Recommender-Systeme mit Facebook-Freundesdaten

@dommmel von blume123 präsentiert verschiedene Möglichkeiten, wie Kundendaten von Facebook verwendet werden können, um Konversionsraten zu steigern oder innovative Wettbewerbsanalysen durchzuführen.

Transcript

1. Recommender-Systeme mit Facebook Freundesdaten Dominik Heier, 2013
2. Dominik Heier Viral Technology Evangelist @ blume123 Nerd Produkt-Lover Denglisch-Opfer Work Social Network Analysis Innovation Management Product Management Big Data Social Media Mobile (Web)
3. Du... betreibst eine Facebook App oder verwendest Facebook Login ..?
4. Du kannst Deine App/Seite personalisieren Warum? Bessere Konversionsraten > mehr Umsatz Wie? OpenGraph, Baby!
5. Empfehlungen > Umsatz
6. Empfehlungen > Umsatz 90% aller Kaufentscheidungen basieren auf persönlichen Empfehlungen 81% der Konsumenten erhielten Rat bezüglich einer Kaufentscheidung von Freunden in sozialen Netzwerken Douglas MacMillan, "Does social media sway online shopping?", Businessweek.com, August 2009 Nielson Global Online Consumer Survey, New York, April 2009
7. Persuasive Design Auswirkung Verstehen Ermöglichen Beeinflussen User research Interaction Design Persuasive Design
8. Persuasive Design 1. Reziprozität Wir erwidern Gefallen 2. Autorität Wir suchen nach Experten 6 Prinzipien 5. Sympathie Wir sagen eher „ja“ zu jemandem, den wir mögen 6. Social Proof Wir orientieren unser Handeln an anderen 3. Commitment/Konsistenz „Wer A sagt muss auch B sagen“ 4. Knappheit Je seltener etwas ist, desto mehr wollen wir es
9. Wir* bekommen jeden Tag Empfehlungen von unseren Freunde Wo: Auf Facebook Wann: Echtzeit * Die Kunden unserer Auftraggeber
10. Ziel: Raum-Zeit Koordinaten umbiegen Auf Facebook > Beim eigenen Angebot In Echtzeit > Vor dem Kauf
11. Personalisierung mit Facebook bisher Activity Plugin Beispiel für meine Facebook-Freunde und Spiegel.de Recommender Plugin
12. Nachteile Kein Branding Keine Verknüpfung mit dem eigenen Datenbestand (Transaktionsdaten etc) Keine Kontrolle des Inhalts Keine Erfolgsmessung Nur für Webseiten (keine Newsletter, mobile Apps o.a. möglich)
13. Besser selber machen... Likes Shares Checkins Datenbasis
14. BIG data Besser selber machen... Bei 10000 Nutzern > alle Freunde mal (alle Likes + alle Shared Links + alle Checkins) > schnell über 1 Milliarde Datenpunkte
15. Recommender Ranking Populärste Inhalte Aktuelle Inhalte Filter Ursprung (z.B. www.meineseite.de) Thema (z.B. Music) Trivial aber effektiv
16. Beispiel-Abfragen Für jeden einzelnen Kunden individuell Populärste Sportmannschaft Populärste Band Populärster Film Populärster Artikel von zeit.de Populärstes YouTube-Video Populärste Unterseite von www.deinerSeite.de Populär = am meisten „geliked“
17. Beispiel Sicht auf einen Kunden (in dem Fall mich ;-) Populärste Band & Filme
18. Lokale Musiker/Bands (z.T. mit Mitgliedern aus meinem Freundeskreis)
19. Sind auch in meiner (im Kopf geführten) Bestenliste ganz vorne
