Czy wiesz, jaki jest Twój finalny koszt konwersji?

Autorzy: Klaudia Hernik, Anna Gromańska, Krzysztof Górski, Mateusz Nić

9 kwietnia 2018, Internet Week IAB, Warszawa

© Niniejsza publikacja podlega autorskim prawom majątkowym Cube Group. Prosimy o nierozpowszechnianie bez zgody Cube Group.

Kilka słów o Cube Group

i o nas

Jesteśmy Twoim partneremw marketingu i sprzedaży

Jako agencja digital performance

dobieramy skuteczne strategie,media i narzędzia digital, analizujemy,szkolimy i doradzamy ̶ po to, abyrealizować Twoje cele i raportowaćmocne efekty biznesowe

Wspieramy Twój marketing i sprzedaż na każdym etapie

Tworzymy spójną i długoterminową strategiępromocji i sprzedaży online

Dobieramy i kupujemy najlepsze media(display, programmatic, afiliacja, SEM, SEO, content, mobile)

Implementujemy technologienajpotrzebniejsze dla Twojego biznesu

Optymalizujemy wszystkie działania onlinepod wskaźniki ROI, CAC i LTV

Wdrażamy zaawansowaną analitykęby najskuteczniej wykorzystywać Big Data

Z sukcesem generujemy efekty m.in. dla:

Jak efektywne są nasze zespoły klienckie?

3,9 mld złWartość sprzedaży wygenerowanej dla Klientów w 2017 r.

13Nagród i wyróżnień za działania wygenerowane dla naszych Klientów

Jesteśmy Mistrzami PerformanceWedług magazynu „Media & Marketing Polska” (ranking 2017)

PERFORMANCE W STRATEGII

Nasz interdyscyplinarny zespół tworzy dla Ciebie jedną spójną strategię marketingu i sprzedaży online,

od koncepcji – przez media – po analitykę i optymalizację

PERFORMANCE W KOSZTACH

Mamy największe na rynku portfolio działań in-house: sieci afiliacyjne, agencję SEO i content, nie podzlecamy

kolejnym podmiotom

PERFORMANCE W DZIAŁANIU

Ekspercki zespół i analityka w jednym miejscu –działamy, mierzymy, i optymalizujemy

„ramię w ramię”

PERFORMANCE TWOJEGO BIZNESU

Optymalizujemy Twoje procesy sprzedaży online pod kątem ROI, CAC i LTV, optymalizujemy je na każdym etapie

i współodpowiadamy za Twoje wyniki

Kilka słów o nas

Krzysztof GórskiHead of Analytics

Mateusz NićClient Service Director

W Cube Group kieruje jednym z zespołów

odpowiadających za kompleksowe działania digital

(m.in. w obszarach display, SEM, SEO, afiliacja,

programmatic, paid social, content marketing, e-mail

marketing, influencer marketing, mobile),

optymalizację mediów i kreacji oraz analitykę dla

kluczowych klientów. Koordynowała kampanie

wizerunkowe i sprzedażowe m.in. dla takich marek jak

Innogy, Tchibo, BZWBK.

klaudia.hernik@cubegroup.pl

Od ponad 7 lat specjalizuje się w performance

marketingu – realizowała działania sprzedażowe online

m.in. dla Provident Polska, WITTCHEN, Monnari, Lilou,

Crocs, Plus, Trivago, Tripsta, Millennium Hotels, oraz dla

międzynarodowych e-commerce’ów. W Cube Group

rozwija i wdraża innowacyjne technologie wspierające

data-driven marketing (m.in. umożliwiające cross-device

tracking, analitykę customer journey oraz modelowanie

atrybucji i deduplikację) oraz optymalizuje współpracę

wydawców realizujących sprzedaże dla największych

marek (m.in. w ramach sieci afiliacyjnej dla e-

commerce’ów SalesMedia). Wcześniejsze doświadczenie

zdobywała m.in. w TradeTracker w Londynie.

anna.gromanska@cubegroup.pl

Klaudia HernikMedia Manager

Anna GromańskaPublishing & Innovations

Director

W Cube Group rozwija i wdraża rozwiązania

analityczne wspierające marketerów w tworzeniu

strategii i planowaniu działań na wszystkich etapach

ścieżki klienta. Ma ponad 15-letnie doświadczenie w

tworzeniu zaawansowanych analiz (segmentacyjnych,

predykcyjnych, rentowności klienta itd.), w tworzeniu

dedykowanych systemów CRM i Big Data oraz w

zarządzaniu kampaniami CRM (m.in. cross-sell, up-sell,

utrzymanie, odzyskanie). Zarządzał obszarami analiz,

Big Data i CRM w takich firmach jak PZU, Generali, BZ

WBK, Plus Bank.

