Conento

7

3

• Rigor metodológico • Simplicidad • Transparencia (no Black Box)

• Machine Learning/resultados Real Time • Customización • Tecnología user friendly

• Consultoría continua y accionabilidad • Expertise local y global • Independencia

Consulting

Technology

Analytics

Misión

Nuestra misión es ayudar a resolver los retos de nuestros clientes, generando valor con sus datos mediante inteligencia analítica.

4

Conento

45 empleados

5

Credenciales

AUTOMOCIÓN

SALUD

GRAN CONSUMO BANCA

ESCUELA NEGOCIO

COMUNICACIÓN

ASOCIACIÓN / ORGANIZACIÓN

ENERGÍA RETAIL/DISTRIBUCIÓN TELECOMUNICACIÓN TABACO

SEGUROS

TECNOLOGÍA

MARKET RESEARCH

TURISMO

OTROS

Nuestros clientes

6

Metodología

No estamos limitados por ninguna metodología. Seleccionamos la mejor de las técnicas.

Regression

• Ordinary Least Squares Regression (OLSR) • Linear Regression • Logistic Regression • Stepwise Regression • Multivariate Adaptative Regression Splines (MARS) • Locally Estimated Scatterplot Smoothing (LOESS) • Jackkinfe Regression

Decision tree

• Classification and Regression Tree (CART) • Iterative Dichotomiser 3 (ID3 • C4.5 and C5.0 (different versions of a powerful approach) • Chi-squared Automatic Interaction Detection (CHAID) • Decision Stump • M5 • Random Forests • Conditional Decision Trees

Dimensionality reduction

• Principal Component Analysis (PCA) • Principal Component Regression (PCR) • Partial Least Squares Regression (PLSR) • Sammon Mapping • Multidimensional Scaling (MDS) • Projection Pursuit • Discriminant Analysis (LDA, MDA, QDA, FDA)

Instance based Also called cake-based, memory-based

• k-Nearest Neighbour (kNN) • Learning vector Quantization (LVQ) • Self-Organizing Map (SOM) • Locally Weighted Learning (LWL)

Neural networks

• Self Organizing map • Perceptron Back-Propagation • Hopfield Network • Radial Basis Function Network (RBFN) • Backpropagation • Autoencoders • Hopfield Networks Boltzmann machines Spiking Neural • Networks Learning Vector quantization (LVQ)

Bayesian

• Naive Bayes • Gaussian Naive Bayes • Multinomial Naive Bayes • Averaged One-Dependence Estimators (AODE) • Bayesian Belief Network (BN) • Hidden Markov Models • Conditional random fields (CRFs)

Clustering • Single-linkage clustering • k-Means • k-Medians • Expectation Maximisation (EM) • Hierarchical Clustering • Fuzzy clustering • DBSCAN • OPTICS algorithm • Non Negative Matrix Factorization • Latent Dirichlet allocation (LDA)

Deep learning

• Deep Boltzmann Machine (DBM) • Deep Belief Networks (DBN) • Convolutional Neural Network (CNN) • Stacked Auto-Encoders

…and others

• Support Vector Machines (SVM) • Evolutionary Algorithms • Inductive Logic Programming (ILP) • Reinforcement Learning (Q.Learning, • Temporal Difference, • State-Action-Reward-State-Action (SARSA) • ANOVA • Information Fuzzy Network (IFN) • Page Ran • Conditional Random Fields (CRF)

7

Analytics as a Service

Nuestras soluciones son ad-hoc. Cada cliente tiene una situación de partida, unos datos y unos objetivos distintos.

Brand & People Analytics

Marketing Mix Modeling

Multi-Touch Attribution

Predictive Analytics

CRM & Recommendation

Systems

Business Analytics Tree

Geo-Marketing

Pricing

AN

ALY

TIC

CA

PA

BIL

ITY

DATA SIZE

HU

MA

N L

EA

RN

ING

M

AC

HIN

E L

EA

RN

ING

LARGE BIG DATA

8

Valor añadido

Consultoría soportada en metodologías ágiles (SCRUM, Agile Development y CRISP-DM).

