More Related Content
Similar to Digly. Математическое моделирование для решения бизнес-задач (20)
Digly. Математическое моделирование для решения бизнес-задач
- 1. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ДЛЯ РЕШЕНИЯ БИЗНЕС-ЗАДАЧ
- 2. 2010 Digly появляется как система автоматизации продвижения eCommerce-проектов на Яндекс Маркете. 2011–2012 Система развивается, появляются аналитические модули. Вместе с этим пополняется список клиентов. 2013 Создаются модули для работы с контекстными кампаниями. Digly обслуживает крупных клиентов и отлаживает партнерские программы с агентствами. 2014 Digly входит в портфель проектов фонда ImpulceVC. Акцент в работе смещается в сторону экспертной работы: ретроспективного анализа и аудирования для различных сфер клиентского бизнеса.
- 3. ? ? Ретроспективная аналитика – работа с большими объемами данных. ?
- 4. ч Какие факторы влияют на результат Можно ли этот результат прогнозировать Ретроспективная аналитика – работа с большими объемами данных. ? ? ?
- 5. Математическое моделирование* ч Какие факторы влияют на результат Можно ли этот результат прогнозировать Ретроспективная аналитика – работа с большими объемами данных. ? ? Исследование и прогнозирова- ние результата конкретных маркетинговых процессов при помощи создания их мат. модели на основе статистических данных.
- 6. МОДЕЛЬ. ФАКТОРЫ ВЛИЯНИЯ На результат любых онлайн- активностей влияет множество взаимосвязанных факторов. Моделировать можно сколь угодно глубоко, строя первичную модель с учетом любых факторов. Для каждого направления бизнеса есть своя комбинация факторов и, как следствие, уникальная модель. CTR, Объем трафика, Время на сайте, Уровень конверсии, Глубина просмотра, Отказы … etc Курсы валют Погода Промо акции Наличие товара
- 7. CASE. КОНВЕРСИИ АВТОДИЛЕРА 1. Количество переходов 2. Глубина просмотра 3. Продолжительность просмотра страницы 4. Продолжительность сессии 5. Показатель отказов 6. CTR 7. Позиция в выдаче 8. Просмотр страницы контактов 9. Просмотр страницы trade-in и переход к оценке 10.Отправка заявки на тест-драйв 11.Температура воздуха 12.Скорость ветра 13.Наличие осадков 14.Курс доллара 15.Курс евро 1Выбор факторов Данные Google Analytics, CRM, и фидов, агрегируются в системе Digly. Обучающая выборка. ЗВОНКИ И ВИЗИТЫ В САЛОН
- 8. CASE. КОНВЕРСИИ АВТОДИЛЕРА 1. Количество переходов 2. Глубина просмотра 3. Продолжительность просмотра страниц 4. Продолжительность сессии 5. Показатель отказов 6. CTR 7. Позиция в выдаче 8. Просмотр страницы контактов 9. Просмотр страницы trade-in и переход к оценке 10.Отправка заявки на тест-драйв 11.Температура воздуха 12.Скорость ветра 13.Наличие осадков 14.Курс доллара 15.Курс евро 2Первичное моделирование Видим какие факторы имели влияние на звонки и визиты в салон, исключаем ложные кореляции.
- 9. CASE. КОНВЕРСИИ АВТОДИЛЕРА 1. Количество переходов 2. Глубина просмотра 3. Продолжительность просмотра страниц 4. Продолжительность сессии 5. Показатель отказов 6. CTR 7. Позиция в выдаче 8. Просмотр страницы контактов 9. Просмотр страницы trade-in и переход к оценке 10.Отправка заявки на тест-драйв 11.Температура воздуха 12.Скорость ветра 13.Наличие осадков 14.Курс доллара 15.Курс евро 3Балансировка весов и финальное моделирование Определяем факторы, которые имеют достаточно высокие коэффициенты влияния.
- 10. CASE. АНАЛИЗ МОДЕЛИ 72%Точность модели Проверяем адекватность модели по статистическим данным. Продолжительность просмотра страниц Просмотры страницы контактов Наличие осадков Поведенческие факторы Внешний неуправляемый фактор
- 11. CASE. ТАКТИЧЕСКАЯ ГИПОТЕЗА Просмотр страницы контактов Посетитель фактически принявший решение о визите ищет адрес салона. Крайне незначительное увеличение конверсии • Перенести адрес на LP. • Акцентировать на LP бесплатные шатлы от метро. Продолжительность просмотра страниц Посетитель хочет изучить все аспекты, погружаясь в описание условий дилера. Повышение конверсии через LP и сайт • Выложить условия прямо на LP (а не в PDF на основном сайте). • Резмещать информацию о скидках и спец- предложениях на LP. Наличие осадков Распространенный паттерн потребительского поведения. Рост целевого трафика, оптимизация бюджета • Работа с бюджетами и временем показа объявлений в зависимости от погодных условий. ФАКТОР ГИПОТЕЗА ПОТЕНЦИИ ДЕЙСТВИЕ
- 12. CASE. РЕЗУЛЬТАТ ЗА ПЕРИОД Просмотр страницы контактов Продолжительность просмотра страниц Наличие осадков ФАКТОР ДЕЙСТВИЯ 12% Сокращен бюджет за период РЕЗУЛЬТАТ +8,4% Повышение уровня конверсии в звонки Вносим все запланированные изменения на наборе посадочных страниц. Проводим A/Б-тестирование. Уровень конкуренции по ряду моделей был крайне высок, поэтому бюджет на время осадков переаспределялся между общими кампаниями и целевыми модельными.
- 13. ЗАЧЕМ МОДЕЛИРОВАТЬ? • Выявить взаимосвязь. Куда надо вкладывать время, усилия, средства и за счет чего можно оптимизировать ресурсы и бюджеты. • Прогноз результата при изменении того или иного параметра (бюджет, время). Принять верные тактические решения на дальнейший период. Математическое моделирование
- 14. МЫ ПОСТРОИМ МОДЕЛЬ ДЛЯ ВАШЕГО БИЗНЕСА И СДЕЛАЕМ РЕКЛАМУ ЭФФЕКТИВНЕЕ! CONTACT@DIGLY.RU