Analytické nástroje a proces řízení marketingových kampaní

Analytické nástroje a proces řízení marketingových kampaní Kateřina Hawlová Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky nám. W. Churchilla 4, 130 67 Praha 3 Česká republika e-mail: [email protected] Abstrakt: Cílem článku je seznámit čtenáře s trendy v oblasti marketingových kampaní a dostupnými analytickými nástroji z pohledu využití pro analýzu chování zákazníků. Ve druhé části je navržen proces řízení marketingových kampaní, který podporuje jednotlivé fáze od plánování po vyhodnocení kampaní. Klíčová slova: analýza dat, marketingové kampaně, zákaznická analytika, proces, trendy, analytické nástroje Abstract: Today’s marketing is not about mass marketing campaigns anymore. The trend is to be more relevant and be able to address specific needs of each customer individually. This article aims to introduce to readers trends in marketing and tools that are available for data mining and can be used for customer analytics. The next part of this article introduces the marketing process covering the whole lifecycle of the marketing campaigns Key words: data analytics, marketing campaigns, customer analytics, processes, trends, analytical tools

1. Úvod S rostoucím tlakem na využívání dostupných dat dochází k organizačním změnám ve společnostech. Oddělení marketingu už není vnímáno pouze jako oddělení, které má na starosti správu billboardů a zajištění reklamního spotu v hlavním vysílacím čase televizních stanic. Stále více je kladen důraz na relevantnost komunikace směrem k zákazníkovi. S tím souvisí využití technologií pro zpracování dat, a tak i nutnost využití dostupných finančních zdrojů efektivněji, než tomu bylo doposud. Touto skutečností se zabývá i článek The Rise of Chief Marketing Technologist: This rise in digital budgets is not merely a migration of spending from traditional to digital media. A growing portion of marketing’s budget is now allocated to technology itself. A recent Gartner study found that 67% of marketing departments plan to increase their spending on technology-related ac- tivities over the next two years. In addition, 61% are increasing capital expenditures on technology, and 65% are increasing budgets for service providers that have technology-related offerings. [3] Marketing hraje významnou roli v oblasti analýzy zákaznických dat, avšak není to pouze marketing, který by celou úlohu v tak rozsáhlém měřítku mohl zvládnout sám. Aby mohly společnosti fungovat efektivněji a “prozákaznicky”, je nutná spolupráce napříč odděleními od IT přes marketing po prodej a strategické plánování. V řadě společností působících na českém trhu panují poměrně silné předsudky a rivalita mezi zaměstnanci napříč organizací. Jak už bylo ale zmíněno výše, v dnešní době je stále SYSTÉMOVÁ INTEGRACE 4/2014

57

Kateřina Hawlová

větší tlak na relevantnost a včasnost informací pro zákazníky, a je tedy nutné odstraňovat komunikační bariéry v rámci společnosti. [4][5][9][10][11][13]. Jedním z modelů, jak by moderní společnost mohla fungovat, je tzv. “Orchestrační model” viz obr. 1 a 2, který zohledňuje pět důležitých aspektů efektivního fungování. Propojení v rámci organizace, důraz je kladen na komunikaci napříč odděleními. Inspirace je další důležitou částí. Úspěšný marketér musí dokázat přesvědčit nejen zákazníky, ale i vlastní spolupracovníky, aby se ztotožnili se značkou. Klíčem je jednotné vystupování jak navenek, tak i dovnitř organizace a také tvorba jednoduše pochopitelných zpráv. Zaměření na konkrétní trh je důležitým bodem, který by měl být zohledněn při tvorbě strategie. Nadnárodní společnosti často trpí tím, že jejich globální strategie neodpovídají specifickým potřebám lokálních trhů. Dalším aspektem je agilní přístup. V dnešním dynamickém prostředí je nezbytně nutné, aby společnosti dokázaly pružně reagovat na požadavky trhu. Aby bylo možné naplnit všechny čtyři zmíněné části modelu, je nezbytné zajistit zdroje, které umožní naplnění definovaných cílů. [1]

Obrázek 1 Orchestrační model [1]

58

SYSTÉMOVÁ INTEGRACE 4/2014

Analytické nástroje a proces řízení marketingových kampaní

Obrázek 2 - Orchestrační model [1]


