ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ

Rozměr: px
Začít zobrazení ze stránky:

Download "ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ"

Transkript

1 ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ Radim Tvardek, Petr Bulava, Daniel Mašek U&SLUNO a.s. I Sadová 28 I Ostrava I Czech Republic

2 PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU Daniel Mašek U&SLUNO a.s. I Sadová 28 I Ostrava I Czech Republic

3 OBSAH A CÍLE PREZENTACE Stanovení cílů Datové zdroje Segmentace zákazníků Segmentace prodejen Věrnostní systém 3

4 METODOLOGIE Dataminingová úloha 4

5 STANDARDY Best practises Využití standardní data miningové metodologie 5

6 SPECIFIKA ANALÝZY NÁKUPNÍHO KOŠÍKU Nesupervizovaná úloha Popisná analýza V datech není pevný cíl Hledání anomálií Supervizovaná úloha Predikční model Hledání odpovědi na jasné zadání Definice vstupních a výstupních proměnných Interpretace modelu Snadná interpretace vs. praktický přínos Výběr pravidel 6

7 OBCHODNÍ CÍLE Up-sell, cross-sell Segmentace zákazníků a prodejen Optimální složení plošné promoční nabídky Optimalizace produktů, marže Cílená promoční nabídka Výběr zákazníků a produktů Složení balíčků (produkty, služby) Omezení přechodů zákazníků ke konkurenci Přizpůsobení layoutu prodejny nákupním zvyklostem 7

8 CÍLE ANALÝZY NÁKUPNÍHO KOŠÍKU Identifikace složení nákupních košíků dle typů zákazníka Identifikace nejprofitabilnějších a nejztrátovějších košíků Predikce chybějícího zboží v košíku Vizualizace nákupního košíku Optimalizace hrubého zisku marketingové kampaně Odhad pravděpodobnosti nákupu určitého zboží 8

9 RIZIKA Dostupnost dat Data v transakčním formátu Neúplnost dat Počet vazeb (asociací) Roste exponenciálně s počtem produktů Kategorizace sortimentu Omezení rozsahu pro analýzu Složitá praktická interpretovatelnost 9

10 DATOVÉ ZDROJE Transakční databáze POS data na úrovni řádek účtenky Identifikace prodejů věrnostního systému Datové sklady Určitá ztráta detailu Ostatní datové zdroje Exporty z databází Excel Volná data Záznamy z call center, hodnocení atd. Neelektronická data Kniha přání a stížností Externí zdroje Data z marketingových agentur Registry (obchodní, dlužníků atd.) 10

11 POROZUMĚNÍ DATŮM Datový audit Obsahují data všechny potřebné informace? Jsou data opravdu tím, čím mají být? Jednoduchá analýza dat pro kontrolu (prázdné údaje, povolený rozsah, chybná struktura atd.) Jednorázová příprava dat Aktualizace Chybovost Závislost na IT oddělení nebo dodavateli Definice cílové jednotky Košík, zákazník 11

12 PŘÍPRAVA DAT Čištění dat Kategorizace sortimentu Sloučení produktů do skupin Podle charakteru úlohy Restrukturalizace dat Sloučení dat ze struktury databáze do jedné tabulky = denormalizace Agregace (snížení objemu dat a granularity) Transponování řádků na sloupce Připojení dalších datových zdrojů Informace o zákaznících, produktech, prodejnách atd. 12

13 VÝBĚR MODELU Asociační model Použití pro predikci Může zahrnout i statické informace Nezohledňuje posloupnost Vhodné pro anonymní nákupy Sekvenční přístup Zahrnuje časovou dimenzi (jak jdou události za sebou) Obtížné zahrnutí statických vlastností Vhodné pro adresné nákupy Pavučinový graf Zobrazení vztahů 13

14 SEGMENTACE Proces, kdy se rozdělí celek na menší homogenní části (se stejnými vlastnostmi) Zvyšuje efektivitu vložených prostředků vystihnutím podstaty daného segmentu Vhodné segmentace Zákaznické profily Profily prodejen 14

15 SEGMENTACE ZÁKAZNÍKŮ Pro které společnosti je určena Různé potřeby zákazníků z hlediska prodávaného zboží Dostatečný počet transakcí Přínosy Znásobení odpovědí a konverzí oslovené skupiny Znásobení návratnosti kampaně (ROI) Vyšší důvěryhodnost značky (lepší vnímání nabídek) Snížení informační zátěže neoslovených Jak na to Externí marketingové agentury Datamining Kombinace 15

16 SEGMENTACE ZÁKAZNÍKŮ Dimenze Sociodemografické Hodnota zákazníka (generovaný obrat) Loajalita zákazníka Nákupní chování Potenciál zákazníka Cenová citlivost Potřeby zákazníka Náklady na získání a udržení zákazníka a další 16

17 SEGMENTACE PRODEJEN Relativně jednoduchá Externí vstupy (potenciál prodejen) vs. datamining Dimenze Demografické složení spádové oblasti Celkový obrat, celkový hrubý zisk Potenciál Nárůst/pokles Složení nákupních košíků Ziskovost (náklady vs. prodeje) Loajalita zákazníků a další 17

18 VĚRNOSTNÍ SYSTÉM Řádově mění potenciál pro vyhodnocení Nebezpečí přecenění významu Věrnostní systém je pouze nástrojem k poznání zákazníka Riziko devalvace Při jeho ne/přítomnosti nutno zvolit správný model vyhodnocení 18

19 19

20 Děkuji Vám za pozornost Daniel Mašek U&SLUNO a.s. kontakt:

Profitabilita klienta v kontextu Performance management

Profitabilita klienta v kontextu Performance management IBM Technical specialist team Pre Sale 26/10/2010 Profitabilita klienta v kontextu Performance management Co všechno řadíme do PM? Automatická data Běžný reporting Pokročilé statistické modely Včera What

Více

Jak využít data o zákaznících ke zvýšení příjmů z prodeje

Jak využít data o zákaznících ke zvýšení příjmů z prodeje Jak využít data o zákaznících ke zvýšení příjmů z prodeje Michal Kadlec Marek Loukotka Lubomíra Červová www.acrea.cz info@acrea.cz Program Dívejte se na budoucnost, ne jen na minulost 1 Jaká data využíváme?

