Wo investieren wir die nächsten 100.000 €? Wenn wir das Marketingbudget in diesem Monat kürzen, was werden die Auswirkungen auf unsere Sales-Aktivitäten sein und für wie lange? Welche Botschaften sollen wir in unseren TV-Spots platzieren, welche im Bereich Out-of-Home? Wie wirkt sich das Fernsehen auf unseren Kanal-Mix aus und wann und wo lohnt sich die Investition am meisten? Das sind die Fragen, die sich Unitymedia gestellt hat. Das Advanced Analytics-Team hat einen Baukasten aus fortgeschrittenen Regressionsmodellen entwickelt, um solche Fragen beantworten zu können, eine Diskussionsgrundlage zu bieten wie Marketing-Mittel optimal zu reallokieren sind und damit langfristig die Marktbearbeitung zu optimieren. Die Case Study des Projekts erklärt die Modellierung und den Projektansatz, warum Predictive Analytics hier nicht funktionieren würde und wie wir uns darauf konzentriert haben präskriptiv zu handeln (und das nicht nur im Hinblick auf die Modellierung).

1. ROMI @ Unitymedia
Prescriptive ohne Predictive:
Regression ist noch nicht tot!
Berlin, 13.11.2018 Ralf Jäger, James Oliver

2. Entertainment / TV
Internet
Mobile Services
Sprachdienste
13 Mio. erreichbare Haushalte,
7,2 Mio. Kunden

3. Customer Analytics – ein Rückblick
Zeit
analytische
Komplexität
2016 2017 2018 2019
Database Marketing
Cross-/Upsell-Scoring
Customer Consent
Next-Best-Offer
Data-Driven Segmentation
Churn Score
Linear TV
Recommendations
Network Incident Mgmt.
NPS Prediction
ROMI
Price Increase v1
Price Increase v2
Base Mgmt. Dashboard
Free2Churn
Incident-driven
Churn Score
ML / AIPredictive Use CasesDescriptive DashboardsAA in Operations

4. ROMI - Return on Marketing Invest – Kernfragen
1 3
2
Welchen Wert generieren
wir durch unsere
Investments…?
• Media (TV, Radio, …) und
Direct Marketing
• Promotions (Recurring,
Discount, Geschenke, …)
• zusätzliches Sales-
Ausgaben
(Kommissionen, Tür-zu-
Tür, Outbound-Telefonie)
… nach Kunden-Bewegung… ?
• 1P Akquisitionen
• 2P Akquisitionen
• 3P Akquisitionen
• 4P Akquisitionen
• Churn
• Cross- & Up-Sell
• …
… pro Kanal?
• Retail
• Outbound
• Inbound
• …

6. Das Ziel: Optimierung der Marketing-Ausgaben
Other
5%
Direct Marketing
7%
Programmatic
10%
Search
19%
OOH
24%
TV
35%
Budget: €1m
Other
10%
Direct Marketing
17%
Programmatic
18%
Search
25%
OOH15%
TV
15%
Budget: €10m
Other
1%
Direct Marketing
2%
Programmatic
20%
Search
28%
OOH
35%
TV
14%
Budget: €50m
We still take a lot of decisions
based on intuition and 'what
worked in the past' – we need to
move on from that
We take a lot of decisions in
silos, and in a fragmented way –
I think we can optimize just by
deciding how to spend as one
team

7. Ok, Regression macht Sinn!
Aber welche …
Beispiel:
Wasserdurchfluss
im Nil
Das Modell muss unempfindlich gegen Unregelmäßigkeiten und
generelle System-Instabilität sein!

9. Unsere Staudämme …
Market
Growth
Brand
Growth
Product
Differentiation
Market
Saturation?
Die Verwendung eines Dynamic Linear Model-Ansatzes erlaubt es unser System an
Veränderungen anzupassen und ein Verständnis für unser Marketingeffekte über die Zeit auch
bei Veränderung zu entwickeln

10. Weitere Insights…
Adstock-Variablen zeigen wie lange
welches Medium Wirkung generiert
Interaktionen zeigen Synergien auf
Damit möglich: erste Hilfestellung zur Performance-Optimierung

11. Die Modelle bilden das Kaufverhalten der Kunden ab
Gross profit
Produkt-Mix in den verschiedenen
Kanälen variiert sehr stark
Damit möglich: Optimierung der
Media-Ausgaben entsprechend dem
profitabelsten Kanal!
In den verschiedenen Kanälen sind
unterschiedliche Medientypen wichtig

12. Großartig! Jetzt haben wir unseren ROI!
Fertig! Oder doch nicht?
Return On Investment
-1.5
1.0
-1.0
3.0
-0.5
1.5
0.0
0.5
2.0
2.5
3.5
Spend (€M)
ROI
Commissions
Traditional media
Direct marketing
Promos
Digital media
Jetzt ist eine Diskussion mit den Kanälen über eine Marketing-Mix-Optimierung
möglich und: wir haben immer noch keine Predictive Analytics genutzt!
Aber: wir müssen noch tiefer gehen!
Und: das Test & Learn-Setup ist entscheidend!

13. ROMI-Approach funktioniert nur als Kreislauf!
DATA ANALYTICS INSIGHTS TEST & LEARN STEERING
ROMI Strategy & Management
1
2
Defines ROMI targets, scope & priorities
Defines and steers overall ROMI development, process & governance
3 4 5 6
Data collection,
processing &
validation
Process
improvement &
automatization
(“Data
Agenda”)
Model refresh
& update
Volume-to-
Value & ROI
calculation /
scenario
testing
Support
business to
define actions
Support deep
dive analysis
on potential
actions
Roadmap
management
(consolidation,
prioritization,
status tracking)
Support
business on
preparation &
execution;
ensure
measurement
Support
planning
process w/
insights
Provide
dashboard &
mark. plan
input

14. Key Takeaways
Die Ergebnisse sind klasse,
Ableitung von konkreten
Maßnahmen ist aber noch nicht
offensichtlich.
Test & Learn ist erfolgskritisch
Koordinationsaufwand für Test &
Learn nicht unterschätzen!
Data Ownership: Business Units
auch nach Abgabe der Basisdaten
über Quality Checks mit einbinden
Opportunitätskosten
berücksichtigen!

15. James OliverRalf Jäger
@rjaeger
Vielen Dank!