Schlagwörter
Marketing
Data Mining
Online Marketing
SAS
spss
Unternehmensberater
Data Scientist
Business Analyst
Daten Analyst
Customer Behavior Analyst
Online Marketing Analyst
Projektmanager
Churn Predictive Modeling
Churn
Fraud Detection
Game Analyst
statistiker
customer insight
Marketing Data Analyst
Research Analyst
TV AdAnalyst
Wissenschaftlicher Mitarbeiter
Forschungsdesign
Methodenentwicklung
Methodenentwicklung und -umsetzung
Deployment
Anforderungsmanagement
Customer Journey Analyse
Customer Intelligence
Customer Journey
Customer relationship management
Customer Lifetime Value
Customer experience analysis
customer data management
User / Customer Journey Map
Customer Insights
Customer Solution Design
Customer Value Mapping
Customer Relationship Management (CRM)
R Statistics
Python
IBM SPSS Statistics
IBM Modeler
Oracle
Terradata
SAS Base
SAS Business Analytics
SAS Enterpirse Guide
SAS to R
SAS Data Integration Studio
STATISTICA
SPSS Modeler
Enterprise Miner
Teradata
Teradata Datenbank
Datenbank Teradata
MySQL
SQL
ODBC
SQL Server
TOAD
toad for oracle
Toad professional
R/shiny
shiny
R /SHINY/GGPLOT2
Machine learning
Künstliche Intelligenz
deep learning
neuronale Netze
Random Forest
lineare Regression and Modeling
SVM (Support Vector Machine)
Datenmodellierung
Data Modelling
Mathematische Optimierungsmodelle
modellbasierte programmierung
Linear & non-linear Modeling
sequencing
Pattern Search
Attribution Modeling
Attribution
Skills
POSITIONEN
Data Scientist, Business Analyst, Unternehmensberater, Data Analyst, Customer Behavior Analyst, Online Marketing Analyst, Projektmanager, Churn Predictive Modeling, Fraud Detection Modeling, Game Analyst, Statistiker, Customer Insight, Marketing Data Analyst, Research Analyst, TV AdAnalyst, Wissenschaftlicher Mitarbeiter, Forschungsdesign, Methodenentwicklung und -umsetzung, Deployment, Anforderungsmanagement.
KNOW HOW
Ich verfüge über besonderes Know-How aus der universitären Forschung in der Auswertung von Offline- und Online-Kundenverhaltensstudien sowie Kampagneneffizienzmessungen. Mit Ansätzen der klassischen Marketingforschung sowie einem selbst entwickelten Ansatz für sequenzielle Daten, können Sie von mir relevante Antworten auf die Fragen ihrer Kunden erwarten. Da die medialen Kanäle einem ständigen und schnellen Wandel unterliegen, entwickele ich die Messinstrumente konsequent weiter.
KERNKOMPETENZ
- Analyse der Wirkung von TV-Spots auf die Einsprünge in den Online-Kanälen
- Customer Journey Analysen
- Effizienzmessung von crossmedialen Kampagnen
- Wechselwirkung des (online) Media-Mix
- KPI-Modeling
- Placement-Bewertung
- (Sales-) Modeling auf Basis von Marketing-Mix-Daten
- Klickpfadanalysen
- Identifikation von Suchmustern
- Usage und CrossUsage von Informationsquellen in den verschiedenen Phasen der Kaufentscheidung
- Verhaltensbasierte Usertypologisierung
- Traffic-Analysen
- Auswertung von EyeTracking-Daten
- Customer Behavior at PoS
- Methodenberatung
- Studiendesign
- Projektmanagement
- Statistische Auswertungen
- Data-Mining & Multivariate Verfahren
- Ergebnisaufbereitung & Umsetzungsworkshops
SCHWERPUNKTE
eCommerce, Online Marketing, SEM, SEO, Personalisierung, Segmentierung, Customer Journey & Behaviour Analysis, Attributions-Modelle, Analytics, TV Werbewirksamkeitsmessung, CRM, Predictive-, Sale-, Scoring-, KPI-Modeling, Kundenverhalten, Effizienzmessung von crossmedialen Kampagnen, Wechselwirkung des Media-Mix, Placement-Bewertung, Sequenzanalyse, Time Series, Sales Forecasting & Modeling, Forschungsdesign, Affiliate Marketing, etc.
