SlideShare ist ein Scribd-Unternehmen logo
1 von 19
Downloaden Sie, um offline zu lesen
Folie 1 | 13.12.2016 | © infas 360
Smart Research in Zeiten von Big Data
Wie aus App-Daten neue
Zielgruppen werden
Folie 2 | 13.12.2016 | © infas 360
Die neue Ausgangslage


 
Reale
Mobilität
Virtuelle
Mobilität
Beruf Privat
als entscheidende Faktoren zur Beschreibung
von Aktivitäten/Bedürfnisse des Menschen
WANN,WAS, WO,WANN und WIE
LANGE?
+ Zeit und Raum
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 3 | 13.12.2016 | © infas 360
Das Ziel: Eine innovative Zielgruppensegmentierung auf Basis von Mobilität


 
Reale
Mobilität
Virtuelle
Mobilität
Beruf Privat
Urlaub
Shoppen
Hobbies
Entertain
ment
Am Strand
Im Fitnessstudio
Beim Einkaufen Auf dem Konzert
Zu Hause
Auf der
Arbeit
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 4 | 13.12.2016 | © infas 360
Unsere Philosophie für mobile APP-Daten
Wir unterteilen die Welt in drei
Entitäten (WOHNEN, ARBEITEN UND
FREIZEIT), die immer eine ORT- UND
ZEIT-INFORMATION besitzen
Arbeiten
POIs
Wohnen
Arbeiten &
Wohnen
B2B-INFORMATIONEN IN ZEITEN VON BIG DATA
Folie 5 | 13.12.2016 | © infas 360
MEHR WISSEN. GEZIELTER HANDELN.
Beim Einkaufen
17.45h
Im Museum
Am Wochenende
Zu Hause
ab 22h
Auf der
Arbeit 8.30h-
17.30h
Im Restaurant
12.30-13.30
Beim Sport
20-21.45h
+ GEODATEN
+ MAFO-
DATEN
+ MARKTDATEN
… und reichern diese
Lokationen mit allen ver-
fügbaren weiteren Daten an.
+ CRM-
DATEN
Folie 6 | 13.12.2016 | © infas 360
Das Resultat: Neue Zielgruppenbeschreibungen in Zeiten von Big Data
 20 Minuten zur Arbeit
 Firmen- und Gebäudegröße
 Anzahl Mitarbeiter und Führungsebenen
 Office-Zeiten 8h-18h
 Höchste Frequenzen 8h, 12h und 18h
 Nächste ÖPNV-Anbindung, in 10 Minuten
 Familien m. Kindern
 Prokurist
 Wechselaffin
 Online-Shopper
 Sporthobby Tennis
 E-Auto-Affin
 Gewerbedaten
 Arbeitsmarkt
 …
Beruf Privat
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 7 | 13.12.2016 | © infas 360
Anwendungsbeispiel Menthal-App
Wie aus App-Daten
Zielgruppenwissen entsteht
Folie 8 | 13.12.2016 | © infas 360
Die Menthal-App der Universität Bonn
Die Menthal-App unterstützt einen nachhaltigen digitalen Lebensstil. Sie leistet Hilfe zu Selbsthilfe, indem
sie dem Nutzer Auskunft über seinen Umgang mit dem Telefon erteilt.
Gleichzeitig erhebt die Studie das Mobilfunkverhalten tausender Nutzer.
Ca. 300.000 Downloads, davon 75.000 „Heavy-Nutzer“, alle mit Einverständnis zur umfassenden
„Überwachung“
Betriebssystem Android-App, erfasst werden u.a.:
Telefonate: [anonymisierte Telefonnr., Startzeit, Endzeit]
Eingehende und ausgehende SMS und Chat Messages: [anonymisierte Telefonnr., Anzahl Buchstaben,
Sendezeitpunkt],
alle im Telefonbuch des Telefons gespeicherten Telefonnummern, und kommunizieren diese (wie oben
anonymisiert)
Geografische Position: Ortung über GPS des Smartphones. Ist kein kein GPS-Signal zu empfangen
(Abschattung, in vielen Gebäuden selbst), so versucht das Telefon anhand der verfügbaren Mobilfunk- und
Wifi-Signale die aktuelle Position zu schätzen. Die Genauigkeit der Ortung liegt i. A. zwischen 10 und 100
Metern. Konkret wird alle zwanzig Minuten eine Ortung vorgenommen [Zeitpunkt, geografischer.
Längengrad, geografischer Breitengrad, Genauigkeit].
Abfragen zum Befinden, Mentalen Zuständen, Lebenszufriedenheit und Persönlichkeit
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 9 | 13.12.2016 | © infas 360
Erkenntnisbasis Raumbezug: Alleine circa 2 Milliarden möglicher Koordinaten p.a. von
