View
531
Download
0
Category
Preview:
DESCRIPTION
Die Opening Keynote beim Werbeplanung.at Summit SPEZIAL zum Thema "Big Data for Business" hielt Autor und Unternehmensberater Nicolas Clasen. Aktuell publizierte er sein Buch ”Der digitale Tsunami – Das Innovators Dilemma der traditionellen Medienunternehmen oder wie Data Driven Advertising den Medienmarkt auf den Kopf stellt”. Clasen gab einen Überblick der Entwicklung des Data Driven Advertisings von den Anfängen der Ad Networks über Googles Suchmaschinen-Marketing und Facebook bis zu Re-Targeting und Real-Time-Advertising. Doch Data Driven Advertising wird nicht beim Abverkauf über das Netz stehe bleiben, sondern auch den Branding- und Imagewerbemarkt verändern.
Citation preview
Keynote Werbeplanung.at Summit SPEZIAL
Wie Data Driven Advertising den Werbemarkt auf den Kopf stellt
Nicolas Clasen Autor & Gründer der Strategieberatung digicasWien, den 03. Dezember 2013
Was ist Big Data?
www.digicas.de 2
· 8 Bits = 1 Byte· 1000 Bytes = 1 Kilobyte
· 1000 Kilobytes = 1 Megabyte· 1000 Megabytes = 1 Gigabyte· 1000 Gigabytes = 1 Terabyte· 1000 Terabytes = 1 Petabyte· 1000 Petabytes = 1 Exabyte
· 1000 Exabytes = 1 Zettabyte· 1000 Zettabytes = 1 Yottabyte
· 1000 Yottabytes = 1 Brontobyte· 1000 Brontobytes = 1 Geopbyte
www.digicas.de 3
=
4,473 Büchern
Bits, Bytes und Bücher
www.digicas.de 4
Bits, Bytes und Bücher
12 Terabyte
pro Tag
54 Millionen Bücher
170 MillionenBücher & Medien
100 Terabyte Upload pro
Tag
440 Millionen BücherQuelle: http://wikibon.org/blog/big-data-statistics/
www.digicas.de 5
über 20 Petabytes
pro Tag
Bits, Bytes und Bücher
5.262 mal die gesamte
British Library
=
Quelle: http://wikibon.org/blog/big-data-statistics/
0,019 km²Lagerungsfläche der
gesamten Stasi-Akten
200 Aktenkilometer
48.000 Aktenschränke
19.000 m2
www.digicas.de 6
Fläche der Stasi-Akten
http://apps.opendatacity.de/stasi-vs-nsa/
www.digicas.de 7
http://apps.opendatacity.de/stasi-vs-nsa/
Fläche der NSA-Akten
170 Mio. km²42 Billionen Aktenschränke
5 Zettabyte Daten
www.digicas.de 8
Structured & Unstructured Data
Quelle: IBM 2011
80% unstrukturierte Daten –
Die Walfische im Datenmeer finden
www.digicas.de 9
Grenznutzen der Informationsgewinnung
Quelle: Data Unser,Björn Bloching, Lars Luck, Thomas Ramge
Datennutzung in der Mediaplanung
www.digicas.de 10
Minimierung der Streuverluste
Data = Targeting
Der klassische Mediaplanungsprozess
www.digicas.de 11
Medien
selektion
Definition der Zielgruppe Kontrolle
Optimierung
Datensignale in der Mediaplanung
www.digicas.de 12
Inhalte NutzerdatenKeywords
Z
i
e
l
g
r
u
p
p
e
Z
i
e
l
g
r
u
p
p
e
Werbeträger
WerbebotschaftWerbebotschaft
W
E
R
B
E
K
U
N
D
E
Targeting über Inhalte
www.digicas.de 13
Inhalte
Inhalte
Der Beginn einer neuen Ära
3,9Milliarden EUR
2012
www.digicas.de 14
39Milliarden EUR
2012
Das Google Ecosystem
www.digicas.de 15
Die drei Grundbausteine des Google-Erfolgs
Das Google System
DATAKeywordssorgen für
Anzeigenrelevanz
KPIRisiko
verteilung&
Erfolgsmessung
in EchtzeitAUKTION
perfektes
Marktgleichgewicht
Anzeigenrelevanz als Erfolgsfaktor
www.digicas.de 16
Daten: Wenn Werbung zu Information wird
Quelle: Wordpress 2011
Der Click: Vom Befragenden zum Beobachtenden
www.digicas.de 17
Ex-Post Befragung Optimierung in Echtzeit
OFFLINE ONLINE
RückkanalOne-Way
Verteilung des Investitionsrisikos des Mediaspends
