Data Driven Publishing - igdigital.de · 23.02.2020 Data Driven Publishing –Peter Schmid-Meil 9. 2. Von Low Hanging Fruits und Buzzwords 23.02.2020 Data Driven Publishing –Peter

Peter Schmid-Meil, Leiter Produktmanagement readbox publishing

Data Driven Publishing

Agenda

1. Daten? Was für Daten? Und was können die eigentlich?

2. Von Low hanging Fruits und Buzzwords

3. DDP-Beispiele aus Marketing, Vertrieb und Programm

4. Wo liegen die Grenzen?

223.02.2020 Data Driven Publishing – Peter Schmid-Meil

Peter Schmid-Meil, 49, seit 2000 in der Verlagsbranche• Leiter Produktmanagement & Business Development bei readbox publishing• Nebenberuflich freier Berater, Dozent und Trainer für digitales Publizieren• Verlage: ecomed, Haufe, Franzis, GRIN• Dienstleister: Open Publishing, Klopotek, readboxSpezialgebiete• Digitale Verlagsprodukte: E-Books, Apps, Augmented Reality• Prozessanalyse und -optimierung: Idee → Produkt → Vermarktung → Optimierung• Content- & Marketing-Strategien

C‘est moi

23.02.2020 3Data Driven Publishing – Peter Schmid-Meil

1. Daten? Was für Daten? Und was können die eigentlich?


Verstehen - Analytics• Umsatz-, Absatz und Erlöskurven nicht nur beobachten, sondern auch verstehen.• Die Performance eines Titels aus allen Blickwinkeln betrachten. • Kundenverhalten nachvollziehen und Marketingmaßnahmen bewerten.• Benchmarking!

Verbessern - Intervention• Zum richtigen Zeitpunkt die richtigen Maßnahmen zur Umsatzoptimierung einleiten.• Das Ganze als Prozess denken. PDCA or die!

Was können Daten leisten?

23.02.2020 Data Driven Publishing – Peter Schmid-Meil 5

Verschlanken - Automation• Prozesse beschleunigen. Und gleichzeitig vereinfachen.• Ressourcen effizienter nutzen und Kosten sparen.• Algorithmen Dinge überlassen, die sich dauernd wiederholen.

Vorhersagen - Prediction• Im Marketing. Bei der Programmentwicklung. Und bei der Geschäftsplanung. • Zeitpunkte. Preise. Maßnahmen. Umsätze. Kosten. Erträge.• Dinge zu tun. Oder sie zu lassen.

Was können Daten leisten?


• Erlöse: Absätze, Umsätze, Erträge. Tagesaktuell und (retourenbereinigt) monatlich. Aufgeschlüsselt oder in beliebiger Kombination zusammengefasst nach Medienform, Ausgabe, Auflage. Oder nach Shop, Ländern, Autoren, Reihen, Imprints. Dazu noch Erlöse aus Ramsch, (Auslands)Lizenzen, Streaming etc.

• Kosten: Lektorat, Marketing, Vertrieb, Herstellung, Auslieferung, Lagerhaltung, Makulatur, Honorare etc. → Deckungsbeitrag

• Produkt: Metadaten und Content• Marketing: Daten aus Aktionen → Transparenz• Kunden: Social Media Monitoring, Mailadressen, Website-Analytics (z. B.

Suchbegriffe), Nutzungsdaten (Streaming, Digitalangebote)

Inhouse-Daten


• Amazon Retail Analytics Premium (ARA): Kundenverhalten, Verkaufstrends, Benchmarks etc.

• Shop Analytics: z. B. readbox Amazon KPIs• Markt: media control (MC METIS)• Statistiken & Studien: Börsenverein, Destatis, Statista, IfD

Allensbach etc.

Externe Daten


Aus Daten Benchmarks entwickeln

• Amazon Sales Ranks tracken und mit eigenen und anderen Titeln vergleichen

• Titelperformance-Vergleich innerhalb des Verlags. Pro Medium und insgesamt. Nach Umsätzen, Absätzen, Kosten und Deckungsbeitrag. Nach Autoren, Reihen, Genres und Imprints.

• Titelperformance-Vergleich mit dem Markt. Kriterien siehe oben. Über Dienstleister und eingekaufte Daten möglich.

• Performance-Vergleich von Marketing-Kampagnen. Nach Conversion, Interaktion, Sales, Social-Media-Impact etc.


2. Von Low Hanging Fruits und Buzzwords


Paradebeispiel für schnelle Effekte: Metadaten


• Suchbegriffe für den Endkunden• Pro Titel 3 nötig für VLB-Goldstandard• Shops verarbeiten bis zu 20• Empfehlung: Mindestens 10, besser 15• Reihenfolge nach Relevanz, NICHT

alphabetisch!Aus Kundenperspektive denken!!!!

Metadaten: Schlagworte, Keywords


• Suchbegriffe für den Handel• WGS (deutsch)• Thema (international, aber noch nicht weltweit verbreitet)• BISAC (nordamerikanisch, weit verbreitet)• Wichtig und gefährlich: Amazon Browse Tree Node-IDs

• Einstufung in amazon-Kategorien durch Klassifikation und Keywords• Fehleinstufung kann zu Umsatzverlusten und Marketingausschluss

führen.