AUSBILDUNG
Dipl.-Soz., Mathematik, Objektorientierter Softwareentwickler
STUDIUM:
1990 – 1995 Studium an der Staatlichen Universität Charkow, Ukraine
Fachrichtung: Angewandte Soziologie mit Schwerpunkt statistische Datenanalyse
Abschluss: Dipl.-Soz.: Note 1,7 (Anerkennung: Georg-August-Universität Göttingen: Dezember 2003)
1985 – 1990 Studium an der Universität Dnepr, Ukraine - Fachrichtung: Mathematik
1775 – 1985 Allgemeinbildende Schule für hochbegabte in Charkow, Ukraine
Abschluss: Reifezeugnis, Abschlussnote 1,5
FORT- UND WEITERBILDUNG:
2002 – 2003 Genius Bildungsinstitut, Kassel
Fortbildung als Objektorientierter Softwareentwickler .NET mit MCSD/MCAD-Qualifikation
Teilnahme an verschiedenen Kursen zu den Themen: Data Mining, Multivariate Analysen, Datenmanagement, SAS, UNIX, Sequenzanalyse, Softwareentwicklung bei dem Max-Planck-Institut / GWDG Göttingen, Genius Bildungsinstitut Kassel, StatSoft Hamburg, IBM/SPSS, Python etc.
FREMEDSPRACHEN
Deutsch: fließend in Wort und Schrift | Englisch: gut | Russisch: Muttersprache
PROGRAMMIERSPRACHEN
C#, C++, C, SAS, IBM SPSS Statistica, StatSoft Statistica, VB, VBA, XML, ASP, DOT.NET, PHP, Java Script, Python
DATENAUSWERTUNG
MS EXCEL, IBM SPSS Statistic, IBM SPSS Modeler, StatSoft Statistica, SAS, JMP, NCSS, PASS, MathLab, R
ONLINE MARKETING & SEO TOOLS
Google: Analytics, Webmaster, Trends, AdWords & Keyword-Planer, AdSense, Search Console, Alerts
Social Network Management: Topsy, socialyser, buzzsumo, Twingly, twazzup, fanpage karma, circlecount, Youtube Insights etc.
Tracking: Adobe, Etracker, Webtrekk, Econda
Affiliate: Zanox
DATENBANKEN
Teradata, Access, MySQL, ODBC, SAS, SQL Server, Oracle, Toad V. 12.8 for Oracle
ERFAHRUNGEN
Ich beherrsche Data Mining Produkte von IBM SPSS, StatSoft, SAS, R etc. Ich kenne auch weitere spezifische Tools, setze sie in Projekten ein und halte mich ständig durch Seminare, Workshops und Webinare auf dem aktuellen Stand
BRANCHEN
Automotive, Digitale und klassische Medien, eCommerce, Finanzdienstleistungen, FMCG, Handel, IT, Online-Game, Telekommunikation, Versicherung
PUBLIKATIONEN
TV or not TV - Modeling-Ansatz untersucht Werbewirkung
Erfolgsmessung und optimale Budgetverteilung
Das Glied in der Kette - Sequenzanalyse als Ansatz zur Auswertung von Touchpoint- und Verhaltensdaten
Möglichkeiten der Nutzung von Sequenzen in der Marketingforschung
Exploring Shopping Paths and Attention Behavior at the Point of Sale
Eine ausführliche Beschreibung entnehmen Sie bitte meinem beigefügten Profil.
Data Scientist, Business Analyst, Unternehmensberater, Data Analyst, Customer Behavior Analyst, Online Marketing Analyst, Projektmanager, Churn Predictive Modeling, Fraud Detection Modeling, Game Analyst, Statistiker, Customer Insight, Marketing Data Analyst, Research Analyst, TV AdAnalyst, Wissenschaftlicher Mitarbeiter, Forschungsdesign, Methodenentwicklung und -umsetzung, Deployment, Anforderungsmanagement.
KNOW HOW
Ich verfüge über besonderes Know-How aus der universitären Forschung in der Auswertung von Offline- und Online-Kundenverhaltensstudien sowie Kampagneneffizienzmessungen. Mit Ansätzen der klassischen Marketingforschung sowie einem selbst entwickelten Ansatz für sequenzielle Daten, können Sie von mir relevante Antworten auf die Fragen ihrer Kunden erwarten. Da die medialen Kanäle einem ständigen und schnellen Wandel unterliegen, entwickele ich die Messinstrumente konsequent weiter.