Více

MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH. StatSoft CR

MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH. StatSoft CR Váš pomocník pro analýzu dat MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich StatSoft CR StatSoft StatSoft CR Dodavatel komplexních analytických řešení Výhradní dodavatel softwaru STATISTICA pro

Více

CLICK & COLLECT. Daniel Mašek, Radim Tvardek I 4.6.2014. U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I www.u-sluno.cz

CLICK & COLLECT. Daniel Mašek, Radim Tvardek I 4.6.2014. U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I www.u-sluno.cz CLICK & COLLECT Daniel Mašek, Radim Tvardek I 4.6.2014 U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I www.u-sluno.cz Představení U&Sluno Jak chápeme Click & Collect Příklady ze zahraničí PROGRAM PREZENTACE

Více

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ

Více

Komunikujte se zákazníky jako lidé s lidmi... aneb cílená komunikace. Matej Kováčik CEO VIVmail s.r.o.

Komunikujte se zákazníky jako lidé s lidmi... aneb cílená komunikace. Matej Kováčik CEO VIVmail s.r.o. Komunikujte se zákazníky jako lidé s lidmi... aneb cílená komunikace Matej Kováčik CEO VIVmail s.r.o. Cílený obsah v e-mailu 1 2 3 4 5 6 7 8 Personalizace předmětu Dynamický titulek Individuální seznam

Více

Customer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu

Customer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu Customer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu Filip Trojan Applied Analytics Manager, Deloitte Advisory Listopad 2012 Obsah 1. Představení 2. Marketing versus analýza

Více

Cíle supervizovaného učení Ondřej Háva

Cíle supervizovaného učení Ondřej Háva Cíle supervizovaného učení Ondřej Háva ACREA CR Využíváme více než 40 let zkušeností IBM s hlavním cílem: řízení rozhodovacích procesů Akvizice SPSS společností IBM v říjnu 2009 Přejmenování SPSS CR na

Více

BA_EM Electronic Marketing. Pavel

BA_EM Electronic Marketing. Pavel BA_EM Electronic Marketing Pavel Kotyza @VŠFS Agenda Efektivní data mining jako zdroj relevantních dat o potřebách zákazníků Co je data mining? Je absolutní Je předem neznámý Je užitečný Co jsou data?

Více

Vysoká škola finanční a správní, o.p.s. KMK ML Základy marketingu

Vysoká škola finanční a správní, o.p.s. KMK ML Základy marketingu Základy marketingu (B_Zmar) ZS 09 Bakalářské studium Garant předmětu: Ing.Miloslav Vaňák Vyučující:.. Ing. M. Vaňák Typ studijního předmětu: povinný roč./sem.:.. 1/1 Rozsah studijního předmětu:.. 6 (KS)

Více

MARKETINGOVÉ MINIMUM PRO FINANČNÍ ŘEDITELE V KONTEXTU AKTUÁLNÍ FINANČNÍ SITUACE

MARKETINGOVÉ MINIMUM PRO FINANČNÍ ŘEDITELE V KONTEXTU AKTUÁLNÍ FINANČNÍ SITUACE MARKETINGOVÉ MINIMUM PRO FINANČNÍ ŘEDITELE V KONTEXTU AKTUÁLNÍ FINANČNÍ SITUACE Ing. Jiří Nosek Sector Leader Financial Services & Digital Technology Praha, hotel Boscolo Prague, 3.10.2012 GfK 2012 CFO

Více

Cílený marketing proces STP

Cílený marketing proces STP Cílený marketing proces STP Segmentation(segmentace) Targeting(tržní cílení) Positioning(tržníumisťov ování) Ing. Lucie Vokáčov ová, vokacova@pef pef.czu.cz Marketingové přístupy k trhu z hlediska tržní

Více

KDE KOUPIT TY NEJLEPŠÍ DATABÁZE?

KDE KOUPIT TY NEJLEPŠÍ DATABÁZE? KDE KOUPIT TY NEJLEPŠÍ DATABÁZE? Praha, 16. dubna 2010 Úvod - obsah Hodnocení kvality dat mýty a realita Význam DM roste získávání nových zákazníků, i CRM K čemu se DM pouţívá? Zdroje dat: vlastní x veřejné

Více

Vysoká škola finanční a správní, o.p.s. KMK ML Základy marketingu

Vysoká škola finanční a správní, o.p.s. KMK ML Základy marketingu Základy marketingu (B_Mar) ZS 09 Bakalářské studium Garant předmětu: Ing.Miloslav Vaňák Vyučující:.. Ing. M. Vaňák Typ studijního předmětu: povinný roč./sem.:.. 1/1 Rozsah studijního předmětu:.. 2/0/0