59

Kateřina Hawlová

2. Zhodnocení analytických nástrojů dostupných na tuzemském trhu Jak předchozí text naznačuje, relevantnost je jedním z klíčových požadavků na komunikaci se zákazníkem a vzhledem k objemu dat, který je dnes dostupný, není možné tato data efektivně zpracovávat ručně a ani nejznámější nástroj MS Excel už nestačí. Na trhu se v posledních letech objevuje stále větší množství data miningových nástrojů. Tyto nástroje nabízí širokou škálu možností pro práci s daty, dostupných algoritmů a statistických modelů. Nespornou výhodou těchto nástrojů je potom možnost integrace dat z více zdrojů a zpracování více než 1,048,576 transakcí (řádků). Na následujících řádcích bude provedeno srovnání čtyř data miningových nástrojů od společností IBM, RapidMiner, SAS a Statistica. Nástroje budou porovnávány podle následujících kritérií: Způsob práce s daty – možnost filtrování, vyhledávání, transformace dat, agregace. Systém pro správu a udržování verzí – umožnění práce více uživatelů současně při zajištění konzistence upravovaného kódu a řízení přístupů uživatelů. Specifické aplikace – připravenost nástrojů na konkrétní scénáře – analýza zákaznických dat, správa pohledávek, detekce podvodů apod. Výkonnost a škálovatelnost – flexibilita při zpracování velkého objemu dat in-memory, in-database processing, zpracování dat real-time. Dostupnost analytických metod – dostupnost prediktivních modelů, možnost testování modelů, statistické modelování a analýzy. SPSS Modeler od společnosti IBM [8] Nástroj na tvorbu analýz, prediktivních a segmentačních modelů. Nástroj je desktopovou aplikací s grafickým uživatelským rozhraním a širokou škálou zpracování a analýzy dat. Enteprise Miner od společnosti SAS [14] Usnadňuje práci při data miningových úlohách a umožňuje tvorbu přesných prediktivních a deskriptivních analytických modelů při zpracování velkého množství dat. Klienti nejčastěji využívají Enteprise Miner při detekci podvodného chování, minimalizaci rizika, zvýšení efektivnosti marketingových kampaní nebo zamezení odchodu zákazníků. Statistica od společnosti StatSoft (Od března tohoto roku je StatSoft součástí společnosti Dell) [15] Nástroj pro data mining, založený na velmi jednoduchém (ikonovém) uživatelském prostředí. Nabízí velký výběr zcela integrovaných, okamžitě použitelných systémů řešení specifických problémů vytěžování dat. RapidMiner Studio od společnosti RapidMiner [12] Open-source i komerční nástroj umožňující zpracovávat rozsáhlé datové soubory, s možností napojení na více datových zdrojů. Zdrojový kód je volně dostupný a je tak možné nástroj libovolně upravovat nebo integrovat s dalšími open-source řešeními.

60



Tabulka 1 Porovnání nástrojů [6] [7] Enterprise Miner

RapidMiner

SPSS Modeler

Statistica

Specifické aplikace Pohledávky Credit Scoring Analýza chování zákazníků Detekce podvodů Údržba (maintenance) Zabezpečení kvality Analýza prodejů Analýza dodavatelských řetězců

x x x x x x x x

x x x

x x x x x x x

x x x x

Příprava dat Práce s daty Vyhledávání chybějících hodnoty Rozdělení dat podle definovaných intervalů Vzorkování Odstranění extrémních hodnot Replacement Transformace dat Propojování dat z více zdrojů

x

x

x

x

x x x x x x

x

x

x x x

x x x

x x x x x x

x x x x

x x x

x

x

x x

x x

x x

x x

x

x

x

x

x

x

x

Dimensionality reduction Shlukování (clustering) Lars Principal Component Analysis Výběr proměnných Analytické modely Tvorba modelů Automatické generování kódu Vývoj nástrojů v XML Integrace s R Jazyk SAS Tvorba skórovacích karet

x x x x x

x

Validace modelů Porovnávání modelů Křivky Lift SYSTÉMOVÁ INTEGRACE 4/2014

x x

61

Kateřina Hawlová

Profilování modelů Grafy ROC Metriky ROI

x x x

x x x x

x x x x x

x

x x x x x x x x x

x

x x

x x x x x x x x

Ověřování na podmnožině dat

x x x

x x x

Nasazení modelů Dávkově Generování kódu Databázově Skórování real-time Skórování

x x x

x x x x

x x x x x

Analytické metody Rozhodovací stromy Gradient Boosting Lineární regrese Analýza spojení Logistická regrese Analýza nákupního koše Memory-based reasoning Sady modelů Neuronové sítě Metoda částečných nejmenších čtverců Kohonenovy mapy Analýza přežití Data mining časových řad