KERNKOMPETENZ
- Analyse der Wirkung von TV-Spots auf die Einsprünge in den Online-Kanälen
- Customer Journey Analysen
- Effizienzmessung von crossmedialen Kampagnen
- Wechselwirkung des (online) Media-Mix
- KPI-Modeling
- Placement-Bewertung
- (Sales-) Modeling auf Basis von Marketing-Mix-Daten
- Klickpfadanalysen
- Identifikation von Suchmustern
- Usage und CrossUsage von Informationsquellen in den verschiedenen Phasen der Kaufentscheidung
- Verhaltensbasierte Usertypologisierung
- Traffic-Analysen
- Auswertung von EyeTracking-Daten
- Customer Behavior at PoS
- Methodenberatung
- Studiendesign
- Projektmanagement
- Statistische Auswertungen
- Data-Mining & Multivariate Verfahren
- Ergebnisaufbereitung & Umsetzungsworkshops
SCHWERPUNKTE
eCommerce, Online Marketing, SEM, SEO, Personalisierung, Segmentierung, Customer Journey & Behaviour Analysis, Attributions-Modelle, Analytics, TV Werbewirksamkeitsmessung, CRM, Predictive-, Sale-, Scoring-, KPI-Modeling, Kundenverhalten, Effizienzmessung von crossmedialen Kampagnen, Wechselwirkung des Media-Mix, Placement-Bewertung, Sequenzanalyse, Time Series, Sales Forecasting & Modeling, Forschungsdesign, Affiliate Marketing, etc.
AUSBILDUNG
Dipl.-Soz., Mathematik, Objektorientierter Softwareentwickler
STUDIUM:
1990 – 1995 Studium an der Staatlichen Universität Charkow, Ukraine
Fachrichtung: Angewandte Soziologie mit Schwerpunkt statistische Datenanalyse
Abschluss: Dipl.-Soz.: Note 1,7 (Anerkennung: Georg-August-Universität Göttingen: Dezember 2003)
1985 – 1990 Studium an der Universität Dnepr, Ukraine - Fachrichtung: Mathematik
1775 – 1985 Allgemeinbildende Schule für hochbegabte in Charkow, Ukraine
Abschluss: Reifezeugnis, Abschlussnote 1,5
FORT- UND WEITERBILDUNG:
2002 – 2003 Genius Bildungsinstitut, Kassel
Fortbildung als Objektorientierter Softwareentwickler .NET mit MCSD/MCAD-Qualifikation
Teilnahme an verschiedenen Kursen zu den Themen: Data Mining, Multivariate Analysen, Datenmanagement, SAS, UNIX, Sequenzanalyse, Softwareentwicklung bei dem Max-Planck-Institut / GWDG Göttingen, Genius Bildungsinstitut Kassel, StatSoft Hamburg, IBM/SPSS, Python etc.
FREMEDSPRACHEN
Deutsch: fließend in Wort und Schrift | Englisch: gut | Russisch: Muttersprache
PROGRAMMIERSPRACHEN
C#, C++, C, SAS, IBM SPSS Statistica, StatSoft Statistica, VB, VBA, XML, ASP, DOT.NET, PHP, Java Script, Python
DATENAUSWERTUNG
MS EXCEL, IBM SPSS Statistic, IBM SPSS Modeler, StatSoft Statistica, SAS, JMP, NCSS, PASS, MathLab, R
ONLINE MARKETING & SEO TOOLS
Google: Analytics, Webmaster, Trends, AdWords & Keyword-Planer, AdSense, Search Console, Alerts
Social Network Management: Topsy, socialyser, buzzsumo, Twingly, twazzup, fanpage karma, circlecount, Youtube Insights etc.
Tracking: Adobe, Etracker, Webtrekk, Econda
Affiliate: Zanox
DATENBANKEN
Teradata, Access, MySQL, ODBC, SAS, SQL Server, Oracle, Toad V. 12.8 for Oracle
ERFAHRUNGEN
Ich beherrsche Data Mining Produkte von IBM SPSS, StatSoft, SAS, R etc. Ich kenne auch weitere spezifische Tools, setze sie in Projekten ein und halte mich ständig durch Seminare, Workshops und Webinare auf dem aktuellen Stand
BRANCHEN
Automotive, Digitale und klassische Medien, eCommerce, Finanzdienstleistungen, FMCG, Handel, IT, Online-Game, Telekommunikation, Versicherung
PUBLIKATIONEN
TV or not TV - Modeling-Ansatz untersucht Werbewirkung
Erfolgsmessung und optimale Budgetverteilung
Das Glied in der Kette - Sequenzanalyse als Ansatz zur Auswertung von Touchpoint- und Verhaltensdaten
Möglichkeiten der Nutzung von Sequenzen in der Marketingforschung
Exploring Shopping Paths and Attention Behavior at the Point of Sale
Eine ausführliche Beschreibung entnehmen Sie bitte meinem beigefügten Profil.
