JnJ Insight_How_Digital Marketers Use Big Data

4. ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd TheWay Collecting Big Data is Changing... Sourced info: Milward Brown’s Ad Reaction http://bit.ly/1pHgQBp *Sourced Image: http://bit.ly/1We0VdM

5. ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd Sourced info: IDG “Worldwide Big Data Technology and Services 2010 – 2015” *CAGR(Compound Annual Growth Rate): 연평균 Big Data is Getting Bigger and Bigger 7.2 9.8 12.6 16.1 20.4 25.7 32.4 0 5 10 15 20 25 30 35 2011 2012 2013 2014 2015 2016 2017 글로벌 데이터 총 양의 성장 단위 (Zettabyte- 10억 테라바이트) 2011- 2015 CAGR* 45%

6. ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd Ⅱ. NewWays of Collecting Data a. Cross DeviceTracking b. FreeWiFi and In Store Behavior c. FreeWiFi and Location Data d. Data fromWearable Devices

7. ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd TheWayTrackingCustomer is Evolving... 2015년 가장 보편적인 데이터 수집법 63% 1st Party고객 정보 61% 이메일정보 61% 고객 거래 정보 Sourced info: IDG Enterprise “2015 Big Data and Analytics research” What about in 2016?

8. CookiesAreSoYesterday ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd 고객 접점 다각화를 위해서는피할 수 없는 크로스 디바이스 트래킹 Sourced info: 1) Multi-tasking or Device overload http://bit.ly/1Wed02S 2) WTF is cross-device tracking? http://bit.ly/1knJG6R 3) comScore Mobile Marketing Statistics 2015 http://bit.ly/1EFbzid 4) Probabilistic or Deterministic: What's the Best Cross-Device Methodology? http://bit.ly/1qxnkH1  모바일 기기 사용율의 증가로 1인 2 기기 이상 활용하는 비율 증가 TV & Smartphone 동시 사용 비율이 57%로 가장 높으며, Desktop & Smartphone 동시 사용 비율 또한 50%로 높은 수준  기존의 쿠키 트래킹 방식으로는 고객이 이용하는 다수의 기기들을 하나로 인식하지 못하였으나, 2014년경부터 매체들은 다양한 방식으로Cross- Device targeting 시도  결정론적 타겟팅은 Facebook,Twitter,Yahoo 등 로그인 베이스로 제공되는 서비스를 통하여 웹사이트와 앱접속자가 동일함을 밝혀내는 방식이며, 개연론적 타겟팅은Advertising ID를 이용하여 다양한 기기 광고 반응 패턴을 분석하여 동일한 유저를 추론하는 방식  동일한WIFI 접속  동일한 사이트 접속  유사한 광고 반응  다양한 비개인 정보 수집 비개인 정보의 예) OS, 기기 제조사, 기기 모델 IP 주소, 광고 서빙 데이터, 장소 데이터 2) 1) 개연론적타게팅 방법주중24시간 기기 사용율 00:00-07:00 07:00-10:00 10:00-17:00 17:00- 20:00 20:00- 24:00 출근길 모바일사용량↑ 업무시간중 PC 사용량↑ 퇴근 후 밤 태블릿사용량↑ 3) 4)

9. Wi-FiWill FindYou and … ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd *Sourced Info:1) NYTimes ‘Attention Shopper store are tracking your cell’ http://nyti.ms/1S8G2LY 2)Ad Week ‘Consumers Wary of Marketers Using Big Data For the right brand, some personal information is OK’ http://bit.ly/1ek6lib  미국의 백화점 Nordstrom은 고객에게 무료 와이파이 제공, 대신 고객의 와이파이 로그인 후 행동 정보를 수집  오프라인 매장도 Amazon, Ebay 등과 같은 온라인 매장이 고객이 페이지 체류시간, 재방문율과 같이 세부적인 고객 행동 패턴을 수집하기를 희망  무료 와이파이에 접속하는 모바일 Device ID를 인식하여 방문자의 위치 정보 뿐 아니라 모바일 접속 정보 등을 수집  무료 와이파이 접속시 가게의 어플리케이션 다운로드, 설문조사 참여 등 유도 가능  사생활 침해 논란이 있지만, 적절한 보상(할인 쿠폰, 기프트 카드 등)을 제공하여 부정적 인식 불식 노력 무료 와이파이 제공을 통한 소비자 행동 트래킹 매장내 고객행동(on & offline) 수집 가능 화장품 전 품목 20% 쿠폰 재방문 감사합니다 WirelessPay 사용 99,000원 매장내 고객행동수집에 대한소비자반응 79% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 신뢰하는 브랜드일 수록 개인정보를제공이 쉬움 41% 무료제공 제품 및 서비스를 위해서 개인정보 제공 가능 2)1)