x x x x x x x x x

x x x x x x

x x x x

x x

x x x

x

x

x

x x x x

x x

Textová a0n0alýza Klasifikace Porovnávací analýza Prohledávání dokumentů Extrakce entit Zpracování několika jazyků Zpracování přirozeného jazyka Analýza trendů Hledání slovních spojení

x x x

x x x x x

x x x x

Výkonnost a škálovatelnost Zpracování dat

62



Hadoop distribuce In-Database In-Memory

x x x

x x x

x x

x x x

x x x x

x x x x

x x x x

x x x x

Formát dat Běžné formáty HDFS SAS

SPSS Nástroje byly hodnoceny podle 4 kritérií, která považuji za klíčová v případě, že společnost uvažuje o koupi nástroje s cílem analyzovat chování zákazníků a lépe cílit a vyhodnocovat marketingové kampaně. Výhodou těchto nástrojů je možnost využití i v jiných částech businessu, než je jen marketing. Možnostem dalšího způsobu využití se věnuje kritérium Specifické aplikace, kde nejlépe z hodnocených nástrojů dopadl Enterprise Miner (EA) od společnosti SAS. největší množství předpřipravených scénářů. Avšak ani ostatní nástroje výrazně nezaostávají a možnost vytvořit si vlastní příklady využití z nabízené palety funkcí nabízí každý nástroj. Počet oblastí, kde tyto nástroje mohou být využity, tedy závisí pouze na schopnostech analytika. Dalším hodnoceným kritériem je Příprava dat. V rámci tohoto kritéria byly hodnoceny ještě dílčí kategorie, které zahrnovaly práci s daty a zjednodušení vícedimenzionálních datových modelů. Opět nejsou mezi nástroji příliš velké rozdíly. S nabídkou funkcionality na tom jsou nejlépe EA a Statistica. Nicméně funkcionalita, která „schází“ zbývajícím dvěma nástrojům, není nijak zásadní, jelikož kombinací toho, co je v nabídce, je možné dojít ke stejnému výsledku. Ve chvíli, kdy jsou data připravena pro analýzu, přijdou na řadu Analytické modely. I toto kritérium je rozděleno při hodnocení do několika dílčích podskupin - Tvorba modelů, validace modelů, nasazení modelů, analytické metody a textová analýza. Ani z toho pohledu se však žádný nástroj výrazně neliší od nabídky ostatních. Jediný výrazný rozdíl je v oblasti textové analýzy, kde EA jako jediný nabízí podporu českého jazyka. Následně jsou porovnány možnosti Zpracování dat. Jediný rozdíl je u nástroje SPSS Modeler, který nenabízí možnost In-memory zpracování. V další bodech vyšly všechny nástroje nastejno i co se týče podporovaných formátů dat. Jediným kritériem, které v přehledu zatím chybí, je dostupnost Systému pro správu a udržování verzí. Součástí samostatných nástrojů není ani v jednom případě možnost využití komponenty pro správu verzí. Avšak všechny společnosti nabízejí další produkty, které tuto funkcionalitu podporují. Záleží tedy potom na způsobu využití těchto nástrojů v rámci dané společnosti a na rozhodnutí, zdali analytické nástroje využívá například několik oddělení najednou a podílejí se na tvorbě modelů, nebo je nástroj využíván lokálně v rámci jednoho týmu a analytici jsou schopni udržovat modely pod kontrolou. Při komplexním pohledu na hodnocená kritéria není závěr příliš překvapivý. Všechny porovnávané nástroje nabízí poměrně bohatou funkcionalitu, která se výrazně neliší. Z pohledu využití v oblasti marketingu jsou, dle mého názoru, všechny nástroje na stejné úrovni a poskytují dostatečné možnosti pro práci s daty a tvorbu modelů. SYSTÉMOVÁ INTEGRACE 4/2014

63

Kateřina Hawlová

V případě, že by se společnost rozhodovala pro zakoupení některého z nástrojů, bylo by nutné zahrnout ještě další kritéria, jako je například způsob licencování, podporované operační systémy, hardwarové požadavky, uživatelské rozhraní nebo dostupnost dokumentace.

