Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
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