Eine innovative Zielgruppensegmentierung auf Basis von Mobilität

1. Folie 1 | 13.12.2016 | © infas 360
Smart Research in Zeiten von Big Data
Wie aus App-Daten neue
Zielgruppen werden

2. Folie 2 | 13.12.2016 | © infas 360
Die neue Ausgangslage


 
Reale
Mobilität
Virtuelle
Mobilität
Beruf Privat
als entscheidende Faktoren zur Beschreibung
von Aktivitäten/Bedürfnisse des Menschen
WANN,WAS, WO,WANN und WIE
LANGE?
+ Zeit und Raum
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

3. Folie 3 | 13.12.2016 | © infas 360
Das Ziel: Eine innovative Zielgruppensegmentierung auf Basis von Mobilität


 
Reale
Mobilität
Virtuelle
Mobilität
Beruf Privat
Urlaub
Shoppen
Hobbies
Entertain
ment
Am Strand
Im Fitnessstudio
Beim Einkaufen Auf dem Konzert
Zu Hause
Auf der
Arbeit
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

4. Folie 4 | 13.12.2016 | © infas 360
Unsere Philosophie für mobile APP-Daten
Wir unterteilen die Welt in drei
Entitäten (WOHNEN, ARBEITEN UND
FREIZEIT), die immer eine ORT- UND
ZEIT-INFORMATION besitzen
Arbeiten
POIs
Wohnen
Arbeiten &
Wohnen
B2B-INFORMATIONEN IN ZEITEN VON BIG DATA

5. Folie 5 | 13.12.2016 | © infas 360
MEHR WISSEN. GEZIELTER HANDELN.
Beim Einkaufen
17.45h
Im Museum
Am Wochenende
Zu Hause
ab 22h
Auf der
Arbeit 8.30h-
17.30h
Im Restaurant
12.30-13.30
Beim Sport
20-21.45h
+ GEODATEN
+ MAFO-
DATEN
+ MARKTDATEN
… und reichern diese
Lokationen mit allen ver-
fügbaren weiteren Daten an.
+ CRM-
DATEN

6. Folie 6 | 13.12.2016 | © infas 360
Das Resultat: Neue Zielgruppenbeschreibungen in Zeiten von Big Data
 20 Minuten zur Arbeit
 Firmen- und Gebäudegröße
 Anzahl Mitarbeiter und Führungsebenen
 Office-Zeiten 8h-18h
 Höchste Frequenzen 8h, 12h und 18h
 Nächste ÖPNV-Anbindung, in 10 Minuten
 Familien m. Kindern
 Prokurist
 Wechselaffin
 Online-Shopper
 Sporthobby Tennis
 E-Auto-Affin
 Gewerbedaten
 Arbeitsmarkt
 …
Beruf Privat
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

7. Folie 7 | 13.12.2016 | © infas 360
Anwendungsbeispiel Menthal-App
Wie aus App-Daten
Zielgruppenwissen entsteht

8. Folie 8 | 13.12.2016 | © infas 360
Die Menthal-App der Universität Bonn
Die Menthal-App unterstützt einen nachhaltigen digitalen Lebensstil. Sie leistet Hilfe zu Selbsthilfe, indem
sie dem Nutzer Auskunft über seinen Umgang mit dem Telefon erteilt.
Gleichzeitig erhebt die Studie das Mobilfunkverhalten tausender Nutzer.
Ca. 300.000 Downloads, davon 75.000 „Heavy-Nutzer“, alle mit Einverständnis zur umfassenden
„Überwachung“
Betriebssystem Android-App, erfasst werden u.a.:
Telefonate: [anonymisierte Telefonnr., Startzeit, Endzeit]
Eingehende und ausgehende SMS und Chat Messages: [anonymisierte Telefonnr., Anzahl Buchstaben,
Sendezeitpunkt],
alle im Telefonbuch des Telefons gespeicherten Telefonnummern, und kommunizieren diese (wie oben
anonymisiert)
Geografische Position: Ortung über GPS des Smartphones. Ist kein kein GPS-Signal zu empfangen
(Abschattung, in vielen Gebäuden selbst), so versucht das Telefon anhand der verfügbaren Mobilfunk- und
Wifi-Signale die aktuelle Position zu schätzen. Die Genauigkeit der Ortung liegt i. A. zwischen 10 und 100
Metern. Konkret wird alle zwanzig Minuten eine Ortung vorgenommen [Zeitpunkt, geografischer.
Längengrad, geografischer Breitengrad, Genauigkeit].
Abfragen zum Befinden, Mentalen Zuständen, Lebenszufriedenheit und Persönlichkeit
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

