DDMA Customer Data Award 2015 (Big) Data en geld verdienen
Sanoma SBS Ewout Vis Manager MI & Big Data
Sanoma Media Netherlands
PRINT
EVENTS
€ 708m netto omzet
Nummer 1 mediabedrijf in Nederland 2
DIGITAAL
€73m winst
Nummer 1 in publieks tijdschriften
TV
> 2000 medewerkers
Nummer 1 in digitaal
Nummer 3 in TV
Bekend in Nederland van zo’n 60 merken
3
Data strategie
Sanoma’s speelveld in het bereiken van de klant verandert Content
Technologie
Adverteerders
5
In deze nieuwe wereld werkt Sanoma aan een toekomstbestendig cross mediabedrijf Van: Uitgever & Broadcaster
Naar: Cross Media Bedrijf
producten events Web/Social TV/video
Klant centraal 6
technologie
print
Onze visie: Dag in het leven van Louise Kijkt TV: tablet
Danni Lowinski
Volgende dag: Aanbod voor VIVA abonnement
Louise -
Interesses: 36 jaar Mode
[email protected] Home Deco 06 12345678 Entertainment Deventer vtwonen abonnement Credit card 12345
Opstaan: mobiel
Aanbeveling om te kijken naar “Gouden bergen” op KIJK.nl na Danni Lowinski (alternativef: koop DVD box vorige seizoen Danni Lowinski)
Gepersonaliseerde content
Bij thuiskomst: laptop
Gepersonaliseerd regionaal nieuws Pretarget fashionchick content
Mail korting op “woonbeurs ticket
Retarget fashionchick banner: Klikt op banner en koopt product
Lunch: desktop Klikt op mail en gaat naar website en koopt kaartjes 7
BtB propositie
Plaatst bericht op VIVA forum over “Gouden bergen”
Investeren in data/analytics essentieel voor realisatie strategie Dynamische content
Segmentatie
Dynamische campagnes
Begrijp wat er in de consument omgaat
8
Profielen opbouwen
Luister naar de individuele consument Inzicht in consumenten gedrag
Sanoma Account is de ‘lijm’ van de strategie Online gedrag
Voordelen klant • • •
Niet geïdentificeerd
• •
Toegang tot premium content Betaalgemak Gepersonaliseerde instellingen & meldingen Beheer abonnementen 3rd party voordelen
Sanoma Account
Voordelen Sanoma • • • • •
Transacties 9
Geïdentificeerd
Verbeterde profiling Cross device targeting Loyaliteit en churn verbetering Verhogen traffic Gepersonaliseerde ecommerce mogelijkheden
Doelstellingen van ons Big Data Programma
10
1
Het enorme bereik van Sanoma SBS op individueel niveau inzetten door personalisatie van content en marketing
2
Ontwikkelen van use cases, die schaalbaar en uit te rollen zijn over alle merken en kanalen
3
Uitrollen van de succesvolle use cases en hier geld mee verdienen
(Big) data roadmap van Sanoma/SBS
2014 Q1
Q2
Zijn simpel gestart, maar elk nieuw te starten project is next level
2015
Q3
Q4
Q1
Q2
Q3
Realtime data Dynamische content Geautomatiseerd
Strategie ontwikkeling 1-1 marketing
Big Data programma
Zelflerend systeem Gedragsdata
Start projecten
Content promotie Gepersonaliseerde content
Techniek ontwikkeling Product promotie
Uitrol business Consumenten data
tijd 11
Aanpak
Onze inspiratie: Obama's Big Data won de VS verkiezing 2012 Rayid Ghani Chief Data Scientist, Obama voor America ‘We found it was important not to start with the data (looking for patterns), but to start with carefully thought-out "business" questions.
We embedded analytics into every function in the campaign, from fundraising, to recruiting, to mobilizing volunteers and persuading voters.
We worked with all channels—messaging, polling, social media, and TV and online advertisement— and helped every campaign department use data more effectively across these touch-points to personalize all communications and increase their relevance.’