krzysztof.gorski@cubegroup.pl

W branży reklamowej od ponad 9 lat. W Cube Group

kieruje zespołem realizującym strategie performance dla

klientów agencji. Nadzorował m.in. efektywnościowe

kampanie finansowe (BZ WBK, Credit Agricole, Axa

Direct), dla branży telekomunikacyjnej (UPC),

farmaceutycznej (Polpharma, NEUCA, Dbam o Zdrowie),

e-commerce (Avans, Nexterio), a także dla Promedica24

(Mixx Award 2016). Wykłada performance marketing na

studiach podyplomowych na Uniwersytecie Łazarskiego.

mateusz.nic@cubegroup.pl

Agenda

Agenda

CZĘŚĆ I 1. Trendy 2. Analityka opisowa3. Analityka diagnostyczna

a. Customer Journeyb. Modele atrybucjic. Mikrokonwersje

CZĘŚĆ II1. Analityka predykcyjna 2. Analityka preskryptywna3. Big Data 4. Data Science5. Dashboard

Cześć I

Czy wiesz, jaki jest Twój finalny koszt konwersji?

Obsesja na punkcie konwersji

Digital

Social & Mobile Omnichannel

Hiperpersonalizacja

Od początków online marketingu do hiperpersonalizacji

(właściwy komunikat we właściwym czasie do właściwej osoby) i klientocentryzmu

Obsesja na punkcie Klienta

Jedna, spójna strategia

marketingowa

Osobna komunikacja online i offline

ATL i BTL

Kampanie personalizowane i zwiększające LTV(wartość życiową

klienta)

Optymalizacja nie tylko pod ROI, ale także pod LTV

Podejście omnikanałowe

Idziemy w stronę...

Kampanie produktowe

Jak powinno ewoluować podejście w kierunku personalizacji marketingu na

wielką skalę

Skupienie na ROIz aktywności

mediowej

Podejście per kanał

Rozproszone dane

w ramach systemów i działów

organizacji

Łączenie, segmentacja i

predykcja

Nowepodejście

Fundamenty analityczno-technologiczne

Customer journeys

Customer lifetime / CLV

Customer Experience

Połączone doświadczenia klienta

Data Science i analityka

Źródła danych

Dane marketingowe

Środowisko analityczne

Automatyzacja

Obraz konsumenta 360 st.

Rozwój kompetencji

Obraz klienta 360 stopni

Trendy w marketingu ostatnich 5 lat

Big Data Segmentacja Customer JourneyData Science

Gdzie jesteśmy?

Dojrzałośćtrendu

Mainstream

Foresightzone

Innovationzone

Reactivezone

New normal

czas

Trendywiodące

Szybkie dojrzewanietrendu

Trendywschodzące

Źródło: Hatalska, Mapa trendów 2018, http://hatalska.com/2018/01/12/mapa-trendow-2018-pobierz/

KTO PIERWSZY SIĘ ZAADAPTUJE

– ZWYCIĘŻY –

Gdzie pojawia się problem?

Niewystarczająca dostępność technologii lub technologia bez odpowiednich funkcjonalności

50%

38,7%

Brak doświadczenia i kompetencji (na poziomie implementacji i operacyjnym)

34,9%

45,3%

Problemy z wykazaniem ROI z działań data-driven marketing

33,3%

45,3%

Co hamuje Cię we wdrażaniu rozwiązań i czerpaniu korzyści z data-driven marketingu i innowacji w ostatnim roku?

Źródło: :The Outlook for Data 2018: A Snapshot Into the Evolving Role of Audience Insight, IAB

Europe 2018

2018

2017

Big Data

Big Data

Wszystkich danych zostało wygenerowanych w ciągu ostatnich 2 lat

90%

Tryliona bajtów danych generujemy każdego dnia

2,5

Źródło: raport IBM Marketing Cloud pt. „10 Key Marketing Trends for 2017”

Źródło: https://www.youtube.com/watch?v=jeQ7C4JLpuga

Źródło: https://www.youtube.com/watch?v=jeQ7C4JLpuga

Big Data

5xWyższe prawdopodobieństwo przyśpieszenia procesu decyzyjnego

SUKCES

3x Wyższe

prawdopodobieństwo podjęcia słusznej decyzji!

