Big data des études à l'action 2015 nov

5 552 vues

Publié le

Web Blend Mix 2015

Publié dans : Données & analyses
  • Soyez le premier à commenter

Big data des études à l'action 2015 nov

  1. 1. Big Data et Marketing des études à l'action Christophe @Benavent Pr at Université Paris Ouest – http://benavent.fr
  2. 2. The internet Stratification ● 1990 : Data-based Marketing ● 1995 : The encyclopedic Web ● 2000 : e-commerce blossom and CRM ● 2005 : Social Media turn and Network analysis ● 2010 : Apps and Mobile : ● 2015 : Big data and IOT : machine learning surge
  3. 3. 1850 : Navier-stokes WAVEWATCH III™ (Tolman 1997, 1999a, 2009) Based on of the model WAVEWATCH, as developed at Delft University of Technology (Tolman 1989, 1991a)
  4. 4. A world of data BIG DATA OPEN DATA SELF DATA SMALL DATA Device DATA API DEVICE TEXT DATA WEB Camera GIT HUB r VISUAL DATA TAL Dashboard ERP DATA Network DATA
  5. 5. Avant tout un processus
  6. 6. Le problème de la qualité  Le problème clé des biais de sélection. – L'exemple des avis de consommateurs  Le mensonge et la dissimulation – Les réseaux sociaux  Censure, troncature et interruption – Le problème des séries chronologiques – Le traitement des cohortes => Les données brutes ça n'existe pas !
  7. 7. Politics of algorihm Une seule fois Occasionellement Plutôt fréquemment Très souvent -1,5 -1,0 -,5 ,0 ,5 1,0 1,5 ,0 5,0 10,0 15,0 20,0 25,0 30,0 35,0 40,0 45,0 50,0 Motivation par fréquence de publication Proportion Egoisme Vengeance vs encouragement Espérance de Réciprocité Alternative à une autre solution A l'issue d'un de vos voyage avez-vous publié un commentaire en ligne? degrédemotivation Proportiondel'échantillon
  8. 8. Knowledge : le big ne sert à rien
  9. 9. La dataviz ou reinveter la boule de cristal
  10. 10. La granularité est un graal Satik =a0k +a1k Mik +a2k Oik +a3k Pik +a4k Cik +εik
  11. 11. How the world react to Tokyo Games 2024 and so ?!
  12. 12. La théorie dans les modèles : ie Bass
  13. 13. Learning machine : ex Modèles MAB
  14. 14. Flickr : how tagging create value with lookflow
  15. 15. Les algorithmes n'apprennent pas des données mais des catégories que leurs fournissent les superviseurs : espérons qu'ils ne soient pas fous
  16. 16. Qui définit les catégories ?
  17. 17. La recommandation au centre
  18. 18. Structurer les données et le processus d'acquisition
  19. 19. Des algos désormais courants
  20. 20. L'approche Netflix
  21. 21. NUDGING IS THE KEYWORD
  22. 22. Nudging ● Default (pre-filled formulas) → autocompletion ● Simplification → contextualisation ● Use of social norms → building Norms ● Increase in ease and convenience ... ● Disclosure (component of a price)... → price modeling ● Warning and graphics → notification ● Precommitment strategies ● Reminder ● Elicit intention ● Feed back → 100% #IOT
  23. 23. Algorithm is about Feed Back and IoT
  24. 24. Again algorithmic politics : AirBnB 22$ of difference (average : 140$)
  25. 25. Revenir à la stratégie ● Parcours client ● Modèles relationnels ● La connaissance et le renseignement
  26. 26. Need Recognition Information search Evaluation Decision Purchase Post Purchase reaction Consumer Experience Relationship : Commitment, Trust and self efficacy Environment : Cultural and material condition 48% search on mobile several time aday 82% Use their phone is the street 40% have made some consumer reviews 45% use comparaison engine
  27. 27. Relationship, interactions et privacy Brand Relationship (Trust and Commitment) Touch Points (Customer Experience Management) Sociale Prsence Légitimacy Satisfaction Appropriation Data Personnalization
  28. 28. La spécificité de l'information et l'abondance des données Opinion BB Interactions Experience Volume des données Faible : → Information structurelle (connaissance) Degré de Spécificité De l'exploitation de l'information Forte : → Information Factuelle (intelligence) Etudes & recherche Panels et baromètres CRM Big data
  29. 29. En guise de conclusion 1) les données au service de la stratégie 2) les algorithmes plus importants que les données 3) Les effets de performativité donne un pouvoir politique aux algorithmes 4) Il viendra un temps où il faudra rendre compte ( Algoritmic accountability)

×