inteligencia de datos en medios masivos de...
TRANSCRIPT
![Page 1: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/1.jpg)
Inteligencia de datos en medios masivos de comunicaciónJavier Calvo - Inteligencia de Datos
![Page 2: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/2.jpg)
• Conectándonos • Tipos de datos• Proyectos en Curso• Analytics por negocio• Casos de uso• Resultados
![Page 3: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/3.jpg)
PROYECTO CONECTANDONOS
![Page 4: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/4.jpg)
UNIFICACIÓN DE BASE DE DATOS
![Page 5: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/5.jpg)
• Conectándonos • Tipos de fuentes de información• Proyectos en Curso• Analytics por negocio• Casos de uso• Resultados
![Page 6: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/6.jpg)
Tipos de fuentes Tipos de fuentes Tipos de fuentes Tipos de fuentes de informaciónde informaciónde informaciónde información
Datos Actitudinales
Porqué?
Datos de interacción
¿Cómo?
Datos de comportami
ento
¿Qué?
Datos descriptivos
¿Quién?
� Encuestas
� Redes Sociales
� Historial de Pago
� Historial de Uso
� Historial de Trxs
� Ofertas
� Reclamos
� Notas
� Clicks
� Atributos
� Caracteristicas
� Socioeconomicos
� Antiguedad
![Page 7: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/7.jpg)
• Conectándonos • Tipos de datos• Proyectos en Curso• Analytics por negocio• Casos de uso• Resultados
![Page 8: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/8.jpg)
Medición automatizada
de Performance
Política de Contactación
B-2-C Data Monetization
Integración de Negocios y nuevos canales al Campaign
Manager Corporativo
B-2-B Data Monetization
Política (Gobierno) de Datos
Consolidación y Enriquecimiento
Política de Mantenimiento
Contenidos
Focos actuales de Inteligencia de datos
Campañas Calidad de datos Analytics
![Page 9: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/9.jpg)
Integración del DMP9
ACTIVAR Y PERSONALIZAR RED DE PORTALES
![Page 10: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/10.jpg)
• Conectándonos • Tipos de datos• Proyectos en Curso• Analytics por negocio• Casos de uso• Resultados
![Page 11: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/11.jpg)
ALGUNAS POSIBLES APLICACIONES
Plataformas Tecnológicas Analíticas en estudio
Big Data Analytics Tecnología cognitiva
B2B
Segmentos de interes para anunciantes
Optimizar Target Advertising
B2C
MODELO DE CHURN
MODELOS DE XSELL Y
CAPTACION
Distintas Segmentaciones (RFM, Arpu,
Rubros de consume, Por tenencias, etc)
MKT/Contenidos
Segmentos de consumo de contenidos
Insight de audiencia a los autores
Real Time
![Page 12: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/12.jpg)
• Conectándonos • Tipos de datos• Proyectos en Curso• Analytics por negocio• Casos de uso• Resultados
![Page 13: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/13.jpg)
• Conociendo a nuestras audiencias
• Incrementando la relevancia
Somos capaces de mejorar la experiencia de nuestras audiencias
.... ¿Cómo?
![Page 14: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/14.jpg)
Conociendo a nuestras audiencias
![Page 15: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/15.jpg)
Ser más eficientes en el XSelling
Trxs rubro Turismo
Trxs para niños
Lee notas decoración
![Page 16: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/16.jpg)
Oferta diferenciada por segmento
![Page 17: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/17.jpg)
Segmentación RFM
![Page 18: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/18.jpg)
Segmentación de Beneficios
![Page 19: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/19.jpg)
• Conectándonos • Tipos de datos• Proyectos en Curso• Analytics por negocio• Casos de uso• Resultados
![Page 20: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/20.jpg)
Algunos Resultados
01 Modelos de propensión de compra para 17 productos
02 Modelo de churn predictivo implementado
03 Implementación de Campaign Corporativo
Incremento de la tasa de respuesta en un 100 % respecto a meses anteriores
Duplica la tasa de Opens respecto a una campaña de altas de similares Características
Se reduce drásticamente la cantidad de envíos sin perder ventas
90 % de los correos ya se envían por el nuevo campaign
Primer step de la política de contactación implementado
Medición de performance de campañas (Altas) en producción
Disminución de la tasa de churn en un 25 % respecto a la muestra control
![Page 21: Inteligencia de datos en medios masivos de comunicacióndatamining.dc.uba.ar/datamining/files/Charlas_y_Paneles/p2_2016_LaNacion.pdfAlgunos Resultados 01 Modelos de propensión de](https://reader034.vdocuments.mx/reader034/viewer/2022043000/5f77319e29765d139412db0d/html5/thumbnails/21.jpg)
¿Preguntas?