SlideShare ist ein Scribd-Unternehmen logo
1 von 9
Downloaden Sie, um offline zu lesen
Bonn	
  im	
  Oktober	
  2012	
  
Bewertung	
  von	
  Neukundenpotenzial	
  	
                                         Folie	
  1	
  
Die	
  Vorteile	
  der	
  Nutzung	
  von	
  Big	
  Data-­‐Analyse	
  für	
  
     Vertrieb	
  und	
  MarkeEng	
  
                           Keine	
  verpasste	
  
                                                                                               Durch	
  OpEmierung	
          	
  
                           Umsatzchancen	
  	
                                                 der	
  Prozesse	
  die	
  	
  
                           mehr	
                            Erfolgreich	
                     Kosten	
  senken	
   Umsatz-­‐
                                                            ins	
  Ziel	
  –	
  mit	
                                         wachstum	
  
          Gezielt	
                                         treffsicheren	
  
          umsatzstarke	
                                     Prognosen!	
  
          potenzielle	
  
          Neukunden	
  
          ansprechen	
                              Arbeitszeiten	
  der	
                Erschließung	
  
                                                    Vertriebsmit-­‐                       neuer	
  Bereiche	
  &	
  
                                                    arbeiter	
  effekEver	
                WeNbewerbs-­‐
                                                    gestalten	
                           vorteile	
  




Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                                                                 Folie	
  2	
  
Big	
  Data	
  –	
  Zusammenwirkung	
  dreier	
  großer	
  
     Technologietrends	
  
                                        Big	
  Data	
  aus	
                  Big	
  Data	
  aus	
  
                                     TransakEonsdaten	
                    InterakEonsdaten	
  
                                OLTP	
                                              Daten	
  aus	
  Sozialen	
  Medien	
  
                                OLAP	
                                              Andere	
  InterakEonsdaten:	
  
                                DW-­‐ApplikaEonen	
                                 E-­‐Mail,	
  Webtexte	
  etc.	
  

                                                          Qualifizierung	
  
                                                           der	
  Adressen	
  
                                                            für	
  Vertrieb	
  
                                                          und	
  MarkeEng	
  
                                                              Bereich    	
  
                                                                     Webcrawling	
  
                                                                     Scoremodell	
  
                                                                     PrognosEsche	
  Analyse	
  


                                                        Verarbeitung	
  der	
  	
  
                                                            Big	
  Data	
  
Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                                                 Folie	
  3	
  
Prozessablauf:	
  	
  Big	
  Data	
  Analyse	
  für	
  Qualifizierung	
  der	
  
     Adressen	
  im	
  Vertrieb	
  und	
  MarkeEng	
  Bereich	
  


                                                                                                                             101
                                                                                                                             110	
  




            Daten-­‐	
                    Daten-­‐                                         Keyword	
  –               Score	
  –	
  	
       PrognosEsche	
   Auslieferung	
  
                                                                  Crawlen	
  
           Lieferung	
                  auswertung	
                                        Analyse	
                 Modell	
                  Analyse	
  

       Lieferung	
  der	
               Verarbeitung	
  
                                                                  Big	
  Data	
  aus	
      Verarbeitung	
              Verarbeitung	
                            Übergabe	
  
       Big	
  Data	
  aus	
             der	
  Big	
  Data:	
                                                                                     Bewertung	
  
                                                                  InterakEonen:	
           der	
  Big	
  Data:	
       der	
  Big	
  Data:	
                     von	
  
       TransakEonen:	
                  Einstufung	
                                                                                              neuer	
  
                                                                  Extrahieren	
             Analyse	
  der	
            Erstellung	
                              potenziellen	
  
       Kundendaten,	
                   der	
  Bestands-­‐                                                                                        Firmen-­‐
                                                                  von	
  Web	
  –           relevanten	
                eines	
  Score	
  –	
                     Neukunden	
  
       Umsatz,	
  Reak-­‐               kunden	
  nach	
                                                                                          adressen	
  
                                                                  Seiten	
                  Keywords	
                  Modells	
                                 –	
  Adressen	
  
       Eonsverhalten	
                  Umsatz	
  	
  




                                   KLEINER	
  AUFWAND	
  –	
  GROSSE	
  CHANCEN	
  
Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                                                                                                     Folie	
  4	
  
Möglicher	
  Dateninput	
  


                               Lieferung	
  der	
  Daten	
  von	
  Bestandskunden	
  	
  


                                                 Email	
  –
                             en	
                                               Web	
  –      Umsatz/
                 en       nam n	
                Adresse
                                                            	
  
                                                                   Telefon-­‐
             Firm dresse                                           nummer	
     Adresse	
     ReakEon
                                                                                                      	
  
                      -­‐A
              und	
                                                              h?p://
                                                                                 www.	
  




Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                                 Folie	
  5	
  
Anwendungsszenario:	
  Score-­‐Modell-­‐Erstellung	
  
     anhand	
  von	
  Bestandskunden	
  zur	
  	
  Bewertung	
  neuer	
  
     Firmenadressen	
  
             Lieferung	
  der	
  Daten	
  von	
       Datenauswertung	
                          Bewertung	
  neuer	
  
             Bestandskunden	
                         Extrahieren	
  der	
  Webseiten	
          Firmenadressen	
  
                                                      Keywords-­‐Analyse	
                       Daten	
  Auslieferung	
  




                h?p://www.	
  
                      h?p://www.	
  
                          h?p://www.	
  
                               h?p://www.	
  




                                                                       	
  
                                                              h?p://www.                          110010
                                                                                                  101101	
  




    Big	
  Data	
  aus	
  TransakEonsdaten	
        Big	
  Data	
  aus	
  InterakEonsdaten	
         Verarbeitung	
  der	
  Big	
  Data	
  
Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                                                            Folie	
  6	
  
Exemplarisches	
  Analyse-­‐Ergebnis	
  

                                            Auswertung	
  neuer	
  Firmenadressen	
  	
  
                                                    miNels	
  Scoring	
  

                                                                                                                                          Prognose	
  	
  
                                                                Firmenname	
                    Adresse	
                    URL	
  
                                                                                                                                           Umsatz	
  

                                                         Max	
  Mustermann	
  GmbH	
     Musterstraße	
  54	
             hNp://www	
        158.749,45	
  
                                                                                                                                                                  TOP	
  
                                                         Max	
  Mustermann	
  AG	
       Maxweg	
  7,	
  12345	
  	
      hNp://www	
          73.612,89	
  


                                                         Max	
  Mustermann	
  GBR	
      Am	
  Musterweg	
  1	
           hNp://www	
           1.200,74	
  
                                                                                                                                                                  MiNe	
  
                                                         Max	
  Mustermann	
  OHG	
      Max	
  Muster	
  Str.	
  9	
     hNp://www	
             983,18	
  


                                                         Max	
  Mustermann	
  E.V.	
     Mustermannweg	
  	
              hNp://www	
               88,57	
  

                                                                                                                                                                  Flop	
  
                                                         Max	
  Mustermann	
  KG	
       Max	
  Straße	
  3,	
  123	
     hNp://www	
                     0	
  




Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                                                                                            Folie	
  7	
  
Gezielte	
  Neukundenansprache	
  



                                                         ZeitopEmierung	
  



                                                         Kostenersparnis
                                                                       	
  



                                                     Tieferes	
  Kundenwissen	
  

Bewertung	
  von	
  Neukundenpotenzial	
  	
                                          Folie	
  8	
  
Kontaktdaten	
  


                  MarAnCon	
  
                  GesellschaJ	
  für	
  MarkeNng,	
  Analysen	
  und	
  ConsulNng	
  mbH	
  
                  Königswinterer	
  Str.	
  418	
  	
  
                  53227	
  Bonn	
  	
  

                  Geschälsführer	
  
                  Meinert	
  Jacobsen	
  

                  Kontakt	
  
                  T:	
  +49	
  228	
  338300-­‐00	
  
                  M:	
  +49	
  151	
  15675483	
  
                  E:	
  meinert.jacobsen@marancon.de	
  

Bewertung	
  von	
  Neukundenpotenzial	
  	
                                                   Folie	
  9	
  

Weitere ähnliche Inhalte

Was ist angesagt?