www.digicas.de 18
Investitionsrisiko des Werbekunden
Investitionsrisiko des WerbeträgersInvestitionsrisiko des Werbeträgers
0%0%
50%50%
100%100%
TKPTausender-Kontakt Preis
100%
CPCCost per Click
50%
CPOCost per Order
0%
Auktion: Die Enkel des Adam Smith
www.digicas.de 19
Zweitpreisauktion stellt Marktgleichgewicht her
Suchmaschinenwerbung innerhalb der AIDA
www.digicas.de 20
ActionDesireInterestAttention
KaufSales Funnel
Die Internetsuche als Vorfilter für Kaufinteressierte
www.digicas.de 21
Google dominiert den Onlinewerbemarkt
Datensignale in der Mediaplanung
www.digicas.de 22
Inhalte NutzerdatenKeywords
www.digicas.de 23
Targetingmodelle
Predictive Behavioral
www.digicas.de 24
Targetingmodelle
Re-Targeting
www.digicas.de 25
Prozessablauf beim Re-Targeting
Cookie/Login
Kauf
Ausspielung
der
Werbeanzeige
AUKTIONperfektes Marktgleich
gewicht
DATADatenbasis zur
Herstellung der
Anzeigenrelevanz
Das Real Time Advertising Ecosystem
www.digicas.de 26
Die Übersetzung des Google Modells
Real Time
Advertising
DATADatenbasis zur
Herstellung der
Anzeigenrelevanz
AUKTIONReal Time Bidding
KPIRisiko
verteilung&
Erfolgsmessung
in Echtzeit
KPIRisiko
verteilung&
Erfolgsmessung
in Echtzeit
Prozessablauf im Real Time Bidding
www.digicas.de 27
WerbekundeWerbemedium
Ad Server
Sell Side Platfom
(SSP)
€ 1,50
Login/Cookie/Identifier
Ad Exchange
Demand Side Platform (DSP)
Agency Trading Desk
Advertiser Trading Desk
Re-Targeting Network
€ 1,10
€ 1,50
€ 0,50
€ 1,40
€ 1,15
Ad Exchange
Sell Side Platform
(SSP)Demand Side Platform (DSP)
Agency Trading Desk
Agency Trading DeskAdvertiser
Desk
AdvertiserTrading
Desk
Publisher/Werbeträger
Ad Server
Technologieanbieter
Bezahlung durch den Werbetreibenden
Bezahlung durch den Werbeträger/Publisher
Die “New Economy of Advertising”?
www.digicas.de
VermarkterMedia AgenturWerbekunde
Quelle: eMarketer
RTB Marktwachstum
www.digicas.de 29
Höhere Datenliquidität in den USA
Daten kosten Geld
www.digicas.de 30
Quelle: PubliGroupe, LUMA Partners, Econsultancy
Amazon Advertiser Trading Desk mit RTB-Anbindung an die Facebook Ad Exchange
www.digicas.de 31
Verkürzung der Wertschöpfungskette
Real Time Bidding bedroht Googles Geschäftsmodell
www.digicas.de 32
Quelle: LUMA Partners, Terence Kawaja
Re-Targeting ersetzt den Google Datengenerator
Datensignale in der Mediaplanung
www.digicas.de 33
Inhalte NutzerdatenKeywords
Das Facebook Ecosystem
Facebook kopiert das Google System
www.digicas.de 34
Das
System
KPIErfolgsmessung
in Echtzeit & Verteilung des
Invesitionsrisikos
AUKTIONperfektes
Marktgleichgewicht
DATADatenbasis für
Anzeigenrelevanz
www.digicas.de 35
0,00%
0,05%
0,10%
0,15%
0,20%
0,25%
0,30%
0,35%
0,40%
Facebook Google
Klickraten im Vergleich
www.digicas.de 36
Facebookdaten für Abverkauf nur bedingt geeignet
(Quelle: ifop, Generix Group, eMarketer)
„2/3 der Nutzer fühlen sich durch Werbung auf Facebook gestört.“ Studienergebnis 2013
Facebookdaten innerhalb der AIDA
www.digicas.de 37
ActionDesireInterestAttention
Datenschatz für Attention, Interest & Desire
Print & TV Online
Sales Funnel KaufDirect
SalesBranding
www.digicas.de 38
Werbeausgaben einzelner Branchen 2012
Quelle: Deutschland 2012, Nielsen Media
0%
50%
100%
Online Print TV
„Der Markt für Online Displaywerbung beträgt weltweit circa 30 Milliarden Dollar. Lasst uns zusammen einen 200 Milliarden Dollar Markt daraus machen“.
