Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

GOSPODARKA OPARTA NA DANYCH Zastosowania nowoczesnych metod analizy danych o klientach w marketingu. Krzysztof Skaskiewicz, SAS Polska 17 maja 2012.

Podobne prezentacje


Prezentacja na temat: "GOSPODARKA OPARTA NA DANYCH Zastosowania nowoczesnych metod analizy danych o klientach w marketingu. Krzysztof Skaskiewicz, SAS Polska 17 maja 2012."— Zapis prezentacji:

1 GOSPODARKA OPARTA NA DANYCH Zastosowania nowoczesnych metod analizy danych o klientach w marketingu. Krzysztof Skaskiewicz, SAS Polska 17 maja 2012

2 Wiedza o kliencie jako czynnik generowania wartości organizacji Maksymalizacja wartości organizacji Wzrost przychodów Optymalizacja kosztów Efektywność wykorzystania zasobów Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Utrzymanie klientów Zwiększenie udziału w portfelu klienta Pozyskanie klientów Strategia tworzenia nowych produktów i usług Wartości trudno mierzalne Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Właściwy poziom obsługi Racjonalizacja inwestycji Monitoring efektywności

3 Modele analityczne stosowane w marketingu Maksymalizacja wartości organizacji Wzrost przychodów Optymalizacja kosztów Efektywność wykorzystania zasobów Utrzymanie klientów Zwiększenie udziału w portfelu klienta Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Właściwy poziom obsługi Racjonalizacja inwestycji Pozyskanie klientów Strategia tworzenia nowych produktów i usług Monitoring efektywności Wartości trudno mierzalne Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Churn Cross/Up Sell LTV, Segmentacja Segmentacja Ryzyko Portfolio modeli LTV, Segmentacja Portfolio modeli Modelowanie deskryptywne Analiza stabilności

4 Modele analityczne w marketingu Zasada działania modelu Określenie ze znacznie większą pewnością potencjału klienta (2x-10x skuteczniej w porównaniu do metod nieanalitycznych)

5 Modele analityczne w marketingu Przykłady zastosowań Wsparcie doboru właściwego działania dla danego klienta Kampanie marketingowe Interakcje z klientem Np. określanie Next Best Offer dla klientów Wsparcie budowy strategii organizacji Określanie miar podobieństwa do klientów najbardziej rentownych Określanie czynników budujących lojalność (modelowanie deskryptywne)

6 Modele analityczne w marketingu Wyzwania Gromadzenie i przetwarzanie danych Zbyt wiele zadań konkurujących o czas analityka Szybkie zmiany rynkowe Efektywne wykorzystanie modeli w procesach biznesowych Rozwiązania Tablice analityczne Metoda szybkiego modelowania predykcyjnego Procesowe i automatyczne zarządzanie modelami

7 Mechanizmy operacjonalizacji wiedzy o klientach -7- Maksymalizacja wartości organizacji Wzrost przychodów Optymalizacja kosztów Efektywność wykorzystania zasobów Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Utrzymanie klientów Zwiększenie udziału w portfelu klienta Pozyskanie klientów Strategia tworzenia nowych produktów i usług Wartości trudno mierzalne Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Właściwy poziom obsługi Racjonalizacja inwestycji Monitoring efektywności Zarządzanie kampaniami Outbound Inbund Raportowanie działań - operacyjne i zarządcze Analizy i raporty strategiczne Optymalizacja marketingu Marketing oparty o zdarzenia

8 Operacjonalizacja wiedzy o klientach - trendy -8- Maksymalizacja wartości organizacji Wzrost przychodów Optymalizacja kosztów Efektywność wykorzystania zasobów Wykorzystanie interakcji z klientem do budowy wartości Optymalizacja kosztów działań i właściwa alokacja zasobów Minimalizacja ryzyka i nadużyć Utrzymanie klientów Zwiększenie udziału w portfelu klienta Pozyskanie klientów Strategia tworzenia nowych produktów i usług Wartości trudno mierzalne Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Właściwy poziom obsługi Racjonalizacja inwestycji Monitoring efektywności Zaawansowany marketing oparty o zdarzenia Modelowanie oparte o zdarzenia Zarządzanie interakcjami z klientem i wsparcie podejmowania decyzji real time

9 Trendy - Big Data Maksymalizacja wartości organizacji Wzrost przychodów Optymalizacja kosztów Efektywność wykorzystania zasobów Utrzymanie klientów (Churn Management) Zwiększenie udziału w portfelu klienta (Cross-selling & Up-selling) Wykorzystanie interakcji do budowy wartości (np. Next-best-offer) Optymalizacja kosztów działań i właściwa alokacja zasobów (Optymalizacja, Segmentacja) Minimalizacja ryzyka i nadużyć (e.g. Campaigns and Conduits) Właściwy poziom obsługi Racjonalizacja inwestycji The development of the customer information will impact the principal drivers of the creation of value of the stock holder and will not perceive the value of the assets of the base customers Pozyskanie klientów Strategia tworzenia nowych produktów i usług Monitoring efektywności Wartości trudno mierzalne Rozpoznawalność i postrzeganie marki Lojalność i satysfakcja klienta Czas dotarcia do rynku Big Data – dane o rozmiarze, który powoduje znaczne utrudnienia w prowadzeniu analiz (np. czas oczekiwania na wyniki) Big Data – mechanizmy i narzędzia pozwalające na szybką i efektywną analizę dużych wolumenów danych Przykłady: Uruchomienie typowego raportu wizualnego dla detalicznych danych klienckich: kilkadziesiąt minut kilkanaście sekund Analizy wspomagające tworzenie modeli data mining: analiza korelacji w zbiorze kilku milionów obserwacji: kilkadziesiąt razy szybszy czas analiz Możliwość podjęcia tematów analitycznych, które do tej pory nie były możliwe do zrealizowania (np. analizy data mining na danych detalicznych) Zadania optymalizacyjne

10 Wybrane przykłady bazując na polskich doświadczeniach klientów SAS Przykład wykorzystania modeli data mining Instytucja finansowa w Polsce (Top 5) Zadanie: utylizacja potencjału bazy klientów, poszukiwanie nieeksplorowanych do tej pory nisz (nowe grupy docelowe) Produkt: kredyty gotówkowe Podejście: wykorzystanie modelu analitycznego data mining w oparciu o naturalne zakupy Efekty: 10% klientów wyselekcjonowanych do kontaktu w oparciu o model wygenerowało dodatkową sprzedaż stanowiącą 60% wszystkich sprzedaży w nowej grupie docelowej 3x wyższa skuteczność działań w oparciu o model w porównaniu do grupy kontrolnej Przekroczenie planów sprzedażowych W sumie ponad 80% sprzedaży wynika z wykorzystania modeli analitycznych -10-

11 Wybrane przykłady bazując na polskich doświadczeniach klientów SAS Przykład wykorzystania analiz opartych o zdarzenia Instytucja finansowa w Polsce (Top 5) Zadanie: zwiększenie efektywności sprzedaży produktów nie- masowych Produkt: kredyty hipoteczne Podejście: wykorzystanie zdarzeń do wyszukiwania klientów zainteresowanych produktami Efekty: Kilkunastokrotnie wyższa skuteczność (mierzona jako response rate) w porównaniu do wcześniejszych działań -11-

12 Dziękuję za uwagę -12-


Pobierz ppt "GOSPODARKA OPARTA NA DANYCH Zastosowania nowoczesnych metod analizy danych o klientach w marketingu. Krzysztof Skaskiewicz, SAS Polska 17 maja 2012."

Podobne prezentacje


Reklamy Google