75.000 Heavy-Nutzer bilden eine Basis für neue Bewegungs- und Hot-Spot-Analysen
Quelle: Alle aufgezeichneten Lokationen der Menthal-App
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 10 | 13.12.2016 | © infas 360
Internationales Bewegungsprofil eines Probanden an einem Tag
* Zusätzliches Einverständnis für Veröffentlichung der Daten liegt vor
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 11 | 13.12.2016 | © infas 360
Innerstädtisches Bewegungsprofil eines Probanden
* Zusätzliches Einverständnis für Veröffentlichung der Daten liegt vor
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 12 | 13.12.2016 | © infas 360
Hier: Generelles Heatmap-Modell für Bonn;
Identifikation von 100x100 Meter HotSpots
Wohnen
Arbeiten
Freizeit
DIGITAL RESEARCH MEETS REAL WORLD Handy-Koordinaten
Effektive Möglichkeit zur Verarbeitung von Massendaten:
Heatmaps zur Identifikation von HotSpots (Genauigkeit 100x100 Meter)
Folie 13 | 13.12.2016 | © infas 360
Hier: HotSpots-Identifikation
nach Ortsteilen in Bonn
1. Endenich (Wohnen)
2. Castell (Arbeiten)
3. Südstadt (Freizeit)
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Sehr interessante Alternative für Mobilitätsanalysen: Stadt- und Ortsteile
Folie 14 | 13.12.2016 | © infas 360
Zur Identifikation eines adressgenauen HotSpot ist die Lagegenauigkeit wesentlich
Hier: Innerstädtisches Bewegungsprofil eines
Probanden
Hier: Motorola Moto G, 1. Generation
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Folie 15 | 13.12.2016 | © infas 360
WIE AUS APP-DATEN ZIEGRUPPEN WERDEN
Datenanreicherung und -analyse
mittels Drittdaten (CASA)
Folie 16 | 13.12.2016 | © infas 360
Beispielinformationen aus der Datenbank CASA Consumer zur Wohnadresse
Hier: Innerstädtisches Bewegungsprofil eines
Probanden
DIGITAL RESEARCH MEETS REAL WORLD Handy-Koordinaten
Amtliche Gebäudedaten
Gebäudetyp und -funktion
Gebäudealter
Gebäudehöhe und -volumen
Energie und Telekomversorgung
usw.
Sozio-Demographie auf Haus
Anzahl Einwohner und Haushalte
Alters- und Familienstruktur
Sozialer Status
Kaufkraft
usw.
Lifestyle-Informationen zu
Fashion
Essen & Trinken
LOHAS & Wellness
Customer Journey Typologie
usw.
Quartiersinformationen
Miet- und Kaufpreis
Siedlungs- und Quartierstyp
Ausländeranteil
Kinderdichte
usw.
Folie 17 | 13.12.2016 | © infas 360
DIGITAL RESEARCH MEETS REAL WORLD Datenanalyse
Auszug aus der CASA-Profilierung
Überdurchschnittliche Verteilung
aus Hessen, NRW und Schleswig-
Holstein.
Stadt-Land-Verteilung
‚ungewöhnlich‘ gleichverteilt
Eher aus den neueren Gebäuden
kommend. Jeder Dritte aus
Gebäuden > 1990.
Folie 18 | 13.12.2016 | © infas 360
Auszug aus der CASA-Profilierung
DIGITAL RESEARCH MEETS REAL WORLD Datenanalyse
1-2 Familienhäuser,
Doppelhaushälften
Kleine bis mittlere Häuser
Durchschnittliche Kauf- und
Mietpreislagen
Weitere CASA-Merkmale wie
Demographie und Lifestyle auf
Anfrage
Folie 19 | 13.12.2016 | © infas 360
Michael Herter
Geschäftsführer
+49 (0)228/74887-360
m.herter@infas360.de
infas 360 GmbH
Ollenhauerstraße 1
53113 Bonn
www.infas360.de
Vielen Dank für Ihre Aufmerksamkeit!
Bildnachweise
young couple taking a selfie of their grimaces © young couple taking a
selfie of their grimaces @ fotolia
Hipster businessman with mobile phone on tram © Halfpoint @ Fotolia
Hipster business man with baby in pram in town © Halfpoint @F otolia
Father and daughter © Halfpoint @ Fotolia
Hipster businessman in cafe © Halfpoint @ Fotolia