10. Wi-FiWill FindYou and … ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd*Sourced Info: NYTimes ‘What It Means for Consumers and Brands That New York Is Becoming a 'Smart City' ’ http://bit.ly/26i790M  2016년 ‘SmartCity’ 계획의 일환으로 뉴욕시는 공중전화를 Free-WiFi 및 음성 통화를 제공하는 키오스크로 변환하는 LinkNYC 사업 시작. 뉴욕시 이외에도 리우데자네이루, 런던, 리스본, 싱가폴 등 26개 도시들이 참여 계획  해당 키오스크는 55인치 화면을 통해 브랜드의 광고를 노출 시키도록 할 예정이며 이미 Poland Spring, Miller Coors, Pager, Citi Bank등이 광고 계약 체결  광고는 Qualcomm의자회사City Bridge가 독점으로 판매하며,WIFI connection을 통해 수집되는 정보(기기정보, 사용자 연령, 성별, 및 wifi 접속시 모바일 사용 내용 등)을 독점 소유, 판매 계획  특히WIFI는 위치 정보 수집에 특화 되어있는데,WIFI가 연결된 키오스크 정보를 통해 GPS 보다 정확하게 위치 파악 가능  기존 옥외광고판의 디지털화를 넘어서 cross platform에 활용 될 수 있는 데이터 수집 거점으로 활용될 예정 스마트 옥외광고, 새로운 데이터 수집 플랫폼  도시의 10,000개 이상의 키오스크를 통하여 정확한 위치 정보 파악 가능  기존 GPS는 거점 근접 위치로 위치 파악 (예, 강남구 2km 반경) 반면WIFI는 키오스크는 접속지점으로 위치 파악 (예, 언주로 738 – kiosk #00023)는  정교해진 위치 정보를 기반으로 기존 offline 행동과 online/mobile 행동 결합 활용성이 대기업에서부터 실시간 매출에 민감한 S&M (small and mid size)비즈니스 까지 이를 것으로 기대 LinkNYC 예시와활용 범위

11. Wearable, the Next Frontier for Big Data ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd *Sourced Info: 1)Imforza, Wearable Technology and Its Impact on Internet Marketing http://bit.ly/1Sk95MB 2) Clickz, The Opportunity of Wearable Tech for Retail Marketers http://bit.ly/26eC3qT 3) Response Media, Media on the Verge: Advertising on Wearables- Is it Doable? http://bit.ly/1VBsLlE 4) EP&C, 포스트 스마트폰 시대에 걸맞는 제품과 서비스 ‘활짝’ http://bit.ly/26g52uf  WearableTech 회사들은 2014년에는 33M 개, 2019년에는 148M 개의Wearable 기기를 판매할 것으로 예상  심박수, 수면, 건강 관련 데이터를 수집하여, 마켓터들은 해당 빅 데이터로 건강관련 상품 광고 노출 가능  실시간 데이터를 이용하여 소비자들의 반응에 개별 맞춤화시킨 지역 타겟팅 가능  소비자들의 40%는 쿠폰, 디스카운트, 리워드(보상)를 위해 wearable에 그들의 유저 데이터를 공유의사 있으며, 추가 9%의 소비자들은 아무런 인센티브 없이 데이터 공유 의사 있다고 답변 모바일 기기보다 정교한 고객 분석이 가능하며, ‘착용’하고 있는 기기이기 때문에 보다 친밀한 경험 제공 가능 Wearable, 빅 데이터와인터넷 마켓팅의 새로운 미래 1) 3) 2) Wearable DataGathering Process 4) 4> 빅데이터 분류 및 분석1> Wearable 착용 및 부착 2> 기기 전송하는 정보 수신 3> 퍼블릭 클라우드, 빅데이터 저장 A 성향 B 성향 C 성향 D 성향 3rd Party 데이터 분석 업체에서 Big Data 분석, 의미있는 데이터로 자료화 하여 제공  해당 데이터는 유저에게 개인화 서비스로 제공되거나, 마케팅에 이용