13
Elk project start met duidelijke use case & waarde propositie Big Data gebruik
Creëer waarde voor de klant
Creëer waarde voor Sanoma SBS
Koppelen merken en kanalen
Ontvang juiste content en aanbiedingen
Verhoging van de omzet
Slimme algoritmes en combineren van data leidt tot nieuwe inzichten
Juiste tijd, kanaal en plaats
Verhoging engagement
Zoek en target specifieke klanten in het gehele netwerk van Sanoma SBS
Efficiency en verlagen kosten
Personaliseer content en aanbiedingen
14
Elk project start met een pizza sessie…
15
O.b.v. de customer journey verzinnen we tal van initiatieven en prioriteren deze op basis van waarde en complexiteit
16
Elk project heeft een duidelijke ‘business owner’
17
Slimme pilots leiden tot ‘requirements’ en slim investeren
idee
18
project
resultaat
requirements
enablers
Alleen projecten die we kunnen automatiseren en waar we schaalbaarheid kunnen bereiken worden geïmplementeerd
project
Business
19
Geautomatiseerde analyse producten worden ontwikkeld en uitgerold over de merken en ingezet t.b.v. BtB sales Big data deployment
BtC Monetization
Content personalization
• Acquisition • Cross- and Upsell • Retention & Winback
Analytics products
0
Hard data profiling
Data sources
Opt-in
1
Similar audiences
Digital data
BtB Monetization
• Homepage recommendations • Content/product/video recommenders • User Experience optimization
2
Interest profiling
3
Intent profiling
4
Predictive profiling
• Web advertizing • Mobile / in app targeting • Cross device targeting
5
Location based profiling
6
Recommendation engine
Analyses
Contact data
Social and external data 20
Customer and subscription data
We maken gebruik van 6 schaalbare analyse producten bovenop de ‘harde klantdata profielen’
1 Similar audiences Find new prospects based on similar characteristics as current loyal customers (hard data, views & clicks)
2 Interest profiling Profile customers based on the articles they read across Sanoma sites
0 Hard customer data profiling Profile customers on hard data such as demographics, subscriptions, email opens, orders, etc. FOUNDATION
*Analytics products are developed by the Sanoma Customer Data & Analytics department (CD&A) **Smart recommendations run on the realtime decisioning engine Ratas
3 Intent profiling Build intent profiles by using search words and visits to comparison sites
5 Location based profiling Create new profiles and enrich existing profiles based on location (GEO) data
4 Predictive profiling
Predict age and gender of individual customers for refined customer profiling
6 Recommendation engine** Present most relevant suggestions realtime based on what others looked at, read and bought (products, articles, video’s)
De analyse producten worden gebruikt voor BtC, BtB en content personalisatie BtC Monetization
Content personalization
BtB Monetization
Use of analytics products for:
Use of analytics products for:
Use of analytics products for:
• Acquisition
• Homepage recommendations
• Web advertizing
• Cross- and Upsell
• Content/product/video recommenders
• Mobile / in app targeting
• Retention & Winback
• User Experience optimization
• Cross device targeting
Dit resulteert in een Big Data menu, geserveerd aan alle Sanoma SBS merken Foundation Applications • Acquisition BtC Moneti- • Cross- & Upsell zation • Retention & Winback • Homepage recommender • Article recommender Content persona- • Product recommender lization • Video recommender • User Experience optimization • Targeted web advertizing BtB • Mobile / in app targeting Monetization • Cross device targeting • Location based targeting 23
0. Hard data profiling
Analytics products 1. Similar audiences
2. Interest profiling
3. Intent profiling
4. Predictive profiling
5. Location 6. Recommenbased profiling dation engine
Projecten worden end-to-end geïmplementeerd
1
Data, processen & systemen
Data verzamelen, data opslag, datakwaliteit & data management
Analytische Enablers
Analyses, algoritme ontwikkeling, voorspelmodellen
Waarde propositie
Personalisering van content en aanbiedingen
Automatisering & Business uitrol
Uitrol naar andere merken en kanalen leidt tot verhoging van omzet en marge
2 3 4 24
Voor elk project wordt een multidisciplinair team samengesteld met brede kennis en vaardigheden BI specialist
Data architect Business owner Projectmanager
Data Scientist DM manager
SAS specialist
Ontwikkelaars
Hadoop engineer DB marketeer
Marketeer/Product mngr Email specialist
25
Resultaten
Verschillende big data technieken ontwikkeld en getest 1
Datagebruik uit totale Sanoma netwerk
2
Ontwikkelen van ‘aanbevelingen’ met behulp van slimme algoritmes
3
Personaliseer content en aanbiedingen
4
Gepersonaliseerde retargeting
Collaborative filtering
+42% CTR
Test en creëer oplossingen voor uitrol
260% stijging conversie
Similar audiences
Locatie gebaseerd
+ 185% CTR
27
1,2 m PV’s wekelijks
Theorie van overtuigen van R.Cialdini 1. 2. 3. 4. 5. 6.