Weitere ähnliche Inhalte

Ähnlich wie infas 360 Wie aus App-Daten neue Zielgruppen werden

smart expose-magazin (1)
smart expose-magazin (1)smart expose-magazin (1)
smart expose-magazin (1)
Olaf Frankfurt
 
TNS Walter Freese, Associate Director
TNS Walter Freese, Associate DirectorTNS Walter Freese, Associate Director
TNS Walter Freese, Associate Director
LOC Place
 
Go smart 16
Go smart 16Go smart 16
Go smart 16
Proud
 
Rascasse GmbH: Konzept für den Apps4Berlin Contest
Rascasse GmbH: Konzept für den Apps4Berlin ContestRascasse GmbH: Konzept für den Apps4Berlin Contest
Rascasse GmbH: Konzept für den Apps4Berlin Contest
rascassecom
 
Rascasse apps4 berlin-contest_public
Rascasse apps4 berlin-contest_publicRascasse apps4 berlin-contest_public
Rascasse apps4 berlin-contest_public
rascassecom
 

Ähnlich wie infas 360 Wie aus App-Daten neue Zielgruppen werden (20)

Trend one destination_outernet_whitepaper_itb_2011_german
Trend one destination_outernet_whitepaper_itb_2011_germanTrend one destination_outernet_whitepaper_itb_2011_german
Trend one destination_outernet_whitepaper_itb_2011_german
 
Mobile bigdata
Mobile bigdataMobile bigdata
Mobile bigdata
 
Satellitendaten für Smart Cities
Satellitendaten für Smart CitiesSatellitendaten für Smart Cities
Satellitendaten für Smart Cities
 
Itbetw apertomove gessenhardt
Itbetw apertomove gessenhardtItbetw apertomove gessenhardt
Itbetw apertomove gessenhardt
 
Ulrich Ahle_FIWARE.pptx
Ulrich Ahle_FIWARE.pptxUlrich Ahle_FIWARE.pptx
Ulrich Ahle_FIWARE.pptx
 
smart expose-magazin (1)
smart expose-magazin (1)smart expose-magazin (1)
smart expose-magazin (1)
 
GO SMART 2012 - Studie zur Smartphonenutzung 2012
GO SMART 2012 - Studie zur Smartphonenutzung 2012GO SMART 2012 - Studie zur Smartphonenutzung 2012
GO SMART 2012 - Studie zur Smartphonenutzung 2012
 
TNS Walter Freese, Associate Director
TNS Walter Freese, Associate DirectorTNS Walter Freese, Associate Director
TNS Walter Freese, Associate Director
 
Go smart 16
Go smart 16Go smart 16
Go smart 16
 
2013 - (All) about Mobile - Status Quo & Best Practices
2013 - (All) about Mobile - Status Quo & Best Practices2013 - (All) about Mobile - Status Quo & Best Practices
2013 - (All) about Mobile - Status Quo & Best Practices
 