13.  2016년 미국에서의 빅데이터를 활용하는 모바일 프로그래매틱 지출은 $15.45B에 도달할 것이며 이는 전체 프로그래매틱 디지털 디스플레이 광고의 69%를 차지  설문 참여 마켓터들의 70%가 3-5년 뒤에는 모바일이 고객과의 인게이지먼트에 주 원동력이 될 것이라고 응답  이미 정교한 타겟팅과 효율적인 구매방식으로 이미 데스크탑에선 지배적인 광고 구매방식으로 자리잡은 프로그래매틱이 더욱 풍성해진 데이터와 분석력을 바탕으로 모바일 광고 구매에도 주요한 방식이 되는 것은 당연한 결과 Growth of Mobile Big Data ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd 빅 데이터의확장: 모바일 프로그래매틱 *Sourced Info: 1) Emarketer ‘Mobile is driving programmatic growth’ http://bit.ly/1qrmnQt 2) Adage ‘Top Hiring Areas for Digital Marketers Are Social, Content and Big Data’ http://bit.ly/1ENxUen 3) Cisco Newsroom http://bit.ly/20xxHHc 4) Ad Exchange ‘Google Adds Programmatic Support For Native Ads’ http://bit.ly/1kSVbXP 1) 2) 3.7 6.2 9.9 14.9 21.7 30.6 2015 2016 2017 2018 2019 2020 글로벌모바일 데이터 트래픽성장률(단위:월기준Exabytes ) 3)1) 미국모바일 프로그래매틱 광고지출(2014-2017) (단위:10억), 전체 디스플레의광고 중 비율 4.44 9.68 15.45 21.2246% 60% 69% 78% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% $- $5 $10 $15 $20 $25 2014 2015 2016 2017 Spending %

14.  위치와 유저 행동 데이터에 특화된 모바일 DSP  Blis Audience: 유저의 모바일 행동 트래킹 정보를 이용한 타게팅  Blis Proximity:WiFi 위치 정보에 기반을 둔 위치 타게팅 Blis Proximity 경우, 100,000,000개 이상의 IP와 일치하는 위치 데이터 베이스 보유  실시간 위치 정보 활용하여 캠페인 집행이 가능한 매체 Mobile Programmatic_Blis Media &S4M ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd  프로그래매틱, 데이터 매니징 모바일 DSP  650개 이상의 SegmentedAudience Cluster 보유  위치, 디바이스, 광고주 보유 데이터(모바일 ID, CRM 데이터베이스, 나이, 성별 등), 데이터 파트너(퍼블리셔, 앱, SSP)등을 이용하여 타겟팅 가능  클릭 히스토리, 광고와의 인게이지, 컨버젼 등의 데이터 취합하여 광고주/ 캠페인 맞춤형 타겟 클러스터 제공 가능한 매체 PROFILE #002434056 22.272261, 114.180349 Visited 4 times last month Female 28 years old

15. Facebook Big Data ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd  페이스북은 유저 데이터를 분석할 뿐만 아니라, 유저 행동이라 정의 되는 데이터를 (쿠키 트랙킹, 사진 얼굴 인식, 해시태그 사용, ‘좋아요’ 분석 등)트래킹, 분석하는 기술 보유  유저가 페이지의 어떤 부분에 커서를 놓고 맴도는지부터 페이스북 외의 어떤 웹사이트를 방문하는지를 모니터링 하는 Data Science라는 데이터 전략 팀이 존재  페이스북은 최근 Topic Data라는 기술 소개. 유저들의 개인 정보를 유출하지 않는 인덱싱 기술을 사용하여 마켓터들에게 브랜드, 이벤트, 활동, 특정 주제에 대한 유저들의 반응 공유 가능 마케터들은Topic Data의 유저 행동 분석을 활용하여 Facebook 뿐 아니라 전반적인 디지털 마케팅 전략 수립 가능 페이스북 데이터의 진화: 정보량뿐 아니라 분류, 분석 기술로 무장 *Sourced Info: 1)Simplilearn http://www.simplilearn.com/how-facebook-is-using-big-data-article 2) What is DataSift PYLON? http://dev.datasift.com/pylon/101 1) 2)How does Data Science work? 1> Facebook 내 유저행동 데이터 수집 RealTimeAnalysis Engine 3> 정리되어 저장된 데이터는 필요시 다양한 형태로 추출가능2> 데이터 필터링 및 분류 Categorizing Indexing (개개인이개별 인덱스로구분됨) Index Pylon Female Male

17. ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd Something How to FindYourTarget Using Big Data -잠재 고객을 찾아나가는 최적의 방법 PROFILE #002434056 22.272261, 114.180349 Visited 4 times last month Female 28 years old Betting Site

18. ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd “디지털 비즈니스에서의 빅 데이터 활용은 소비자들의 주요 특성과 행동을 이해하게 하며, 소비자들에게 맞는 상품과 서비스 디자인을 가능케 하고, 소비자와 더 관련성 있는 타겟 세그먼트 생성” 빅 데이터 이전  단편적인 타겟 세그먼트  추정에 근거한 타겟 그룹 생성  기본 세팅 된 타겟팅 옵션 중 선택 가능 빅 데이터 이후  다각화 된 타겟 세그먼트  실제 데이터에 근거한 타겟 그룹 생성  데이터 분석 및 조합에 따라 캠페인 맞춤 타겟 생성