Projekthistorie
REFERENZ ZUM PROJEKT „PREDICTIVE SALES AND CHURN“ 2017/2018
Neue Wege: Kündigerprävention auf Basis der Customer Journey
Viele Unternehmen haben, wie unser Klient – ein Telekommunikationsanbieter, eine längere Historie der Geschäftsvorfälle und Kontakte mit ihren Kunden über diverse Kontaktkanäle im In- und Outbound. Dazu gehören auch diverse Marketingmaßnahmen, um die Kundenbeziehung regelmäßig und aktiv über eine breite Palette an CRM-Aktivitäten zu gestalten und weiterzuentwickeln.
Eine Analyse der individuellen Verhaltensweisen und Muster über die gesamte Geschäftsbeziehung zu einem Kunden wird bis heute jedoch nur selten gemacht. Hier stecken ungenutzte Potenziale, um den Kunden besser zu verstehen, Prozesse und Services zu optimieren und Zielgruppen für spezifische Ansprachen zu optimieren.
Unser Klient stellt das Thema Kundenbindung in den Fokus und erweitert die Analysen mittel- und langfristiger Zusammenhänge im Kundenverhalten mit sequenz-analytischen Algorithmen und Verfahren. Ziel ist es, ein tieferes Verständnis der Muster in der Customer Journey zu erlangen und deren Wirkung auf die Kündigung zu ermitteln.
Die Analyse fördert typische Verläufe im Kundenverhalten zutage, die entweder die Kündigungsneigung oder die Verbleibs-
wahrscheinlichkeit erhöhen.
Quelle: Referenzprojekte von CINTELLIC - Gipfelbuch 01/2018
https://www.cintellic.com/publikationen/referenzprojekte-gipfelbuch_01-2018/
(Auszug aus der Dokumentation zum Projekt von Herrn Alexander Gorbach)
Event-basiertes Marketing mit Big Data
Personalisierung ist eines der wichtigsten Themen für ein modernes und erfolgreiches Marketing. In der Customer Journey wird die gesamte Geschäftsbeziehung eines Kunden zum Unternehmen betrachtet und mit Hilfe komplexer multivariater Verfahren analysiert. Für die meisten Unternehmen besteht hier noch großes Entwicklungspotenzial durch den Einsatz von Machine Learning und neuer Erkenntnisse aus der Wissenschaft.
Mit Etablierung von Big Data Technologien wurden in der Molekularbiologie entwickelte Sequenzanalysen auf das Kaufverhalten von Kunden übertragen, um Verhaltensmuster aufzudecken.
Basis für die Sequenzanalyse sind dabei die historischen Daten der Kunden, die im zeitlichen Ablauf relevante Events, Kundenkontakte und Aktivitäten abbilden, angereichert um weitere beschreibende Kundenmerkmale. Zielgerichtete Analysen werden eingesetzt um konkrete Prozesse und Maßnahmen zu optimieren, wie zum Beispiel die Erkennung von sich anbahnenden Kündigungen, Beschwerden, Produktwechsel, Zahlungsverzugs- oder Betrugsfälle oder aber die Identifizierung passender Angebote (Next Best Action).
Auf den Modellen und Erkenntnissen basierende Dashboards ermöglichen das fortlaufende Monitoring und die Ableitung konkreter Handlungsansätze und Maßnahmen.
Quelle: Referenzprojekte von CINTELLIC - Gipfelbuch 01/2018
https://www.cintellic.com/publikationen/referenzprojekte-gipfelbuch_01-2018/
(Artikel von Herrn Alexander Gorbach)
Eine ausführliche Beschreibung entnehmen Sie bitte meinem beigefügten Profil.
Neue Wege: Kündigerprävention auf Basis der Customer Journey
Viele Unternehmen haben, wie unser Klient – ein Telekommunikationsanbieter, eine längere Historie der Geschäftsvorfälle und Kontakte mit ihren Kunden über diverse Kontaktkanäle im In- und Outbound. Dazu gehören auch diverse Marketingmaßnahmen, um die Kundenbeziehung regelmäßig und aktiv über eine breite Palette an CRM-Aktivitäten zu gestalten und weiterzuentwickeln.