Der Markt für Planungs- und Controlling-Systeme
Der Markt für Planungs- und Controlling-SystemeDer Markt für Planungs- und Controlling-Systeme
Der Markt für Planungs- und Controlling-SystemeBARC GmbH
 
Vertrieb verbessern: Hinweise für Existenzgründer
Vertrieb verbessern: Hinweise für ExistenzgründerVertrieb verbessern: Hinweise für Existenzgründer
Vertrieb verbessern: Hinweise für ExistenzgründerSven Jaenchen
 
Web Analytics Leitfaden Bitkom
Web Analytics Leitfaden BitkomWeb Analytics Leitfaden Bitkom
Web Analytics Leitfaden BitkomRalf Haberich
 
Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...
Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...
Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...Business Intelligence Research
 

Was ist angesagt? (8)

Der Markt für Planungs- und Controlling-Systeme
Der Markt für Planungs- und Controlling-SystemeDer Markt für Planungs- und Controlling-Systeme
Der Markt für Planungs- und Controlling-Systeme
 
Crmexpo 2014 stuttgart
Crmexpo 2014 stuttgartCrmexpo 2014 stuttgart
Crmexpo 2014 stuttgart
 
Smec ebusiness breakfast bmw münchen
Smec ebusiness breakfast bmw münchenSmec ebusiness breakfast bmw münchen
Smec ebusiness breakfast bmw münchen
 
Vertrieb verbessern: Hinweise für Existenzgründer
Vertrieb verbessern: Hinweise für ExistenzgründerVertrieb verbessern: Hinweise für Existenzgründer
Vertrieb verbessern: Hinweise für Existenzgründer
 
High Performance Analytics im marketing
High Performance Analytics im marketingHigh Performance Analytics im marketing
High Performance Analytics im marketing
 
Web Analytics Leitfaden Bitkom
Web Analytics Leitfaden BitkomWeb Analytics Leitfaden Bitkom
Web Analytics Leitfaden Bitkom
 
Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...
Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...
Business Intelligence zur Prozessoptimierung im Krankenhausmanagement - Volke...
 
Armin Wirth: E-Commerce-Architektur
Armin Wirth: E-Commerce-ArchitekturArmin Wirth: E-Commerce-Architektur
Armin Wirth: E-Commerce-Architektur
 

Andere mochten auch

Universidad de las americas puebla
Universidad de las americas pueblaUniversidad de las americas puebla
Universidad de las americas pueblazurita23
 
Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...
Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...
Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...Hans-Chr. Brockmann
 
biw info amtsblattmissbrauch
biw info amtsblattmissbrauchbiw info amtsblattmissbrauch
biw info amtsblattmissbrauchWandelBarCamp
 
10. poesía posterior a 1939. 4º
10. poesía posterior a 1939. 4º10. poesía posterior a 1939. 4º
10. poesía posterior a 1939. 4ºrafernandezgon
 
Planos empresa mundo del arte 2
Planos empresa mundo del arte 2Planos empresa mundo del arte 2
Planos empresa mundo del arte 2Mundo del Arte
 
Aplicaciones de la transforma de Laplace, Fourier y Circuitos Lineales
Aplicaciones de la transforma de Laplace, Fourier y Circuitos LinealesAplicaciones de la transforma de Laplace, Fourier y Circuitos Lineales
Aplicaciones de la transforma de Laplace, Fourier y Circuitos LinealesKENNY López
 
Las camaras de seguridad
Las camaras de seguridadLas camaras de seguridad
Las camaras de seguridadnatalliahurtado
 
Ein Laecheln
Ein LaechelnEin Laecheln
Ein LaechelnSylvi O.
 
Nutricion y dietetica
Nutricion y dieteticaNutricion y dietetica
Nutricion y dieteticaEmily Suarez
 
Wikispaces ary
Wikispaces aryWikispaces ary
Wikispaces aryPamela95
 
Reglamento del aprendiz sena
Reglamento del aprendiz senaReglamento del aprendiz sena
Reglamento del aprendiz senaDANIEL Vargas
 
Pasos para crear un negocio en internet
Pasos para crear un negocio en internetPasos para crear un negocio en internet
Pasos para crear un negocio en internetjeanyo21
 
