Diapositive 1

DA BIG A SMART DATA
WEBORAMA, UN BRAND GLOBALE
17
17
ANNI
MERCATI
7
240
UFFICI
IMPIEGATI
ADAP
Audience Driven Advertising Platform
Audience & Data Management (DMP)
Adserving & Tracking
Trading Desk
Data Exchange
Data Consultants
Uh?!
RACCOGLIERE DATI
IMMAGAZZINARE
ELABORARE
DATI
ATTIVARE
DATI
BIG DATA IN PAROLE POVERE
Puoi scrivere il tuo nome e la tua età? Sono sicuro che puoi farlo. Puoi
scriverlo per tutti i tuoi compagni di classe? O per tutti nella tua scuola?
O tutti nella tua città? Tutti nel tuo Stato? Tutti nel mondo? E poi
aggiungere anche la loro età, il loro colore preferito, il loro animale
preferito, i loro programmi TV preferiti, più tutto ciò che ti viene in
mente... Il tutto per milioni e milioni di persone.
Questo è davvero troppo, non credi? Non puoi farlo tu e nemmeno io
posso farlo. Ma alcuni computer possono farlo, ed è ciò che chiamiamo
'big data'. "Data" sono tutte queste cose che stiamo scrivendo e puoi
immaginare che per milioni, miliardi, milioni di miliardi di persone, siano
davvero "Big".
Cosa possiamo fare con tutti questi dati? Siamo in grado di trovare
modelli. Ad esempio, le persone che fanno i programmi televisivi
possono scoprire che ai bambini che amano la musica piace molto
anche disegnare, e potranno decidere di fare un nuovo programma di
musica e arte. Oppure gli ospedali potrebbero scoprire che le malattie
degli anziani sono correlate a ciò che le persone amano mangiare.
Questo potrebbe aiutare le famiglie e i medici a prendersi cura meglio
dei nostri nonni.
Donald Farmer, Qlik’s VP of product management
BIG DATA PER...










Predire i vincitori degli Oscar
Capire e Ottimizzare i Processi Aziendali
Analisi personale e ottimizzazione delle prestazioni personali
Migliorare la Salute pubblica e la ricerca medica
Migliorare le prestazioni Sportive
Migliorare Scienza e Ricerca Scientifica
Ottimizzare le prestazioni di macchinari e dispositivi elettronici
Migliorare la sicurezza nazionale e il lavoro della polizia
Migliorare e ottimizzare le Città e gli Stati
Capire e targettizzare meglio i Clienti
BIG DATA PER...










Predire i vincitori degli Oscar
Capire e Ottimizzare i Processi Aziendali
Analisi personale e ottimizzazione delle prestazioni personali
Migliorare la Salute pubblica e la ricerca medica
Migliorare le prestazioni Sportive
Migliorare
Scienza e Ricerca
Capire e targettizzare
meglioScientifica
i Clienti
Ottimizzare le prestazioni di macchinari e dispositivi elettronici
Migliorare la sicurezza nazionale e il lavoro della polizia
Migliorare e ottimizzare le Città e gli Stati
Capire e targettizzare meglio i Clienti
SCARSITA’ DI DATI
RICERCHE ELABORATISSIME
Abitudini mediatiche
Profilo socio-demografico
Panel
Composizione famigliare
Abitudini d’acquisto
Reddito
Attitudini
Profilo
psicografico
ATTIVAZIONE ELEMENTARE
Uomo/Donna
Fascia d’eta’
...forse
DISPERSIONE, MISURAZIONE A
CAMPIONE, INCERTEZZA
TARGETING
APPROSSIMATIVO
CONTENUTI
E PUBBLICITA’
GENERALISTI
ERA DIGITALE
Accesso (quasi)
illimitato
all’informazione
Digitalizzazione
dei contenuti
Atomizzazione dei
contenuti
UGC
Fruizione
individuale
Tracciamento
degli utenti
Capacità di
archiviazione
(quasi) illimitata
Contenuti fluidi
CANALE DI RITORNO = LASCIARE TRACCE
Dove navigano?