SCRUM MASTER

PRODUCT OWNER

STAKEHOLDERS

USERS

DATA SCIENTIST

DATA ANALYST

EQUIPO DE TRABAJO

IT PEOPLE

Equipo Conento

Equipo Cliente

9

Partners

Elegimos partners que nos hacen llegar a mejores soluciones o que dan garantía de nuestros servicios.

Marketing Mix Modelling

7

11

M a r k e t i n g M i x M o d e l l i n g

Ajuste del modelo

11

Bondad del ajuste

Débil 25,0%

89,2%

Robusto

Aceptable

75,0%

50,0%

¿Es un buen modelo?

0

1.000

2.000

3.000

4.000

5.000

6.000

7.000

8.000

9.000

10.00006/01/2014

03/02/2014

03/03/2014

31/03/2014

28/04/2014

26/05/2014

23/06/2014

21/07/2014

18/08/2014

15/09/2014

13/10/2014

10/11/2014

08/12/2014

05/01/2015

02/02/2015

02/03/2015

30/03/2015

27/04/2015

25/05/2015

22/06/2015

20/07/2015

17/08/2015

14/09/2015

12/10/2015

09/11/2015

07/12/2015

04/01/2016

01/02/2016

29/02/2016

28/03/2016

Ve

nta

s

Ventas Modelo

R2= 89,2%

12

M a r k e t i n g M i x M o d e l l i n g

Identificación de palancas

12

ven

tas

Turismo: Pernoctaciones Marketing (Publicidad Corto Plazo) Nº restaurantes

Estacionalidades positivas Extra por publicidad/promoción Promociones

Competencia Precipitaciones Estacionalidades negativas

Aporte de las promociones

Turismo Estacionalidades negativas

Nº de rvendedores/ Distribución

Competencia

Estacionalidades positivas

Publicidad

El modelo detecta los drivers que impactan en las ventas y cuantifica sus contribuciones.

13

M a r k e t i n g M i x M o d e l l i n g

Medición del ROI

13

2,7 2,1

1,8 1,3

1,9 1,7

2,1 1,5 1,3 R

OI*

𝑅𝑂𝐼 =𝐵𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑎𝑐𝑐𝑖ó𝑛(€)

𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑎𝑐𝑐𝑖ó𝑛

Dividiendo los aportes entre la inversión realizada en cada medio obtenemos el ROI por acción.

14

Para el caso de televisión a partir de los modelos se pueden cuantificar los efectos de cada campaña y la eficacia de la misma por duración del spot.

M a r k e t i n g M i x M o d e l l i n g

ROI por campañas

14

0

50

100

150

200

250

28

/12

/20

15

28

/01

/20

16

28

/02

/20

16

28

/03

/20

16

28

/04

/20

16

28

/05

/20

16

28

/06

/20

16

28

/07

/20

16

28

/08

/20

16

28

/09

/20

16

28

/10

/20

16

28

/11

/20

16

28

/12

/20

16

28

/01

/20

17

28

/02

/20

17

31

/03

/20

17

30

/04

/20

17

31

/05

/20

17

30

/06

/20

17

31

/07

/20

17

31

/08

/20

17

30

/09

/20

17

31

/10

/20

17

30

/11

/20

17

31

/12

/20

17

31

/01

/20

18

28

/02

/20

18

31

/03

/20

18

GR

Ps

*

Publi1 Publi2 Publi3 Publi4 Publi5 Publi6

1,9

2,1

2,6 2,5

1,9

10Seg 20Seg 30 seg 45 seg

2,4 2,6 1,7 2,6 2,2 ROI

ROI por campañas ROI por duración del

spot

𝑅𝑂𝐼 =𝐵𝑒𝑛𝑒𝑓𝑖𝑐𝑖𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑎𝑐𝑐𝑖ó𝑛(€)

𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑎𝑐𝑐𝑖ó𝑛

15

Calculamos también las sinergias entre medios en el caso de que las hubiera.

M a r k e t i n g M i x M o d e l l i n g

Sinergias entre medios

15

2 3,20

4,10

TV

Solo

TV + TV + Punto de Venta

El ROI en el corto plazo de la sinergia de medios TV + YouTube + RRSS + Punto de Venta es 2,05 veces mayor que el ROI de la TV (sin otros medios).