2xWyższe

prawdopodobieństwo osiągania najwyższych

przewidywanych wyników

Źródło: Bain & Company

4 rodzaje analityki

Analityka opisowa

1000 LEADÓW

400 ROZMÓW

10 SPRZEDAŻY

Co się stało?

Analityka diagnostyczna

Dlaczego tak się stało?

Customer journey i atrybucja

Suflet czekoladowy i customer journey?

Jak dojść do perfekcji?

Patrz głębiej niż na last click

Display

MailingSocial

Content

Social Social

Social

Display

Display

Mailing

Mailing

Content Retargeting

Retargeting Retargeting

Organic Search

Organic Search Organic Search

Paid Search Paid Search

Paid Search

Newsletter

Newsletter

Incentives

Incentives

Affiliates

AffiliatesAffiliates

Display

ContentDirect

Direct

Jeśli chcesz mocniej zgłębić temat i wiedzieć, np. czy zakup programatyczny reklamy ma wpływ na ścieżkę klienta, to zajrzyj do tekstu na naszym blogu Performance360.pl

Patrz głębiej niż na last click

Last Click Time Delay Linear

Position Based First Click Data Driven

Który model najefektywniejszy?

Jak oceniasz efektywność poszczególnych modeli atrybucji?

Źródło: The state of Marketing Attribution 2017, AdRoll

Custom

Algorithmic

First-touch

First-click

Linear

View-through

Position-based (U-mode)

Time-decay

Last-click

Last-touch

48% 41% 10% 1%

43% 49% 7% 1%

43% 49% 6% 2%

39% 47% 12% 2%

39% 46% 12% 3%

33% 49% 16% 2%

33% 57% 10%

33% 55% 12%

29% 49% 22% 4%

27% 58% 13% 2%

Bardzo efektywny Raczej efektywny Raczej nieefektywny Bardzo nieefektywny

Respondents:225

Jak zmienia się efektywność kosztowa kanałów?

search

incentives

social

content/blogs

model

CPC

CPO

CPC

FF

wydatki

9 500 zł

5 740 zł

7 500 zł

3 000 zł

konwersje

421

287

149

7

CPA

22,57 zł

20,00 zł

50,34 zł

428,57 zł

konwersje

492

140

201

31

CPA

19,31 zł

41,00 zł

41,67 zł

96,77 zł

last click basket freeze

nowi

21%

27%

41%

62%

powracający

79%

77%

58%

38%

użytkownicy

Case study: e-commerce beauty

Case study: finanse (PPC)

Mikrokonwersje

„Jeśli chcesz osiągnąć swoje cele, nie fiksuj się na nich”

Ta myśl Reggie’ego Riversa (mówcy motywacyjnego, coacha i byłego gracza NFL) powinna być bliska również marketerom. Bo w drodze do celu warto

sprawdzać również wspierające mikrocele, czyli – u nas – mikrokonwersje.

Zapis do newslettera Koszyk Sprzedaż

Case: e-commerce

Wartościowi użytkownicy zainteresowani

ofertą -> LEADY. Duża szansa, że

skonwertują przy dobrze

skonstruowanym procesie zarządzania

leadem i zebraniu odpowiednich danych.

Użytkownicy na ostatnim etapie ścieżki

zakupowej – INTENT/DECISION.

Wartościowy ruch do wykorzystania w

działaniach remerketingowych.

Krok

formularza Lead

Case: finanse/ubezpieczenia (długi formularz)

Krok

formularzaKrok

formularza

1 2 3

Użytkownicy docierający do kolejnych kroków formularza mają coraz większą intencję do skonwertowania.

Kanały, które dowożą dużo użytkowników docierających do trzeciego kroku należy identyfikować jako

jakościowe. Warto zastanowić się, czy proces w formularzu nie wymaga usprawnienia/ułatwienia.

Case: turystyka

Klik w button „Wyszukaj”

Przejście przez kilka podstron

Rezerwacja

Użytkownicy na etapie

AWARENESS/CONSIDERATION.

Warto zebrać od nich leada.

Jakościowe wizyty, użytkownicy na etapie

rozważania i porównywania. Do

wykorzystania w retargetingu, własnych

działaniach lojalizujących.

