ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ
|
|
- Sabina Kovářová
- před 8 lety
- Počet zobrazení:
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
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
VíceJak 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?
VíceMODERNÍ 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
VíceCLICK & 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
VíceMETODY 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
VíceCíle 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
VíceKomunikujte 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
VíceCustomer 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
VíceSurfujte v business analýze jako profík. Naučíme Vás podpořit klíčová rozhodnutí firmy.
Surfujte v business analýze jako profík Naučíme Vás podpořit klíčová rozhodnutí firmy. Intuice nestačí. S čím Vám pomůžeme? Firmy čelí narůstající záplavě dat, posilují své analytické schopnosti a hledají
VíceBA_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?
VíceMARKETINGOVÉ 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
VíceCílený 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
VíceKDE 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
VíceVysoká 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
VíceVysoká 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)
VíceJak 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
VíceNávrh 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
VícePřípadová 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
VíceŘízení 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
VíceSEGMENTACE 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
VíceSTRUČNÝ PRŮVODCE ANALYTICKÝM PROCESEM
SPOLEČNOST ACREA Váš dlouholetý partner v oblasti analýzy dat - od dodání softwaru, přes řešení analytických úkolů, až po výuku statistických a dataminingových metod. STRUČNÝ PRŮVODCE ANALYTICKÝM PROCESEM
VíceKonference, 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,
VíceInovace 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
VíceINOVATIVNÍ 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
VíceMobilní 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
VíceSimulační 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
VíceKatedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group
Vytěžování dat Miroslav Čepek, Filip Železný Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group Evropský sociální fond Praha & EU: Investujeme
VíceSegmentace, 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
VíceP 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
VíceObohacení 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
VíceMODERNÍ 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
VíceInformační 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 =
VíceAktuální 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
VíceObsah 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
VíceMarketingový 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
VíceInformace. 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
VíceDatová kvalita. RNDr. Ondřej Zýka
Datová kvalita RNDr. Ondřej Zýka 1 Datová kvalita Jedna z kompetencí Data managementu Cíl: Zajistit uživatelům data v kvalitě potřebné k jejich činnosti Kvalita dat: Subjektivní pojem závislý na požadavcích
VíceACOMWARE 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/
VíceVáš 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
VíceMarketingové 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
VíceDolování 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
VíceSTÁTNÍ 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
VíceMultimédia a pokladní systémy
Společnost Apls je dodavatelem profesionálních pokladních systémů. Pokladní systémy APLS DOS a WinShop používá více než 4 000 uživatelů v České republice a na Slovensku. Vybrané reference: Sítě obchodů
VíceOBSAH. Kapitola účetní ekonomické a právní kurzy Cestovní máhrady Hmotný a nehmotný majetek Novinky v daních a účetnictví...
OBSAH Kapitola účetní ekonomické a právní kurzy... 3 Cestovní máhrady... 3 Hmotný a nehmotný majetek... 3 Novinky v daních a účetnictví... 3 Pohledávky... 3 Cash flow... 3 Ekonomické minimum - pro začátečníky...
VíceNA 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
VíceAnalýza 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
VíceJak 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
VíceA1 Marketingové minimum pro posílení výchovy k podnikavosti (8h)
A1 Marketingové minimum pro posílení výchovy k podnikavosti (8h) 2.1 Základy marketingové strategie (2,5h) Učitelé se seznámí se základní marketingovou terminologií a s možnými cestami rozvoje firmy. V
Vícev 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
VíceIBM 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
VíceTrendy: 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
VíceEKONOMICKÝ 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
VíceReklamní 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
VíceMarketingový 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
VícePřednáška 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
VíceUŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0
UŽIVATELSKÁ PŘÍRUČKA K INTERNETOVÉ VERZI REGISTRU SČÍTACÍCH OBVODŮ A BUDOV (irso 4.x) VERZE 1.0 OBSAH 1 ÚVOD... 3 1.1 HOME STRÁNKA... 3 1.2 INFORMACE O GENEROVANÉ STRÁNCE... 4 2 VYHLEDÁVÁNÍ V ÚZEMÍ...
VíceQAD 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
VíceCenové 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
VíceDMS - 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
VícePlacená 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
VíceIT & 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
VíceJak 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..)
VíceCO 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
VíceINCOMA 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
VíceEfektivní informační služby NTK pro veřejnost a státní správu. 25. dubna 2012
Efektivní informační služby NTK pro veřejnost a státní správu 25. dubna 2012 1 Agenda prezentace 1. Cíle projektu; 2. Realizované činnosti v projektu; 3. Příklady výstupů z projektu; 4. Harmonogram projektu;
VíceHospodářská 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.