BW Goes Mobile-Gewinnerteam "ZoneTalk" wurde von cit unterstützt
BW Goes Mobile-Gewinnerteam "ZoneTalk" wurde von cit unterstütztBW Goes Mobile-Gewinnerteam "ZoneTalk" wurde von cit unterstützt
BW Goes Mobile-Gewinnerteam "ZoneTalk" wurde von cit unterstützt
 
TheThingsNetwork Rhein-Neckar/LoRaWan @OpenDataDay Heidelberg
TheThingsNetwork Rhein-Neckar/LoRaWan @OpenDataDay HeidelbergTheThingsNetwork Rhein-Neckar/LoRaWan @OpenDataDay Heidelberg
TheThingsNetwork Rhein-Neckar/LoRaWan @OpenDataDay Heidelberg
 
BLM Studie zu Location based Services 2013
BLM Studie zu Location based Services 2013BLM Studie zu Location based Services 2013
BLM Studie zu Location based Services 2013
 
Rascasse GmbH: Konzept für den Apps4Berlin Contest
Rascasse GmbH: Konzept für den Apps4Berlin ContestRascasse GmbH: Konzept für den Apps4Berlin Contest
Rascasse GmbH: Konzept für den Apps4Berlin Contest
 
Rascasse apps4 berlin-contest_public
Rascasse apps4 berlin-contest_publicRascasse apps4 berlin-contest_public
Rascasse apps4 berlin-contest_public
 
Live Singapore - Interaktive Visualisierungen urbaner Daten
Live Singapore - Interaktive Visualisierungen urbaner DatenLive Singapore - Interaktive Visualisierungen urbaner Daten
Live Singapore - Interaktive Visualisierungen urbaner Daten
 
Das Web 2013ff. - sozial, mobil, lokal: Kommunikation in digitalen Kanälen he...
Das Web 2013ff. - sozial, mobil, lokal: Kommunikation in digitalen Kanälen he...Das Web 2013ff. - sozial, mobil, lokal: Kommunikation in digitalen Kanälen he...
Das Web 2013ff. - sozial, mobil, lokal: Kommunikation in digitalen Kanälen he...
 
2012 - Mobile Ausblick auf das "Jahr 2015"
2012 - Mobile Ausblick auf das "Jahr 2015"2012 - Mobile Ausblick auf das "Jahr 2015"
2012 - Mobile Ausblick auf das "Jahr 2015"
 
Pierre Golz Der Transformationsprozess im Konzern Stadt.pptx
Pierre Golz Der Transformationsprozess im Konzern Stadt.pptxPierre Golz Der Transformationsprozess im Konzern Stadt.pptx
Pierre Golz Der Transformationsprozess im Konzern Stadt.pptx
 
Trends im Mobile Web
Trends im Mobile WebTrends im Mobile Web
Trends im Mobile Web
 