3. Návrh procesu marketingových kampaní [2] Odstranění komunikačních bariér v rámci společnosti a dostupnost analytických nástrojů je nedílnou součástí zvyšování efektivity marketingových kampaní. Další podstatnou roli hraje nastavení procesů, které podporují celý životní cyklus kampaní. V následující části je navržen proces řízení kampaní, který podporuje jednotlivé fáze od plánování po vyhodnocení a předpokládá využití nástroje pro podporu marketingových kampaní (Campaign Management Tool – CMT).

3.1 Řízení kampaní

3.1.1

Plánování kampaně

Kampaně jsou plánovány a navrhovány na základě přípravy a plánovaní zdrojů, kontaktování, určení cílů kampaně a přiřazení konkrétní nabídky. V této části se zároveň zpracovávají informace o kampani.

Marketingová nabídka Na základě analýzy zákaznických dat (včetně modelování a scoringu) dojde ke zformulování marketingové nabídky a vytvoření kampaně v CMT nástroji. Jako vstup pro analýzu zákaznických dat slouží kontaktní strategie, informace o historických výsledcích kampaní, nabídka produktů a služeb, strategická segmentace a externí data (informace o trhu). Při plánování kampaně je dále nutné zohlednit roční (půlroční) plán marketingových kampaní včetně jejich prioritizace. Ad hoc kampaně prochází definovaným schvalovacím procesem.

Rozpočet na kampaň Na každou kampaň musí být stanoven konkrétní rozpočet. Rozpočet musí být založen na schváleném business case, který reflektuje jak očekávané přínosy, tak náklady na kampaň.

64



Cíle kampaně Pro každou kampaň se stanoví a kvantifikují cíle, předpokládaná úspěšnost, způsob měření, definice reportů pro vyhodnocování cílů (např. počet kontaktů, četnost odpovědí/reakcí (response rate), náklady na získání nového OP).

Definice cílové skupiny Je třeba definovat cílové skupiny (targety) dle předem stanovených parametrů, například soukromá osoba, firma, vysoké riziko odchodu zákazníka atd. U dané cílové skupiny musí být uvedeny zvolené komunikační kanály (e-mail, dopis, sms atd.). Související činnosti: Základní analýza dat; Data mining; Zohlednění historických výsledků kampaní; Analýza chování zákazníků. Výstupem je stanovení očekávaného počtu zákazníků v kampani (pre-sizing). Definice cílové skupiny může probíhat na základě předem definovaných obchodních pravidel (expertní pravidla) nebo na základě data miningu a statistických modelů.

Určení týmu pro exekuci kampaně Tým, který bude realizovat/provádět kampaň, musí být vymezen tak, aby měl informace o průběhu kampaně v každé fázi a mohl aktuální informace poskytovat dále (např. vedení či vlastníkům přímých kanálů atd.).

3.1.2

Design kampaně

Specifikace kritérií pro výběr cílové skupiny (targetu) Detailní pravidla pro zařazení zákazníka do kampaně v návaznosti na zvolenou marketingovou nabídku. Pravidla jsou definována na úrovni atributů popisující chování zákazníka a jsou stanovena dle typu kampaně (cross-sell, retenční kampaně, věrnostní programy apod.).

Vytvoření cílové skupiny + kontrolní skupiny Na základě stanovených zvolených kritérií proběhne extrakt seznamu zákazníků z dostupného datového zdroje. Zároveň bude vytvořena i kontrolní skupina, která kampaní nebude oslovena, nicméně bude sledována pro porovnání chování zákazníků oslovených kampaní. Pro objektivní měření kampaní musí kontrolní skupina vykazovat stejné chování jako cílová skupina.


65

Kateřina Hawlová

Probíhá automatická či fyzická kontrola a seznam zákazníků je uložen do kontaktní historie.

Vytvoření kampaně Kampaně musí být vytvořeny v CRM tak, aby zákazníci mohli být v rámci vydefinovaných targetů přiřazeni k těmto kampaním. Dále je potřeba stanovit obsah a formu komunikace (příprava textů, kreativy apod.) a komunikační kanál.

Import cílové skupiny Jedná se o list/seznam cílové skupiny pro nahrání do CMT.

