big data and the customer journey (it's the funnel of the ...€¦ · zur customer journey...

Copyright © 2014 Criteo

Big data and the customer journey

(it's the funnel of the future.) Alexander Gösswein

Franziska Lehner

Dimitrios Haratsis

11.09.2014


Agenda

• Customer Journey – OnSite – Criteo

• Customer Journey – Off Site – AdClear

• Predictive Analytics • Erläuterung

• Ergebnisse

• Ausblick


Criteo Kennzahlen

+50 Countries

17 Offices

444 M€1

9.7 Billions $3

R&D represents

40% of the workforce

+7000 Publishers

+5500 Advertisers

+1,000 Employees

90% Retention rate2

Listed on the NASDAQ

since October 2013

1: Revenue in 2013. +63% from 2012

2: Annual rate

3:$ of turnover generated to our clients - turnover post-click ww year 2013

3


Customer Journey

Advertiser Website


Big Data und die Customer Journey


Customer Journey

6

OffSite OnSite CRM


OffSite CRM

7

OnSite

Copyright © 2014 Criteo 8

OnSite


Criteo reaktiviert die Shop Besucher

9


Criteo Engine

10

Verarbeitung der gesammelten User Daten in der Criteo Engine.

Recommendation

Creatives Conversion

optimization

Prediction

Optimierungen


6ms

Banneroptimierung in Echtzeit

11

Butons

all original #represent

SHOP NOW

Colours Background Layout

WARM MEETS LIGHT

SWEET NOTHING

ADDIDAS IS ALL IN

ALL ORIGINALS #REPRESENT

Slogans

JOIN NOW

SEE MORE

CLICK HERE

Call to actions

Opt-out link

JOIN NOW

SEE MORE

CLICK HERE

SHOP NOW

SHOP NOW

JOIN NOW

JOIN NOW

http://www.criteo.com/us/success-stories/research/search-and-performance-display-better-together







Laufend mehr Variablen für verbesserte Vorhersageleistung

12

CTR-CR

AND MORE

…

Algorithme v1

Algorithme v1+

Algorithme v2

Display

Button

Category

Color

Layout

Repetition Ratings

User’s Activity

Publishers

Behaviour

Engagement

Language

Viewed products

Destination

6 variables

15 VARIABLES

100+ VARIABLES


Verarbeitung großer Datenmengen in Echtzeit

13

7 data

centers

more than

3000

servers

availability

>99.95%

peak traffic (per second)

750k http requests

25k banners

built, set up and

operated

internally

1 H

TT

P r

eq

ue

st =

1 lin

e o

f lo

g


Customer Journey

Traffic Channels


• Erste Kollektion: 1978 • Ca. 10 neue Kollektionen pro Jahr • Angebotene Größen: 34 – 48 • Distribution: Katalog, Online, App, Boutiquen • International: DE + 7 Länder (CH, AT, F, UK, BE, NL, GB)

• Zielgruppe: Frauen zwischen 45 - 65 Jahre, höherer

Bildungsabschluss und höheres HHNE.

15

Die MADELEINE Mode GmbH steht für feminine, stilvolle und elegante

Damenmode. Die Kollektion überzeugt mit kompletten Outfits,

hoher Kombinierfähigkeit und hochwertigen Materialien.


OffSite CRM

16

OnSite


OffSite


Von der Customer Journey zur Optimierung

18

Attribution ROI Reloaded CJ-Analyse

Ketten-Betrachtung Algorithmus Optimierung


CJ - Analyse

• Durchschnittliche Dauer der erfolgreichen CJs

• Durchschnittliche Länge der erfolgreichen CJs

• Popularität erfolgreicher CJs

• Position einzelner Kanäle in den erfolgreichen CJs • ADC- und AIC-Rate

19

Unterstützende Metriken


Die Assist-Analyse der Kanäle nach aktiv/passiv

20

• ADC: Assistierte Direkte Conversions Passive Unterstützung

• AIC: Assistierte Indirekte Conversions Aktive Unterstützung

Kontakt-Punkt

Kontakt-Punkt

Kontakt-Punkt

Kontakt-Punkt


Attribution: Die Art der (Um-) Verteilung


Attribution: Erste Simulationen


Die Welt ist keine Badewanne!