Více

Řízení zásob pomocí předpovídání prodejů

Řízení zásob pomocí předpovídání prodejů Řízení zásob pomocí předpovídání prodejů 18.09.2012 Radek Hartman, Daniel Mašek I 18.9.2012 U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I u-sluno@u-sluno.cz I www.u-sluno.cz OBSAH A CÍLE PREZENTACE Proč

Více

Návrh datového skladu z hlediska zdrojů

Návrh datového skladu z hlediska zdrojů Návrh datového skladu Návrh datového skladu OLTP ETL OLAP, DM Operativní data Datové sklady Zdroje dat Transformace zdroj - cíl Etapy realizace 1 Návrh datového skladu Hlavní úskalí analýzy a návrhu spočívá

Více

Konference, Listopad 2013 Michal Štádler

Konference, Listopad 2013 Michal Štádler Konference, Listopad 2013 Michal Štádler S loajálním zákazníkem na věčné časy a nikdy jinak! V dnešní době už má kartičku v peněžence snad každý z nás. Trošku se však podivují nad tím, proč ji tam má,

Více

Jak si udržet zákazníky a nabídnout jim co nejvíce?

Jak si udržet zákazníky a nabídnout jim co nejvíce? Jak si udržet zákazníky a nabídnout jim co nejvíce? 16. dubna 2010 Presentation title to go here Name of presenter Tradiční produktově orientovaný prodej 1. Produkt 2. Komu ho prodat? 3. Jak? 4. Koupě

Více

SEGMENTACE ZÁKAZNÍKŮ PRO E-COMMERCE. Jan Matoušek

SEGMENTACE ZÁKAZNÍKŮ PRO E-COMMERCE. Jan Matoušek SEGMENTACE ZÁKAZNÍKŮ PRO E-COMMERCE Jan Matoušek Zaměření prezentace Téma: Proč některé segmentace fungují a jiné ne Žadné ohromující manažerské schéma Praxe a zkušenosti z 9-ti let tvorby segmentací Telco

Více

P O D T L A K E M A K Č N Í C H N A B Í D E K?

P O D T L A K E M A K Č N Í C H N A B Í D E K? P O D T L A K E M A K Č N Í C H N A B Í D E K? Z d e n ě k S k á l a, R e s e a r c h D i r e c t o r R e t a i l & S h o p p e r, I N C O M A, 24. 11. 2 0 1 0 1. TRENDY: KRIZE, CENY, AKCE 2. PROMOČNÍ

Více

INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE

INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE E-LEARNING Jan Novák 15. července 2014 Obsah Proč mít data? Zdroje dat (externí a interní) Typy dat tvrdá a měkká Nejčastější chyby při přípravě

Více

Aktuální otázky provozu datových skladů PAVEL HNÍK

Aktuální otázky provozu datových skladů PAVEL HNÍK Aktuální otázky provozu datových skladů PAVEL HNÍK K čemu slouží datové sklady IT podporuje business podniků S velikostí podniku se zvyšuje náročnost zpracování dat DWH = unifikovaná datová základna pro

Více

Mobilní telefon v roli komunikačního a reklamního prostředku

Mobilní telefon v roli komunikačního a reklamního prostředku Pracovní skupina pro mobilní reklamu Mobilní telefon v roli komunikačního a reklamního prostředku 6.4. 2009 Konference ISSS, Hradec Králové Michal Němec, T-Mobile Mobilní telefon je unikátní komunikační

Více

Případová studie Distribuční sklad DLC Napajedla a.s.

Případová studie Distribuční sklad DLC Napajedla a.s. Vítězné řešení soutěže IT PROJEKT ROKU 2006 Případová studie Distribuční sklad Tibor Szekeres 14.3.2013 Kongres Samoška, Košice U&SLUNO a.s., SADOVÁ 28, 702 00 OSTRAVA, ČESKÁ REPUBLIKA TEL.: +420 596 101

Více

MODERNÍ OBCHODNÍ FIRMA

MODERNÍ OBCHODNÍ FIRMA FRANCHISE DAY, 12.11.2015, Praha U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I www.u-sluno.cz Aktuální výzvy současného trhu Stále náročnější zákazník Vysoká konkurence Klíčový význam digitálního světa Zvyšující

Více

Obohacení dat o statistické výsledky a potenciál jejich využití 2.2.2011

Obohacení dat o statistické výsledky a potenciál jejich využití 2.2.2011 Obohacení dat o statistické výsledky a potenciál jejich využití 2.2.2011 Společnost SPSS CR nyní výhradní partner IBM pro prodej software IBM SPSS v ČR a SR od roku 1998 franchise SPSS Inc. SPSS Inc. vývoj

Více

Segmentace, typologie. Základy marketingového výzkumu

Segmentace, typologie. Základy marketingového výzkumu Segmentace, typologie 1 Přehled lekce Proč Metodologie Jednotlivé nástroje, ukázky 2 Proč segmentaci? Na dnešních trzích jsou dva protikladné trendy: 1) Trhy se stávají masovými a globálními => unifikace

Více

Simulační modely. Kdy použít simulaci?

