Big data and the customer journey (it's the funnel of the future.)

Transkript

1 Big data and the customer journey (it's the funnel of the future.) Alexander Gösswein Franziska Lehner Dimitrios Haratsis

2 Agenda Customer Journey OnSite Criteo Customer Journey Off Site AdClear Predictive Analytics Erläuterung Ergebnisse Ausblick

3 Criteo Kennzahlen +50 Countries +1,000 Employees 17 Offices Advertisers 444 M Publishers 90% Retention rate 2 R&D represents 40% of the workforce 9.7 Billions $ 3 Listed on the NASDAQ since October : Revenue in % from : Annual rate 3:$ of turnover generated to our clients - turnover post-click ww year

4 Customer Journey Advertiser Website

5 Big Data und die Customer Journey

6 Customer Journey OffSite OnSite CRM 6

7 OffSite OnSite CRM 7

8 OnSite 8

9 Criteo reaktiviert die Shop Besucher 9

10 Criteo Engine Verarbeitung der gesammelten User Daten in der Criteo Engine. Optimierungen Prediction Recommendation Conversion optimization Creatives 10

11 Banneroptimierung in Echtzeit Background Layout Colours Opt-out link Slogans WARM MEETS LIGHT ALL ORIGINALS #REPRESENT SWEET NOTHING ADDIDAS IS ALL IN Call to actions JOIN NOW JOIN NOW SHOP NOW SHOP NOW Butons all original #represent SHOP JOIN NOW SEE SEE MORE MORE CLICK HERE CLICK HERE 6ms 11

12 Laufend mehr Variablen für verbesserte Vorhersageleistung CTR-CR Behaviour Language Layout Algorithme v1 Destination Category Algorithme v1+ 15 VARIABLES Color Algorithme v VARIABLES Display User s Activity 6 variables Repetition Viewed products Engagement Ratings Publishers AND MORE Button 12

13 Verarbeitung großer Datenmengen in Echtzeit built, set up and operated internally more than 3000 servers 7 data centers peak traffic (per second) 750k http requests 25k banners availability >99.95% 1 HTTP request = 1 line of log 13

14 Customer Journey Traffic Channels

15 Die MADELEINE Mode GmbH steht für feminine, stilvolle und elegante Damenmode. Die Kollektion überzeugt mit kompletten Outfits, hoher Kombinierfähigkeit und hochwertigen Materialien. Erste Kollektion: 1978 Ca. 10 neue Kollektionen pro Jahr Angebotene Größen: Distribution: Katalog, Online, App, Boutiquen International: DE + 7 Länder (CH, AT, F, UK, BE, NL, GB) Zielgruppe: Frauen zwischen Jahre, höherer Bildungsabschluss und höheres HHNE. 15

16 OffSite OnSite CRM 16

17 OffSite 17

18 Von der Customer Journey zur Optimierung CJ-Analyse Attribution ROI Reloaded Ketten-Betrachtung Algorithmus Optimierung 18

19 CJ - Analyse Unterstützende Metriken Durchschnittliche Dauer der erfolgreichen CJs Durchschnittliche Länge der erfolgreichen CJs Popularität erfolgreicher CJs Position einzelner Kanäle in den erfolgreichen CJs ADC- und AIC-Rate 19

20 Die Assist-Analyse der Kanäle nach aktiv/passiv ADC: Assistierte Direkte Conversions Passive Unterstützung Kontakt -Punkt Kontakt -Punkt AIC: Assistierte Indirekte Conversions Aktive Unterstützung Kontakt -Punkt Kontakt -Punkt 20

21 Attribution: Die Art der (Um-) Verteilung

22 Attribution: Erste Simulationen

23 Die Welt ist keine Badewanne!

24 Die datengetriebene Attribution 25

25 Das AdClear E-Modell für Madeleine Datengetriebene Attribution nach einer logistischen Regression Abgeschlossene und nichtabgeschlossene CJs Attribution berücksichtigt die relevanten Kontaktpunkte Click-Ins und Premium AdImpressions Attribution berücksichtigt Qualitätsmerkmale der Kontaktpunkte 26