Eine Analyse der individuellen Verhaltensweisen und Muster über die gesamte Geschäftsbeziehung zu einem Kunden wird bis heute jedoch nur selten gemacht. Hier stecken ungenutzte Potenziale, um den Kunden besser zu verstehen, Prozesse und Services zu optimieren und Zielgruppen für spezifische Ansprachen zu optimieren.
Unser Klient stellt das Thema Kundenbindung in den Fokus und erweitert die Analysen mittel- und langfristiger Zusammenhänge im Kundenverhalten mit sequenz-analytischen Algorithmen und Verfahren. Ziel ist es, ein tieferes Verständnis der Muster in der Customer Journey zu erlangen und deren Wirkung auf die Kündigung zu ermitteln.
Die Analyse fördert typische Verläufe im Kundenverhalten zutage, die entweder die Kündigungsneigung oder die Verbleibs-
wahrscheinlichkeit erhöhen.
Quelle: Referenzprojekte von CINTELLIC - Gipfelbuch 01/2018
https://www.cintellic.com/publikationen/referenzprojekte-gipfelbuch_01-2018/
(Auszug aus der Dokumentation zum Projekt von Herrn Alexander Gorbach)
Event-basiertes Marketing mit Big Data
Personalisierung ist eines der wichtigsten Themen für ein modernes und erfolgreiches Marketing. In der Customer Journey wird die gesamte Geschäftsbeziehung eines Kunden zum Unternehmen betrachtet und mit Hilfe komplexer multivariater Verfahren analysiert. Für die meisten Unternehmen besteht hier noch großes Entwicklungspotenzial durch den Einsatz von Machine Learning und neuer Erkenntnisse aus der Wissenschaft.
Mit Etablierung von Big Data Technologien wurden in der Molekularbiologie entwickelte Sequenzanalysen auf das Kaufverhalten von Kunden übertragen, um Verhaltensmuster aufzudecken.
Basis für die Sequenzanalyse sind dabei die historischen Daten der Kunden, die im zeitlichen Ablauf relevante Events, Kundenkontakte und Aktivitäten abbilden, angereichert um weitere beschreibende Kundenmerkmale. Zielgerichtete Analysen werden eingesetzt um konkrete Prozesse und Maßnahmen zu optimieren, wie zum Beispiel die Erkennung von sich anbahnenden Kündigungen, Beschwerden, Produktwechsel, Zahlungsverzugs- oder Betrugsfälle oder aber die Identifizierung passender Angebote (Next Best Action).
Auf den Modellen und Erkenntnissen basierende Dashboards ermöglichen das fortlaufende Monitoring und die Ableitung konkreter Handlungsansätze und Maßnahmen.
Quelle: Referenzprojekte von CINTELLIC - Gipfelbuch 01/2018
https://www.cintellic.com/publikationen/referenzprojekte-gipfelbuch_01-2018/
(Artikel von Herrn Alexander Gorbach)
Eine ausführliche Beschreibung entnehmen Sie bitte meinem beigefügten Profil.
Reisebereitschaft
Verfügbar in den Ländern
Deutschland, Österreich und Schweiz
Ich bin ortsunabhängig. Generell reise ich viel und gerne: Das Reisebudget 2017 (nur Tickets) liegt über 5.000 EUR. Eine optimale Kombination zwischen Onsite & Remote ist gewünscht.
Sonstige Angaben
AUSZUG RELEVANTER PROJEKTE
Branche: Mobilfunk, Festnetz, Internet, Fernsehempfang
Zeitraum: 2017
Projekt: Predictive Sales & Churn
Ziel: Ziel ist es, ein tieferes Verständnis der Muster in Customer Journeys zu erlangen und deren Wirkung auf die Kündigung zu ermitteln.
Aufgaben:
Die Aufgaben wurden in sechs Arbeitspaketen geteilt:
Branche: eCommerce, Digitale und klassische Medien
Zeitraum: 2015-2016
Projekt: Konzeption für Multichannel-Marketing und Attributionsmodellierung
Ziel: Das Ziel ist es, Konsumenten auf mehreren verschiedenen Kommunikationskanälen zu erreichen und damit verbundene kanalübergreifende Budgetverteilung optimal festzuschreiben.