Metadaten: Kategorien, Klassifikationen


http://editeur.dyndns.org/thema/de

http://bisg.org/page/bisacedition


Metadaten: Optimierungs-Effekt

• Google & Amazon: Autocompletes der Suchen

• Google Trends• Google Ads Keyword Planner• readbox Metadaten-

Optimierung

Metadaten: Schlagworte, Keywords - Tools


https://www.google.de/trends/

https://www.readbox.net/publishing/metadatenoptimierung/

• Big Data: Sehr viele Daten.• Künstliche Intelligenz (KI): stark oder schwach? Schwach!• Machine Learning: KI-Methode. Algorithmisches Auswerten und Erkennen von

Daten mittels Trainingsdaten. Je mehr, desto besser das Ergebnis.• Deep Learning: Spezielle Machine-Learning-Variante, die sich künstlicher

neuronaler Netze bedient.• Business Intelligence: Daten auswerten, um richtige Entscheidungen zu treffen.

Business Analytics erweitert das Ganze um Vorhersage-Funktionen.• Data Warehouse: Zentrale Datenbank, die aus verschiedenen Systemen gespeist

wird und übergreifende Auswertungen erlaubt.

Buzzwords


3. Beispiele aus Marketing, Vertrieb und Programm

1723.02.2020 Data Driven Publishing – Peter Schmid-Meil

Vertrieb: Amazon KPIs


Messen, beobachten und Auswerten von• Amazon Sales Rank• Kundenrezensionen• Kategorien (Browse Nodes)

Vertrieb: Amazon Sales Rank


Marketing: Auswerten von Preisaktionen


Marketing: Auswerten von Preisaktionen


• Wichtigste Auswahlkriterien bei der Titelauswahl sind Alter, Preisund das aktuelle Verkaufsniveau.

• Der perfekte Preis weicht nicht zu wenig und nicht zu viel vom Originalpreis ab, liegt i.d.R. 50% niedriger als der Originalpreis.

• Aber: 8,99 € → 3,99 € ist effizienter als 1,99 € → 0,99 €• Die perfekte Dauer einer Preisaktion liegt zwischen 5 und 10 Tagen.

Erfolgswahrscheinlichkeit in Abhängigkeit vom aktuellen Verkaufsniveau


Erfolgswahrscheinlichkeit in Abhängigkeit von der Preisaktionsdauer


Wann ist eine Preisaktionen erfolgreich?

23.02.2020

Aktionstypen:

• Umsatzorientierte Aktionen→Wie viel mehr Geld?

• Mengenorientierte Aktionen→Wie viel mehr Absatz?

Vergleichszeiträume:

• Vor vs. während der Preisaktion oder

• Vor vs. nach der Preisaktion?

Data Driven Publishing – Peter Schmid-Meil 24

Preisaktionen: Effekt In-Book-Marketing


Bauchgefühl versus Datenanalyse

• Gutes Bauchgefühl ist echt viel wert.• Aber: die Datenanalyse verbessert die Chancen deutlich.• Ein reales Rechenbeispiel für einen Buchverlag:➢ 2.000 Preisaktionen, Erfolgsquote 56%➢ 1.200 Preisaktionstitel hatten ein Niveau von 0-5 Verkäufen täglich.➢ Diese Kategorie hat eine 50:50-Chance auf Erfolg.➢ Die nächsthöhere Kategorie mit 5-9 Verkäufen hat eine 70:30-Chance.➢ Hätte der Verlag die zweite Kategorie gewählt, wäre die Erfolgsquote

insgesamt 68% gewesen. Und der zusätzliche Umsatz um einen 5-stelligen Betrag höher.


Programm: Analyse von Texten


• LiSA von Qualifiction: Analysiert Texte, vergleicht sie und gibt Erfolgswahrscheinlichkeiten aus.

• Analyse-Beispiel: Das Geschenk von Sebastian Fitzek• In Entwicklung bei readbox: Analyse und wirtschaftliche

Einschätzung von unverlangt eingesendeten Manuskripten.

https://www.qualifiction.info/lisa/

https://qualifiction.jimdofree.com/2020/01/07/buch-des-monats-das-geschenk-von-sebastian-fitzek/

• Können KIs Texte schreiben? Ja. Klar strukturierte Texte sogar schon ziemlich gut. Also Pressemitteilungen, Börsennews, Fußballspiel-Zusammenfassungen. Aber noch nicht in menschlicher Autoren-Qualität.

• Kann man datenbasiert einen Bestseller vorhersagen? Jein. Man kann die Erfolgswahrscheinlichkeit eines Textes einschätzen. Hilft aber nichts, wenn das Cover nichts taugt…

• Können Systeme die richtigen Preise oder Preisaktionen vorhersagen? Ja, sehr bald. Sie sind gerade am lernen. Und sie werden immer besser. Und Amazon kann‘s eh schon.

Grenzen und Ausblick


Danke fürs Zuhören und viel Erfolg! Bei Fragen oder Projektideen erreichen Sie mich unter:

Peter Schmid-MeilBerater für Digitales Publizieren Leiter Produktmanagement bei [email protected] [email protected]öhm-Str. 71 Rheinische Straße 17185598 Baldham 44147 Dortmund+49 178 415 20 44 +49 231 586 933 19

• https://www.xing.com/profile/Peter_SchmidMeil

• https://twitter.com/derlektor

• http://de.slideshare.net/derlektor

• http://www.derlektor.de

Kontaktdaten


mailto:[email protected]

mailto:[email protected]

https://www.xing.com/profile/Peter_SchmidMeil

https://twitter.com/derlektor

http://de.slideshare.net/derlektor

http://www.derlektor.de/

Documents

Data Driven Publishing - igdigital.de · 23.02.2020 Data Driven Publishing –Peter Schmid-Meil 9. 2. Von Low Hanging Fruits und Buzzwords 23.02.2020 Data Driven Publishing –Peter