26 Die Qualitätsmerkmale der Attribution Kanal1 Kanal2 Kanal3 Kanal4 Sale

27 Attributionsvergleich: E-Modell vs. Last Cookie Wins (LCW) Attribution: Δ E-Modell vs. Last Cookie Wins -9% SEM +174% Display -8% Affiliate +95% Retargeting Kanäle

28 Predictive Analytics

29 Ganzheitliche Erfassung der Customer Journeys Entwicklung von singulären Metriken zur Customer Journey Evaluation Eigener, statistisch fundierter Attributionsalgorithm us: Online und Offline Innovatives Verfahren zur Budget-Optimierung Customer Journey basierte Cookieweiche mit Echtzeit-Reporting- Frontend Entwicklung von Prognoseverfahren für das RTA 30

30 Quo vadis Marketing Analytics Value What happened? Descriptive Analytics Why did happen? Diagnostic Analytics What will happen? Predictive Analytics How can we make it happen? Prescriptive Analytics Optimization Foresight Insight Information Hindsight Difficulty 31

31 Predictive Analytics: retrospektiv vs. prospektiv Retrospektiv (Analyse) Prospektiv (Prognose) Budget-Reallokationen treffen und die Ø CJ-Lebensdauer abwarten Aus den historischen Daten eine Conversionwahrscheinlichkeit ermitteln Budget-Elastizität und Grenznutzen eruieren für jede Reallokation Abgeschlossene und nicht abgeschlossene CJs Testen, testen, testen 32

32 Datengrundlage zu Prognoseverfahren / Echtzeitsteuerung 33

33 Der AdImpression-Faktor in der Attribution/Prognose

34 Das Verhältnis AdImpressions zu Clicks 9% 91% AdImpressions Clicks

35 AdClear for Real Time Advertising (RTA) Ermittlung einer Conversions- Wahrscheinlichkeit pro User in Echtzeit Übermittlung der Conversions- Wahrscheinlichkeit in Echtzeit an DSPs Berücksichtigung von Onsite- und Offsite-Faktoren: inkl. AdImpression Qualität Maßgeschneiderte Berechnung für den jeweiligen DSP Berücksichtigung von Neu- vs. Bestandskunden Definition einer neuen Gebotsstrategie 36

36 Steuerung der Criteo Kampagnen mit AdClear Predictive Analytics OffSite Messung und Optimierung durch AdClear OnSite Messung zur Kampagnenoptimierung durch Criteo 37

37 Zusammenführung AdClear Criteo 38

38 Kampagnenstruktur nach User Segment Gering Conversionwahrscheinlichkeit Hoch 39

39 Aussteuerung und Ergebnisse nach Segment AdClear CR-W keit No Data CPC CR Criteo PC 1,27% 1,54% 2,18% 2,96% 2,67% 1,53% Audience % 21% 10% 13% 13% 20% 23% Reach % 41% 78% 75% 81% 87% 61% Sales % 4% 9% 14% 21% 41% 11% SOURCE : Criteo, CPOP,

40 Zunehmendes Engagement bestätigt Kaufinteresse Engagement AdClear Segmente nach Conversionwahrscheinlichkeit Engagement Engagement: Anzahl der PIs nach dem Klick AIC: Assist-Rate 41

41 Durchschnittliche Klicks pro Klicker 2,9-17% 3,5 Segmentierung Segmentierung 42

42 Uplift durch AdClear Segmentierung Veränderung einzelner KPIs durch die AdClear Segmentierung im Vergleich zur herkömmlichen Segmentierung 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% AIs CTR Conversions CR E-Conversions E-CPO -5,0% -10,0% 43

43 Neukundenanteil nach AdClear Segmentierung Neukunden

44 Ausblick

45 OffSite OnSite CRM 46

46 Danke