19.  Forbes Insight에 따르면 전 세계 90%의 광고주는 특정 타겟 노출을 위하여 25%의 디지털 예산을 활용하며, 그 중 43%는 예산의 50%이상을 타겟팅 광고에 배분  188명의 대학생들을 대상으로 조사한 결과, 유저의 행동 타겟팅(웹사이트 방문기록 등)이 성별이나 나이 타겟팅 또는 타겟팅이 적용 되지 않았을 때보다 상품에 대한 흥미를 느낀다고 응답  타겟팅이 적용되지 않은 광고의 전환율은 2.8%인데 비해, 빅 데이터를 이용한 타겟팅이 적용된 광고의 컨버젼률은 6.8% TargetedAdsUsing Big Data ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd 빅 데이터를활용한 정교해진 타겟팅으로 상품 구매 흥미도 증진 *Sourced Info: 1) Forbes, As Brands Turn to Digital Advertising to Reach the Right Audience, Focus on Validation is Increasing, http://onforb.es/1T5NWYQ 2)Harvard Business Review http://bit.ly/1M9Ckor 3) Forbes http://onforb.es/23GZkiZ 4) Journal of Consumer Research Advance Access, An Audience of One: Behaviorally Targeted as Implied Social Labels 5) My Customer http://bit.ly/1SyJFhd 6) Business 2 Community, How Big Data Drives Digital Marketing Success http://bit.ly/22wiXYu 3.56 3.39 4.18 0 1 2 3 4 5 타겟팅 적용되지 않은 광고 성별/나이 타겟팅이 적용된 광고 유저 행동 타겟팅이 적용된 광고 (단위:10억), 전체 디스플레의광고 중 비율 타겟팅옵션에 따른구매목적연구 2) 4) 3) 1) 35% 38% 23% 3% 1% 매우 중요 중요 보통 중요한 편 별로 중요하지않음 중요하지 않음 유통업마케터들이 생각하는 빅데이터의중요도 5) 빅데이터를활용하는이유 6) (선호 단위 1~7 스케일 중, 1=좋지 않음, 7= 매우 좋음) 29% 18% 16% 0% 5% 10% 15% 20% 25% 30% 35% 소비자 인사이트를 이해하기위해 Supply Chain을 향상시키기위해 캠페인과 프로모션 증진을 위해

20. TargetingStrategy: HourGlassTargeting ⓒ Copyright All Rights Reserved by JnJ interactive., Ltd Your Customer Discover Identify Enhance Renew  방대한 데이터, 고객 그룹 속에서 어떤 타겟이 반응하는지 탐색  타겟팅을 미리 지정하지 않고 컨텐츠/ 광고 반응 수집  실제 반응 데이터 수집 전 리서치를 통한 예측 타겟 설정 (나이, 성별, 소득 등)  단, 예측 타겟은 모수 확보가 용이 하지 않거나 효율이 발굴 타겟보다 좋지 않을 수 있기 때문에 발굴 타겟과 예측타겟은 함께 집행 필요  1st party data (CRM ,웹사이트 방문 등) 활용한 타겟 설정  CRM targeting, Retargeting  1차 수집된 데이터의 결과를 바탕으로 고효율 타겟 설정  최적 타겟 그룹 추적을 위해서 타겟 세팅은 세분화 하되, 제한하지 않고 집행하는 것이 중요. 반응의 의외성 존재 Explore Expand  Look a Like 솔루션을 통하여 유사 고객 발굴  유사 타겟 사이즈 설정 : 소스 타겟과의 유사성 높일 시, 최대 도달 범위는 감소, 반대로 타겟 도달 범위를 늘릴 시, 소스 타겟과의 유사성 감소 타겟을찾아내는것이 타겟팅의끝이 아니다! 주요 타겟을이용하여역으로잠재 고객을찾아내는것이 필요!  분석 결과 추후 캠페인에 캠페인을 통해 모집된 1st party data 활용가능  단, 캠페인 마다 반응 요소가 다르기 때문에 발굴 타겟은 기본 세팅으로 필요

JnJ Insight_How_Digital Marketers Use Big Data

JnJ Insight_How_Digital Marketers Use Big Data

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados(20)

Destaque

Destaque(19)

Similar a JnJ Insight_How_Digital Marketers Use Big Data

Similar a JnJ Insight_How_Digital Marketers Use Big Data(20)

Mais de JnJinteractive

Mais de JnJinteractive(11)

JnJ Insight_How_Digital Marketers Use Big Data