infas 360 Wie aus App-Daten neue Zielgruppen werden

  • 1. Folie 1 | 13.12.2016 | © infas 360 Smart Research in Zeiten von Big Data Wie aus App-Daten neue Zielgruppen werden
  • 2. Folie 2 | 13.12.2016 | © infas 360 Die neue Ausgangslage     Reale Mobilität Virtuelle Mobilität Beruf Privat als entscheidende Faktoren zur Beschreibung von Aktivitäten/Bedürfnisse des Menschen WANN,WAS, WO,WANN und WIE LANGE? + Zeit und Raum SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 3. Folie 3 | 13.12.2016 | © infas 360 Das Ziel: Eine innovative Zielgruppensegmentierung auf Basis von Mobilität     Reale Mobilität Virtuelle Mobilität Beruf Privat Urlaub Shoppen Hobbies Entertain ment Am Strand Im Fitnessstudio Beim Einkaufen Auf dem Konzert Zu Hause Auf der Arbeit SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 4. Folie 4 | 13.12.2016 | © infas 360 Unsere Philosophie für mobile APP-Daten Wir unterteilen die Welt in drei Entitäten (WOHNEN, ARBEITEN UND FREIZEIT), die immer eine ORT- UND ZEIT-INFORMATION besitzen Arbeiten POIs Wohnen Arbeiten & Wohnen B2B-INFORMATIONEN IN ZEITEN VON BIG DATA
  • 5. Folie 5 | 13.12.2016 | © infas 360 MEHR WISSEN. GEZIELTER HANDELN. Beim Einkaufen 17.45h Im Museum Am Wochenende Zu Hause ab 22h Auf der Arbeit 8.30h- 17.30h Im Restaurant 12.30-13.30 Beim Sport 20-21.45h + GEODATEN + MAFO- DATEN + MARKTDATEN … und reichern diese Lokationen mit allen ver- fügbaren weiteren Daten an. + CRM- DATEN
  • 6. Folie 6 | 13.12.2016 | © infas 360 Das Resultat: Neue Zielgruppenbeschreibungen in Zeiten von Big Data  20 Minuten zur Arbeit  Firmen- und Gebäudegröße  Anzahl Mitarbeiter und Führungsebenen  Office-Zeiten 8h-18h  Höchste Frequenzen 8h, 12h und 18h  Nächste ÖPNV-Anbindung, in 10 Minuten  Familien m. Kindern  Prokurist  Wechselaffin  Online-Shopper  Sporthobby Tennis  E-Auto-Affin  Gewerbedaten  Arbeitsmarkt  … Beruf Privat SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 7. Folie 7 | 13.12.2016 | © infas 360 Anwendungsbeispiel Menthal-App Wie aus App-Daten Zielgruppenwissen entsteht
  • 8. Folie 8 | 13.12.2016 | © infas 360 Die Menthal-App der Universität Bonn Die Menthal-App unterstützt einen nachhaltigen digitalen Lebensstil. Sie leistet Hilfe zu Selbsthilfe, indem sie dem Nutzer Auskunft über seinen Umgang mit dem Telefon erteilt. Gleichzeitig erhebt die Studie das Mobilfunkverhalten tausender Nutzer. Ca. 300.000 Downloads, davon 75.000 „Heavy-Nutzer“, alle mit Einverständnis zur umfassenden „Überwachung“ Betriebssystem Android-App, erfasst werden u.a.: Telefonate: [anonymisierte Telefonnr., Startzeit, Endzeit] Eingehende und ausgehende SMS und Chat Messages: [anonymisierte Telefonnr., Anzahl Buchstaben, Sendezeitpunkt], alle im Telefonbuch des Telefons gespeicherten Telefonnummern, und kommunizieren diese (wie oben anonymisiert) Geografische Position: Ortung über GPS des Smartphones. Ist kein kein GPS-Signal zu empfangen (Abschattung, in vielen Gebäuden selbst), so versucht das Telefon anhand der verfügbaren Mobilfunk- und Wifi-Signale die aktuelle Position zu schätzen. Die Genauigkeit der Ortung liegt i. A. zwischen 10 und 100 Metern. Konkret wird alle zwanzig Minuten eine Ortung vorgenommen [Zeitpunkt, geografischer. Längengrad, geografischer Breitengrad, Genauigkeit]. Abfragen zum Befinden, Mentalen Zuständen, Lebenszufriedenheit und Persönlichkeit SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 9. Folie 9 | 13.12.2016 | © infas 360 Erkenntnisbasis Raumbezug: Alleine circa 2 Milliarden möglicher