Information Skills – Targeting Untapped User Groups
Information Skills – Targeting Untapped User GroupsInformation Skills – Targeting Untapped User Groups
Information Skills – Targeting Untapped User GroupsTina Hohmann
 

Andere mochten auch (20)

Universidad de las americas puebla
Universidad de las americas pueblaUniversidad de las americas puebla
Universidad de las americas puebla
 
Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...
Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...
Xybermotive Bewährte ERP und EDI Technologie - leichtgewichtig und auf Knopfd...
 
biw info amtsblattmissbrauch
biw info amtsblattmissbrauchbiw info amtsblattmissbrauch
biw info amtsblattmissbrauch
 
10. poesía posterior a 1939. 4º
10. poesía posterior a 1939. 4º10. poesía posterior a 1939. 4º
10. poesía posterior a 1939. 4º
 
Tema 7
Tema 7Tema 7
Tema 7
 
Planos empresa mundo del arte 2
Planos empresa mundo del arte 2Planos empresa mundo del arte 2
Planos empresa mundo del arte 2
 
Aplicaciones de la transforma de Laplace, Fourier y Circuitos Lineales
Aplicaciones de la transforma de Laplace, Fourier y Circuitos LinealesAplicaciones de la transforma de Laplace, Fourier y Circuitos Lineales
Aplicaciones de la transforma de Laplace, Fourier y Circuitos Lineales
 
Neubau Sent
Neubau SentNeubau Sent
Neubau Sent
 
Las camaras de seguridad
Las camaras de seguridadLas camaras de seguridad
Las camaras de seguridad
 
Intervencion en crisis 2011
Intervencion en crisis 2011Intervencion en crisis 2011
Intervencion en crisis 2011
 
Calentamiento global
Calentamiento globalCalentamiento global
Calentamiento global
 
Ein Laecheln
Ein LaechelnEin Laecheln
Ein Laecheln
 
Sgp42
Sgp42Sgp42
Sgp42
 
Nutricion y dietetica
Nutricion y dieteticaNutricion y dietetica
Nutricion y dietetica
 
Milena
MilenaMilena
Milena
 
Wikispaces ary
Wikispaces aryWikispaces ary
Wikispaces ary
 
Reglamento del aprendiz sena
Reglamento del aprendiz senaReglamento del aprendiz sena
Reglamento del aprendiz sena
 
Tierliebe
TierliebeTierliebe
Tierliebe
 
Pasos para crear un negocio en internet
Pasos para crear un negocio en internetPasos para crear un negocio en internet
Pasos para crear un negocio en internet
 
Information Skills – Targeting Untapped User Groups
Information Skills – Targeting Untapped User GroupsInformation Skills – Targeting Untapped User Groups
Information Skills – Targeting Untapped User Groups
 

Ähnlich wie Big data im B2B Umfeld

Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenUnternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenVizlib Ltd.
 
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...Christian Schieder
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at Summit
 
Client Vela Datenqualitätscheck
Client Vela DatenqualitätscheckClient Vela Datenqualitätscheck
Client Vela DatenqualitätscheckClient Vela GmbH
 
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...Socialbar
 
Digitale Transformation Braucht Starke und Verlässliche Daten
Digitale Transformation Braucht Starke und Verlässliche DatenDigitale Transformation Braucht Starke und Verlässliche Daten
Digitale Transformation Braucht Starke und Verlässliche DatenPrecisely
 
Andreas Pleschek zu den Clients der Zukunft
Andreas Pleschek zu den Clients der ZukunftAndreas Pleschek zu den Clients der Zukunft
Andreas Pleschek zu den Clients der ZukunftIBM Lotus
 
advertzoom März_2012_Facebook
advertzoom März_2012_Facebookadvertzoom März_2012_Facebook
advertzoom März_2012_FacebookRoland Markowski
 
Advertzoom März_ 2012_facebook
Advertzoom März_ 2012_facebookAdvertzoom März_ 2012_facebook
Advertzoom März_ 2012_facebookRoland Markowski
 
Folien2 spss watson roadshow_predictive
Folien2 spss watson roadshow_predictiveFolien2 spss watson roadshow_predictive
Folien2 spss watson roadshow_predictiveClara Ogwuazor Mbamalu
 
