Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

Управление бизнесом на основе данных

735 Aufrufe

Veröffentlicht am

Вводная лекция для курса Data Driven Marketing

Veröffentlicht in: Daten & Analysen
  • Als Erste(r) kommentieren

Управление бизнесом на основе данных

  1. 1. Управление бизнесом на основе данных Константин Савенков, CEO Intento, Inc.
  2. 2. Константин Савенков к.ф-м.н. (ВМК МГУ), 3 года директор по науке в Zvooq, 2 года операционный директор Bookmate и других проектов Dream Industries сейчас - CEO
  3. 3. Настраивал работу с данными в проектах • контентные сервисы B2C/B2B2C • образовательные проекты • рекламные проекты • недвижимость • в режиме консалтинга - online2offline, UGC, биотехнологии Zvooq, Bookmate Theory&Practice, Exchanges Unisound DI Telegraph Константин Савенков, 2016
  4. 4. Без данных, люди принимают решения на основе веры и предрассудков Константин Савенков, 2016
  5. 5. …решения на основе данных - конкурентное преимущество Константин Савенков, 2016
  6. 6. Следя за конкурентами, вы идете за ними. Фокус на клиенте - возможность идти впереди них. (с) Джефф Безос Константин Савенков, 2016
  7. 7. …данные помогают сфокусироваться на клиенте Константин Савенков, 2016
  8. 8. Информация - это топливо 21 века, а его мотор - аналитика. (с) Питер Сондегаард Константин Савенков, 2016
  9. 9. … следите за качеством топлива и проходите ТО Константин Савенков, 2016
  10. 10. Половина денег, которые идут на рекламу, выбрасывается впустую; но как узнать какая именно половина? (с) Уильям Левер Константин Савенков, 2016
  11. 11. …собирать данные и считать ROI Константин Савенков, 2016
  12. 12. Средняя по США конверсия в покупку - 2%, вне зависимости от того, что продается - слоны или айфоны (с) Авинаш Кошик Константин Савенков, 2016
  13. 13. …данные позволяют быть лучше среднего Константин Савенков, 2016
  14. 14. План • Уровни использования данных • Эволюция data driven компании • Определение целей и KPI • Измерение эффекта всех инициатив в компании • Формирование гипотез и постановка экспериментов • Лидирующие и опережающие индикаторы, прогнозирующие модели • Автоматизация ручного труда • Управление изменениями компании • Данные как актив Константин Савенков, 2016
  15. 15. Мастерство Трансформация бизнеса Включение в бизнес Монетизация данных Принятие решений Оптимизация бизнеса Аналитика Секреты бизнеса Уровни использования данных Сбор данных Мониторинг бизнеса Константин Савенков, 2016
  16. 16. Константин Савенков, 2016
  17. 17. Для управления бизнесом на основе данных мало собирать и обрабатывать данные. Нужна культура. Константин Савенков, 2016
  18. 18. Не оптимизация для улучшения данных! Оптимизация для обучения! Константин Савенков, 2016
  19. 19. Все инициативы должны улучшать KPI Формулируйте гипотезы Ставьте эксперименты Данные - проверяют гипотезы в основе ваших решений. Данные не решают! Константин Савенков, 2016
  20. 20. Данные КультураЛюди Процессы Технологии Аналитика Бизнес-модель ПланированиеИтерации Измерения Гипотезы Эксперименты Изменения Константин Савенков, 2016
  21. 21. I Определение целей и KPI Константин Савенков, 2016
  22. 22. Вроде все просто MRR МаржаMAU но есть нюансы Константин Савенков, 2016
  23. 23. НЕПОНЯТНО кто отвечает? как улучшить? как связано с затратами ресурсов? (кроме СЕО) (кроме “работать лучше”) (когда большая часть бизнес- процессов автоматизирована) Константин Савенков, 2016
  24. 24. Деревья KPI MAU Новые Лояльные Вернувшиеся Трафик Конверсия Удержание Возврат Константин Савенков, 2016
  25. 25. Деревья KPI MRR MRR лояльных MRR новых нетто потери MRR MRR апгрейды MRR даунгрейды Новые клиенты изменение MRR новый MRR Ре- активация прямые продажи Константин Савенков, 2016
  26. 26. Деревья KPI Маржа LTV CAC COGSARPU время жизни Комиссии Константин Савенков, 2016
  27. 27. ДЛЯ ПРОДВИНУТЫХ Анализ соотношений Когортный анализ Константин Савенков, 2016
  28. 28. ПОМОГАЕТ С: Узкие места Роли и зоны ответственности Генерация идей Эффект от инициатив Константин Савенков, 2016
  29. 29. II Измерение эффекта инициатив Константин Савенков, 2016
  30. 30. Планирование блоками задач, оказывающими эффект Отслеживание результатов запущенных проектов Культура данных успеха обучения Константин Савенков, 2016
