24 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Vom Higgs zum Business 4. July 2012: LHC (27-km-Ring bei Genf) findet Higgs-Boson in Petabytes von Kollisionsdaten 1 PB generierte Daten pro Sekunde 25 PB gespeicherte Daten pro Jahr Detektoren mit Millionen von Channels Analyse-Methoden aus der Forschung funktionieren auch im Business
  25. 25. I Seite 25 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Multivariate Analyse (MVA): Selbstlernender Entscheidungsbaum MVA1-Analyse • Klassifizierung der Besucher nach ihrem Web-Verhalten (PI’s, Surf-Dauer, …) • Entscheidungsbaum aus diskriminierenden Variablen trennt TV- von nicht-TV • Selbst-Lernende Optimierung durch Aufwertung von falschen Zuordnungen • Training auf Basis der Spot- Induktion • Stabil gegen Ausbrechen einzelner Variablen Node (one discriminator) S S = TV, B = non-TV B S S B B Baskets Boosting ~500 trees Datenqualität und -Verständnis entscheidend! 1 Multi-Variant Aalysis (Boosted Decision Tree, AdaBoost)
  26. 26. I Seite 26 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 MVA: Umsatz-Analyse Proof-of-Concept Beispiel-Ergebnis der MVA-Klassifizierung 0 10 20 30 40 50 60 70 80 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 BackgroundMVA SignalMVAUmsatz in kEUR KW 1st TV Flight 2nd TV FlightBreak Nicht-TV-Visits TV-Visits MVA-basierte Quantifizierung des Depot- Effekts MVA isoliert TV TV mit signifikantem Umsatzanteil Erste Abschätzung des TV- Langzeiteffekts Ermöglicht ROI - Abschätzung
  27. 27. I Seite 27 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Ausblick: Funktionale Erweiterungen TV-Online-Kampagnen-Synchronisation Integration von Wetter-Daten App Tracking
  28. 28. I Seite 28 | Marketing-Club Düsseldorf | ProSiebenSat.1 Media AG & inovex GmbH | 22. April 2015 Vielen Dank für Ihr Interesse! Florian Jedlitschka Manager Media Strategy & Operations ProSiebenSat.1 Media AG Dr. Lars Perchalla Big Data Scientist inovex GmbH

×