Aufgaben: Die Aufgabe von Herrn Gorbach besteht in der Erstellung und Abstimmung von Fachkonzepten. Themen sind u.a.:
Branchee: Commerce, Telekommunikation, Elektronikeinzelhandel, Digitale und klassische Medien
Zeitraum: 2014
Projekt: TV Uplift-Analyse
Ziel: Ziel ist es, ein tieferes Verständnis für die Wirkung auf den Uplift der verschiedenen TV-bezogenen Einflussfaktoren, wie Sender, Motiv, Zeitverlauf, Größe des Werbeblocks, Position im Werbeblock, Spot-Dauer, Genre, Kosten, Reichweite, Affinität, Wettbewerb zu quantifizieren.
Die Modellbasierte TV Wirkungsanalysen unterstützen den Kunden bei der Erstellung eines optimalen Mediaplans.
Aufgaben: Die Auswirkung der TV-Kampagnen auf den Web-Traffic sollte ermittelt werden, um den Kampagnen-Mix noch während der Laufzeit optimieren zu können. Für diesen Zweck müssen folgende Fragen beantworten werden:
Branche: Versicherung, Finanzdienstleistung
Zeitraum: 2013
Projekt: Customer Value Modeling
Ziel:
Technologie: Oracle, IBM SPSS Modeler, Macro Programming
Branche: Computerspiele, Internet und E-Commerce
Zeitraum: 2013
Projekt: Sequenzanalyse der Online-Userverhaltensdaten
Ziel:
Technologie: Macro Programming, Teradata, “SequenceAnalyser”
Branche: Automobilindustrie, Finanzdienstleistungen
Zeitraum: 2012
Projekt: Mercedes-Benz Touchpoint Experiment
Ziel: Analyse der Kampagnenmechanik, d.h. des Zusammenspiels verschiedener Touchpoints und deren Synergieeffekte anhand der C-Klasse Coupé Kampagne, für das Informationsverhalten beim Autokauf
Aufgaben:
Branche: Marktforschung, Telekommunikation, Internetdienstleistungen Zeitraum: 2011
Projekt: Sequenzanalyse der Vodafone ROPO-Daten
Ziel: Identifizierung der Wechselwirkung zwischen Online- und Offline-Kanälen
Aufgaben:
Branche: Mobilfunk, Festnetz, Internet, Fernsehempfang
Zeitraum: 2017
Projekt: Predictive Sales & Churn
Ziel: Ziel ist es, ein tieferes Verständnis der Muster in Customer Journeys zu erlangen und deren Wirkung auf die Kündigung zu ermitteln.
Aufgaben:
Die Aufgaben wurden in sechs Arbeitspaketen geteilt:
- Untersuchungsdesign: Das Vorgehen des sequenzanalytischen Ansatzes sollte in einem Dokument zusammengefasst werden
- Entwicklung von Aggregationsalgorithmen: Entwicklung von Aggregationsalgorithmen übergreifend über verschiedene Datenquellen auf der Big DataManagement-Plattform
- Aufbau einer Eventstruktur für Analysen, Reports und Visualisierungen
- Entwicklung eines Sequenzmodells für die gewählten UseCases, u.a. für das Thema „Kündigung“ (Customer Churn Models)
- Implementierung des SequenzPrototypen: Entwicklung eines Prototyps für sequenzanalytische Betrachtungen der relevanten Kundenkontakte in Bezug auf verschiedene Fragestellungen
- Visualisierung der Customer Journey in einem Dashboard
- Sammlung von Anforderungen
- Konzipierung und Untersuchungsdesign
- Meilensteine des Analyseansatzes
- Heranführung in die Datenlandschaft
- Einteilung der Marketingaktivitäten
- Aggregierung und Sequenzierung der Kundenkontakte
- Präventive verhaltensbasierende Segmentierung der Kunden
- Aufbau einer Analyseumgebung für die Entwicklung des Prototyps
- Anpassung erwarteter Outputs mit SteuerungVerantwortlichen
- Zusammenfassung des Konzeptes
- Darstellung der Ergebnisse und Bewertung der UseCases
- Ableitung von Handlungsempfehlungen
- Workshops: Präsentation des Ansatzes / Feedbacks & Anpassungen / Zwischenstand / Abschlusspräsentation
- Dokumentation zur Übergabe
Branche: eCommerce, Digitale und klassische Medien
Zeitraum: 2015-2016
Projekt: Konzeption für Multichannel-Marketing und Attributionsmodellierung
Ziel: Das Ziel ist es, Konsumenten auf mehreren verschiedenen Kommunikationskanälen zu erreichen und damit verbundene kanalübergreifende Budgetverteilung optimal festzuschreiben.