3.1.3

Exekuce kampaně

Odeslání cílové skupiny definovanému komunikačnímu kanálu k exekuci.

Kontrola kvality Budování komplexní marketingové kampaně vyžaduje řadu zdrojů a kroků ke splnění mnoha úkolů. Kontrola kvality kampaně před její exekucí je rozhodujícím faktorem pro celkový úspěch kampaně. Proces kontroly kvality obsahuje jednotlivé kroky kontroly: namátková kontrola seznamů zákazníků, kontrola obsahu, kontrola připravenosti call center nebo e-mailové brány pro odesílání emailů. Před samotnou exekucí kampaně je nezbytné schválení od vlastníků kampaně či managementu.

Prioritizace v rámci kampaně Proces prioritizace oslovení zákazníků v rámci jedné kampaně je založen na základě skóre (riziko, možnost odchodu zákazníka) nebo na základě určitých obchodních zákonitostí (vyšší hodnota zákazníka, preferovaný produkt zákazníka atd.), které musí být během exekuce kampaně rychle vyhodnocovány (zákazník si přeje být kontaktován během večerních hodin nebo po dvou hodinách od prvního kontaktu).

Seznámení se s exekučním týmem Exekuční tým musí být připravený zajistit, že všechny procesy budou naplňovány a koordinovány tak, aby byly naplněny cíle kampaně. Běžně se exekuční tým skládá z těchto rolí: Marketingový manažer, Marketingový analytik, Obchodní zástupce (reprezentant obchodu), koordinátor práce CC atd. Součástí je i případné vyškolení pracovníků call centra.

Monitorování kampaně Analýza chování zákazníka v online prostředí: Analýza těchto informací pomáhá v porozumění chování zákazníka, jeho zájmům a chování na internetu. Z těchto získaných informací lze vyvodit další kroky v kampani (upravit na potřeby daného zákazníka atd.). Hodnotí se reakce zákazníků na emailovou kampaň (reporty o „prokliku“ zákazníka ze zaslaného emailu na danou nabídku). 66



Kvalita a načasování kontaktu se zákazníkem: Detailní plán pro oslovení cílové skupiny v kampani poslouží k určení, kdy a jakým kanálem bude zákazník osloven. Detailní plán je mimo jiné důležitý pro řízení kapacity externích dodavatelů (CC, door-to-door agentury atd.). Množství telefonátů a průměrná doba hovoru: Na základě těchto informací v porovnání s responsemi může management call center vyhodnocovat kvalitu práce a identifikovat zaměstnance, kteří potřebují dodatečné školení ke zvýšení efektivity své práce. Data mohou také sloužit k rozpoznání a následnému šíření pracovních postupů nejlepších zaměstnanců k celkovému zvýšení efektivity CC. Možnost zastavení či upravení kampaně na základě realtime zpětné vazby od zákazníků. Případné odstranění zákazníků, kteří ještě nebyli osloveni z plánovaných kontaktů v CMT (a následné odstranění z kontaktní historie).

Sběr a vyhodnocení reakcí na kampaň Přímé a nepřímé response: Většina prodejců používá zpětnou vazbu jako nástroj ke zpracování a pochopení reakce na kampaň od zákazníka. Tyto informace mohou být následně předány k analýze marketingovému oddělení za účelem zapracování do dalších kampaní. Následující matice popisuje jednotlivé typy reakcí přiřazené k jednotlivým marketingovým kanálům.


67

x x x x x x x x

Podepsaná smlouva Neúspěšný prodej Fixace na dobu určitou Ukončení smlouvy Přechod na jiný tarif Nechce fixaci

Soft

Hard

68

Zaslaný info mail Odmítnul komunikaci/Nesouhlasil s nahráváním Přeplánovaný hovor Nezastižen Budoucí kontakt Dlouhodobě nepřítomný Omyl Požaduje další služby Neexistující číslo Obsazeno Záznamník Přečtený email Odhlášení z direct emailu Proklik z emailu Kontakt ze strany zákazníka na základě direct emailu Kontakt ze strany zákazníka na základě newsletteru Nechce další kontakt Zaslaná smlouva

List

x x x x x x

x x

x

x x x

Direct email

x x x x x x

x x x

Newsletter

x x x x x x

x x

x x x x x x x x x x

Interní call centrum

x x x x x x

x x

x x x x x x x x x x

Externí call centrum

x x x x x x

x x

x x x x

x x x x x

Manažer call centra

x x x x x x

x

x

x x

Door-todoor

x x x x x x

x

Zákaznické centrum

Kateřina Hawlová

Tabulka 2 Marketingové kanály vs typy reakcí [autor]