Reciprocity Consistency Social proof Authority Geen Liking Significante Scarcity uplift
Content aanbeveling op basis van persoonlijk profiel
300K users 1,2 miljoen actieve tags
Met het innovatieve ‘Topic model’ wordt het leesgedrag van bezoekers aan het Sanoma netwerk geanalyseerd
Brondata: • >300.000 artikelen Techniek: • Natural Language Processing • Continu testen, validatie (o.b.v. onderzoek) en optimaliseren van het model
28
Hierdoor kan elke bezoeker worden ingedeeld in één of meerdere interessegroepen Resultaat: 200 topics, ingedeeld in interessegroepen
29
Van elke bezoeker kan bv worden bepaald of deze interesse heeft in wonen
30
Het topic model kan op basis van het leesgedrag van een bezoeker ook leeftijd en geslacht voorspellen
Voorspelkracht
31
85%
•
geslacht:
•
leeftijd: tot
74%
Toepassing •
Content en aanbiedingen personaliseren o.b.v. interesse- en socio-demografische profielen
•
Sales propositie BtB
•
Op web en mobiel te gebruiken
We creëren schaalvoordelen door de succesvolle big data technieken uit te rollen voor heel Sanoma, o.a. bij vtwonen
Even bijna een jaar terug in de tijd...
Om het data denken aangewakkerd te krijgen, zijn we klein begonnen met een data driven campagne
Campagne concept -
Vul je winkelmandje met producten met een totale waarde van exact € 10.000,-
-
Hiervoor heb je 24 uur, op 21 Maart 2015 (Lente)
-
Registreer je vanaf 10 dagen voor de actie
34
Inzet campagne middelen -
TV, Radio, Print, online display, prerolls, PR, social
-
Data gedreven: email, nieuwsbrieven, banners
Indrukwekkende getallen:
35
-
31.271 geregistreerde accounts met opt-in 26.468 totaal nieuwe accounts voor vtwonen.nl 15.150 deelnemers deden mee met een volledige wensenlijst Gegenereerde opbrengsten van € 195.000.000,- in 1 dag! Presentation name
1. Zuiver High On Wood Kast 2. vtwonen bed Feston 3. BePureHome Oldschool Houten Halbank
2.200 2.062 1.823
4. 5. 6. 7. 8. 9. 10.
1.608 1.601 1.315 1.310 1.296 1.286 1.250
36
Bloomingville Kleed Schapenvel vtwonen Dresser Kledingrek – Wit Stadler Form Otto Ventilator – Hout vtwonen Stock Trolley Large Wit - Metaal/Hout vtwonen Bed Flower – gestoffeerd Dutchbone Kapal Eettafel - 200 x 90 cm vtwonen Junior Store Opbergbank - Hertog Grijs
Presentation name
Data gebruik heeft het aantal deelnemers met 39% verhoogd
Business as usual Massa mediale campagne
&
Big Data & analytics Analytics gedreven 1 op 1 campagne
=
Resultaat Deelnemers vtwonen voorjaarscampagne (#) 31,1k 22,4k 39%
Business as usual Above-the-line campagne (TV, Radio, Abri, Print, Online display)
1-op-1 emailing en bannering op specifieke doelgroepen (similar audiences)
Big data
Erg hoge conversies, met name op doelgroep “identical twins”
Omzetverhoging van 24% door personalisatie van product suggesties Business as usual Vaste product suggesties
&
Big Data & analytics Data gedreven product suggesties
=
Resultaat Omzet per email prospect (€)
€ 1,67 € 1,35 24%
Business as usual Generieke emails: één versie voor allen
Dynamische emails: suggesties gebaseerd op indidueel winkelgedrag
Big data
Additioneel 24% verkoopomzet vanuit persoonlijke product suggesties
Genereren van traffic
Web funnel optimalisatie Verhogen engagement vtwonen bezoekers
Verhogen relevant verkeer naar de vtwonen website/shop
Vervolgens 14 andere Big Data initiatieven geïdentificeerd en opgepakt
3 Initiatieven, potentiële omzet ~ € 120k per jaar
1
2
14 initiatieven, potentiele omzetstijging € 1,6 M
4 5 Initiatieven, potentiële omzet ~ € 205k per jaar
Retargetting & Loyalty Bezoekers verleiden tot terugkeer en up sell 39
4 Initiatieven, potentiële omzet ~ € 195k per jaar
3
4 Initiatieven, potentiële omzet ~ € 1.080k per jaar
Conversie optimalisatie Converteren bezoekers naar vtwonen sales - trial
Collaborative filtering voor productsuggesties levert significante stijging in omzet op Business as usual
Big Data & analytics
Voorbeeld vtwonen website aanbevelingen
Voorbeeld vtwonen website aanbevelingen
Product waarop geklikt
Product suggesties
Producten in dezelfde categorie
Product waarop geklikt
Product suggesties
“Andere mensen die dit product kochten, kochten ook deze producten”
Collaborative filtering voor content aanbevelingen ook succes
• •
Collaborative filtering is gebruikt voor aanbeveling van artikelen Tijdens A/B testing wordt dit vergeleken met ‘business as usual’: manuele tagging van artikelen
Gebruik van het topic model leidt tot uplift van 63% • •
Topic model is gebruikt om slim te segmenteren Tijdens de campagne worden diverse segmenten samengesteld en onderling vergeleken.