Simulační modely. Kdy použít simulaci? Simulační modely Simulace z lat. Simulare (napodobení). Princip simulace spočívá v sestavení modelu reálného systému a provádění opakovaných experimentů s tímto modelem. Simulaci je nutno považovat za

Více

Dolování asociačních pravidel

Dolování asociačních pravidel Dolování asociačních pravidel Miloš Trávníček UIFS FIT VUT v Brně Obsah přednášky 1. Proces získávání znalostí 2. Asociační pravidla 3. Dolování asociačních pravidel 4. Algoritmy pro dolování asociačních

Více

Marketingové řízení podniku

Marketingové řízení podniku Marketingové řízení podniku Vývoj podnikatelských koncepcí přednáška 2 MARKETING definice Marketingová nabídka určitá kombinace produktů, služeb, informací, prožitků, které trh nabízí k uspokojení potřeb

Více

Inovace a zkvalitnění výuky prostřednictvím ICT Databázové systémy MS Access složitější konverze dat Ing. Kotásek Jaroslav

Inovace a zkvalitnění výuky prostřednictvím ICT Databázové systémy MS Access složitější konverze dat Ing. Kotásek Jaroslav Střední průmyslová škola a Vyšší odborná škola technická Brno, Sokolská 1 Šablona: Název: Téma: Autor: Číslo: Anotace: Inovace a zkvalitnění výuky prostřednictvím ICT Databázové systémy MS Access složitější

Více

Marketingový mix moderního maloobchodu s využitím customer insights

Marketingový mix moderního maloobchodu s využitím customer insights Marketingový mix moderního maloobchodu s využitím customer insights Retail in Detail Shopper Marketing 2010 Jan Bízik 26.9.2010 RiD2010, Shopper Marketing, Invite CRM, sro, 09/2010 1 Marketingové dilema

Více

NA MULTIKANÁLOVÝ PRODEJ. Jan Penkala ACOMWARE s.r.o. www.acomware.cz

NA MULTIKANÁLOVÝ PRODEJ. Jan Penkala ACOMWARE s.r.o. www.acomware.cz 13.9.2012 JAK NA MULTIKANÁLOVÝ PRODEJ Jan Penkala ACOMWARE s.r.o. www.acomware.cz ACOMWARE s.r.o. Hvězdova 1689/2a, 140 00 Praha 4 Tel.: 737 289 119 info@acomware.cz www.acomware.cz facebook.com/acomware

Více

v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání

v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání Podpora rozhodování v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání HanušRais Business DevelopmentManager SAS Institute ČR s.r.o. Agenda Úvod - Profil SAS Institute Pojem Business

Více

Reklamní strategie, reklamní kampaň. Plánování reklamy

Reklamní strategie, reklamní kampaň. Plánování reklamy Reklamní strategie, reklamní kampaň Plánování reklamy Jak postupovat při přípravě reklamní kampaně 1. Stanovení cílů kampaně CO se očekává? 2. Potvrzení rozpočtu budget - KOLIK se utratí? 3. Stanovení

Více

Obsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1

Obsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1 Obsah O autorech 11 Poděkování 13 Předmluva 15 Úvod 17 Proč byste se měli přečíst tuto knihu 17 Co tato kniha obsahuje 18 Jak používat tuto knihu 19 Zpětná vazba od čtenářů 20 Errata 20 ČÁST I JAK SE UCHÁZET

Více

Trendy: Růst významu analytického reportingu. Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014

Trendy: Růst významu analytického reportingu. Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014 Trendy: Růst významu analytického reportingu Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014 Témata Údaje, informace, poznání Analytický reporting opravdu to někdo potřebuje? Aktivní

Více

ACOMWARE s.r.o. Hvězdova 1689/2a, 140 00 Praha 4 Tel.: 737 289 119 info@acomware.cz www.acomware.cz facebook.com/acomware twitter.

ACOMWARE s.r.o. Hvězdova 1689/2a, 140 00 Praha 4 Tel.: 737 289 119 info@acomware.cz www.acomware.cz facebook.com/acomware twitter. ACOMWARE s.r.o. Hvězdova 1689/2a, 140 00 Praha 4 Tel.: 737 289 119 info@acomware.cz www.acomware.cz facebook.com/acomware twitter.com/acomware http://dmaemailblog.com/2014/04/24/email-marketing-delivers-the-highest-roi-but-we-already-knew-that-right/

Více

QAD Business Intelligence

QAD Business Intelligence QAD Business Intelligence Vladimír Bartoš, Pavel Němec Konzultanti 13.6.2012 Komponenty QAD BI Analytické tabule pro podporu rozhodování Spolupráce uživatelů nad analyzovanými daty Reporty Generátor analytických

Více

Váš IT partner pro retail, logistiku a distribuci BONUS MANAGEMENT. Daniel Mašek 21.06.2012 Praha. Bonus Management

Váš IT partner pro retail, logistiku a distribuci BONUS MANAGEMENT. Daniel Mašek 21.06.2012 Praha. Bonus Management Váš IT partner pro retail, logistiku a distribuci BONUS MANAGEMENT Daniel Mašek 21.06.2012 Praha Agenda Typické problémy při správě bonusů Aplikace základní informace Problémy & Řešení Co Vám naše řešení

Více

DMS - řízená dokumentace, archiv a co dále? ICT ve zdravotnictví 2014

DMS - řízená dokumentace, archiv a co dále? ICT ve zdravotnictví 2014 DMS - řízená dokumentace, archiv a co dále? ICT ve zdravotnictví 2014 Praha 17.09.2014 Jiří Voves Proč otazník v názvu přednášky? Nové technologie Nové přístrojové vybavení Nové postupy Nová data Data

Více

Marketingový výzkum 10. Výzkum spokojenosti Analýza image

Marketingový výzkum 10. Výzkum spokojenosti Analýza image Marketingový výzkum 10 Výzkum spokojenosti Analýza image Měření spokojenosti zákazníků Periodické hodnocení, nástroj zlepšování kvality Spokojenost = soulad mezi očekávanou a získanou hodnotou Vliv na

Více

Placená reklama ve vyhledávačích

Placená reklama ve vyhledávačích Placená reklama ve vyhledávačích Markéta Valentová Obsah workshopu: PPC systémy obecně Úspora č.1: Jak si vybrat nejlepšího zákazníka Úspora č.2: Jak nastavit kampaň, aby vydělávala, ne utrácela Úspora

Více

MARKETING 4 Segmentace, marketingový mix, marketingový plán.