IBP_Whitepaper Customer Experience a la Amazon und Google
IBP_Whitepaper Customer Experience a la Amazon und GoogleIBP_Whitepaper Customer Experience a la Amazon und Google
IBP_Whitepaper Customer Experience a la Amazon und GoogleIskander Business Partner GmbH
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Peter Gentsch
 
Operational Intelligence - TDWI Europe 2008
Operational Intelligence - TDWI Europe 2008Operational Intelligence - TDWI Europe 2008
Operational Intelligence - TDWI Europe 2008Christian Schieder
 
Datenmanagement
DatenmanagementDatenmanagement
DatenmanagementUniserv
 
130213 itn webcast_sap
130213 itn webcast_sap130213 itn webcast_sap
130213 itn webcast_sapit-novum
 
AIS-Präsentation: Optimierung Property und Facility Management
AIS-Präsentation: Optimierung Property und Facility ManagementAIS-Präsentation: Optimierung Property und Facility Management
AIS-Präsentation: Optimierung Property und Facility ManagementAIS Management GmbH
 

Ähnlich wie Big data im B2B Umfeld (20)

Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-WerkzeugenUnternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
Unternehmensweites DQ-Controlling auf Basis von BI-Werkzeugen
 
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
Operational Intelligence im Kontext des Enterprise Decision Managements - MKW...
 
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas BerthWerbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
Werbeplanung.at SUMMIT 15 - Conversion Optimierung in Echtzeit - Andreas Berth
 
B2B Web Scoring
B2B Web ScoringB2B Web Scoring
B2B Web Scoring
 
Client Vela Datenqualitätscheck
Client Vela DatenqualitätscheckClient Vela Datenqualitätscheck
Client Vela Datenqualitätscheck
 
B2B Web Scoring
B2B Web ScoringB2B Web Scoring
B2B Web Scoring
 
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
 
Mbuf
MbufMbuf
Mbuf
 
Digitale Transformation Braucht Starke und Verlässliche Daten
Digitale Transformation Braucht Starke und Verlässliche DatenDigitale Transformation Braucht Starke und Verlässliche Daten
Digitale Transformation Braucht Starke und Verlässliche Daten
 
Andreas Pleschek zu den Clients der Zukunft
Andreas Pleschek zu den Clients der ZukunftAndreas Pleschek zu den Clients der Zukunft
Andreas Pleschek zu den Clients der Zukunft
 
advertzoom März_2012_Facebook
advertzoom März_2012_Facebookadvertzoom März_2012_Facebook
advertzoom März_2012_Facebook
 
Advertzoom März_ 2012_facebook
Advertzoom März_ 2012_facebookAdvertzoom März_ 2012_facebook
Advertzoom März_ 2012_facebook
 
Folien2 spss watson roadshow_predictive
Folien2 spss watson roadshow_predictiveFolien2 spss watson roadshow_predictive
Folien2 spss watson roadshow_predictive
 
Tracking von Mobile Games
Tracking von Mobile GamesTracking von Mobile Games
Tracking von Mobile Games
 
IBP_Whitepaper Customer Experience a la Amazon und Google
IBP_Whitepaper Customer Experience a la Amazon und GoogleIBP_Whitepaper Customer Experience a la Amazon und Google
IBP_Whitepaper Customer Experience a la Amazon und Google
 
Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016Big data im controlling gentsch kulpa-03-2016
Big data im controlling gentsch kulpa-03-2016
 
Operational Intelligence - TDWI Europe 2008
Operational Intelligence - TDWI Europe 2008Operational Intelligence - TDWI Europe 2008
Operational Intelligence - TDWI Europe 2008
 
Datenmanagement
DatenmanagementDatenmanagement
Datenmanagement
 
130213 itn webcast_sap
130213 itn webcast_sap130213 itn webcast_sap
130213 itn webcast_sap
 
AIS-Präsentation: Optimierung Property und Facility Management
AIS-Präsentation: Optimierung Property und Facility ManagementAIS-Präsentation: Optimierung Property und Facility Management
AIS-Präsentation: Optimierung Property und Facility Management
 

Mehr von B2B Smartdata GmbH

Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurB2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurB2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurB2B Smartdata GmbH
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurB2B Smartdata GmbH
 