9. Folie 9 | 13.12.2016 | © infas 360
Erkenntnisbasis Raumbezug: Alleine circa 2 Milliarden möglicher Koordinaten p.a. von
75.000 Heavy-Nutzer bilden eine Basis für neue Bewegungs- und Hot-Spot-Analysen
Quelle: Alle aufgezeichneten Lokationen der Menthal-App
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

10. Folie 10 | 13.12.2016 | © infas 360
Internationales Bewegungsprofil eines Probanden an einem Tag
* Zusätzliches Einverständnis für Veröffentlichung der Daten liegt vor
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

11. Folie 11 | 13.12.2016 | © infas 360
Innerstädtisches Bewegungsprofil eines Probanden
* Zusätzliches Einverständnis für Veröffentlichung der Daten liegt vor
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

12. Folie 12 | 13.12.2016 | © infas 360
Hier: Generelles Heatmap-Modell für Bonn;
Identifikation von 100x100 Meter HotSpots
Wohnen
Arbeiten
Freizeit
DIGITAL RESEARCH MEETS REAL WORLD Handy-Koordinaten
Effektive Möglichkeit zur Verarbeitung von Massendaten:
Heatmaps zur Identifikation von HotSpots (Genauigkeit 100x100 Meter)

13. Folie 13 | 13.12.2016 | © infas 360
Hier: HotSpots-Identifikation
nach Ortsteilen in Bonn
1. Endenich (Wohnen)
2. Castell (Arbeiten)
3. Südstadt (Freizeit)
SMART DATA FÜR KOMMUNALE UNTERNEHMEN
Sehr interessante Alternative für Mobilitätsanalysen: Stadt- und Ortsteile

14. Folie 14 | 13.12.2016 | © infas 360
Zur Identifikation eines adressgenauen HotSpot ist die Lagegenauigkeit wesentlich
Hier: Innerstädtisches Bewegungsprofil eines
Probanden
Hier: Motorola Moto G, 1. Generation
SMART DATA FÜR KOMMUNALE UNTERNEHMEN

15. Folie 15 | 13.12.2016 | © infas 360
WIE AUS APP-DATEN ZIEGRUPPEN WERDEN
Datenanreicherung und -analyse
mittels Drittdaten (CASA)

16. Folie 16 | 13.12.2016 | © infas 360
Beispielinformationen aus der Datenbank CASA Consumer zur Wohnadresse
Hier: Innerstädtisches Bewegungsprofil eines
Probanden
DIGITAL RESEARCH MEETS REAL WORLD Handy-Koordinaten
Amtliche Gebäudedaten
Gebäudetyp und -funktion
Gebäudealter
Gebäudehöhe und -volumen
Energie und Telekomversorgung
usw.
Sozio-Demographie auf Haus
Anzahl Einwohner und Haushalte
Alters- und Familienstruktur
Sozialer Status
Kaufkraft
usw.
Lifestyle-Informationen zu
Fashion
Essen & Trinken
LOHAS & Wellness
Customer Journey Typologie
usw.
Quartiersinformationen
Miet- und Kaufpreis
Siedlungs- und Quartierstyp
Ausländeranteil
Kinderdichte
usw.

17. Folie 17 | 13.12.2016 | © infas 360
DIGITAL RESEARCH MEETS REAL WORLD Datenanalyse
Auszug aus der CASA-Profilierung
Überdurchschnittliche Verteilung
aus Hessen, NRW und Schleswig-
Holstein.
Stadt-Land-Verteilung
‚ungewöhnlich‘ gleichverteilt
Eher aus den neueren Gebäuden
kommend. Jeder Dritte aus
Gebäuden > 1990.

18. Folie 18 | 13.12.2016 | © infas 360
Auszug aus der CASA-Profilierung
DIGITAL RESEARCH MEETS REAL WORLD Datenanalyse
1-2 Familienhäuser,
Doppelhaushälften
Kleine bis mittlere Häuser
Durchschnittliche Kauf- und
Mietpreislagen
Weitere CASA-Merkmale wie
Demographie und Lifestyle auf
Anfrage

19. Folie 19 | 13.12.2016 | © infas 360
Michael Herter
Geschäftsführer
+49 (0)228/74887-360
m.herter@infas360.de
infas 360 GmbH
Ollenhauerstraße 1
53113 Bonn
www.infas360.de
Vielen Dank für Ihre Aufmerksamkeit!
Bildnachweise
young couple taking a selfie of their grimaces © young couple taking a
selfie of their grimaces @ fotolia
Hipster businessman with mobile phone on tram © Halfpoint @ Fotolia
Hipster business man with baby in pram in town © Halfpoint @F otolia
Father and daughter © Halfpoint @ Fotolia
Hipster businessman in cafe © Halfpoint @ Fotolia