Performics Newsletter
V pátek 22. dubna se v prostorách konferenčního centra City v Praze na Pankráci uskutečnila v pořadí již druhá konference DataRestart se zaměřením na data a datovou analytiku. Tématem číslo jedna byla efektivita využití získaných dat z webů, aplikací i informačních systémů.
Analytické nástroje v DoubleClicku (David Špinar)
David Špinar z Google představil, jaké informace nám o uživatelích poskytuje systém DoubleClick. V mnohém předčí i Analytics. DoubleClick není jen jeden nástroj, ale obsahuje více dalších komponent – DoubleClick Search, DoubleClick Campaign Manager, DoubleClick Studia a DoubleClick Bid Manager. DoubleClick propojuje možnosti a výhody AdServeru s nástrojem pro webovou analytiku – např. sledování celé uživatelovy cesty před návštěvou našeho webu s chováním na našich stránkách, zahrnuje do konverzní cesty všechny důležité zdroje provozu a touch pointy včetně prokliků, impresí a zhlédnutí. David Špinar kladl důraz především na možnosti vyhodnocení konverzí po zhlédnutí, zaměření pouze na viditelné imprese či měření cross-device přechodu uživatelů, např. Desktop to mobile, Mobile web to Mobile app, Cross browser a Tablet to mobile. Cross device měření probíhá na základě změření přechodů na vzorku uživatelů, kteří jsou přihlášení do Google účtu a následně jsou extrapolací dopočítána cross device data i pro nepřihlášené uživatele. Integrace nástrojů pro display a search pod DoubleClick Campaign Manager pomáhá vyřešit problém s duplikací jednotlivých konverzí.
Produktové kampaně vs. analytika (Adam Šilhan)
Produktovými kampaněmi může být produktová inzerce ve zbožácích, ve vyhledávání i na sociálních sítích. Jenže s produktovými kampaněmi je úzce spjata otázka, zda se nám vůbec vyplatí na konkrétní produkt inzerovat. Odpovědět můžeme různě, záleží na našem přístupu. Nejčastěji rozlišujeme:
Customer LifeTime Value v digitálním marketingu (Pavel Jašek)
Že jedinou konverzí vše nekončí, dokázal na svých modelech Pavel Jašek z Google. Zákazník nám totiž může přinést výrazně více než jen zisk z jediné objednávky. Ovšem záleží na tom, jak dobře s ním dokážeme pracovat.
Aktuální CLV (tedy Customer LifeTime Value) jednoho zákazníka je vždy konkrétní číslo, které se v závislosti na čase v důsledku (ne)činnosti zákazníka mění, proto je nutné jej v pravidelných intervalech aktualizovat. Hrubý odhad nám může poskytnout i zjednodušená CLV kalkulačka dostupná online – http://life-time-value.appspot.com.
Základy strojového učení (Michal Illich)
Se strojovým učením se setkáváme takřka denně na internetu i mimo něj. Například Google, Seznam a další vyhledávají na základě informací, které se učí o obsahu jednotlivých webů. Vyhledávače se dále učí, jaké reklamy jsou pro dané uživatele v rámci PPC relevantní. E-mailový klient se učí, které e-maily má vyhodnotit jako nevyžádané.
Jenže jak toho můžeme využít my?
Výhody strojového učení jsou zjevné. Můžeme analyzovat obrovská data, určovat matematicky koeficienty, vybírat nejvhodnější vstupy a hlavně vše probíhá automaticky. Robot to udělá efektivně. Člověk tak zůstává v roli dohledu/učitele.
5 tipů pro agentury, kterak ošidit své klienty (Jan Tichý)
Prediktivní analytika pro rok 2020 (Jan Matoušek)
Prediktivní analytika je disciplína, která pomáhá odhadnout chování zákazníka. V e-commerce za pomoci prediktivní analytiky můžeme předvídat, co zákazník potřebuje, jaké má potřeby, jaké má důvody k nákupu, jestli má špatné úmysly, jaká je pravděpodobnost nákupu a další. Základem predikce je model. Modelem je obvykle algoritmus, který se učí na základě historických dat o chování uživatelů na e-shopu.