Weryfikacja ścieżek i mikrokonwersji

Jak zanalizujesz mikokonwersje i ścieżkę użytkownika możesz określić, które kanały najbardziej wspierają Twoje cele: zbudowanie świadomości Twojej marki, rozważanie czy decyzję o zakupie. Sprawdź efektywność kanałów w odniesieniu do celów zdefiniowanych na danym etapie

Które kanały zyskują, a które tracą po wdrożeniu atrybucji?

Doinwestowanie budżetów per kanał po wdrożeniu atrybucji

Display advertising

Paid search

Content marketing

Social media marketing

Social media advertising

Email

SEO

Affiliate marketing

(e.g. display advertising on Facebook)

Mobile apps

Video

Other

41%

38%

34%

33%

28%

28%

24%

23%

22%

11%

0%

Redukcja budżetów per kanał po wdrożeniu atrybucji

Respondents: 160 Respondents: 171

Źródło: The State of Marketing Attribution 2017, AdRoll

Content markting

Display advertising

Affiliate marketing

Email

Mobile apps

Paid search

Social media marketing

Social media advertising(e.g. display advertising on Facebook)

SEO

Video

Other

39%

37%

33%

32%

18%

15%

15%

13%

6%

1%

9%

Jak wdrożenie atrybucji może wpłynąć na Twój biznes?

Źródło: The State of Marketing Attribution 2017, AdRoll

„Zmiana na plus w podejściu do kanałów marketingowych oraz głębsze zrozumienie wartości touchpointów na końcowych etapach lejka sprzedażowego”.

„Byliśmy w stanie usunąć lub ograniczyć niektóre nasze aktywności w kanale digital, gdy upewniliśmy się, że nie mają one wpływu na customerjourney. To znacząco wpłynęło na efektywność kosztową naszych działań”.

5%6%

23%

26% 26%

32%31%

26%

15%

10%

Wzrost wydatków we wszystkich kanałach

digital

Wzrost wydatków w niektórych kanałach

digital

Brak wpływu na wydatki w

kanałach digital

Spadek wydatków w niektórych kanałach

digital

Spadek wydatków we wszystkich

kanałach digital

2016 2017 Respondents 2017: 493 Respondents 2016: 275

Część II

CZĘŚĆ I 1. Trendy 2. Analityka opisowa3. Analityka diagnostyczna

a. Customer Journeyb. Modele atrybucjic. Mikrokonwersje

CZĘŚĆ II1. Analityka predykcyjna 2. Analityka preskryptywna3. Big Data 4. Data Science5. Dashboard

© Niniejsza publikacja podlega autorskim prawom majątkowym Cube Group. Prosimy o nierozpowszechnianie bez zgody Cube Group.

Analityka predykcyjna

Co może się wydarzyć?

Modelowanie predykcyjne- Ryzyko rezygnacji

Najprostszy model: l. rezygnacji / l. aktywnych na początku w określonym czasie(np. subskrybenci comiesięcznego abonamentu Netflix)

Jak zapobiegać rezygnacjom?

Nie zgaduj -> przewiduj

Analizuj zachowanie swojego klienta

Ustal szacowany czas życia klienta

Ustal budżet na utrzymanie klienta

● Jak wyglądały ścieżki użytkowników, którzy zdecydowali się na odejście?

User A

User B

User C

Zapis na trial

Rozmowa z customer care

Płatna subskrypcja

Zwiększona aktywność

Zwiększona aktywność

Wejście na stronę

Czas

Low 2%

Medium 7%

High 25%

● Jakie statusy klientów ma customer care: zgłoszenie problemów technicznych, błędne pobranie płatności z karty etc.?

● Jaki jest najczęstszy powód odejścia?

● Jaki profil konsumenta najczęściej odchodzi?

Analityka preskryptywna

Jakie jest optymalne rozwiązanie?

