Noviembre 2016@MacarenaEstevez

2

Big Data + Sentido Común = El Arte de la Guerra

AYER HOY

n fuentes nn fuentes

frecuencia

semanal, diaria

frecuencia

al segundo

Poca variabilidad Mucha variabilidad

Big Data

Sentido Común

MÉTRICAS ANÁLISIS

Ir simplificando. Ser capaces de pasar de millones de datos a unas cuantas métricas clave.

Ir desgranando 2 o 3 preguntas clave y viendo cómo

obtener respuestas de las diferentes fuentes.

DATOS/MÉTRICAS

ANÁLISIS

MÉTRICAS ANÁLISIS

La intersección de los dos enfoques es la que nos va a llevar a la solución óptima

El Arte de la Guerra

Estrategia

Táctica

Micro-Táctica

El Arte de la Guerra

Estrategia

11

Visión estratégica

Ventas Offline

VentasOnline

Precio

RTP

Promociones

Distribución

Fiestas

Fuerza de la marca

Temperatura

Patrocinios

Pub. Pto. Venta

Medios de la competencia

Publicidad

Visitasweb

Pub. Online

Búsquedaspagadas

Marketing directo

Búsquedas

Fuerza de la marcaFiestas

Precio

Mundo Online Mundo Offline

12

Metodología

A través de los modelos de regresión, identificamos y cuantificamos los

principales factores que explican las ventas de cada marca.

Con este tipo de modelos encontramos las relaciones que existen entre las

variables que queremos explicar (ventas) y las variables que pueden influir

sobre ellas (precio, número de días del mes, tamaño de la empresa,…). Su

ecuación matemática sería:

.…y β1β0 x1 βn

xn ε

Ventas

(Variable

dependiente)

Impacto

(Coeficientes)

Drivers

(Variables

explicativas)

Error

(Residuos)

Baseline

(Nivel base)

13

Variable objetivo: las ventasVenta

s Reale

s

Ventas/altas

Modelo

Bondad de Ajuste

93,1%

Robusto

Aceptable

Débil

70,0%

50,0%

25,0%

Gráfico de Ajuste Modelo vs Ventas/altas reales

Se obtiene para cada serie de ventas/altas analizada, un modelo que se ajusta a

los datos reales. Este ajuste se mide mediante el R2(Bondad de ajuste).

Un R2 superior al 70% permite tener un resultado robusto.

Ventas Reales

14

Identificación de los drivers

El siguiente gráfico muestra los aportes individuales de las variables que

componen el modelo y que nos explican el comportamiento de las ventas/altas

Aport

e a

Venta

s/alt

as

Ad Awareness Marketing (Publicidad Corto Plazo) Distribución

Primera Semana Mes Última Semana Mes Extra por publicidad/promoción

Promociones Diferencial Precio Junio 2014

Julio Agosto Bajada nivel

Semana Santa Pte. Agosto Pte Diciembre

Nochebuena Nochevieja Reyes

Aporte de las promociones

Aporte del largo y

corto plazo

Estacionalidades y otras variables

Distribución / Nivel de la serie

Precio

Gráfico de Áreas

15

Elasticidad de los drivers

Internet

BrandPhone

Point of

Sale

Internet

Non BrandMGM

2nd

Vehicle

PhonePoint of

Sale*

Internet

Brand

Internet

Non BrandMGM

2nd

Vehicle

Ad Awareness 41,3% 25,9% 27,1% 25,9% 17,2%

TV 8,6% 8,7% 3,6% 13,1% 2,0%

SEM Brand 2,4% 24,7% 7,6% 10,0%

SEM Non Brand 4,8% 38,2%

Affiliation 1,1% 8,5%

Display 0,7% 5,3%

Search Engines (SEM +SEO) 24,4%

Satisfaction 39,4% 55,5%

REST* 41,1% 49,7% 39,5% 18,5% 22,7% 32,5%

Ac

tio

na

ble

dri

ve

rs

Relative weight of each

variable

No

n-

ac

tio

na

ble

dri

ve

rs

Distinguimos entre drivers accionables y no accionables

16

Sales contribution by media

Investment CZK by mediaROI=

X 100.000

Historical average Sales per week

Medición del ROI

ROI por medios

Contribución por medio (aporte directo e indirecto)

Una buena estrategia combina la eficacia y la eficiencia.

17

Recomendación inversión

0%

2%

4%

6%

8%

10%

12%

- 500,000 1,000,000 1,500,000 2,000,000 R

OI

Weekly Investment (CZK)

TV OutdoorDirect Mailing AffiliateRegio Events PrintRadio Drop MailingSearch Display

Curva de Medios Curva para identificar

el máximo ROI

0

500

1,000

1,500

2,000

2,500

0 1,000,000 2,000,000 3,000,000 4,000,000 5,000,000

Sale

s co

ntr

ibu

tio

n

Investment (CZK)

TV OutdoorDirect Mailing AffiliateRegio Events PrintRadio Drop MailingSearch DisplayAverage investment

Aport

e a

venta

s/a

ltas

Definimos umbrales de inversión de cada medio.