MARKETING 4 Segmentace, marketingový mix, marketingový plán. MARKETING 4 Segmentace, marketingový mix, marketingový plán. Ing. Hlavní pojmy Marketingu co je nutné umět aplikovat Metody analýzy PPO PZ/EZ Maslowova pyramida potřeb Produkt a analýza produktu Produktový

Více

Příprava dat v softwaru Statistica

Příprava dat v softwaru Statistica Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,

Více

Jak získat nové a čerstvé adresy? Ing. Miroslav Červenka, Schober Information Group CZ a.s.

Jak získat nové a čerstvé adresy? Ing. Miroslav Červenka, Schober Information Group CZ a.s. Jak získat nové a čerstvé adresy? Ing. Miroslav Červenka, Schober Information Group CZ a.s. Obsah 1 Nové technologie pro získávání adres 2 Listbroking 3 Výběr cílové skupiny - příklad Seite 2 Nové technologie

Více

Přizpůsobení Layoutu aplikace. Základní moduly a funkčnost aplikace

Přizpůsobení Layoutu aplikace. Základní moduly a funkčnost aplikace Přizpůsobení Layoutu aplikace Grafickému návrhu na přání klienta Redesign šablon : barevnost, hlavička, logo, grafické prvky stránky M A C S Základní moduly a funkčnost aplikace Vyhledávání podrobné s

Více

Informační a znalostní systémy jako podpora rozhodování

Informační a znalostní systémy jako podpora rozhodování Informační systémy a technologie Informační a znalostní systémy jako podpora rozhodování Petr Moos - ČVUT VŠL Přerov listopad 2015 Analýza a syntéza systému Definici systému můžeme zapsat ve tvaru: S =

Více

Propojení světa online a kamenných prodejen Retail News, Praha,

Propojení světa online a kamenných prodejen Retail News, Praha, Propojení světa online a kamenných prodejen Retail News, Praha, 9.11.2016 Jak spojit výhody obou světů aby se eliminovaly nevýhody? OMNICHANNEL PŘÍSTUP Single channel Multichannel Crosschannel Omnichannel

Více

STÁTNÍ POKLADNA. Integrovaný informační systém Státní pokladny (IISSP)

STÁTNÍ POKLADNA. Integrovaný informační systém Státní pokladny (IISSP) POKLADNA Integrovaný informační systém Státní pokladny (IISSP) Ing. Miroslav Kalousek ministr financí Praha 17.12.2012 Page 1 Integrovaný informační systém Státní pokladny (IISSP) Centrální systém účetních

Více

Jak úspěšně vstoupit na online trh

Jak úspěšně vstoupit na online trh Jak úspěšně vstoupit na online trh Ondřej Klega ACOMWARE s.r.o. www.acomware.cz ACOMWARE s.r.o. Hvězdova 1689/2a, 140 00 Praha 4 Tel.: 737 289 119 info@acomware.cz www.acomware.cz facebook.com/acomware

Více

Obsah. Kapitola 1. Kapitola 2. Kapitola 3. Úvod 9

Obsah. Kapitola 1. Kapitola 2. Kapitola 3. Úvod 9 Obsah Úvod 9 Kapitola 1 Business Intelligence, datové sklady 11 Přechod od transakčních databází k analytickým..................... 13 Kvalita údajů pro analýzy................................................

Více

IBM SPSS Decision Trees

IBM SPSS Decision Trees IBM Software IBM SPSS Decision Trees Jednoduše identifikujte skupiny a predikujte Stromově uspořádané postupné štěpení dat na homogenní podmnožiny je technika vhodná pro exploraci vztahů i pro tvorbu rozhodovacích

Více

Jak mi může pomoci věrnostní program?

Jak mi může pomoci věrnostní program? Jak mi může pomoci věrnostní program? POSÍLENÍM VZTAHŮ SE ZÁKAZNÍKY Zavedení věrnostního programu je stávajícími zákazníky vnímáno jako krok vstřícnosti a ocenění ze strany Vás, obchodníka. PŘI ZÍSKÁVÁNÍ

Více

Informace. v ceně života

Informace. v ceně života Informace STAPRO s.r.o. Pernštýnské nám. 51 530 02 Pardubice v ceně života www.stapro.cz STAPRO s. r. o. Významný dodavatel a poskytovatel: - informačních systémů - zdravotnické techniky - služeb v oblasti

Více

OBJEVTE SVĚT NOVÝCH MOŽNOSTÍ V ONLINE

OBJEVTE SVĚT NOVÝCH MOŽNOSTÍ V ONLINE OBJEVTE SVĚT NOVÝCH MOŽNOSTÍ V ONLINE ŽHAVÉ NOVINKY ve zvýšení prodejního výkonu ONLINE Miroslav Král, Managing Partner, MarketUP 2 1. KOMBINACE TV & Online kampaně Podpořte růst vašeho byznysu v nových