Smart data-im-marketing germancrm
Smart data-im-marketing germancrmSmart data-im-marketing germancrm
Smart data-im-marketing germancrmB2B Smartdata GmbH
 
BIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNGBIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNGB2B Smartdata GmbH
 
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...B2B Smartdata GmbH
 
Trigger based e mail-Marketing
Trigger based e mail-MarketingTrigger based e mail-Marketing
Trigger based e mail-MarketingB2B Smartdata GmbH
 
Bessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crmBessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crmB2B Smartdata GmbH
 
Database-Marketing - Best Practise !
Database-Marketing - Best Practise !Database-Marketing - Best Practise !
Database-Marketing - Best Practise !B2B Smartdata GmbH
 
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer B2B Smartdata GmbH
 
Kundenwissen transparent machen
Kundenwissen transparent machenKundenwissen transparent machen
Kundenwissen transparent machenB2B Smartdata GmbH
 

Mehr von B2B Smartdata GmbH (20)

Kundensegmentierung
Kundensegmentierung Kundensegmentierung
Kundensegmentierung
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Ein Loch ist im Eimer
Ein Loch ist im Eimer Ein Loch ist im Eimer
Ein Loch ist im Eimer
 
Big Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der SpurBig Data – Dem Kunden auf der Spur
Big Data – Dem Kunden auf der Spur
 
Smart data-im-marketing germancrm
Smart data-im-marketing germancrmSmart data-im-marketing germancrm
Smart data-im-marketing germancrm
 
BIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNGBIG DATA ZIELGRUPPEN PROFILIERUNG
BIG DATA ZIELGRUPPEN PROFILIERUNG
 
B2bwebscoring marancon
B2bwebscoring maranconB2bwebscoring marancon
B2bwebscoring marancon
 
BIG DATA Broschüre
BIG DATA Broschüre BIG DATA Broschüre
BIG DATA Broschüre
 
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
Artikel "BIG DATA : Leadbewertung einer Online-Druckerei" im Leitfaden Data D...
 
Big Data: Kunden auf der Spur
Big Data: Kunden auf der SpurBig Data: Kunden auf der Spur
Big Data: Kunden auf der Spur
 
Trigger based e mail-Marketing
Trigger based e mail-MarketingTrigger based e mail-Marketing
Trigger based e mail-Marketing
 
Kundenwanderung beispiel v01
Kundenwanderung beispiel v01Kundenwanderung beispiel v01
Kundenwanderung beispiel v01
 
Bessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crmBessere kommunikation dank analystischem crm
Bessere kommunikation dank analystischem crm
 
Database-Marketing - Best Practise !
Database-Marketing - Best Practise !Database-Marketing - Best Practise !
Database-Marketing - Best Practise !
 
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
Zwischen Theorie und Praxis - Databasemarketing bei Berge & Meer
 
Kundenwissen transparent machen
Kundenwissen transparent machenKundenwissen transparent machen
Kundenwissen transparent machen
 
Twittermarketing und CRM
Twittermarketing und CRM Twittermarketing und CRM
Twittermarketing und CRM
 
