Shop2market- voorjaarsbijeenkomst MOA 2014, Universiteit Utrecht
0 likes498 views
Een modelmatige aanpak om het effect van online adverteren op conversie te achterhalen. Door Max van der Heijden (Shop2market), Evert de Haan (Rijksuniversiteit Groningen) en Tryntsje Hoving-Wesselius (MIcompany)
Shop2market- voorjaarsbijeenkomst MOA 2014, Universiteit Utrecht
- 1. Een modelmatige aanpak om het effect van online adverteren op conversie te achterhalen Max van der Heijden Shop2market Evert de Haan Rijksuniversiteit Groningen Tryntsje Hoving-Wesselius MIcompany
- 3. Waarom dit onderzoek? ≒ Order resultaat van meerdere contactpunten ≒ Big Data ≒ Laatste belonen ouderwets ≒ Andere attributie methoden arbitrair En meer
- 5. Vraagstuk Wat is het effect van online adverteren op een conversie?
- 6. Voorbereiding Clickstream data Iedere klik voorzien van een cookie_id
- 7. Variabelen Gedrag orderi visited_pagesi visitsi .jdi Kanaaltype comparisoni adwordsi organici a鍖liatesi retarge.ngi e-足maili portali displayi
- 8. Voorbereiding Cookie_id Kanaaltype Order visited_pages abc12345 comparison 0 3 abc12345 organic 0 6 abc12345 a鍖liates 1 9 Coockie_u uid Order comparis on organic a鍖liates portal display visited_p ages abc12345 1 1 1 1 0 0 6
- 9. Overzicht data Variabele Gemiddelde Std. dev. Minimum Maximum Order 0,034 0,181 0 1 visited_pages 3,892 4,999 0 20 visits 1,728 2,510 1 50 Ajd 40,339 84,431 1 655,35 comparison 0,241 0,410 0 1 adwords 0,317 0,448 0 1 organic 0,185 0,371 0 1 a鍖liates 0,114 0,311 0 1 retargeAng 0,042 0,176 0 1 e-足mail 0,064 0,239 0 1 portal 0,034 0,176 0 1 display 0,002 0,044 0 1 Tabel 2. Beschrijvende statistieken dataset (n=852.811)
- 11. Model Logit( )= 盾0+ 盾1 ＄_ + 盾2 ＄+ 盾3 ＄+ 盾4 ゐ+ 盾5 + 盾6＄ + 盾7 ＄＄ + 盾8 + 盾9＄ + 盾10 +謂
- 12. Uitkomsten Gedrag visited_pagesi visitsi .jdi Kanaaltype comparisoni adwordsi organici a鍖liatesi retarge.ngi e-足maili portali displayi AFankelijke var. orderi
- 13. Vergelijking met LCA SchaHngsteekproef n=567.771 ValidaAesteekproef n=285.040 Model Last-足Click Model Last-足Click Gini co谷鍖cient 0,552 0,333 0,552 0,333 Top-足decile liU 4,347 2,582 4,434 2,581
- 14. Conclusie Onderzoek ≒ Last Click Attributie geeft verkeerde inzichten ≒ Modelmatige Attributie beter in staat verkopen te voorspellen ≒ Direct toepasbaar in de praktijk
- 15. Hoe gebruik je deze uitkomsten? ≒ Bijdrage inzichtelijk maken ≒ Verschillen analyseren ≒ Acties ondernemen op basis van bijdrage Nu Toekomst ≒ Attributie op bijdrage
- 16. Praktijkvoorbeelden In eerste instantie: ≒ 33% minder kosten ≒ 10% minder opbrengst Door beslissingen op bijdrage uiteindelijk: ≒ 10% minder kosten ≒ 20% meer opbrengst Campagne Optimalisatie
- 17. Praktijkvoorbeelden Voor toepassing bijdrage: ≒ Af鍖liate marketing slechts presterende campagne ≒ Kwaliteit publishers erg laag Na toepassing bijdrage: ≒ Af鍖liate marketing op twee na beste campagne ≒ Meer dan 200 nieuwe, kwalitatieve publishers aangesloten Af鍖liate Marketing Resultaat: ≒ Gemiddelde bijdrage 2.5x hoger ≒ Conversie stijging van 5.4x ≒ Gemiddele eCPC 9x hoger
- 18. ≒ Generalisatie model ≒ Integratie relevantie en recentheid ≒ Integratie andere interacties ≒ Effect op terugkerende klanten (CLV) ≒ Kanaalinteracties ≒ Segmentverschillen Richting onderzoek Stappen voor de toekomst
- 19. Vragen? E-mail: max@shop2market.com Telefoon: +31 (0)6 10 12 37 03 Max van der Heijden