Маркетинг-аналітика майбутнього: як приймати рішення на основі прогнозів

1. Как принимать решения на основе
прогнозов

2. 1. Объединяет данные из рекламных источников;
2. Автоматизирует отчеты для управления рекламными кампаниями;
3. Находит ценные инсайты для выполнения маркетинг-плана.
— ваш персональный маркетинг-аналитик
20 K+
пользователей
18
стран
9 PB+
данных
обрабатывается в месяц

3. ● На маркетинг технологии в 2018 году потратили больше
(29%, +7%), чем на сотрудников (24%, -3%)1
● В случае невыполнения плана по росту большинство CEO
в первую очередь уволят CMO2
● 78% CMO повысили ROI маркетинга, используя маркетинг-
аналитику при формировании стратегии3
Технологии и данные решают

4. ПОСТАНОВКА ЗАДАЧИ

5. Покажите, где не выполняется и где перевыполняется план?
Выполним ли мы такими темпами план на год?
Покажите зоны роста и риски на ближайшие неделю и месяц
Как вы думаете, это мы не дорабатываем или рынок просел?
Не хотим внедрять еще один сервис, хотим использовать привычные
Google Sheets (Excel) и Tableau (MS Power BI, Google Data Studio)
Ок, что вы хотите от маркетинг аналитика?

6. РЕЗУЛЬТАТЫ

7. Аппетит приходит во время атрибуции

8. Где наши зоны роста и риски
Fact + Forecast - Plan
Δ = ——————————
Period Plan
Факт
Факт + Прогноз
Прогноз

9. Зоны роста и риски

10. От прошлого к будущему

11. От прошлого к будущему
This Year Fact — факт с начала года до текущего дня
Last Month Fact — факт за прошедший месяц
Last Week Fact — факт за прошедшую неделю
This Week Forecast — прогноз на текущую неделю
Next Week Forecast — прогноз на следующую неделю
This Month Forecast — прогноз на текущий месяц
Next Month Forecast — прогноз на следующий месяц (только Primary
Dimension)
This Year Forecast — прогноз до конца года (без сегментации по Dimensions)

12. Email уведомления

16. РЕАЛИЗАЦИЯ

17. Составьте список KPI, который будет отвечать на следующие вопросы:
● Кто и в каких командах будет использовать данные?
Marketing, PPC, SEO, Commerce
● С какими количественными и качественными KPI они работают?
Sessions, Transactions, Revenue, ROS, ROI, CPA
● В каком интерфейсе ЛПР удобнее всего работать с данными?
Google Sheets, Excel, Tableau, MS Power BI, Google Data Studio
● По каким KPI есть цели? Как часто контролируется их выполнение?
Подготовительные вопросы

18. Кто будет пользоваться данными

19. Технологии Machine Learning в Google Cloud
Developer SQL Analyst Data Scientist Use cases and skills
TensorFlow
and CloudML
Engine
● Build and deploy state-of-art custom models
● Requires deep understanding of ML
and programming
BigQuery ML
● Build and deploy custom models using SQL
● Requires only basic understanding of ML
AutoML and
CloudML APIs
● Build and deploy Google-provided models
for standard use cases
● Requires almost no ML knowledge

20. Архитектура и схема движения данных

21. План факт прогноз в разрезах по периодам
План Факт Прогноз

22. ВЫВОДЫ

23. Аппетит приходит во время атрибуции
1. Если вам говорят, «у нас есть маркетинг-план» — это в лучшем
случае Excel, который раз в неделю обновляет аналитик;
2. Автоматизация прогнозирования не заменяет аналитика, а
повышает его эффективность. Предусмотрите корректировки;
3. Качество прогнозов значительно повышается при использовании
рыночных данных;
4. Необходимо отделить работы по расчету прогноза и работы по
визуализации данных;
5. Необходимо 3 млн. сессий в месяц для качественных прогнозов.

24. Лучшее, что может сделать маркетинг-аналитик, это —
найти зоны роста и риски для достижения целей маркетинга
Для этого маркетинг-аналитик:
1. Объединяет данные из рекламных источников и CRM/ERP;
2. Настраивает модели атрибуции;
3. Автоматизирует отчеты по рекламным кампаниям;
4. Находит ценные инсайты в воронке продаж.
Ценность маркетинг-аналитики

25. ПОЛЕЗНЫЕ МАТЕРИАЛЫ

26. Скачать презентацию
www.owox.com/c/iforum2019
Полезные ссылки:
● Google Sheets
● Google Data Prep
● Google BigQuery DDL
● Google BigQuery ML
● Machine Learning with Apache Kafka and Tensorflow