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.

Monikanavaisen asiakaskokemuksen mittaaminen ja atribuutiomallinnus

413 Aufrufe

Veröffentlicht am

Digital Excellence Academy -koulutusohjelmassa pidetty esitys Monikanavaisen asiakaskokemuksen mittaamisesta ja atribuutiomallinnuksesta.

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

  • Gehören Sie zu den Ersten, denen das gefällt!

Monikanavaisen asiakaskokemuksen mittaaminen ja atribuutiomallinnus

  1. 1. 11 @ ToinenPHD Annalect Insight | Foresight | Analytics | Datascience | Consulting
  2. 2. 22 @ ToinenPHD Monikanavaisen asiakaskokemuksen mittaaminen ja atribuutiomallinnus Digital Excellence Academy | Saranen Consulting | @mertanen Espoo 20.6.2016
  3. 3. 33 @ ToinenPHD Dataohjattu asiakaskokemuksen hallinta Myynnin edistäminen Asiakaskokemus Awareness Reach Engage Activate Nurture Advocate AREANA KPI framework
  4. 4. 44 @ ToinenPHD Customer journey mapping & planning TV Print Facebook Twitter Brick & mortar Newsletter Customer service E-commerce Website Mobile app Outdoor Blog Retargeting Native Targeted message Desired action Automated action Feedback Radio
  5. 5. 55 @ ToinenPHD Customer Database Research Database Advertising Platform Qualitative Data Web Analytics Data DATA IN SILOS
  6. 6. 66 @ ToinenPHD Asiakasdatan lähteitä Sosiaalinen Media (Digitaalinen) Mainonta Asiakaspalaute ja CRM / DMP Kivijalka- Myymälät Kuinka sosiaalista mediaa monitoroidaan? Tunnistetaanko asiakkaita esim. nimen perusteella? Minkälaista dataa on saatavissa mainonnan kohdentamiseen? Kuinka mainontaa kohdennetaan esim. käyttäytymisen perusteella (retargeting)? Mihin asiakasdata on tarkoitus koota ja tallentaa? Mitkä ovat eri kanavissa yhdistäviä tietoja (common keys)? Onko olemassa kanta- asiakasjärjestelmää? Voidaanko tunnistaa pelkän maksu-/ luottokortin perusteella? Huom. tietosuoja!
  7. 7. 77 @ ToinenPHD Asiakasdatan lähteitä Verkko-/mobiili- Palvelu Kvalitatiivinen Data Manuaalinen/automaattinen Email Online- Kauppa Miten yksilöivää dataa tallennetaan ja hyödynnetään? Esim. ”anonyymi” user ID. Hyödynnetäänkö kävijäkyselyitä (Voice of Customer) tai tunnistetaanko asiakkaita esim. NPS-kyselyistä? Tehdäänkö automaattista viestintää käyttäytymiseen pohjautuen (esim. verkkopalvelusta tallennetun userID:n avulla)? Pystymmekö yhdistämään kivijalka- ja online- kaupan myyntidatan, että saamme kokonais-valtaisen näkemyksen asiakkuudesta?
  8. 8. 88 @ ToinenPHD 8 Big Data / Data Management Platform DMP Website Analytics CRM Atlas Sales Data Ad serving & DSP Cross-device Data Accurate target group pool Global perspective Constant customer insight Real-time ROI / ROAS / ROMI modelling Data driven content creation Data driven creative design Adaptive business model
  9. 9. 99 @ ToinenPHD VISUALIZATION: FROM DATA TO DASHBOARDS Our web-based reporting tools sit on top of our data architecture, enabling clients to make fast and informed decisions. It works, as real time, as the data arrives.
  10. 10. 1010 @ ToinenPHD ANALYTICS IS EASY TO START 10 Just place the snippet in website and “enjoy” multiple reports. Econometrics Linear
  11. 11. 1111 @ ToinenPHD 11 Econometrics Linear
  12. 12. 1212 @ ToinenPHD GOOGLE ANALYTICS AUDIT RESULTS 79 % NO EVENT TRACKING IN PLACE 80 % NO GOAL TRACKING IN PLACE Many companies miss relevant data and optimization. MISS RELEVANT DATA FOR BUSINESS CAN’T OPTIMIZE MEDIA SPEND AND WEBSITE AGAINST GOALS Audit data by @super_analytics. Audit included +40 check points.
  13. 13. 1313 @ ToinenPHD Econometrics Linear We’ll define what data we need & implement Google Analytics accordingly GOOLGE ANALYTICS IMPLEMENTATION We’ll see what kind of data we get from Google Analytics by default
  14. 14. 1414 @ ToinenPHD Econometrics Linear
  15. 15. 1515 @ ToinenPHD GOOGLE ANALYTICS COOKIE SETTINGS Direct traffic doesn’t overwrite campaign cookies!
  16. 16. 1616 @ ToinenPHD Econometrics Linear
  17. 17. 1717 @ ToinenPHD Econometrics Linear
  18. 18. 1818 @ ToinenPHD Econometrics Linear
  19. 19. 1919 @ ToinenPHD Econometrics Linear
  20. 20. 2020 @ ToinenPHD Econometrics Linear
  21. 21. 2121 @ ToinenPHD Econometrics Linear https://support.google.com/analytics/answer/1662518?hl=en
  22. 22. 2222 @ ToinenPHD Econometrics Linear
  23. 23. 2323 @ ToinenPHD Econometrics Linear MARKETING & SALES MODELLING = Response Method has proven track record for: • Sales data • Sales leads • Customer churn + + MediaCompetitor behavior = DistributionSeasonality Typical data Macro factors Media data Competitors media data Weather data Calendar Market data Below the line activities Response …Based on available data Mathematical & statistical analysis… +
  24. 24. 2424 @ ToinenPHD 24 Econometrics Linear yES!
  25. 25. 2525 Yhteystiedot Petri Mertanen Director, Digital Analytics petri.mertanen@annalect.com Mobile +358 400 792 616

×