Solo TV TV + YouTube TV + YouTube + RRSS + Punto de Venta

16

Calculamos también las sinergias entre medios en el caso de que las hubiera.

M a r k e t i n g M i x M o d e l l i n g

Efecto de corto y de largo plazo

16

0,6

1,7

Offline Online

RO

I

Corto plazo

2,9

1,0

Offline Online

RO

I

Largo plazo

3,5

2,7

Offline Online

RO

I

Total (Corto plazo + Largo plazo)

Incremento en Ventas

2.883 3.870 13.011 2.111 15.894 5.981

17

A través del modelo obtenemos las curvas de eficacia de cada medio publicitario.

M a r k e t i n g M i x M o d e l l i n g

Niveles óptimos de inversión

17

0

500

1000

1500

2000

2500

3000

3500

4000

0 50.000 100.000 150.000 200.000 250.000

Ven

tas

Inversión semanal(€)

EXTERIOR TELEVISIÓN RADIO YOUTUBE

18

Calculamos el mix de medios óptimo a partir del presupuesto total del año anterior.

M a r k e t i n g M i x M o d e l l i n g

Mix de medios óptimo

18

Google Paid Search; 10,0%

TV; 63,1%

Exterior; 14,5%

Display; 12,4%

+14,9%

MIX ÓPTIMO MIX REAL

Google Paid Search; 4,1%

TV; 54,7%

Exterior; 26,7%

Display; 14,5%

Presupuesto 5.185.969 €

19

Además podemos hacer predicciones de las ventas de corto plazo (1-3 meses) y medio-largo plazo (12 meses).

M a r k e t i n g M i x M o d e l l i n g

Predicciones

19

0

1.000

2.000

3.000

4.000

5.000

6.000

7.000

8.0002

9/1

2/2

01

4

19

/01

/20

15

09

/02

/20

15

02

/03

/20

15

23

/03

/20

15

13

/04

/20

15

04

/05

/20

15

25

/05

/20

15

15

/06

/20

15

06

/07

/20

15

27

/07

/20

15

17

/08

/20

15

07

/09

/20

15

28

/09

/20

15

19

/10

/20

15

09

/11

/20

15

30

/11

/20

15

Nº

tick

ets

Dato real

Predicción (SIN promociones y comunicación)

Predicción (CON promociones y comunicación)

Predicción

+5% en ventas gracias la estacionalidad de

VERANO

+10% en ventas gracias a promociones y comunicación

Evolutivo predicción

20

Como parte del proyecto se podría una herramienta web con los modelos cargados que permitiera hacer el seguimiento de la inversión en medios y proporcionara toda la información para la toma de decisiones, con el objetivo de conseguir los mejores resultados. La aplicación consta de: Módulo estratégico: para hacer el seguimiento de los principales drivers y el ROI Módulo de optimización: para optimizar el presupuesto a nivel estratégico.

M a r k e t i n g M i x M o d e l l i n g

Herramienta de optimización

20

Benchmark ROI Conento

7

22

B e n c h m a r k C o n e n t o

ROI por sectores

22

• A continuación mostramos un ranking de ROI en el corto plazo para cada uno de los sectores analizados:

5,9% 5,1% 4,9% 4,7% 3,7% 3,2% 2,5% 2,1%

ROI

𝑅𝑂𝐼 =

𝑉𝑒𝑛𝑡𝑎𝑠 𝑎𝑝𝑜𝑟𝑡𝑎𝑑𝑎𝑠𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑝𝑢𝑏𝑙𝑖𝑐𝑖𝑡𝑎𝑟𝑖𝑎

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑎𝑙𝑖𝑧𝑎𝑑𝑜× 100.000€

RO

I p

or

sect

or

Interpretación: Los anunciantes del sector Seguros aumentan un 5,1% las ventas por cada 100.000€

invertidos

23

B e n c h m a r k C o n e n t o

ROI por medios

23

• A continuación mostramos un ranking de ROI en el corto plazo para cada uno de los medios publicitarios que han empleado los anunciantes analizados:

