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.
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.
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.
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.
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
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
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
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
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!