Více

Přednáška č.6. Mezinárodní marketingový výzkum

Přednáška č.6. Mezinárodní marketingový výzkum Přednáška č.6 Mezinárodní marketingový výzkum Mezinárodní výzkum trhu Motto Kdo zná svého zákazníka, ten mu umí nabídnout zboží, které potřebuje způsobem, který ho zaujme. Marketingový výzkum systematické

Více

IT & trendy a inovace pro vaše obchodní aktivity

IT & trendy a inovace pro vaše obchodní aktivity IT & trendy a inovace pro vaše obchodní aktivity Leader v poradenství a řešení pro retail, logistiku a distribuci Praha I 20.12.2012 Program diskuzního semináře 1. Prezentační blok, 9:15 10:30 hodin Zahájení

Více

EKONOMICKÝ A LOGISTICKÝ SOFTWARE. Luhačovice 24.10.2013

EKONOMICKÝ A LOGISTICKÝ SOFTWARE. Luhačovice 24.10.2013 EKONOMICKÝ A LOGISTICKÝ SOFTWARE Luhačovice 24.10.2013 CRM řízení vztahů se zákazníky CRM - je zkratka z anglického Customer Relationship Management a označují se tak systémy pro řízení vztahů se zákazníky.crm

Více

ČVUT FEL K 316. Marketing MARKETINGOVÝ VÝZKUM. Tomek - Vávrová

ČVUT FEL K 316. Marketing MARKETINGOVÝ VÝZKUM. Tomek - Vávrová MARKETINGOVÝ VÝZKUM Transakce mezi podnikem a trhem Komunikace Komunikace Nákupní trh Úhrada Zboží Podnik Úhrada Zboží Odbytový trh Nákupní informace Odbytové informace zbožní transakce informační transakce

Více

Základy vytěžování dat

Základy vytěžování dat Základy vytěžování dat předmět A7Bb36vyd Vytěžování dat Filip Železný, Miroslav Čepek, Radomír Černoch, Jan Hrdlička katedra kybernetiky a katedra počítačů ČVUT v Praze, FEL Evropský sociální fond Praha

Více

Cenové mapy prodejních cen a jejich využití v praxi

Cenové mapy prodejních cen a jejich využití v praxi Cenové mapy prodejních cen a jejich využití v praxi Diskusní setkání časopisu Stavební fórum Středa 16. září 2015 PARKHOTEL Praha Kvalita a spolehlivost dat rezidenčního trhu Současná situace Data shromažďovaná

Více

INCOMA GfK RegioGraph 2009 Guided Tour

INCOMA GfK RegioGraph 2009 Guided Tour RegioGraph představuje komplexní řešení pro Vaše regionální analýzy! Analýzy potencionálních a stávajících zákazníků, konkurence, oblastí prodeje atp. Plánování prodejních teritorií, optimalizace obchodní

Více

Hodnota zákazníka v podnikatelských subjektech cestovního ruchu

Hodnota zákazníka v podnikatelských subjektech cestovního ruchu Hodnota zákazníka v podnikatelských subjektech cestovního ruchu Ing. Lenka Půlpánová, Ph.D. katedra marketingu lenka.pulpanova@tul.cz Potřeba výzkumu nabídka = CK, CA > poptávka = klienti počet CK vzrostl

Více

CO JE TO SWOT ANALÝZA

CO JE TO SWOT ANALÝZA SWOT analýza CO JE TO SWOT ANALÝZA Univerzálně používaný nástroj, který mapuje a analyzuje daný jev (například určitý stav, situaci, úkol, problém, pracovní tým, projekt atd.) Umožňuje dívat se na analyzovanou

Více

Jak používat statistiky položkové v systému WinShop Std.

Jak používat statistiky položkové v systému WinShop Std. Jak používat statistiky položkové v systému WinShop Std. Systém WinShop Std. využívá k zápisům jednotlivých realizovaných pohybů (příjem zboží, dodací listy, výdejky, převodky, prodej zboží na pokladně..)

Více

Hospodářská informatika

Hospodářská informatika Hospodářská informatika HINFL, HINFK Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu reg.

Více

Modernizace technologií správy a aktualizace ZABAGED. Martin Sovadina

Modernizace technologií správy a aktualizace ZABAGED. Martin Sovadina Modernizace technologií správy a aktualizace ZABAGED Martin Sovadina ZABAGED Základní báze geografických dat Digitální geografický model území České republiky Úroveň přesnosti a podrobnosti Základní mapy

Více

Leady & MERK Integrace Microsoft Dynamics CRM s aplikacemi Leady a MERK

Leady & MERK Integrace Microsoft Dynamics CRM s aplikacemi Leady a MERK Integrace Microsoft Dynamics CRM s aplikacemi Leady a MERK Strana 1 z 12 Obsah 1. Leady... 3 a. Shrnutí... 3 b. Popis modulu... 3 c. Technické podrobnosti o modulu... 5 2. MERK... 6 a. Shrnutí... 6 b.