  31. 31. Кейс Было принято вести маркетинговые проекты до запуска Отслеживание хода полугодовой кросс-промо кампании показало существенный убыток через COGS. Удалось понять, какие механики к нему привели. Поменяли механики промо-кампаний, передоговорились с партнерами по нескольким запущенным позднее. ПРОФИТ Константин Савенков, 2016
  32. 32. III Гипотезы и эксперименты Константин Савенков, 2016
  33. 33. На самом деле, так не работает маркетинговая кампания Константин Савенков, 2016
  34. 34. На самом деле, так не работает маркетинговая кампания запустили фичу в продукте перебои с биллингом школьники пришли с каникул фичеринг в аппсторе народ вернулся с отпусков Константин Савенков, 2016
  35. 35. На самом деле, так не работает маркетинговая кампания запустили фичу в продукте перебои с биллингом школьники пришли с каникул фичеринг в аппсторе народ вернулся с отпусков КОНВЕРСИЯ С РАЗНЫХ КАНАЛОВ ОТЛИЧАЕТСЯ НА ПОРЯДКИ Константин Савенков, 2016
  36. 36. А ТАКЖЕ: Множество проектов, которые и не надо было запускать Культура празднования случайного успеха и объяснения неудач внешними факторами Невозможность учиться на ошибках Константин Савенков, 2016
  37. 37. формулировка измеримых гипотез планирование экспериментов определение критериев успеха/ неудачи до реализации организация сбора и атрибуции данных, сплит-тестирование, контролируемые переменные, статистическая значимость явное выведение рисков использование построенных моделей помощь в приоритезации и того, как неудача поможет в формулировке следующих гипотез возможность проверять несколько гипотез одновременно Константин Савенков, 2016
  38. 38. Кейсы Просчет механик маркетинговых проектов до их запуска. Изменения в продукте с повышением конверсии в 2,5 раза, времени жизни пользователя - в 2 раза Сплит тестирование таргетирования и креативов рекламных компаний, с достижением конверсии в 2-3 раза выше органической Резкое увеличение “конверсии” из всех инициатив в успешные И все остальные выводы об эффективности тех или иных подходов множество неудачных экспериментов успех несмотря на все внешние факторы ИНАЧЕ НИКАККонстантин Савенков, 2016
  39. 39. Кейс: Повышение конверсии • Гипотезы для проверки: 1. Конверсия через рекомендуемые товары выше средней 2. Достаточно много пользователей воспользуется рекомендациями • Единственный путь - сплит-тестирование: – конверсия из разных каналов трафика отличается до 20 раз – аккуратно контролировать качество трафика сложнее, чем сделать сплит-тест • Делаем пилот: – Запуск с ограниченными затратами, затем оценка результатов и решение о масштабировании (масштабирование своей системы, контракт с поставщиком итп) Из лекции “Экономическая оценка эффективности рекомендательных систем” К.Савенков 2015
  40. 40. Кейс: Повышение конверсии Группа А Группа Б 3 первые книги от редакции 3 первые книги от РС хол. старта Воспользовались рекомендациями Конверсия в покупку Общая конверсия Выглядит неплохо! Неужели стало на 40% больше клиентов? На самом деле нет, так как лишь 7% не знало что почитать Из лекции “Экономическая оценка эффективности рекомендательных систем” К.Савенков 2015
  41. 41. Оценим экономическую эффективность • Для оплаты сторонней РС по модели CPO, комиссия за заказ не должна превышать $0.14 (на самом деле, должна быть еще ниже) • В случае фиксированного платежа за лицензию в размере $1000**/мес, этот вариант имеет смысл начиная с 7143 новых клиентов/мес, или размера маркетингового бюджета от $35K. * Величины CAC и маркетингового бюджета - модельные ** величина взята с потолка Общая конверсия С% Цена привлечения = $5 Группа А Группа Б Общая конверсия 1.028*С% Цена привлечения = $4.86 Конверсия выше в 1.4 раза для 7% пользователей Общая конверсия по всем каналам - С% Из лекции “Экономическая оценка эффективности рекомендательных систем” К.Савенков 2015
  42. 42. IV Опережающие индикаторы Константин Савенков, 2016
  43. 43. Планировать работу по результатам месяца или завершенного проекта - все равно что идти задом наперед Константин Савенков, 2016
  44. 44. Лучше смотреть вперед или хотя бы под ноги Заставляем данные работать Константин Савенков, 2016
  45. 45. Дневные индикаторы Инкрементальные индикаторы Опережающие индикаторы Прогнозирующие модели узнавайте о проблемах и аномалиях вовремя пример: baremetrics.io хороший ввод для маркетинга точные цели и актуальный финансовый план Константин Савенков, 2016