Jaké trendy v pokročilé analytice můžeme do roku 2020 očekávat?
Clever Analytics – Zákazníci a „nezákazníci“, kde jsou? (Ondřej Tomas)
Clever Analytics propojuje dostupná open-source data s interními daty klienta. Takto propojená data následně promítne do map. Mapy je možné analyzovat od regionální úrovně až po mezinárodní. Z jednotlivých úrovní můžeme vyčíst například koncentraci zákazníků, potenciál, tržní podíl, přehled kamenné konkurence, zvyky klientů, hodnotu zákazníků a další.
Kromě hledání souvislostí mezi informací o našich zákaznících a jejich geografické lokalitě může nástroj sloužit k plánování i vyhodnocování on-line, ale i off-line kampaní. Získaná data totiž lze relativně snadno využít pro predikční model chování zákazníků v daných lokalitách.
Customer User Scoring pro remarketing (Pavel Brecík)
Myšlenka spočívá v tzv. ohodnocování návštěvníků stránek body. Body jsou přidělovány za různé aktivity na webu. Uživatelé s více body mají pro nás větší hodnotu, takže má smysl cílit na ně remarketingové kampaně intenzivněji. Počet bodů vyjadřuje číslo uložené do cookies uživatele. Bodování probíhá na základě skriptu, který lze relativně snadno nasadit za pomoci Google Tag Manageru. Body jsou přiděleny vždy na základě splnění některé ze sedmi uvedených událostí. Počet bodů za každou událost se může lišit.
Takto posbírané informace o počtu bodů pro jednotlivé uživatele můžeme využít v systémech, které umí s remarketingovými publiky pracovat jako Analytics, AdWords, Sklik, nebo Facebook Ads. Celý skript pro bodování uživatelů je dostupný zde: http://bit.do/h1cz.
Textová analytika pro marketing a sales (Petr Hamerník)
Internet je přehlcen informacemi. Jenže ne všechny jsou pravdivé, ne všechny jsou zajímavé… Jak ale z nestrukturalizovaných dat získat užitečné informace? Touto problematikou se zabývá textová analytika, tedy věda na pomezí informatiky a lingvistiky. V textech se skrývá nějaká hodnota, kterou potřebujeme extrahovat do zpracovatelné podoby.
Kde textovou analytiku můžeme uplatnit?
X problémů vašich dat (Martin Procházka)
V datech se totiž může vyskytnout X problémů, které musíme brát v potaz. Nejčastěji se jedná o následující:
Podívejte se do karet ostatním hráčům e-commerce (Honza Mayer)
„E-commerce je jako StarWars, sice není jasné, kdo vyhrává, ale jisté je, že je plný zelených ufonů“. Touto narážkou na progresivní marketing Alzy začal svou přednášku Honza Mayer, který stojí za zrodem projektu TrendLucid.
Jenže proti komu doopravdy stojíme? Pojďme si o nich zjistit něco více. Pokud má obchod implementovanou službu „Ověřeno zákazníky“ od Heureky, můžeme relativně snadno zjistit odhad počtu prodejů. Heureka totiž po každém prodeji rozesílá dotazník, na základě kterého můžeme udělit obchodu recenzi. Prvním vodítkem je tak počet recenzí na Heurece.
Jiný úhel pohledu na konkurenci nám poskytnou nástroje SimilarWeb a JumpShot. Nástroje kromě mnohých dalších informací poskytují i odhad návštěvnosti konkurenčních webů. Analyzovat můžeme nejen konkurenční homepage, ale i jednotlivé podstránky (kategorie, produkty) a na základě toho zjistit, které konkrétní produkty jsou u konkurenta populární.
Autor: Marek Neufus, Tomáš Hanáček
Publikováno: 8.5.2016