Przykład analityki preskryptywnej

– TRUMP vs CLINTON –

Kryteria targetowania

DANE DEMOGRAFICZNE /

GEOGRAFICZNE

WiekPłeć

NarodowośćReligia

EdukacjaStan cywilny

Miejsce zamieszkania

MĘŻCZYZNA40-35 LATŻONATYMA DZIECIWYSOKI DOCHÓDCZYTELNIK USA TODAY

MĘŻCZYZNA40-35 LATŻONATYMA DZIECIWYSOKI DOCHÓDCZYTELNIK USA TODAY

Kryteria targetowania

O C E A N

DANE DEMOGRAFICZNE /

GEOGRAFICZNE

WiekPłeć

NarodowośćReligia

EdukacjaStan cywilny

Miejsce zamieszkania

DANE BEHAWIORALNE

Dane motoryzacyjneDane konsumenckie

Styl życiaStyl zakupowy/ścieżki

Zaangażowanie społeczne

OSOBOWOŚĆ

Psychologiczne:

(O) Otwartość(C) Sumienność

(E) Ekstrawertyczność(A) Lubiany

(N) Neurotyczność

Perswazja:

WzajemnośćNiedostatek

AutorytetStrach

Dowód społeczny

2. Poprawka do Konstytucji Stanów Zjednoczonych

MĘŻCZYZNA40-35 LATŻONATYMA DZIECIWYSOKI DOCHÓDCZYTELNIK USA TODAY

MĘŻCZYZNA40-35 LATŻONATYMA DZIECIWYSOKI DOCHÓDCZYTELNIK USA TODAY

• Emocje• Zagrożenie• Nieprzewidziane doświadczenia

• Wartości• Więzy • Tradycja

N

C

A

BIG DATA: dane o 230 mln Amerykanów uprawnionych do głosowania

ANALITYKA PREDYKCYJNA: 4 tys. segmentów i 5 modeli osobowości

ANALITYKA PRESKRYPTYWNA: 200 tys. spersonalizowanych komunikatów

ZWYCIĘSTWO W WYBORACH

35%Firm ma stosować

analitykę preskryptywną

w 2020 roku

ANALITYKA OPISOWA

ANALITYKA DIAGNOSTYCZNA

ANALITYKA PRESKRYPTYWNA

ANALITYKA PREDYKCYJNA

Analityka

Dziś

Źródła danych

Programy mailingowe

Emisja reklam

SearchSocial MediaRuch na stronie

InneCRM

Kampanie

RaportyRaportyRaportyRaportyRaportyRaporty

Świat idealny

Big Data

Data Analytics

Dashboard 2.0

Retargetingprogrammatic

Google

RemarketingSegmentyPredykcja

Data Scientist

Kampanie 2.0

Źródła danych

Jak do tego dojść u Ciebie?

DUŻO nieustrukturyzowanych danych!

Big Data Data ScienceData Analytics

Zdefiniujmy 3 filary

Jak zbierać wszystkie dostępne dane?

Jakie łączyć dane i jak wyciągać wnioski?

Jak przewidywać zachowanie, skłonności i uczyć się?

Czy bierzesz pod uwagę wszystkie źródła danych?

Czy bierzesz pod uwagę wszystkie źródła danych?

Emisja reklamyProgramy mailingowe / MAAnaliza ruchu na stronie

Social media Wyszukiwarki, m.in. CRM

… i wiele innych

Co to jest Big Data?

Big Data to dane:

1. W bardzo dużej ilości

2. Bardzo szybko generowane (real time)

3. Różnorodne

4. Zmiennie napływające w czasie

5. Łączone i przekształcane w złożony sposób

Case study cz. 1: retail (e-commerce + sklepy offline)

• Wdrożenie Big Data: 3 miesiące.

• Integrowaliśmy 7 rodzajów danych, dla których musieliśmy zdefiniować:

○ Strukturę danych

○ Importowanie raz dziennie + mechanizm eliminacji dubli

Jeśli chcesz poczytać więcej o omnichannelowych doświadczeniach klientach, to zajrzyj do tekstu na naszym blogu Performance360.pl

Case study cz. 1: retail (e-commerce + sklepy offline)

Big Data źródła

Baza klientów Transakcje

online

offline

Ruch

offline

online

Feed produkt. Program lojal. Mailing Reklama

AdWords

Adforms

Facebook

Jakie dane dziś zbierasz?

Rodzaje danych:

Co robi klient na stronie

Zainteresowania

Częstotliwość zakupów i wartość

Po co przyszedł

Twoja strona Klient Reklama

Ulubione marki

Po co przyszedł

Płeć, wiek

Email, telefon

Geolokalizacja

Sprzedaż na kliencie

Ulubione marki

Skąd przyszedł

Odwiedzane strony

Odpowiedzią na różnorodność danych jest Data Analytics,

ale co nam da łączenie danych?