Die datengetriebene Attribution

25


Das AdClear E-Modell für Madeleine

• Datengetriebene Attribution nach einer logistischen Regression

• Abgeschlossene und nichtabgeschlossene CJs

• Attribution berücksichtigt die relevanten Kontaktpunkte

• Click-Ins und Premium AdImpressions

• Attribution berücksichtigt Qualitätsmerkmale der Kontaktpunkte

26


€

Kanal1 Kanal2 Kanal3 Kanal4 Sale

Die Qualitätsmerkmale der Attribution


Attributionsvergleich: E-Modell vs. Last Cookie Wins (LCW)

SEM

Display

Affiliate

Retargeting

-9%

+174%

-8%

+95%

Kanäle

Attribution: Δ E-Modell vs. Last Cookie Wins


Predictive Analytics


Entwicklung von

singulären Metriken

zur Customer

Journey Evaluation

Ganzheitliche

Erfassung der

Customer Journeys

Eigener, statistisch

fundierter

Attributionsalgorithm

us: Online und

Offline

Innovatives

Verfahren zur

Budget-Optimierung

Customer Journey

basierte

Cookieweiche mit

Echtzeit-Reporting-

Frontend

Entwicklung von

Prognoseverfahren

für das RTA


Quo vadis Marketing Analytics

31

Value

Difficulty

What happened?

Descriptive

Analytics

Why did

happen?

Diagnostic

Analytics

What will

happen?

Predictive

Analytics

How can we

make it happen?

Prescriptive

Analytics

Hindsight

Insight

Foresight

Optimization

Information


Predictive Analytics: retrospektiv vs. prospektiv

32

Budget-Reallokationen treffen und die

Ø CJ-Lebensdauer abwarten

Budget-Elastizität und Grenznutzen eruieren für

jede Reallokation

Testen, testen, testen

Aus den historischen Daten eine

Conversionwahrscheinlichkeit ermitteln

Abgeschlossene und nicht abgeschlossene CJs

Prospektiv (Prognose)

Retrospektiv (Analyse)


Datengrundlage zu Prognoseverfahren / Echtzeitsteuerung

33


Der AdImpression-Faktor in der Attribution/Prognose


Das Verhältnis AdImpressions zu Clicks

91%

9%

AdImpressions Clicks


AdClear for Real Time Advertising (RTA)

36

Ermittlung einer

Conversions-

Wahrscheinlichkeit

pro User in Echtzeit

Übermittlung der

Conversions-

Wahrscheinlichkeit in

Echtzeit an DSPs

Definition einer

neuen

Gebotsstrategie

• Berücksichtigung von Onsite- und

Offsite-Faktoren:

inkl. AdImpression Qualität

• Maßgeschneiderte Berechnung für den

jeweiligen DSP

• Berücksichtigung von Neu- vs.

Bestandskunden


Steuerung der Criteo Kampagnen mit AdClear Predictive

Analytics

37

OffSite Messung und Optimierung

durch AdClear

OnSite Messung zur

Kampagnenoptimierung

durch Criteo


Zusammenführung AdClear – Criteo

38


Kampagnenstruktur nach User Segment

39

Gering Conversionwahrscheinlichkeit Hoch

2 3 4 5 1


Aussteuerung und Ergebnisse nach Segment

40

CPC

CR

Criteo PC

Audience %

Reach %

Sales %

AdClear

CR-W‘keit 1

1,27%

21%

41%

4%

No

Data 2

1,54%

10%

78%

9%

3

2,18%

13%

75%

14%

4

2,96%

13%

81%

21%

5

2,67%

20%

87%

41%

1,53%

23%

61%

11%

SOURCE : Criteo, CPOP, 4.08. – 10.08.2014


Zunehmendes Engagement bestätigt Kaufinteresse

41

3

4

5

6

7

8

9

1 2 3 4 5

AdClear Segmente nach Conversionwahrscheinlichkeit

Engagement

Engagement: Anzahl der PIs nach dem Klick

AIC: Assist-Rate

Engagement


Durchschnittliche Klicks pro Klicker

42

-17% 2,9

Segmentierung

3,5

Segmentierung


Uplift durch AdClear Segmentierung

43

Veränderung einzelner KPIs durch die AdClear Segmentierung im Vergleich zur herkömmlichen Segmentierung

-10,0%

-5,0%

0,0%

5,0%

10,0%

15,0%

20,0%

25,0%

AIs CTR Conversions CR E-Conversions E-CPO


Neukundenanteil nach AdClear Segmentierung

44

Neukunden

1 2 3 4 5


Ausblick


OffSite CRM OnSite


Danke

big data and the customer journey (it's the funnel of the ...€¦ · zur customer journey...

Documents