Cosa fanno?
Cosa comprano?
Cosa interessa loro?
Quali percorsi?
BIG DATA NELL’ONLINE MARKETING
CRM Data dell’inserzionista
Website Data dell’inserzionista
Media Data
Customer Online Path
Customer Segment
Media Exposure Data
Next Best Action
Transaction data
Customer Geo Area
Referrer data
Click Through Data
Fonte: CRM
Fonte: analytics
Fonte: DB interni (first party)
(Weborama) Customer Portraits
Non Customers
Demographics
Attitude & Interests
Shopping Propensities
Geography
Life Events
Fonte: DB esterni
(third party)
Fonte: adserver
DATI ELABORATI IN UNA DMP
ATTIVAZIONE
Il tipo di attivazione dei dati
elaborati da una DMP più
diffuso è quello in ambito
«programmatic»: i segmenti
creati vengono utilizzati come
criterio di targeting – o come
«filtro» – a monte (lato
Demand Side Platform, ovvero
advertiser) o a valle (lato
Supply Side Platform, ovvero
publisher) del processo di
buying
automatizzato.
L’utilizzo dei dati è comunque
possibile laddove vi sia una
«macchina»
in
grado
di
prendere decisioni sulla base
di vari criteri, dove il target
(segmento) è uno di essi.
BIG DATA: QUANTO BIG?
Weborama, in un paese come la Francia,
raccoglie dati su 7 MILIONI di URL da
250.000 SITI.
Che porta a:
40 MILIONI DI HIT al giorno, per 10 MILIONI
DI UTENTI UNICI.
1.5 MILIARDI DI DATA EVENTS sono
processati tutti i mesi per costruire il
Database.
70 milioni di cookie unici profilati in Italia
160 cluster comportamentali
Cluster raggruppati in 23 segmenti
13 segmenti socio-demo
480 milioni di profili italiani
VECCHIE E NUOVE OPZIONI
2/3 variabili (genere, età,...)
1 creatività per tutti
Risultati inferiti
Centinaia/migliaia di variabili
Creatività dinamiche
Risultati misurati in tempo reale
4 milioni di persone -> 1 profilo
4 milioni di persone -> 4 milioni di profili
IL PARADOSSO
DEI BIG DATA
TROPPO BIG!
SEMPLIFICAZIONE
VARIABILI NUOVE
LOGICHE VECCHIE
Target costruito offline
Target di marketing: 10 variabili
Target di comunicazione: 5 variabili
Target media: 2 variabili*
Variabili disponibili online: migliaia
*Variabili utilizzate: 2
MEMENTO...
Puoi scrivere il tuo nome e la tua età? Sono sicuro che puoi farlo. Puoi
scriverlo per tutti i tuoi compagni di classe? O per tutti nella tua scuola?
O tutti nella tua città? Tutti nel tuo Stato? Tutti nel mondo? E poi
aggiungere anche la loro età, il loro colore preferito, il loro animale
preferito, i loro programmi TV preferiti, più tutto ciò che ti viene in
mente... Il tutto per milioni e milioni di persone.
Questo è davvero troppo, non credi? Non puoi farlo tu e nemmeno io
posso farlo. Ma alcuni computer possono farlo, ed è ciò che chiamiamo
'big data'. "Data" sono tutte queste cose che stiamo scrivendo e puoi
immaginare che per milioni, miliardi, milioni di miliardi di persone, siano
davvero "Big".
Cosa possiamo fare con tutti questi dati? Siamo in grado di trovare
modelli. Ad esempio, le persone che fanno i programmi televisivi
possono scoprire che ai bambini che amano la musica piace molto
anche disegnare, e potranno decidere di fare un nuovo programma di
musica e arte. Oppure gli ospedali potrebbero scoprire che le malattie
degli anziani sono correlate a ciò che le persone amano mangiare.
Questo potrebbe aiutare le famiglie e i medici a prendersi cura meglio
dei nostri nonni.