Co zrobiliśmy:

Jak to się przełożyło na przychód:

Przykł. mailing: otwarcia / kliki

Łączenie danych Stworzenie historii klienta

Kampanie / dosprzedaż per segment

Segmenty klientów

+25% +50% >150%+75%

12% / 25% 15% / 35% 17% / 45% 22% / 55%

Case study cz. 2: e-commerce z Big Data

10% / 20%

Czy wykorzystujesz potencjał klienta w dosprzedaży?

Co chcemy wiedzieć?

Czy wysyłasz 1 kampanię do

wszystkich klientów?

Czy wiesz, czemu nie osiągnąłeś założonych

celów (klient nie zostawił leada, nie

kupił)?

Czy znasz swój cel marketingowy?

Kampanie Klient Koszty

Czy wiesz czemu klienci nie kupili?

Czy próbujesz reaktywować stracone

szanse?

Czy znasz ścieżkę atrybucji?

Czy znasz Customerjourney?

Czy znasz swoich klientów?

Czy znasz pełen koszt kampanii?

Czy znasz ROI?

Czy znasz LTV?

Czy znasz CAC?

Odpowiedzią na to jest Data Science

• Lepszy remarketing

• Skuteczniejszy retargeting

• Wysyłka kampanii predefiniowanych

• Optymalizacja kampanii pod wpływem kosztowym

• Analiza kampanii pod kątem sprzedaży vs źródła przyjścia vs segment klienta

• Poznanie realnych wskaźników ROI, LTV i CAC

Zaawansowana analityka (z ML i AI) pozwoli przewidzieć zachowania i skłonności klienta. Efekty?

Data Science -> LTV

Klient

Koszt pozyskania /utrzymania

Ile zarobiliśmy

Potencjalny Nowy LojalnyPrzedłużający 1 raz

Klik w reklamę 10 zł

Pierwszy zakup 100 zł

Trzeci i kolejny 2 zł

Drugi zakup 5 zł

„Strata” 0 98% marży95% marży

Case study: ubezpieczenia OC

Ile dziś robisz raportów i w jakich systemach,

aby zobaczyć wynik kampanii?

W czym robisz dziś raporty, aby zobaczyć wynik kampanii?

Ile czasu poświęcasz, aby zobaczyć wynik kampanii?

Czas poświęcony na raportŹródła danych do raportów Ile to kosztuje miesięcznie?

Narzędzia BI

Źródła emisji reklamy

Dane o ruchu www

Excel

Dane z CRM / wewn. bazy

15-20 h

10-15 h

5-10 h

3-5 h

2-3 h

60-80 h

50-60 h

30-40 h

20-30 h

20 h marketera

Case study: bank

Rozwiązanie? Jeden dashbord z wizualizacją danych

Czas poświęcony na raport

Źródła danych do raportów

Ile to nas kosztuje miesięcznie?

Dashboard one page

5-15 minut

2 h

marketera

Case study: bank

Czynniki Twojego sukcesu

1st party dataDana

transakcyjne

DMP (Data Management

Platform)

Silos do zbierania danych ze

wszystkich źródeł

Wewnętrzne systemy do

zbierania danych

Marketing Database, CRM

Media paidDSP

(DemandSide

Platform)Social

Media owned(strona,

newsletter, SMS, MA, aplikacje)

2nd party dataDane z

kampanii

3rd party dataDane

zewnętrzne

Dashboard

one page

Łączenie danych

Segmentacja Predykcja

Źródła danych Agregowanie danych

Must-have architektury systemowej

Analityka + Data scienceKomunikacja(atrybucja) Raportowanie

Analityka i działanie real-time

PRZYCHÓD

Dane Wnioski

REALIZACJA

Lepsze targetowanie niezależnie

od kanału

Poprawa efektywności atrybucji

Lepsze doświadczenie klienta

Większa satysfakcja klienta

Lojalizacja kllienta

LTV

Wzrost sprzedaży

Strategia

Personalizacja

Odpowiadanie na potrzeby

Bieżące dostosywanie

produktów

Zaangażowanie użytkownika na

każdym etapie ścieżki konwersji

Marketing Automation

Optymalizacja

Opowiedzieliśmy Wam o:

1. Analityka opisowa2. Analityka diagnostyczna

a. Customer Journeyb. Modele atrybucjic. Mikrokonwersje

3. Analityka predykcyjna 4. Analityka preskryptywna5. Big Data 6. Data Science7. Dashboard

Dziękujemy za uwagę!

Sprawdź nas w praktyce!

http://www.cubegroup.plbigdata@cubegroup.pl