  46. 46. Кейс Часть постоянных подписчиков продукта отваливалась на 2-3 месяца, что объяснялось отпусками и другими факторами. На дневных индикаторах стало видно, что это люди, подписавшиеся в будни. Загадка! Оказалось, что в будни происходит частая выкатка нового кода на сервер, из-за чего сбрасывается очередь продления подписок. Исправив, повысили время жизни пользователя на 20% Константин Савенков, 2016
  47. 47. Кейс Прогнозирование времени жизни пользователей, приходящих в настоящий момент (точность 10%) Точная оценка юнит-экономики для B2B2C контрактов, контрактов с поставщиками, определение цены Константин Савенков, 2016
  48. 48. Кейс Вероятностная модель сегментирования пользователей Входные данные для маркетинговых цепочек Константин Савенков, 2016
  49. 49. Кейс Точное определение целей: лояльные новые отток гарантия роста? неизбежность стагнации!* *если не повысить цели по KPIКонстантин Савенков, 2016
  50. 50. Кейс Точное планирование Операционная модель Маркетинговый план-факт Финансовый план-факт Маркетинговый бюджет CAC, конверсии прогноз органика условия контрактов юнит-экономика прогнозы по контрактам прогнозы по выручке Константин Савенков, 2016
  51. 51. V Автоматизация бизнес-процессов Константин Савенков, 2016
  52. 52. Нанять еще одного сотрудника или построить еще одну модель? Константин Савенков, 2016
  53. 53. Все бизнес-процессы, линейно масштабируемые по количеству сотрудников: служба поддержки редакция работа с контентом маркетинг Константин Савенков, 2016
  54. 54. Кейсы Количество пользователей растет с 1 до 2млн, удваиваем поддержку? Вводим автоответ на основе базы знаний и использование шаблонов Количество рынков растет, добавляем редакторов? Пишем алгоритм подбора шорт-листов на основе поведения пользователей Поток UGC увеличивается на порядок, добавляем контент-менеджеров? Используем дедупликацию и подсказки на основе собранных данных Константин Савенков, 2016
  55. 55. VI Управление изменениями в компании Константин Савенков, 2016
  56. 56. Операционная аналитика - улучшаем процесс улучшения KPI (продуктивность) Константин Савенков, 2016
  57. 57. ИТЕРАЦИЯ Кейс Продуктивность Agile разработки ожидания: ДОРОЖНЫЕ КАРТЫ ДИЗАЙН РАЗРАБОТКА ОТК РЕЛИЗ ПЛАНИРОВАНИЕ Константин Савенков, 2016
  58. 58. ИТЕРАЦИЯ Кейс Продуктивность Agile разработки реальность: ДОРОЖНЫЕ КАРТЫ ДИЗАЙН РАЗРАБОТКА ОТК РЕЛИЗ ПЛАНИРОВАНИЕ УВЕЛИЧЕНИЕ ТРУДОЕМКОСТИ БЭКЛОГ НОВОЕ ТЕХ. ДОЛГ БАГИ UX СОФТ OPS СРОЧНО! НЕЧЕТКИЙ ДИЗАЙН НЕЧЕТКОЕ ТЗ ПОВТОРЫ Константин Савенков, 2016
  59. 59. Кейс Продуктивность Agile разработки измеряем и ищем узкие места: ПРОДУКТИВНОСТЬ Оценка ресурсов на запланированное и завершенное Трудовые ресурсы ТОЧНОСТЬ Оценка ресурсов на запланированное и завершенное Реальные ресурсы на запланированное и завершенное ЗАВЕРШАЕМОСТЬ Реальные ресурсы на запланированное и завершенное Ресурсы на запланированные задачи ПЛАНИРУЕМОСТЬ Ресурсы на запланированные задачи Реально использованные ресурсы УТИЛИЗАЦИЯ Реально использованные ресурсы Трудовые ресурсы Константин Савенков, 2016
  60. 60. Данные как актив Константин Савенков, 2016
  61. 61. Кейсы • Сравнение B2B2C сделок через юнит-экономику • Определение качества трафика партнеров • Партнерства на основе данных • Таргетированные рассылки • Персонализация и рекомендательные системы (следующий слайд) • Бонус: Поиск причин большого кол-ва отказов в интернет-ритейле Константин Савенков, 2016
  62. 62. Влияние рекомендательной системы * *рекомендательная система Затраты на привлечение Доход с клиента Стоимость проданного товара Маркетинговый бюджет Новые клиенты Средний чек Время жизни клиента Маржинальность корзины Конверсия Удержание Реактивация Маржинальность витрины ÷ × Из лекции “Экономическая оценка эффективности рекомендательных систем” К.Савенков 2015
  63. 63. Инновационный бизнес экспериментирует, а не работает по рецептам Чтобы быть первым, надо экспериментировать быстрее конкурентов Константин Савенков, 2016
  64. 64. НА САМОМ ДЕЛЕ данные, построенные на них модели и результаты экспериментов это актив, который создает и использует инновационный бизнес Константин Савенков, 2016
  65. 65. Вопросы и ответы Константин Савенков ks@inten.to

×