Více

Jak přetavit data v hodnotné informace, které nesou peníze

Jak přetavit data v hodnotné informace, které nesou peníze Powered by Jak přetavit data v hodnotné informace, které nesou peníze Martina Dvořáková 19. 10. 2014 KDO CO KDY??? 2 Zaměřeno na prodej Potřebujeme zisk, co budeme prodávat? 4 Ten náš je nejlepší 5 Produkt

Více

MBI - technologická realizace modelu

MBI - technologická realizace modelu MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,

Více

CATEGORY MANAGEMENT v praxi ústavní lékárny

CATEGORY MANAGEMENT v praxi ústavní lékárny CATEGORY MANAGEMENT v praxi ústavní lékárny Ing.Martin Frano 16. OTC Konference 24.10.2013 Význam CM v prostředí ústavní lékárny Tlak na finanční výkonnost lékárny (pokles na Rx) Záchyt nemocničních pacientů

Více

Výzkum trhu. Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání

Výzkum trhu. Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání Výzkum trhu Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání Slezská univerzita v Opavě Okresní hospodářská komora Karviná 2010-2013 Výukový materiál je výstupem projektu

Více

Manažerský informační systém (MIS) Statistická analýza jako služba Bc. Alena Chodounská

Manažerský informační systém (MIS) Statistická analýza jako služba Bc. Alena Chodounská Manažerský informační systém (MIS) Statistická analýza jako služba Bc. Alena Chodounská V Praze, 14.11.2014 Obsah Proč? Komu? Od Koho? Jak? Co? příklady Zdroj obrázku: www.hotbutterstudio.com 2 MIS proč?

Více

SHOPPER INSIGHTS: CESTA K OPTIMALIZACI KATEGORIE MĚŘENÍ NÁKUPNÍHO CHOVÁNÍ POMOCÍ VIDEO POZOROVÁNÍ RETAIL IN DETAIL KONFERENCE PREZENTACE 27. ZÁŘÍ, 2011 Připravily společnosti Úvod, metodologie, teorie

Více

blízko, rychle, pohodlně

blízko, rychle, pohodlně STRATEGIE STRATEGIE STRATEGIE vize Žabka vstupuje do ČR s novým typem prodejen convenience je tu pro vás blízko, rychle, pohodlně convenience definice 1. Velikost a otevírací doba: Velikost prodejní plochy

Více

Geoportál DMVS využití a další rozvoj

Geoportál DMVS využití a další rozvoj Geoportál DMVS využití a další rozvoj Ing. Michal Bílý OBSAH PREZENTACE Představení projektu DMVS Využití projektu a statistiky Plánovaný rozvoj Závěr PŘEDSTAVENÍ PROJEKTU Digitální mapa veřejné správy

Více

TOGETHER WE CAN projekt interních koučů v UniCredit Bank

TOGETHER WE CAN projekt interních koučů v UniCredit Bank TOGETHER WE CAN projekt interních koučů v UniCredit Bank Firma: UniCredit Bank Czech Republic, a.s. Na Příkopě 858/20 111 21 Praha 1 www.unicreditbank.cz Kontaktní osoba: Lenka Štěpánová Learning & Development

Více

Technologie ve službách online komunikace

Technologie ve službách online komunikace Technologie ve službách online komunikace Lucie Staňková SAS ČR 4. prosince 2009 Digitální zkušenost E-mail Očekávání? Nízkonákladová komunikace Kreativní, intenzivní a samozřejmě úspěšné Výsledek? Malá

Více

Spojte své síly! Efektivní spojení marketingového výzkumu a analýzy interních zákaznických dat (analytického CRM) ve firmě

Spojte své síly! Efektivní spojení marketingového výzkumu a analýzy interních zákaznických dat (analytického CRM) ve firmě Spojte své síly! Efektivní spojení marketingového výzkumu a analýzy interních zákaznických dat (analytického CRM) ve firmě Roman Řípa Blue Strategy Marketing Management 2008 5. června 2008 v Praze Kdo

Více

2 TRŽNÍ TRENDY A CONVENIENCE NAKUPOVÁNÍ A CONVENIENCE KDE JSOU PŘÍLEŽITOSTI?

2 TRŽNÍ TRENDY A CONVENIENCE NAKUPOVÁNÍ A CONVENIENCE KDE JSOU PŘÍLEŽITOSTI? CONVENIENCE A SPOTŘEBITEL ve střední a východní Evropě 1 Zdeněk Skála, INCOMA Research 24. 2 TRŽNÍ TRENDY A CONVENIENCE NAKUPOVÁNÍ A CONVENIENCE KDE JSOU PŘÍLEŽITOSTI? 3 TRŽNÍ TRENDY A CONVENIENCE NAKUPOVÁNÍ

Více

Jak vybudovat a provozovat ziskový eshop. Petr Uttendorfský, oxy online

Jak vybudovat a provozovat ziskový eshop. Petr Uttendorfský, oxy online Jak vybudovat a provozovat ziskový eshop Petr Uttendorfský, oxy online Mít vůbec eshop? obrat 51 MLD Kč v roce 2012 nechtějte eshop za každou cenu uvědomte si, že provozovat eshop vás bude stát čas a peníze

Více

Analýza a prezentace dat

Analýza a prezentace dat 2015 Analýza a prezentace dat rozsah: 2 dny (10 hodin) Mgr. Jiří Číhař www.dataspectrum.cz Analýza a prezentace dat Formátování buněk Nastavení vhodného formátu čísla Vytváření vlastních formátovacích

Více

Maximalizujte výkon display kampaní. Jana Bujalková Analytical Lead

Maximalizujte výkon display kampaní. Jana Bujalková Analytical Lead Maximalizujte výkon display kampaní Jana Bujalková Analytical Lead Jak si vybrat z množství cílení POVĚDOMÍ ZVAŽOVÁNÍ IN-MARKET PODOBNÁ PUBLIKA REMARKETING Efektivní zásah dle marketingových cílů DEMOGRAFIE