Neil Mohan, VP for
display advertising
products at Google
www.digicas.de 39
Google bläst zum Angriff
www.digicas.de 40
4602
TV
4051
Search
2258
Display
1079
Video
240
0
5000
10000
Klassik Online
Netto-Werbeeinnahmen Deutschland 2012
Der Sprung in den Premiummarkt
www.digicas.de 41
ActionDesireInterestAttention
Google & Facebook attackieren Print & TV
Print & TV Online
Sales Funnel Kauf
Direct
SalesBranding
www.digicas.de 42
Data
Content
Eine Glaubensfrage?
www.digicas.de 43
Data ersetzt die Funktion der Publisher
Quelle: Terence Kawaja
Contentqualität und Werbeumsätze in den USA
www.digicas.de 44
Quelle: McKinsey, Dr. Marcus Frerker, Horizont
Medienkongress 2013, angepasste Darstellung
TV Lesen Search
ActionDesireInterestAttention
Niedriger
Engagement
Level
Passiv
Hoher
Engagement
Level
Aktiv
Data Driven
Push
Traditionell
One Way Pull
We
rbe
au
sga
be
n p
ro
Ze
itein
he
itA
ktiv
ität
En
ga
ge
me
nt Le
ve
l
Sehr hoher
Engagement
Level
Aktiv
Lean-Back als Voraussetzung für Pull-Werbung
www.digicas.de 45
Beispiel: Lean-Forward bei Smartphonenutzung
www.digicas.de 46
www.digicas.de 47
Beispiel: Werbeformate im Mobile Advertising
www.digicas.de 48
Wachstum Mobiler Werbemarkt im Vergleich
www.digicas.de 49
Kombination aus Lean-Back & Rückkanal
Das Brand Advertising Ecosystem der Zukunft
www.digicas.de 50
Übersetzung der Rückkanalmechanik
Brand
Advertising
Ecosystem
DATA
Datenbasis zur
Herstellung der
Anzeigenrelevanz
AUKTIONReal Time Bidding
KPI
Risikoverteilung
& Erfolgsmessung
in Echtzeit?
www.digicas.de 51
Content ist wirklich King!
Medialogistik
Customer Journey
Action
gut messbar
Die Suche nach dem digitalen Branding-KPI
www.digicas.de 52
„Vom Befragenden
zum Beobachtenden“
?Emotionen
Wünsche
Begehrlichkeiten
kaum messbar
Attention
AIDA„Vom Befragenden
zum Beobachtenden“
Der Klick als Targetingmessgröße
www.digicas.de 53
CLICK
Werbe relevanz in
der Zielgruppe
Optimierung in Echtzeit
Risiko
split
Abrechnungsmodell und Investitionsrisiko
www.digicas.de 54
Investitionsrisiko des Werbekunden
Investitionsrisiko des WerbeträgersInvestitionsrisiko des Werbeträgers
0%0%
50%50%
100%100%
TKPTausender-Kontakt Preis
100%
CPCCost per Click
50%
CPOCost per Order
0%
Wer beherrscht das Brand Advertising Ecosystem?
www.digicas.de 55
Quelle: LUMA Partner, Terence Kawaja
www.digicas.de 56
Google überholt Print in den USA
57www.digicas.de
Der Kampf zwischen Print & TV
Das Modell der disruptiven Innovationen
www.digicas.de 58
19
78
19
81
19
84
19
87
19
90
19
93
19
96
19
99
20
02
20
05
20
08
20
11
KINO
RADIO
TELEFONBUCH
PLAKAT
DIREKT MAILING
ONLINE DISPLAY
& VIDEO
PRINT (Zeitungen
& Zeitschriften)
FERNSEHEN
Entwicklung der disruptiven Technologie in einem Nischenmarkt
Produktleistung
Einführung des
Privatfernsehens
1985 2000
Technologischer Entwicklungspfad
Das Modell der disruptiven Innovationen
www.digicas.de 59
19
78
19
81
19
84
19
87
19
90
19
93
19
96
19
99
20
02
20
05
20
08
20
11
KINO
RADIO
TELEFONBUCH
PLAKAT
DIREKT MAILING
ONLINE DISPLAY
& VIDEO
PRINT (Zeitungen
& Zeitschriften)
FERNSEHEN
Entwicklung der disruptiven Technologie in einem Nischenmarkt
Produktleistung
Einführung des
Privatfernsehens
1985 2000
Einführung des
Internets
Technologischer Entwicklungspfad
Weiterführende Literatur
Nicolas Clasen: Der digitale Tsunami
Clayton Christensen:The Innovator‘sDilemma
Medienwandel Disruptive Innovationen
Nate Silver: The signal and the noise
Data
www.digicas.de 60
Vielen Dank!
Recommended