Koordinaten p.a. von 75.000 Heavy-Nutzer bilden eine Basis für neue Bewegungs- und Hot-Spot-Analysen Quelle: Alle aufgezeichneten Lokationen der Menthal-App SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 10. Folie 10 | 13.12.2016 | © infas 360 Internationales Bewegungsprofil eines Probanden an einem Tag * Zusätzliches Einverständnis für Veröffentlichung der Daten liegt vor SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 11. Folie 11 | 13.12.2016 | © infas 360 Innerstädtisches Bewegungsprofil eines Probanden * Zusätzliches Einverständnis für Veröffentlichung der Daten liegt vor SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 12. Folie 12 | 13.12.2016 | © infas 360 Hier: Generelles Heatmap-Modell für Bonn; Identifikation von 100x100 Meter HotSpots Wohnen Arbeiten Freizeit DIGITAL RESEARCH MEETS REAL WORLD Handy-Koordinaten Effektive Möglichkeit zur Verarbeitung von Massendaten: Heatmaps zur Identifikation von HotSpots (Genauigkeit 100x100 Meter)
  • 13. Folie 13 | 13.12.2016 | © infas 360 Hier: HotSpots-Identifikation nach Ortsteilen in Bonn 1. Endenich (Wohnen) 2. Castell (Arbeiten) 3. Südstadt (Freizeit) SMART DATA FÜR KOMMUNALE UNTERNEHMEN Sehr interessante Alternative für Mobilitätsanalysen: Stadt- und Ortsteile
  • 14. Folie 14 | 13.12.2016 | © infas 360 Zur Identifikation eines adressgenauen HotSpot ist die Lagegenauigkeit wesentlich Hier: Innerstädtisches Bewegungsprofil eines Probanden Hier: Motorola Moto G, 1. Generation SMART DATA FÜR KOMMUNALE UNTERNEHMEN
  • 15. Folie 15 | 13.12.2016 | © infas 360 WIE AUS APP-DATEN ZIEGRUPPEN WERDEN Datenanreicherung und -analyse mittels Drittdaten (CASA)
  • 16. Folie 16 | 13.12.2016 | © infas 360 Beispielinformationen aus der Datenbank CASA Consumer zur Wohnadresse Hier: Innerstädtisches Bewegungsprofil eines Probanden DIGITAL RESEARCH MEETS REAL WORLD Handy-Koordinaten Amtliche Gebäudedaten Gebäudetyp und -funktion Gebäudealter Gebäudehöhe und -volumen Energie und Telekomversorgung usw. Sozio-Demographie auf Haus Anzahl Einwohner und Haushalte Alters- und Familienstruktur Sozialer Status Kaufkraft usw. Lifestyle-Informationen zu Fashion Essen & Trinken LOHAS & Wellness Customer Journey Typologie usw. Quartiersinformationen Miet- und Kaufpreis Siedlungs- und Quartierstyp Ausländeranteil Kinderdichte usw.
  • 17. Folie 17 | 13.12.2016 | © infas 360 DIGITAL RESEARCH MEETS REAL WORLD Datenanalyse Auszug aus der CASA-Profilierung Überdurchschnittliche Verteilung aus Hessen, NRW und Schleswig- Holstein. Stadt-Land-Verteilung ‚ungewöhnlich‘ gleichverteilt Eher aus den neueren Gebäuden kommend. Jeder Dritte aus Gebäuden > 1990.
  • 18. Folie 18 | 13.12.2016 | © infas 360 Auszug aus der CASA-Profilierung DIGITAL RESEARCH MEETS REAL WORLD Datenanalyse 1-2 Familienhäuser, Doppelhaushälften Kleine bis mittlere Häuser Durchschnittliche Kauf- und Mietpreislagen Weitere CASA-Merkmale wie Demographie und Lifestyle auf Anfrage
  • 19. Folie 19 | 13.12.2016 | © infas 360 Michael Herter Geschäftsführer +49 (0)228/74887-360 m.herter@infas360.de infas 360 GmbH Ollenhauerstraße 1 53113 Bonn www.infas360.de Vielen Dank für Ihre Aufmerksamkeit! Bildnachweise young couple taking a selfie of their grimaces © young couple taking a selfie of their grimaces @ fotolia Hipster businessman with mobile phone on tram © Halfpoint @ Fotolia Hipster business man with baby in pram in town © Halfpoint @F otolia Father and daughter © Halfpoint @ Fotolia Hipster businessman in cafe © Halfpoint @ Fotolia