Donald Farmer, Qlik’s VP of product management
DA BIG A SMART: CORRELAZIONI
Correlazione
Rapporto causale
Rapporto causale
Una correlazione è una constatazione fine a se’ stessa
Una correlazione ripetuta due volte è un caso
Una correlazione ripetuta dieci volte è sospetta
Una correlazione ripetuta un milione di volte è
STATISTICA
I NUOVI MODELLI DI TARGET
Abbiamo enormi quantità di informazioni sui già clienti/prospect
Abbiamo enormi quantità di informazioni su chi cliente ancora non è
Abbiamo straordinarie capacità di trovare correlazioni
PARTIAMO DAL PROFILO REALE DEI TUOI CLIENTI
Costruiamo un modello statistico dei tuoi clienti, usando TUTTI i dati
Applichiamo il modello al resto della popolazione per trovare i simili
PRENOTA UN TEST DRIVE
MIGLIORE AUDIENCE, MIGLIORI PERFORMANCE
C-CLONES
AUDIENCE EXTENSION
DB utenti dal profilo conosciuto
Ambiente media
DMP
Espansione del target su
look-alikes
Profilo utente a target
C-Clones
CASE HISTORY 1: PERFORMANCE
Campagna Lead generation – Settore Finance/Insurance
Dopo una prima fase di raccolta e analisi dei dati, in seguito al tracciamento di attività display, sono stati creati 4
segmenti sulla DMP Weborama e 5 linee di campagna:
STRUTTURA DELLA CAMPAGNA
Segmento C-Clones TYP (look-alike dei converter
sulla TYP)
Linea di campagna C-Clones TYP
Segmento C-Clones Step3Funnel (look-alike degli
utenti arrivati allo step 3 del funnel di conversione)
Linea di campagna C-Clones Step3Funnel
Cluster generici (cluster Weborama)
Linea di campagna Cluster
Segmento Retargeting
Linea di campagna Retargeting (Retargeting nelle 24 ore dei
clicker di campagna)
-
Linea open, senza targeting su cluster/segmenti per poter
alimentare di nuovi utenti i C-Clones
CAMPAGNA WEBORAMA
Impressions
Clicks
CTR%
CPC
Costo
Post-click
conversion
Thankyou
Page Weborama
C-Clones Step3Funnel
2.539.384
4181
0,16%
€ 0,39
€ 1.269,69
11
€ 115,43
C-Clones TYP
1.713.984
3201
0,18%
€ 0,30
€ 856,99
6
€ 142,83
Clusters
4.294.088
5071
0,12%
€ 0,42
€ 2.147,04
2
€ 1.073,52
Open NoTGT
5.726.709
3971
0,07%
€ 0,72
€ 2.863,35
2
€ 1.431,68
Retargeting
628.537
1353
0,22%
€ 0,23
€ 314,27
3
€ 104,76
15.460.769
18.162
0,12%
€ 0,43
€7.730
28
€ 276,09
Campaigns
Total
CPL post click
Migliore efficienza in termini di click (CPC) dalla linea C-Clones TYP
Migliore efficienza in termini di lead attribuite post-click dalla linea C-Clones Step3 Funnel
GLI UTENTI INDIVIDUATI CON I C-CLONES HANNO UNA MAGGIORE PROPENSIONE GENERALE AL
CLICK E ALLA CONVERSIONE
CASE HISTORY 2: PERFORMANCE
Campagna Lead generation e Qualifica del Traffico – Settore automotive
Obiettivo campagna:
download brochure
Durata campagna:
2+2 settimane
Tipo campagna:
Display + DEM
Concessionarie coinvolte:
16
Totale brochure scaricate:
21.156
Media piano costo per
download:
115,81€
Download attribuiti a
Weborama:
2.788 (13%)
Costo per download
Weborama:
18,80€
BIG E SMART: LA RIVOLUZIONE
 Target costruiti su campioni statistici
 Target costruiti su tutti i dati disponibili
 Dati scelti per adattarsi a modelli
 Modelli modelli costruiti coi dati
 Target media
 Target di prodotto
 Proiezioni statistiche
 Statistiche e algoritmi
I BIG DATA SONO NULLA SENZA DATA SCIENCE
ROBERTO CARNAZZA
ITALY COUNTRY MANAGER
[email protected]