Analyse und Feedback in Echtzeit

Größe: px

Ab Seite anzeigen:

Download "Analyse und Feedback in Echtzeit"

Wilhelm Kappel
vor 10 Jahren
Abrufe

1 Analyse und Feedback in Echtzeit Die Daten-Strategie von IDG Michael Beilfuß, Verlagsleiter Stefan Huegel, VP Digital / VDZ Tech Summit 2014 in Hamburg

2 // BIG DATA - der Game-Changer Paradigmenwechsel in der Verarbeitung, Analyse und InterpretaHon von Daten Von festen Strukturen zu beliebigen Inputs Von vorgefassten Hypothesen zur Mustererkennung Die Datenanalyse wird demokrahsiert Wechsel von StaHsHk zu Business Intelligence und Data Science / VDZ Tech Summit 2014 Analyse und Feedback in Echtzeit Quelle: Eric Fisher, CreaHve Commons by cc by- sa

Datenanalyse wird demokrahsiert Wechsel von StaHsHk zu Business Intelligence und Data Science 20.11.

3 // Der Rohstoff von Big Data sind Menschen...! Daten machen Menschen analysierbar. Daten sind nicht virtuell, sondern wirklich. Daten zeichnen ein präzises Bild menschlichen Verhaltens. Big Data wirkt wie ein Mikroskop. Suche, MarkeHng, Online- Handel und Social Media sind die Treiber.

4 // IDG und seine Zielgruppen

5 // SCORE CMS meets CRM meets Semantik Analyse des Nutzungsverhaltens von IDG- Lesern SemanHsche Analyse von redakhonellen ArHkeln und Vendor- Whitepaper Auswertung von digitalen touchpoints Echtzeit- Bildung von nutzerindividuellen Interessensprofilen Monitoring des Themeninteresses ganzer Zielgruppen und Märkte PrädikHve Diagnose des InformaHonsbedarfs von Nutzern und Firmen

500 Vendor- Whitepaper Auswertung von 180.000.

6 // Content für jeden Geschmack SCORE analysiert Themenpräferenzen von Zielgruppen und macht Vorhersagen für das akute Informa.onsbedürfnis von Nutzern sowie Trendvorhersagen für die Zukune. Einsatzbereiche heute und morgen: Lead Generierung Markforschung / VDZ Tech Summit 2014 PredicHve Demand GeneraHon On- demand- Services Analyse und Feedback in Echtzeit Paid Content RedakHonelle Planung

Einsatzbereiche heute und morgen: Lead Generierung Markforschung 20.11.

7 // SCORE - Demand Generation Intelligence prinhng von Content FingerprinHng von Nutzerverha

8 // SCORE = 2 Agenten + 1 Algorithmus Content Agent Sitzt im CMS und fragt Wovon handeln diese Inhalte? SCORE Weiß, welche Inhalte Leser interessieren und wann. Scoring Agent Sitzt im CRM und fragt Welche Inhalte lesen / downloaden Leser?

SCORE Weiß, welche Inhalte Leser interessieren und wann.

9 // Architektur Channel CRM CMS Portale Webcast Event TM NewsleAer Foren Social Media Keyword Agent Seman.sche Content Analyse Score - Connector SchniAstellenmanagement Score - Base Data Warehouse / Data Marts / Historisierung Score Engine / Content Nurturing BI- Dashboards / QlikView Explizite u. Implizite Kriterien / Kampagnenbezogene Kriterien Datamining / Analyse / Repor.ng

sche Content Analyse Score - Connector SchniAstellenmanagement Score - Base Data Warehouse /

10 // Content Agent: inhaltliche Analyse von Content Keyword-Extraktion IdenHfikaHon relevanter Keywords durch Java- Library Validierung gegen Stop- und Whiteword- Katalog CMS- Task läue bei jeder Speicherung eines Inhaltes; bei Bedarf in Echtzeit Storage in High Performance MSSQL DB Identifikation Keywords Bewertung nach Worthäufigkeit, Wortabstand und Vorkommnis in beshmmten Kontexten Globale Bewertung des Keyword-Kataloges Beurteilung der Relevanz eines Keywords innerhalb des gesamten Schlagwortstammes Wortfamilien und Phrasen IdenHfikaHon nach Stemming- Methoden und Quadgrammen (Tetragraphen) Phrasen: Microsoe Windows Ontologische Relationen Bildung einer Hierarchie innerhalb des Keyword- Stammes:... Hersteller von ist CEO von... Technologie des Herstellers... Kategorisierung (redaktionell / automatisch) Inhaltliche Kategorisierung von Schlagworten: Personen, Hersteller, Technologien, Anwender...

Globale Bewertung des Keyword-Kataloges Beurteilung der Relevanz eines Keywords innerhalb des gesamten Schlagwortstammes Wortfamilien und Phrasen IdenHfikaHon nach Stemming- Methoden und Quadgrammen

11 // Scoring Agent: Rating impliziter und expliziter Daten IMPLIZITE EINFLUSSFAKTOREN EXPLIZITE Thema nhaltsform Historisierung InterakHonsdichte: / Blickkontakte / Verweildauer / Engagement InformaHonskanäle: / Newslerer / Whitepaper- DB / Website / Event Demogr / Branc / FunkH / PosiH / Autor

InterakHonsdichte: / Blickkontakte / Verweildauer / Engagement

12 // SCORE algorithmisches Rating EXPLIZITER SCORE > A4 B4 C4 A3 B3 C3 A2 B2 C2 A1 B1 C1 Akuter InformaHonsbedarf 0-10 D4 D3 D2 D > 50 IMPLIZITER SCORE

13 // Content Nurturing und Opportunity Management NTENT NURTURING: arfsgerechte, akute Versorgung mit alten. PORTUNITY MANAGEMENT: version des Leads (redakhonell, mmerziell) in eine TransakHon / VDZ Tech Summit 2014 Analyse und Feedback in Echtzeit

PORTUNITY MANAGEMENT: version des Leads (redakhonell,

14 IDG-Partner

15 Danke! Michael Beifuß Verlagsleiter Lyonel- Feininger Straße 26 D München E [email protected] T Stefan Huegel VP Digital Lyonel- Feininger Straße 26 D München E [email protected] T

D- 80807 München E mbeilfuss@idgbusiness.

Ähnliche Dokumente

Südwestdeutscher Zeitschriftenverleger-Verband e.v. Kundenbindung: Transparenz macht erfolgreich. Kunden erfolgreich in den Mittelpunkt stellen

Südwestdeutscher Zeitschriftenverleger-Verband e.v. SZV-ABENDGESPRÄCH Aktives CRM in der Verlagspraxis Kundenbindung: Transparenz macht erfolgreich Kunden erfolgreich in den Mittelpunkt stellen CRM Vier