Aufgaben: Die Aufgabe von Herrn Gorbach besteht in der Erstellung und Abstimmung von Fachkonzepten. Themen sind u.a.:
- Einführung der Customer Journey (CJ) Daten
- Abnahme und Überführung in die vorhandenen Tools
- Simulation der Auswirkung auf die Kanalnachfrage, AddonNUMS Kalk., absolutes und rel. Ergebnis und KBA auf Kanal- und Partnerebene aufgrund der historischen CJ-Daten, um eine Indikation für die Veränderung in der Steuerung zu geben
- Erkennung von Mustern in den CJDaten mit Ableitung von Handlungsempfehlungen für die Steuerung
- Überprüfung der bestehenden Reportings und Umstellung auf Qlikview oder Empfehlung eines Tools zur Visualisierung der Daten
- Definition von relevanten KPIs inkl. Herangehensweise für die Ermittlung von Schwellwerten
- Auswirkung der Gutscheineinflüsse, Finanzierungshebeln und ggf. Printeinflüsse auf die Steuerung im Online Marketing
- Einfluss auf TrafficSchub oder Nachfrage- und KBA-Schub inkl. Ableitung von Handlungsempfehlungen für die Kanäle
- ViewdatenIntegration und -Analyse bzgl. Kontaktdosis und Kampagnenverzahnung
- Vorhersagende Analyse der Wirkung von TVSpots auf die Einsprünge in den Online-Kanälen
- Entwicklung eines übergreifenden Ansatzes für die Analyse des Wirkungsgrades zwecks Mediaplanoptimierung
- Konzipierung, Untersuchungsdesign, Methodenentwicklung
- Customer Insights & Journey Analysen
- Aufnahme der ReportingAnforderungen
- Validierung gegen bestehende Lösungen und Fachkonzeption unter Einhaltung entsprechender Methoden und Governance Richtlinien
- Modellierung und Erfassung der Anforderungsdokumente
- Qualitätssicherung von Modellen
- Verifizierung der Umsetzung und Abstimmung der Korrekturen und Änderungsanforderungen
- Bereitstellung einer eintägigen Lizenz für die Nutzung des selbstentwickelten Tools „SequenceAnalyser“ nach dem Projektabschluss
Branchee: Commerce, Telekommunikation, Elektronikeinzelhandel, Digitale und klassische Medien
Zeitraum: 2014
Projekt: TV Uplift-Analyse
Ziel: Ziel ist es, ein tieferes Verständnis für die Wirkung auf den Uplift der verschiedenen TV-bezogenen Einflussfaktoren, wie Sender, Motiv, Zeitverlauf, Größe des Werbeblocks, Position im Werbeblock, Spot-Dauer, Genre, Kosten, Reichweite, Affinität, Wettbewerb zu quantifizieren.
Die Modellbasierte TV Wirkungsanalysen unterstützen den Kunden bei der Erstellung eines optimalen Mediaplans.
Aufgaben: Die Auswirkung der TV-Kampagnen auf den Web-Traffic sollte ermittelt werden, um den Kampagnen-Mix noch während der Laufzeit optimieren zu können. Für diesen Zweck müssen folgende Fragen beantworten werden:
- Wie kann der Uplift quantifiziert werden?
- Wie sehen die KPIs aus (Click Rate, Cost per View)?
- Welchen Einfluss haben die einzelnen Sender auf den Uplift?
- Mit welchen Wettbewerbern sollten meine Werbespots platziert werden?
- Welche Reihenfolge und welche Zeit innerhalb des Tages / der Woche / des Monats sind für meine Werbeflights optimal?
- Können damit auch Depotwirkungen ermittelt werden, um eine optimale Zeit für die dynamische Anpassung der TVSpots im Lauf der Werbekampagne festzustellen?
- Wie wirken unterschiedliche Showformate auf den Uplift?
- Welche weiteren Faktoren haben einen signifikanten Einfluss auf den Uplift?
