Jan Kadleček na konferenci Data Restart 2020: AI, ML, neuronové sítě, advanced analysis a ostatní – versus běžný CMO. Všichni chceme dělat super cool data science projekty. Kde ale markeťákům nejčastěji leží v datech tržby a čekají na shrábnutí?

1. Marketing a data:
Umíme v nich najít hodnotu?
Jan Kadleček

2. Představení
Marketing & Data Consultant
Jan Kadleček

3. Inspirace k přednášce 1
Velikost klienta
- 250 zaměstnanců
- 2,5 miliardy v obratu
- pokryté všechny standardní
marketingové kanály
- implementace Exponea, ROIVenue,
RTB atd.
Cíle CMO klienta
- posunout “někam dál” marketing
- implementace ML, AI a neuronových
sítí
- očekávaný výsledek zlepšení
o 1 % efektivity marketingu

4. Inspirace k přednášce 2
- Využijeme machine learning na raw level impresní data z Adformu na personalizaci
reklamy na základě predikce afinity uživatele ke konverzi.
- Uděláme feasibility studii na toto řešení, nastavíme příslušná KPI, A/B testing a po
kvartále vyhodnotíme přínos.
- V rámci ROI započítáme fee agentury, mzdy interních lidí a cenu za software i
hardware, kdy rozdělíme náklady na OPEX a CPEX, které odepíšeme v čase.
Nápad klienta

5. Inspirace k přednášce 3
Solidně postavené zadání?
Byli do návrhu zapojeni všichni příslušní lidé?
Ano.
Ano, od businessu, CMO až po data science.
Bude to fungovat? Ano.

6. Výsledek spolupráce?
Data scientist CMO

7. Vyspělost klienta a obchodní cíle.
Na co se zapomnělo?
zdroj

8. Zpátky na začátek
Udělejte analýzu vstupního stavu
1) Na začátku spolupráce projděte základy
2) Nespoléhejte, že už někdo něco vymyslel
3) Buďte ten člen týmu, který se snaží vidět big picture
4) Verifikujte business cíle klienta
5) Začněte od quick wins a essentials

9. Quick wins

10. Co potřebuji vědět jako CMO?
Kolik mám zákazníků?
Kolik mi vydělají?
Za kolik je získám?
Zákaznická data
Transakční data
Marketingové náklady

11. PNO
Příklad č. 1

12. Rozbijte PNO
Kampaň Návštěvy Náklady
Konverzní
poměr
Transakce Tržby PNO
Obecná 3472 21 456 Kč 2,56 % 89 126 321 Kč 16,98 %
Vzorový příklad
CPA 241 Kč

13. Rozbijte PNO
“Cena za akvizici nového zákazníka je až 5x vyšší než
za opakovaný obchod”
zdroj

14. Rozbijte PNO
Kampaň Návštěvy Náklady
Konverzní
poměr
Transakce Tržby PNO
Akvizice 1430 15 568 Kč 0,97 % 14 17 571 Kč 60,14 %
Retence 2042 10 888 Kč 3,67 % 75 108 750 Kč 10,01 %
Rozděleno dle typu zákazníka
CPA 754 Kč
akviziční
CPA 145 Kč
retenčníCOGS?

15. CLV
Příklad č. 2

16. Proč CLV?

17. Proč je CLV quick win?
zdroj

18. Nekomplikujte si to
zdroj

19. Churn
Příklad č. 3

20. Akvizice & Churn

21. Rychlé cvičení
- 800 zákazníků udělalo objednávku minulý měsíc
- 400 nových zákazníků získáme měsíčně
- 50 % nových zákazníků meziměsíčně ztratíme
NIKDY
Stávajícím tempem za jak dlouho dosáhneme 1600 zákazníků za měsíc?

22. Co díky tomu klient ví?
Příklad č. 4

23. Co díky tomu klient ví?
- Kolik ho stojí nový zákazník.
- Kolik ho stojí udržet si zákazníka.
- Kolik mu zákazník vydělá.
- Kdy zákazníka ztratí.

24. Shrnutí
v bodech

25. Shrnutí
- Verifikujte:
- Maturitu klienta
- ROI a impakt
- Smysluplnost
- Nekomplikujte si život přetechnizovaným řešením.
- Myslete v širším kontexu celého businessu.

26. Díky za pozornost!