VíceEfektivní práce s Excelem (středně pokročilí uživatelé)
2015 Efektivní práce s Excelem (středně pokročilí uživatelé) rozsah: 2 dny (10 hodin) Mgr. Jiří Číhař www.dataspectrum.cz Efektivní práce s Excelem pro středně pokročilé uživatele Práce s rozsáhlými tabulkami
VíceZáklady 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
VíceJak 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
VíceVýzkum 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
VíceMARKETING 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
VícePřizpůsobení 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
VíceJak 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
VícePropojení 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
VíceSHOPPER INSIGHTS: CESTA K OPTIMALIZACI KATEGORIE MĚŘENÍ NÁKUPNÍHO CHOVÁNÍ POMOCÍ VIDEO POZOROVÁNÍ RETAIL IN DETAIL KONFERENCE PREZENTACE 27. ZÁŘÍ, 2011 Připravily společnosti Úvod, metodologie, teorie
VícePříprava 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,
VíceMBI - 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,
VíceTOGETHER 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
VíceSpojte 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
VíceGeoportál 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
VícePřes 450 Facebook aplikací za 3,5 roku existence Spravováno USD ve Facebookové reklamě Cca uživatelů v našich aplikacích 2 870
BRANDZ FRIENDZ MY Cca Přes 450 Facebook aplikací za 3,5 roku existence Spravováno 1 000 000 USD ve Facebookové reklamě Cca 1 600 000 uživatelů v našich aplikacích 2 870 000 fanoušků analyzovaných stránek
VíceObsah. 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................................................
VíceMetodický 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
VíceDatová 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
VíceBIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012
BIG DATA Nové úlohy pro nástroje v oblasti BI 27. listopadu 2012 AGENDA 1. Úvod 2. Jaké jsou potřeby? 3. Možné řešení 2 Jaké jsou potřeby? Dopady Analýza dat potřeba nového přístupu Jak na nestrukturovaná
VíceKATEDRA 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
VíceMORAVSKÁ VYSOKÁ ŠKOLA OLOMOUC
MORAVSKÁ VYSOKÁ ŠKOLA OLOMOUC partner pro byznys inovace MORAVSKÁ VYSOKÁ ŠKOLA OLOMOUC Hlavní zaměření: Odborná specializace: EKONOMIKA a MANAGEMENT Inovační management Informační a komunikační technologie
VíceANALÝZA KONKURENCE CO JE PRO NÁS DŮLEŽITÉ. Veronika Ko MSFN Analýza konku
ANALÝZA KONKURENCE CO JE PRO NÁS DŮLEŽITÉ Obsah: Co je konkurence Konkurenční pozice Porterova analýza pěti sil Postup analýzy Matice pro přímé a nepřímé konkurenty Strategické mapy Co je konkurence Konkurence
VíceStručný 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
VíceUrčeno 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
VíceGIS jako důležitá součást BI. Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o.
GIS jako důležitá součást BI Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o. ARCDATA PRAHA, s.r.o. THE GEOGRAPHIC ADVANTAGE Motto Sladit operační taktiku s organizační strategií Strategie bez taktiky je
VíceVývoj lékárenských aliancí v České republice Čím se odlišují a jak zajišťují efektivitu marketingových investic výrobců v místě prodeje?
Vývoj lékárenských aliancí v České republice Čím se odlišují a jak zajišťují efektivitu marketingových investic výrobců v místě prodeje? Ing. Lubomír Calta výkonný ředitel, Magistra, a.s. XX. OTC Konference
VíceKIV/ZIS - cvičení. je dobré chodit na cvičení, lépe se pak vypracovávají semestrálky. první 2 týdny podle kapacity 1/37
KIV/ZIS - cvičení David Široký (dsiroky@kiv.zcu.cz) http://portal.zcu.cz -> Courseware -> Moje předměty -> KIV/ZIS http://dasir.cz/vyuka/ docházka - není povinná, ale je sledovaná přesuny mezi cvičeními
VíceDIREKT 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)
VíceČVUT 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
VíceMark tingový výzkum. Téma. Marketingový výzkum. Realizace. Tomek - Vávrová Katedra ekonomiky, manažerství a humanitních věd FEL-ČVUT Y16MVY
Marketingový výzkum Realizace Tomek - Vávrová YMVY Proces marketingového výzkumu Návrh projektu výzkumu Stanovení zdrojů a způsobu získávání informací Sběr informací Vyhodnocení výzkumu a interpretace
VíceSlouží k propojení aplikací, s čímž Vám pomůže odborná firma (tyto aplikace spravující).
Import objednávek Slouží k propojení aplikací, s čímž Vám pomůže odborná firma (tyto aplikace spravující). Zároveň můžete pomocí této funkce nahrát Váš připravený seznam zboží do nákupního košíku jako
VíceLeady & 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.
VíceModernizace 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
VíceHodnota 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