Look-a-like model based on visitors of landing page of summer campaign
0,14%
Interest Group Home Decoration based on topic model
0,13%
Visitors of Home Deco related websites* (standard krux segment)
0,13%
Frequent movers based on Cendris data
0,12% +63%
House owners of above average prices (>= 250K € WOZ) based on Cendris data
0,10%
Visitors of Home Deco related websites** (according to vtwonen marketing)
0,10%
Run of Network (Random)
0,08% -21%
Look-a-like model based on participants of the one day shopping campaign
0,06%
Het data denken begint steeds meer in onze genen te zitten Afdeling CD&A
20 fte
43
Dataverzameling is een vast onderdeel geworden van het vtwonen concept en laat zien dat het ook echt leuk kan zijn!
44
45
46
Omzet Jaarlijkse verhoging van de big data omzet o.b.v. gepersonaliseerde initiatieven
+ € 1,5M
aanbiedingen en content
Samengevat Home Deco successen
Aanvullende doelgroepen Exra deelnemers dankzij look-a-like modelling
analytics in gerichte campagnes
Personaliseren Verhoogde omzet door emails persoonlijk productsuggesties in shopping analytics
email campagne
+39%
+24%
Wat heeft het ook opgeleverd?
48
We zijn data echt op een ander niveau gaan gebruiken
Strategisch
Tactisch
Operationeel
Data is leidend in ontwikkeling van nieuwe kansen
Data heeft ondersteunende rol in gebruik over kanalen en merken heen
Nieuwe doelgroeepen
Nieuwe strategische inzichten
Product development
Data verkoop
Consuementen behoeften beschrijven
Verbeteren targeting
Vergroot bereik met Cross channel campaigns
Customer Engagement & Loyalty
Data heeft ondersteunende rol in gebruik binnen één kanaal of merk Kanaal en merk optimalisatie
49
Content & aanbiedingen personaliseren
Personaliseren service
Datakwaliteit heeft structurele aandacht binnen Sanoma SBS ‘Increase Households’
‘360 Consumer Database’
Ander strategisch data initiatief gestart binnen Sanoma SBS Externe Data
Analyse
TV in program
Volume& kwaliteit Marketing database
campagnes
Campagnes
DWH ETL
Polls & Enquêtes
Sanoma Account SAP NL
Overig
Sanoma / SBS assets SIM
KRUX
Hadoop
50
Sanoma Account
Aantal gebruikte databronnen wordt steeds verder uitgebreid Online data
Magazine User data Service purchases / sales Online browsing Consumer bids Ad clicks, views Mobile application usage Searches Ads shown Websites visited Digital Advertentie Services & Online gedracg eCOM Gedrag
Opt-in Data capture consent Data sharing consent Marketing consent Inbound contacts Outbound DM Outbound TM Outbound EM Responses
Contact data
Consumer Opt-in
Analyse
Analyse 360 Customer View
Familie relaties
Contact Demografie Usergenerated Abonnementen Age, gender, content income Pictures Social Ratings Externe data Subscriptions Blogs Media Purchase/ transaction history Postings Product and service ratings rd Online subscriptions Opinion surveys Facebook, Google+ 3 party, e.g. Cendris Bundles Competitor data Blogs Payments Social en Online panel data Content sharing
externe data 51
Next-best offer CLV Likelihood to churn Likelihood to respond to campaign Behavioral segment
Spouse Children Parents Friends
Klant en abonnementen data
Governance en privacy krijgen speciale aandacht: Privacy champions benoemd binnen de business Beleid
Richtlijnen, procedures en enablers
•
Definiëren Sanoma’s key privacy principes
•
Implementeer Governance model
•
Speel een rol in belangenbehartiging van de bedrijfstak
•
Opstellen richtlijnen en procedures
•
Ontwikkeling van technische/operationele enablers
Beleid
Monitoring & Rapportage
‘Privacy by Design’ •
Ontwikkeling van een proactieve en interactieve manier van werken
•
Training & awareness teams
Richtlijnen Procedures
Privacy by Design
52
Monitoring & Rapportages
•
Ontwikkeling van controle mechanismen
•
Opzetten rapportages
Samengevat
5 belangrijke inzichten
54
1
Zonder business(problemen) geen projecten
2
Maak de CxO een ‘believer’ en zorg voor sponsoren in business
3
Begin klein, toon meerwaarde aan om een business case te bouwen en (IT) investeringen te rechtvaardigen
4
Formeer multidisciplinaire teams
5
Factor mens cruciaal: Data-denken in de genen
De successen van ons Big Data Programma
55
1
Het enorme bereik van Sanoma SBS op individueel niveau inzetten door personalisatie van content en marketing
2
Ontwikkelen van use cases, die schaalbaar en uit te rollen zijn over alle merken en kanalen
3
Uitrollen van de succesvolle use cases en hier geld mee verdienen