- Untersuchungsdesign
- Bereitstellung einer ausgefeilten Methodik für das Monitoring der Uplifts sowie für die Modellierung der Wirkung
- Aufbau und Interpretation von mathematischen Modellen
- Ableitung von modellbasierenden Empfehlungen zur Optimierung der Tageszeit der
- TV-Spots-Ausstrahlung
- Reihenfolge von Sendern und Motiven
- Genres
- Motiv und Inhalt des TV-Spots
- Rabattstufe
- Platz im Werbeblock
- Positionierung unter Berücksichtigung der Wettbewerber
- Affinität und Reichweite der Zielgruppe
- Kosten
Branche: Versicherung, Finanzdienstleistung
Zeitraum: 2013
Projekt: Customer Value Modeling
Ziel:
- Begleitung der Installation der neuen analytischen Plattform von IBM SPSS sowie Anpassung der vorhandenen analytischen Modelle an die neue IT Umgebung
- Suche nach möglichen Verbesserungspotenzialen der vorhandenen ScoreModelle
- Kommissionarischer IBM SPSS ModelerAdmin
- Coach im Fachbereich
- Reviewer der vorhandenen Modelle
Technologie: Oracle, IBM SPSS Modeler, Macro Programming
Branche: Computerspiele, Internet und E-Commerce
Zeitraum: 2013
Projekt: Sequenzanalyse der Online-Userverhaltensdaten
Ziel:
- Analyse des Userverhaltens von OnlineSpielern für die automatische Anpassung des Spielniveaus zwecks Optimierung der Customer Lifetime
- Explorativer Einsatz der sequenzanalytischen Methoden bei der Suche nach Optimierungspotenzialen für die Verlängerung der Customer Lifetime
Technologie: Macro Programming, Teradata, “SequenceAnalyser”
Branche: Automobilindustrie, Finanzdienstleistungen
Zeitraum: 2012
Projekt: Mercedes-Benz Touchpoint Experiment
Ziel: Analyse der Kampagnenmechanik, d.h. des Zusammenspiels verschiedener Touchpoints und deren Synergieeffekte anhand der C-Klasse Coupé Kampagne, für das Informationsverhalten beim Autokauf
Aufgaben:
- Nachweis von Synergien durch Reihenfolgeeffekte, erhöhte Kaufbereitschaft oder einen positiven Imagewechsel
- Berechnung der Kombinationen, die in den Informationspfaden bei Pull und Push-Instrumenten dominieren
- Ermittlung der Phasen, die der Kaufprozess unterteilen
- Kundensegmentierung anhand ihrer Informationsmuster
- Konzipierung, Untersuchungsdesign, Methodenentwicklung
- Heranführung, Datenaufbereitung, CodingEvaluations & Sequenzierung der CJ Daten
- Explorative Untersuchung der Touchpoints
- Entwicklung einer PatternDatenbank
- Verhaltensbasierte Typologisierung
- Ermittlung von Unterschieden zwischen ausgewählten Kundengruppen wie „traditionelles vs. modernes Milieu“ oder „Käufer vs. Nicht-Käufer“
- Modellierung und Interpretation
- Ermittlung von Kaufphasen in Sequenzen
- Berechnung des Similarity Score
- Verteilung der Events innerhalb ermittelter Phasen
- Key Findings
Branche: Marktforschung, Telekommunikation, Internetdienstleistungen Zeitraum: 2011
Projekt: Sequenzanalyse der Vodafone ROPO-Daten
Ziel: Identifizierung der Wechselwirkung zwischen Online- und Offline-Kanälen
Aufgaben:
- Welche Navigationspfade zeigen Kunden vor dem Abschluss eines Mobilfunkvertrages?
- Wie sehen die typischen Informationspfade für den Abschluss online vs. offline aus?
- Was sind die signifikanten Unterschiede zwischen den beiden Kundengruppen? Sind die letzten Kontaktsequenzen ausschlaggebend für die Wahl des Bezugskanals?
- Wie unterschieden sich die Suchsequenzen im Zeitverlauf des Gesamtprozesses?
- Welche Segmente können auf Basis der typischen Verhaltensmuster gebildet werden und wie sieht die Verteilung der Bezugskanäle innerhalb der Gruppen aus?
- Identifikation der typischen Muster in den Suchdaten
- Speicherung der Muster in einer PatternDatenbank für die einzelnen Probanden
- Beschreibung der Stichprobe sowie der Zielgruppen „Purchase Online“ vs. „Purchase Offline“ mithilfe der typischen Muster
- Identifikation signifikanter Unterschiede zwischen den Gruppen, basierend auf einer Faktorenanalyse und nichtparametrischen Tests
- Einfluss der Sequenzen auf die Wahl des Bezugskanals
- Analyse der Gemeinsamkeiten zwischen besuchten Websitekategorien und der Wahl der nachfolgenden Keywords
- Clusteranalyse mit den typischen Surfmustern als Aktivvariablen