ermöglicht performancebasierte Aussteuerung von TV Werbung für Websites Smart Data Tag

Transkript

1 ermöglicht performancebasierte Aussteuerung von TV Werbung für Websites Smart Data Tag München, 26. Februar 2015

2 Smart Data Tag: Die großen Datenmengen im Medienbereich so geschickt wie möglich nutzen, um entscheidungsrelevante Erkenntnisse zu gewinnen 2

3 Die Situation: Starke Second-Screen Reaktion auf TV-Werbung Bereits 14% der TV-Werbung ruft zum Besuch einer Website auf 1 Viele Menschen reagieren sofort darauf und rufen die beworbene Website auf 2 Der Medienbruch zwischen TV und Web behindert die Auswertung dieser Werbewirkung 3 3

4 Die Situation: Starke Second-Screen Reaktion auf TV-Werbung Neue Visits pro Minute auf der beworbenen Website Bisher wurde TV meist nach Zielgruppen-Reichweite geplant, nicht nach Visits oder Conversions, mangels Meßbarkeit 4

5 Das Problem: Medienbruch mit Herausforderungen Situation > Großes Grundrauschen > Große und kleine Spots, große und kleine Peaks > Häufige Überlagerungen Schwierig: Algorithmus! und andere Herausforderungen 5

6 Herausforderungen Herausforderungen des Algorithmus > Grundrauschen darf nicht verzerrt werden durch Spots, Kampagnen, Saisonalität > Ungenaue Ausstrahlzeiten > Schwankende Anzahl Peakminuten > Kleine Peaks in großen Grundrauschen identifizieren > Überlagernde Wirkung mehrerer Ausstrahlungen > Nicht nur wissen, wer sofort konvertiert hat, sondern auch wer später konvertiert > Nicht nur wissen, wieviele Visits und Conversions, sondern möglichst auch welche Sonstige Herausforderungen > Späte Datenlieferung und fehlende Informationen > Große Datenmengen > Geeignete Visualisierung > Betrieb, Pflege und Weiterentwicklung 6

7 Mit einem geeigneten Tool wie z.b. spoteffects läßt sich das lösen Algorithmus TV Daten Data Warehouse Webtracking Daten > Zusammenführung von TV-Sendedaten und Webtrackingdaten, mittels Algorithmus > Software-as-a-Service Lösung 7

8 Zwei große Themen der TV-to-Web Analyse Wieviel bringt uns TV insgesamt? Was lief am besten? > Gesamte Trafficsteigerung > Brand Awareness > SEO-Positionen > Display Clickraten > -Öffnungsquoten > Conversion Rate > Welcher Sender? > Welcher Tag, welche Uhrzeit? > Welches Motiv? Welche Länge? > Entwicklung über die Kampagne > etc. Interne Gesamtsicht: Marketing, Controlling, DWH/BI 8

9 Case Study: Danato 9

10 Case Study: Danato 10

11 Deutlicher Impact der TV-Werbung auf den Online Shop 11

12 Case Study: Danato (1/3) Sender 2 Sender 3 Sender 4 Sender 2 Sender 3 Sender 4 Sender 2 Sender 3 Sender 4 Sender 5 Sender 2 Sender 3 Sender 4 Sender 5 Sender 2 Sender 3 Sender 4 Sender 5 Entscheidungsrelevante Erkenntnisse Startseite : > Sender 5 ist 50% weniger performant für Danato als > Sender 2 erreicht trotz höchstem TKP den zweitbesten Cost per Visit 12

13 Case Study: Danato (2/3) Entscheidungsrelevante Erkenntnisse Zeitschienen > Auf ist der Nachmittag attraktiver als der Vormittag oder der (Früh-)Abend > Grund dafür ist die steigende Reaktionsquote ab 12h sowie der steigende TKP ab 18-19h 13

14 Case Study: Danato (3/3) Sender 2 Sender 3 Sender 4 Sender 5 Umfeld 1 Umfeld 2 Umfeld 3 Umfeld 4 Umfeld 5 Umfeld 6 Umfeld 7 Umfeld 8 Umfeld 9 Umfeld 10 Umfeld 11 Umfeld 12 Umfeld 13 Faktor 2 Entscheidungsrelevante Erkenntnisse Umfeldvergleich > Auf funktionieren für Danato die Umfelder 1 und 2 am besten, die Umfelder 9 und 10 nur halb so gut 14

15 Summary Einige Fragen zum Thema Smart Data für Medienunternehmen, die sich hierzu beantworten lassen: > Pflicht oder Kür? > Kosten? > Im Unternehmen oder ausgelagert? > Was läßt sich aus den Daten lernen? > Welche Analysemethoden gibt es? 15

16 Kontakt Jasper Sasse Geschäftsführer webeffects GmbH Knorrstr München Fragen? 16