Vyhodnocení kampaně Kampaň je hodnocena vůči stanoveným cílům kampaně (např. retenční kampaň počet „zachráněných“ zákazníků, cross-sell - počet aktivovaných produktů apod.), které jsou definovány při její přípravě či následně upraveny při jejím designu. Vyhodnocení probíhá automatizovaně za stanovené rozhodné období (může se lišit dle typu kampaně) v rámci CMT. Na základě zpracovaných výsledků jsou připraveny požadované dashboardy/reporty k předložení managementu. Proces řízení kampaní je navržen tak, aby jej bylo možno flexibilně upravovat podle požadavků a vyspělosti dané společnosti. CMT nemusí být k dispozici v každém marketingovém oddělení a tak jsou kampaně spravovány manuálně (nejčastěji v tabulkovém procesoru), což má vliv jak na podobu procesu samotného, tak na čas i konzistenci dat.

4. Závěr Role marketingu se v posledních letech mění a s přibývajícími daty o zákaznících, konkurenci nebo současné situaci na trhu jsou kladeny větší požadavky na analýzu těchto dat a jejich využití v rámci celého životního cyklu kampaní. Kombinace dat, analytických metod a nástrojů potom pomáhá při hledání odpovědí na otázky: Kdy je správný čas pro oslovení? Jaká nabídka je pro zákazníka nejrelevantnější? Jaký je preferovaný komunikační kanál? Nejčastějším problémem, který se však ve společnostech objevuje, je nedostatek komunikace mezi jednotlivými odděleními podílejícími se na celém procesu řízení kampaní. Mimo marketingové oddělení je nedílnou součástí tohoto procesu také IT, prodej a strategické plánování. V případě, že nebude fungovat komunikace, tak nástroje, ani správně nastavené procesy nepomohou k vyšší efektivitě kampaní.

Seznam literatury [1] [2] [3] [4]

[5] [6] [7]

Arons M., Driest F., Weed K., 2014: The Ultimate Marketing Machine, Harvard Business Review, červenec-srpen 2014 Business Process Framework eTom, http://www.tmforum.org/businessprocessframework/1647/home.html Brinker S., McLellan L., 2014: The Rise of the Chief Marketing Technologist, Harvard Business Review, červenec-srpen 2014 Challagalla G., Murtha B., Jaworski B., 2014: Marketing Doctrine: A PrinciplesBased Approach to Guiding Marketing Decision Making in Firms, Journal of Marketing, American Marketing Association 78(4) Day G., 2011: Closing the Marketing Capabilities Gap, Journal of Marketing, American Marketing Association , Vol. 75 (July 2011), 183– 195 FindTheBest, http://predictive-analytics.findthebest-sw.com/compare/1-2-811/SAS-Enterprise-Miner-vs-SPSS-Modeler-vs-Statistica-vs-RapidMiner-Studio Herschel G., Linden A., Kart L., 2014: Magic Quadrant for Advanced Analytics Platforms, Gartner, Inc. G00258011


69

Kateřina Hawlová

[8] [9] [10] [11]

[12] [13]

[14] [15]

IBM, http://www-01.ibm.com/software/analytics/spss/products/modeler/ Joshi A., Giménez E., 2014: Decision Driven Marketing, Harvard Business Review Kotler P., Armstrong G., Wong V., Saunders J., 2008: Principles of Marketing, Pearson Education Limited, 1020 s., ISBN 978-0-273-71156-8 Nakata C., Zhu Z., Izberk-Bilgin E., 2010: Integrating marketing and information services functions: a complimentarity and competence perspective, Journal of the Academy of Marketing Science Rapidminer, https://rapidminer.com/ Sarin S., Ghallagalla G., Kohli A., 2012: Implementing Changes in Marketing Strategy: The Role of Perceived Outcome and Process-Oriented Supervisory Actions, Journal of Marketing, American Marketing Association, 49 (4) SAS, http://www.sas.com/en_us/software/analytics/enterprise-miner.html Statsoft, http://www.statsoft.com/

JEL Classification: C80, M31

70


Analytické nástroje a proces řízení marketingových kampaní

Recommend Documents