Více

Datová kvalita základ úspěšného BI. RNDr. Ondřej Zýka, Profinit

Datová kvalita základ úspěšného BI. RNDr. Ondřej Zýka, Profinit Datová kvalita základ úspěšného BI RNDr. Ondřej Zýka, Profinit 1.6.2012 Datová exploze Snižování nákladů o Zdvojnásobení objemu podnikových dat každé dva roky o Konkurenční tlak o Ekonomická krize o V

Více

Metodický list pro první soustředění kombinovaného NMgr. studia

Metodický list pro první soustředění kombinovaného NMgr. studia Metodický list pro první soustředění kombinovaného NMgr. studia Název tématického celku: Východiska marketingu v pojišťovnictví, jeho obsah a smysl Cíl: Objasnit podmínky, za kterých je možné na finančním

Více

Základy business intelligence. Jaroslav Šmarda

Základy business intelligence. Jaroslav Šmarda Základy business intelligence Jaroslav Šmarda Základy business intelligence Business intelligence Datový sklad On-line Analytical Processing (OLAP) Kontingenční tabulky v MS Excelu jako příklad OLAP Dolování

Více

Výkonnostní marketing velkých značek. Jan Jelínek

Výkonnostní marketing velkých značek. Jan Jelínek Výkonnostní marketing velkých značek Jan Jelínek We sell or else. Potíž mnoha textařů a agentur je ta, že nepřemýšlí o tom jak prodávat. Nikdy nepsali pro přímou odezvu. Nikdy nešli až na krev. Až donedávna

Více

KATEDRA ŘÍZENÍ PODNIKU. Formulace marketingového plánu

KATEDRA ŘÍZENÍ PODNIKU. Formulace marketingového plánu Business model KATEDRA ŘÍZENÍ PODNIKU Formulace marketingového plánu Marketing Marketingové řízení se stává průřezovou podnikovou aktivitou, která bezprostředně ovlivňuje všechny ostatní podnikové aktivity

Více

Helios Easy. integrované řešení pro řízení

Helios Easy. integrované řešení pro řízení integrované řešení pro řízení Skupina ASSECO je jedním z nejvýznamnějších softwarových domů ve střední Evropě. Chcete držet své náklady více pod kontrolou? Potřebujete, aby vaše investice měly rychlou

Více

3 zdroje dat. Relační databáze EIS OLAP

3 zdroje dat. Relační databáze EIS OLAP Zdroje dat 3 zdroje dat Relační databáze EIS OLAP Relační databáze plochá dvourozměrná tabulková data OLTP (Online Transaction Processing) operace selekce projekce spojení průnik, sjednocení, rozdíl dotazování

Více

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27 Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy

Více

Systempartnerschaft. Systémové partnerství Tamaris

Systempartnerschaft. Systémové partnerství Tamaris Systémové partnerství Tamaris Situace v obchodě: Chybějící profil, příp. chybějící koncepce Rostoucí náklady (nájemné, personální náklady,...) Nedostatečná produktivita prodejní plochy Zastaralé struktury

Více

Téma dizertační práce - Strategie ŠKODA AUTO pro čínský trh

Téma dizertační práce - Strategie ŠKODA AUTO pro čínský trh Téma dizertační práce - Strategie ŠKODA AUTO pro čínský trh - Spolupráce při stanovování dlouhodobé strategie ŠKODA AUTO pro čínský trh se zaměřením na produktový management - Analýza současné pozice ŠKODA

Více

DIREKT MARKETING (B_DM) LS 2012

DIREKT MARKETING (B_DM) LS 2012 DIREKT MARKETING (B_DM) LS 2012 Bakalářské studium Garant předmětu: PhDr. Petr Váňa Vyučující:.. PhDr. Petr Váňa aj. Typ studijního předmětu: povinný roč./sem.:.. Rozsah studijního předmětu:.. 1/1/0 (př/cv/sem)

Více

Nové výzvy nejen elekronické farmacie v roce 2015

Nové výzvy nejen elekronické farmacie v roce 2015 Nové výzvy nejen elekronické farmacie v roce 2015 Petr Kasa Předseda představenstva Pilulka Lékárny, a.s. Předseda představenstva CoPharm, a.s. Jednatel Top Farma s.r.o. 1 Agenda Online nejsou jen e-shopy

Více

SLA Service Level Agreement základ řízení podnikové informatiky

SLA Service Level Agreement základ řízení podnikové informatiky SLA Service Level Agreement základ řízení podnikové informatiky Tomáš Bruckner 1 ITG, s.r.o. bruckner@itg.cz http://www.itg.cz katedra informačních technologií VŠE bruckner@vse.cz http://nb.vse.cz/~bruckner

Více

Case Parts e-shop. Spuštění registrace

Case Parts e-shop. Spuštění registrace Case Parts e-shop 1. O e-shopu Case Parts: E-shop CaseParts nabízí registrovaným uživatelům možnost nákupu originálních náhradních dílů a příslušenství CASE IH od společnosti Agri CS a.s. a dalších autorizovaných

Více

Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum

Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum Pracovní list vytvořila: Mgr. Radka Drobná Období vytvoření VM: duben 2012 Klíčová

Více

Praktická ukázka výkonnostní online strategie

Praktická ukázka výkonnostní online strategie Praktická ukázka výkonnostní online strategie Seminář online reklama ve farmaceutickém prostředí 28.5.2014, Praha BETTER MARKETING s.r.o. REFERENCE Přes 3 000 projektů, dlouhodobé zkušenosti: OTÁZKA

Více