18

Optimización de la inversión

Asignación año pasado*

( %)

Asignación optima

(%)

Podemos medir las ventas incrementales con el mix de medios óptimo:

Display 0.2%

Search 1.5%

Affiliate 13.3%

Radio 0.0% Print

1.5%

Outdoor 3.0%

Regio Events 10.5%

Drop Mailing 6.8%

Direct Mailing16.3%

TV46.9%

Display Search Affiliate

Radio Print Outdoor

Regio Events Drop Mailing Direct Mailing

TV

Display 1.4%

Search 4.3%

Affiliate 14.4%

Radio 0.6%

Print 1.3%

Outdoor 4.9%

Regio Events 6.8%

Drop Mailing 5.2%

Direct Mailing21.0%

TV40.0%

132,826Aporte a Ventas (Publicidad)

142,687 Aporte a Ventas (Publicidad)

563,797Ventas Totales

573,627 Ventas Totales

+7.4%

+1.7%

El Arte de la Guerra

Táctica

20

Variables más desglosadas

Ejemplo: renting de coches a empresas

21

Variables más desglosadas

22

Drivers también más desglosados

23

Drivers también más desglosados

Ejemplo: renting de coches a empresas

24

Otras aplicaciones

2 años más

como

cliente50%

¿Qué valor aporta el cliente a la compañía en los próximos 5 años?

El modelo de fuga

da la probabilidad

de que un cliente

concreto deje de

contratar

productos…

… y como

conocemos el valor

anual de los

productos que este

cliente tiene

contratado…

…podemos darle un

valor asociado

actual, en función

de los años que le

queden de vida

como cliente.

…con esta probabilidad

podemos estimar el

número de años que el

cliente permanecerá en la

compañía…

300 € 600 €

Si la vida media estimada fuera >5 años, para el

cálculo del valor actual consideramos que la

vida media será sólo 5 años.

El valor actual medio (a un plazo de 5 años) de los clientes de la base es 4.420€

Valor actual

Ejemplo: editorial para empresas

25

Otras aplicaciones

8%

Propensión a la compra Umbral aumento gasto

153,6€

5% 196,5€

12% 373,8€

Valor potencial

por familia

36,9€

29,5€

134,6€

Valor potencial

total

El valor potencial medio (a un plazo de 5 años) de los clientes de la base es 161€

201€

Vida media

3 años

3 años

3 años

¿Valor potencial, si va a comprar más productos?

Ejemplo: editorial para empresas

26

Otras aplicaciones

Campañas de fidelización

Como el modelo atribuye una probabilidad de fuga a los clientes, así como un valor real (actual + potencial),

podemos construir un ranking de acuerdo a cada parámetro para optimizar las campañas de fidelización:

Ranking de fuga Ranking de valor

¿Cuáles son los clientes más

propensos a darse de baja?

¿Qué clientes tienen más

valor para la compañía?

¿Cuáles son los clientes menos

propensos a darse de baja?

¿Cómo son los clientes con

mayor probabilidad de fuga?

1.

2.

3. ¿Cuál es el valor que

aportan a la compañía?

¿Qué caracteriza a estos

clientes?

1.

2.

3.

¿A qué nos puede dar

respuesta cada ranking?

Se podrán llevar a cabo campañas de fidelización sobre (1) clientes con alta

probabilidad de fuga o (2) clientes de alto valor.

27

Otras aplicaciones

Eficacia de campañas de fidelización

1.000 clientes

4 muestras aleatorias

Diferentes acciones

¿Cuántos se fugan?

250 clientes 250 clientes 250 clientes250 clientes

(grupo

control)

No se hace

nadaCampaña 1 Campaña 2 Campaña 3

80% 52% 45% 42%

1.000 clientes con alta probabilidad de fuga dada

por el modelo

Podemos medir la eficacia de las diferentes

acciones/campañas

El modelo de fuga también ayuda a medir la eficacia de las medidas que se tomen con la intención de fidelizar

clientes propensos a la fuga.

El Arte de la Guerra

Micro-Táctica

29

Unir todas las fuentes

Canales:

Impresiones, clicks y leads

Display, SEM, Social…

Sites:

Genéricos (El País…),

Específicos (forocoches…)

Dispositivos:

mobile, desktop, tablet…

Hora/Día

Customer Journey

Empresa A

Socio-demo:

Tipo de empresa,

Tamaño, Localización…

Intereses:

Motor, Videojuegos, Cine,

Política, Finanzas…

Intenciones:

Compras, coches, viajes,

servicios…

Perfil usuario(3rd Data Party)

Sesiones:

Número de visitas,

duración, páginas vistas…

Formulario:

Pasos completados, datos

introducidos, llamadas…

Productos:

Productos visitados,

landing pages…

Navegación Web

Empresa A

Tipología:

Cliente, No cliente,

Ex-cliente…

Comportamiento:

Antigüedad, primas,

productos contratados…

Contacto:

Canales de contacto,

quejas…

CRM

Empresa A

30

A cada navegante, su propio mensaje

Optimización de campañas en Real-time.

Optimización de targeting Real-time.

Re-alimentación, validación y ajuste.

31

Aproximación holística

Métricas Atribución

Online

Engagement Canal

AdClick

Tiempo

Offline

Tipo de acción

PosiciónLongitud cadena

Ad Impression

Premium AdImpression

Emisión Contenido

Tipo spot

Audiencia

GRPsCanal

Saturación

Tiempo

Spot TVOffsiteOnsite

Fecha, hora...

Duración

32

Navegación + Engagement

TP 2 TP 3 TP 4Conversión

ClicAI PIPI

TP 1

TP

Touchpoints

33

Modelos

Navegación, engagement

Ra

tio

d

e C

on

ve

rsió

n (

%)

Conversión = f(navegación, engagement)

0%

1%

2%

3%

4%

5%

6%

7%

8%

9%

10%

1 3 5 7 9 11 13 15 17 19 21 23 25

34

¿Cuál es el problema?

Muchas entradas y muchas salidas

35

¿Cuál es el problema?

Muchas entradas y muchas salidas

Hay que conseguir que los 3 caminos converjan

El Arte de la Guerra

Estrategia

Táctica

Micro-Táctica

Visión desde arriba

Detallamos la estrategia

Particularizamos

Con un solo coronel

Noviembre 2016@MacarenaEstevez

¡GRACIAS!