20. Alle Themen-Kategorien Album Amateurmannschaft Anwendungsseite Arzneimittel Attraktionen/Unternehmungen Ausbildung Ausflüge/Sehenswürdigkeiten Automobil Autor Autos Autos und Autoteile Babywaren/Kinderwaren Bank/Finanzdienstleistungen Bank/Finanzinstitut Bar Baumaterialien Bekleidung Beratung/Dienstleistungsunternehmen Bergbau/Materialien Bibliothek Biotechnologie Buch Buchhandlung Bürozubehör Chemische Substanzen Club Computer Computer/Technologie Denkmal Dienstleistungsunternehmen Doktor Einkaufen/Einzelhandel Einzelhandels- und Konsumgüter Elektronik Energie/Energieversorger Essen/Getränke Essen/Lebensmittel Fernsehsender Fernsehsender Fernsehsendung Fiktiver Charakter Film Filme/Musik Flughafen Freizeitbekleidung/Sportwaren Gemeinnützige Organisation Gemeinschaft/Regierung Gemeinschaftliche Organisation Geschäftsperson Gesundheit/Medizin/Apotheke Gesundheit/Medizin/Medikamente Gesundheit/Schönheit Guter Zweck Haushaltsgeräte Haushaltswaren Haustierdienstleistungen Heimtierbedarf Heimwerken Hitparade Hotel Immobilien Industrie Ingenieurswesen/Baugewerbe Inneneinrichtung Internet/Software Journalist Kamera/Foto Kino Kirche/Religiöse Gemeinschaft Kleinunternehmen Koch Komiker Kommerzielle Waren Konzert-Tour Konzertgelände Krankenhaus/Klinik Kunst/Unterhaltung/Nachtleben Küche/Kochen Künstler Landwirtschaft/Agrarwirtschaft Lehrer Lied Lokales Geschäft Luft- und Raumfahrt/Verteidigung Magazin Medien/Nachrichten/Verlagswesen MonarchIn Museum/Kunstgalerie MusikerIn/Band Musikinstrument Musikpreis Musikvideo Möbel NachrichtensprecherIn Nichtregierungsorganisation (NRO) Organisation Person des öffentlichen Lebens Plattenfirma Politiker Politische Organisation Politische Partei Produkt/Dienstleistung Produzent Professionelle Dienstleistungen Professionelle Sportmannschaft Radiosender Recht/Gesetz Rechtsanwalt Redakteur Regierungsbeamter Regierungsorganisation Reisen/Freizeit Restaurant/Café SchauspielerIn/RegisseurIn Schmuck/Uhren SchriftstellerIn Schule Schulmannschaft Software Spa/Schönheit/Körperpflege Spiele/Spielzeuge Sport/Entspannung/Aktivitäten SportlerIn Sportliga Sportstätte Studio Taschen/Gepäck Telekommunikation Terrasse/Garten Trainer Transport/Fracht Transportwesen TV/Filmpreis Tänzer Universität Unterhalter Unternehmen Veranstaltungsplanung/ Veranstaltungsdienste Verkehrshaltestelle Versicherungsgesellschaft Vitamine/Präparate Webseite Wein/Spirituosen Werkzeuge/Ausrüstung Wiedergabeliste Öffentliche Orte https://gist.github.com/dommmel/2309346
23. Word-of-Mouth (WoM) Sichtbarkeit Der Facebook Newsfeed ist der Platz, an dem alle Empfehlungen aus dem (Online-) Leben eines Nutzers zusammenlaufen. Die WoM-Sichtbarkeit einer Marke ist der Anteil der Markeninhalte an den gesamten Inhalten im Newsfeed eines Nutzers.
24. Innovative Wettbewerbsanalyse WoM-Sichtbarkeits-Benchmarks Kundensegmentierung nach WoM- Sichtbarkeit Bei welchen MEINER Kunden ist das Angebot meines Wettbewerbers sichtbarer als mein eigenes Was sind die bei MEINEN Kunden populärsten Inhalte des Wettbewerbers
25. Shameless Plug Wir bauen ein SaaS*-Produkt, dass die Facebook-Datenverarbeitung bewerkstelligt und die genannten Recommender-Funktionen bietet Beta-Tester gesucht! Mail an info@blume123.de * Software as a Service
26. Elastic Server Infrastructure Social Network Hub Graph Datastore Recommender Module Presentation
27. Gipfel Nahtlose Integration Link away (ohne Strategie) Nichts machen - keine Facebook-Integration Marke im Facebook Kanal integriert Link away (mit Strategie ) Facebook Login Facebook Inhalte auf eigener Seite Facebook Login & Viraler Loop Angelehnt an: Jeremiah Owyang, Roadmap for the Social Corporate Website, Altimeter Group, May 2010
28. @dommmel dominik@blume123.de