Ariel Bortz - eAnalytics Experience | eRetail Week 2019

1. MODELOS
PREDICTIVOS
CÓMO MEJORAR EL RENDIMIENTO E INVERSIÓN DE TU
ECOMMERCE ENCONTRANDO LOS CLIENTES CON
MEJOR LIFETIME VALUE USANDO ANALYTICS Y CLOUD

2. ¿CÓMO HACEMOS RETARGETING HOY?

3. ¿CÓMO HACEMOS RETARGETING HOY?
1. Creamos audiencias
en base a
características
conocidas de clientes.

4. ¿CÓMO HACEMOS RETARGETING HOY?
1. Creamos audiencias
en base a
características
conocidas de clientes.
2. Buscamos
audiencias más
valiosas en base a
datos existentes

5. ¿CÓMO HACEMOS RETARGETING HOY?
1. Creamos audiencias
en base a
características
conocidas de clientes.
2. Buscamos
audiencias más
valiosas en base a
datos existentes
3. Creamos
lookalikes en base
a los clientes que
ya tenemos.

6. ¿CÓMO HACEMOS RETARGETING HOY?
1. Creamos audiencias
en base a
características
conocidas de clientes.
2. Buscamos
audiencias más
valiosas en base a
datos existentes
3. Creamos
lookalikes en base
a los clientes que
ya tenemos.
Basado en características que detectamos ‘a ojo’ de nuestro clientes al armar las
audiencias, siempre mirando hacia el pasado.

7. ¿DÓNDE FALLA ESTE PROCESO?

8. ¿DÓNDE FALLA ESTE PROCESO?
1. No armamos
audiencias en base a
información que aún
no sucedió.

9. ¿DÓNDE FALLA ESTE PROCESO?
1. No armamos
audiencias en base a
información que aún
no sucedió.
2. Las
segmentaciones se
basan en
experiencias previas.

10. ¿DÓNDE FALLA ESTE PROCESO?
1. No armamos
audiencias en base a
información que aún
no sucedió.
2. Las
segmentaciones se
basan en
experiencias previas.
3. Las segmentaciones
se basan en
características y no en
revenue!

11. ¿DÓNDE FALLA ESTE PROCESO?
1. No armamos
audiencias en base a
información que aún
no sucedió.
2. Las
segmentaciones se
basan en
experiencias previas.
3. Las segmentaciones
se basan en
características y no en
revenue!
Para mejorar la eficiencia de la inversión en pauta y del canal de ventas, llegó el
momento de PREDECIR

12. NO ES MAGIA, ES CIENCIA (DE DATOS)

13. ¿QUÉ QUEREMOS INTENTAR PREDECIR?
¿Qué clientes están por dejar de serlo? ¿Qué lifetime value tendrá cada cliente?

14. ¿QUÉ QUEREMOS INTENTAR PREDECIR?
¿Qué clientes están por dejar de serlo?
Client retention & churn
¿Qué lifetime value tendrá cada cliente?
Predicted Lifetime Value (pLTV)

15. PREDICTED LIFETIME VALUE
Buscamos mejorar el ROI de nuestra inversión en pauta apuntando
solamente a clientes que predecimos que su LTV será alto.

16. PREDICTED LIFETIME VALUE
Coleccionar
Google Analytics
CRM
Data Lake/Warehouse
Buscamos mejorar el ROI de nuestra inversión en pauta apuntando
solamente a clientes que predecimos que su LTV será alto.

17. PREDICTED LIFETIME VALUE
Coleccionar
Google Analytics
CRM
Data Lake/Warehouse
Buscamos mejorar el ROI de nuestra inversión en pauta apuntando
solamente a clientes que predecimos que su LTV será alto.
Procesar y analizar
Google Colab
Google BigQuery
Google Analytics

18. PREDICTED LIFETIME VALUE
Coleccionar
Google Analytics
CRM
Data Lake/Warehouse
Buscamos mejorar el ROI de nuestra inversión en pauta apuntando
solamente a clientes que predecimos que su LTV será alto.
Procesar y analizar
Google Colab
Google BigQuery
Google Analytics
¡UTILIZAR!
Google Ads
Google Analytics
Data Studio/Otros

19. PREDICTED LIFETIME VALUE
Coleccionar
Google Analytics
CRM
Data Lake/Warehouse
Buscamos mejorar el ROI de nuestra inversión en pauta apuntando
solamente a clientes que predecimos que su LTV será alto.
Procesar y analizar
Google Colab
Google BigQuery
Google Analytics
¡UTILIZAR!
Google Ads
Google Analytics
Data Studio/Otros
¡Podemos hacer pauta solamente a los clientes con mejor predicted
lifetime value!

20. ¿CÓMO ES EL FLUJO?
GA
Recolecta los
datos de
navegación de los
usuarios
GA Publicidad
Recolecta los datos
de interacción,
compra y datos
cualitativos de los
usuarios
CRM

21. ¿CÓMO ES EL FLUJO?
GA
Recolecta los
datos de
navegación de los
usuarios
Data
Data warehouse
donde guardamos
todos los datos
‘crudos’ para
posterior análisis.
GA Publicidad
Recolecta los datos
de interacción,
compra y datos
cualitativos de los
usuarios
CRM

22. ¿CÓMO ES EL FLUJO?
GA
Recolecta los
datos de
navegación de los
usuarios
Data
Data warehouse
donde guardamos
todos los datos
‘crudos’ para
posterior análisis.
Colab
Entorno cloud
donde corremos
scripts de Machine
Learning que
procesan la
información y
generan la lógica
del scoring.
Recolecta los datos
de interacción,
compra y datos
cualitativos de los
usuarios
CRM

23. ¿CÓMO ES EL FLUJO?
GA
Recolecta los
datos de
navegación de los
usuarios
Data
Data warehouse
donde guardamos
todos los datos
‘crudos’ para
posterior análisis.
Colab
Entorno cloud
donde corremos
scripts de Machine
Learning que
procesan la
información y
generan la lógica
del scoring.
GA
Armamos los
segmentos en
base a puntajes.
Publicidad
Recolecta los datos
de interacción,
compra y datos
cualitativos de los
usuarios
CRM

24. ¿CÓMO ES EL FLUJO?
GA
Recolecta los
datos de
navegación de los
usuarios
Data
Data warehouse
donde guardamos
todos los datos
‘crudos’ para
posterior análisis.
Colab
Entorno cloud
donde corremos
scripts de Machine
Learning que
procesan la
información y
generan la lógica
del scoring.
GA
Armamos los
segmentos en
base a puntajes.
Publicidad
Enviamos los
segmentos a
plataformas de
publicidad para
que las usen como
audiencias.
Recolecta los datos
de interacción,
compra y datos
cualitativos de los
usuarios
CRM

25. ¡MUCHAS GRACIAS!
¿Dudas? ¿Consultas?
ariel@knownonline.com
www.knownonline.com
/arielbortz