𝑅𝑂𝐼 =

𝑉𝑒𝑛𝑡𝑎𝑠 𝑎𝑝𝑜𝑟𝑡𝑎𝑑𝑎𝑠𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑝𝑢𝑏𝑙𝑖𝑐𝑖𝑡𝑎𝑟𝑖𝑎

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑎𝑙𝑖𝑧𝑎𝑑𝑜× 100.000€

RO

I p

or

med

io

4,6% 3,4% 3,2% 2,9% 2,8% 2,2% 6,9% 5,9% 5,4% 2,0%

TV Radio Cine Prensa Revistas Exterior PaidSearch

VídeoOnline

RRSS Display

Medios Offline Medios Online

ROI Promedio=3,2% ROI Promedio=5,1%

ROI promedio Offline

ROI promedio Online

Fig. 1

Intangibles

7

25

Roadmap para demostrar la importancia de los intangibles

Fuente: modelo de cuadro de mando de Corporate Excellence – Centre for Reputation Leadership

26

*

Los distintos KPIs accionan la Marca y Reputación

La Marca y la Reputación mueven Actitudes

Las actitudes mueven el negocio de clientes. Indirectamente los KPIs impactan en el Negocio

Sector Energía

27

0

10

20

30

40

50

60

70

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Re

pu

taci

ón

Co

mp

añ

ía A

Notoriedad

Robusto

Aceptable

Débil

75,0% 50,0% 25,0%

Bondad de Ajuste R2

R2=98,1%

98,1%

Ajuste del modelo de Reputación

A partir de las variables disponibles, obtenemos un modelo robusto con un alto R2

Reputación

Explicar qué palancas afectan a la reputación

28

Explicar qué palancas afectan a la reputación

-10

0

10

20

30

40

50

60

70

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Rep

uta

ció

n C

om

pañ

ía A

Acciones MKT Clientes

Inversión en Internet

Inversión en revistas

Inversión en prensa

Inversión en exterior

Inversión en radio

Inversión en TV

Patrocinio Ad-stock 40%

Número de clientes

Visitas en internet

Personas con discapacidad Fund. Integralia

Horas formación a empleados

Inversión en obra social

Número de médicos

Nivel base

Precio DKV respecto a la competencia

Número total de quejas y reclamaciones

KPIs

7

30

MODELO DE LA TRIPLE E

Energía de

marca

Camino de

gestión

Experiencia

Camino de gestión

Esencia

Métrica de Marca

31

EJEMPLO REAL SECTOR BANCARIO

Esencia: ideas

despierta la marca

Familiar

Refleja como

soy

Acorde a valores

universales

Cercana y

honesta

Con capacidad e

innovadora

Trato y

atención

Responsable

con sociedad

Atractivo

productos

Calidad precio

Energía de

marca

Lealtad: seguir

siendo consumidor,

recomendación

hablar bien

Presencia

Diferenciació

n Vinculación

emocional

Esencia

Hace pensar

Impacta en los

sentidos Despierta

emociones

Experiencia

Actitudes hacia

la marca

Experiencia: impacto

sensorial, intelectual.

Energía: percepción

global de la marca

7%

15% 13%

13%

18%

11%

9%

8,6% 9% 32%

26% 32%

21%

37% 42%

83%

89%

80%

Motiva a la

acción

Métrica de Marca

KPIs en tiempo real

7

33

Inicio

proyecto

Focus

group

Trabajo de

campo CAWI

Triple E offline (encuesta)

Triple E

RRSS online

Triple E offline

Histórico

Fuente: GNIP (Twitter)

Triple E offline 1

Triple E online 2

Encuesta

calibración

Entrenamiento clasificación

sentimiento

Construcción del

indicador en RRSS

Preparación

focus Análisis focus y

cuestionario

A los 6 meses/1año

Recalibrar métrica

Triple E en movimiento

Data audit

Modelo Triple E

offline

1 2 3 4

1 2

Descarga de datos

3

Triple E

RRSS online

Métrica de Marca en Tiempo Real

Talento

7

35

Artificials

www.thinkerartificial.com

Decisiones en tiempo real

40

2019 Matemáticas

Pensar Verdad

2045 Tecnología

Machine Learning IA

GRACIAS