Twitter Marketing
Twitter MarketingTwitter Marketing
Twitter Marketing
 

Big data im B2B Umfeld

  • 1. Bonn  im  Oktober  2012   Bewertung  von  Neukundenpotenzial     Folie  1  
  • 2. Die  Vorteile  der  Nutzung  von  Big  Data-­‐Analyse  für   Vertrieb  und  MarkeEng   Keine  verpasste   Durch  OpEmierung     Umsatzchancen     der  Prozesse  die     mehr   Erfolgreich   Kosten  senken   Umsatz-­‐ ins  Ziel  –  mit   wachstum   Gezielt   treffsicheren   umsatzstarke   Prognosen!   potenzielle   Neukunden   ansprechen   Arbeitszeiten  der   Erschließung   Vertriebsmit-­‐ neuer  Bereiche  &   arbeiter  effekEver   WeNbewerbs-­‐ gestalten   vorteile   Bewertung  von  Neukundenpotenzial     Folie  2  
  • 3. Big  Data  –  Zusammenwirkung  dreier  großer   Technologietrends   Big  Data  aus   Big  Data  aus   TransakEonsdaten   InterakEonsdaten   OLTP   Daten  aus  Sozialen  Medien   OLAP   Andere  InterakEonsdaten:   DW-­‐ApplikaEonen   E-­‐Mail,  Webtexte  etc.   Qualifizierung   der  Adressen   für  Vertrieb   und  MarkeEng   Bereich   Webcrawling   Scoremodell   PrognosEsche  Analyse   Verarbeitung  der     Big  Data   Bewertung  von  Neukundenpotenzial     Folie  3  
  • 4. Prozessablauf:    Big  Data  Analyse  für  Qualifizierung  der   Adressen  im  Vertrieb  und  MarkeEng  Bereich   101 110   Daten-­‐   Daten-­‐ Keyword  – Score  –     PrognosEsche   Auslieferung   Crawlen   Lieferung   auswertung   Analyse   Modell   Analyse   Lieferung  der   Verarbeitung   Big  Data  aus   Verarbeitung   Verarbeitung   Übergabe   Big  Data  aus   der  Big  Data:   Bewertung   InterakEonen:   der  Big  Data:   der  Big  Data:   von   TransakEonen:   Einstufung   neuer   Extrahieren   Analyse  der   Erstellung   potenziellen   Kundendaten,   der  Bestands-­‐ Firmen-­‐ von  Web  – relevanten   eines  Score  –   Neukunden   Umsatz,  Reak-­‐ kunden  nach   adressen   Seiten   Keywords   Modells   –  Adressen   Eonsverhalten   Umsatz     KLEINER  AUFWAND  –  GROSSE  CHANCEN   Bewertung  von  Neukundenpotenzial     Folie  4  
  • 5. Möglicher  Dateninput   Lieferung  der  Daten  von  Bestandskunden     Email  – en   Web  – Umsatz/ en nam n   Adresse   Telefon-­‐ Firm dresse nummer   Adresse   ReakEon   -­‐A und   h?p:// www.   Bewertung  von  Neukundenpotenzial     Folie  5  
  • 6. Anwendungsszenario:  Score-­‐Modell-­‐Erstellung   anhand  von  Bestandskunden  zur    Bewertung  neuer   Firmenadressen   Lieferung  der  Daten  von   Datenauswertung   Bewertung  neuer   Bestandskunden   Extrahieren  der  Webseiten   Firmenadressen   Keywords-­‐Analyse   Daten  Auslieferung   h?p://www.   h?p://www.   h?p://www.   h?p://www.     h?p://www. 110010 101101   Big  Data  aus  TransakEonsdaten   Big  Data  aus  InterakEonsdaten   Verarbeitung  der  Big  Data   Bewertung  von  Neukundenpotenzial     Folie  6  
  • 7. Exemplarisches  Analyse-­‐Ergebnis   Auswertung  neuer  Firmenadressen     miNels  Scoring   Prognose     Firmenname   Adresse   URL   Umsatz   Max  Mustermann  GmbH   Musterstraße  54   hNp://www   158.749,45   TOP   Max  Mustermann  AG   Maxweg  7,  12345     hNp://www   73.612,89   Max  Mustermann  GBR   Am  Musterweg  1   hNp://www   1.200,74   MiNe   Max  Mustermann  OHG   Max  Muster  Str.  9   hNp://www   983,18   Max  Mustermann  E.V.   Mustermannweg     hNp://www   88,57   Flop   Max  Mustermann  KG   Max  Straße  3,  123   hNp://www   0   Bewertung  von  Neukundenpotenzial     Folie  7  
  • 8. Gezielte  Neukundenansprache   ZeitopEmierung   Kostenersparnis   Tieferes  Kundenwissen   Bewertung  von  Neukundenpotenzial     Folie  8  
  • 9. Kontaktdaten   MarAnCon   GesellschaJ  für  MarkeNng,  Analysen  und  ConsulNng  mbH   Königswinterer  Str.  418     53227  Bonn     Geschälsführer   Meinert  Jacobsen   Kontakt   T:  +49  228  338300-­‐00   M:  +49  151  15675483   E:  meinert.jacobsen@marancon.de   Bewertung  von  Neukundenpotenzial     Folie  9