Google

Lunchseminarium med Google: Reklam och video

Marknadsföreningen Stockholm

I gränslandet mellan film och reklam

– Insikter i hur man lyckas med längre format

Vi har länge misstänkt att längre format inom marknadsföring är bättre än kortare format, under 60 sekunder, på att driva consideration. Hittills har det funnits för få studier på ämnet för att förstå vad det är mer specifikt som gör formaten så effektiva, fram tills nu!

Creative Works, ett team på Google som länge arbetat med att analysera reklamfilm, har under två års tid analyserat över 2,000 reklamfilmer på djupet. De har precis släppt en studie som besvarar många av de frågor vi haft och där det gjorts en hel del intressanta iakttagelser.  Exempelvis kan vi nu få svar på exakt hur lång den optimala reklamfilmen för att driva consideration borde vara.

Med utgångspunkt i denna nya studie kommer Arielle Ehnevid från Google att presentera resultaten i relation till ämnen som:

  • Vad bör man tänka på när man vill driva consideration för sitt varumärke?
  • Hur stor roll spelar mångfald och vad betyder mångfald i marknadsföringssammanhang?
  • Vad kan den klassiska filmtrailern lära oss om marknadsföring?

När: Tisdag 17 maj, kl 11.30 – 13.00*
Var: Google, Kungsbron 2, Stockholm

HÅLLTIDER:

  • 11.30 – 12.00: Lunchmingel! Google bjuder på en enklare lunch
  • 12.00 – 13.00: Föreläsning inkl frågestund

Seminarium, 17 maj, kl 11:30-13:00

BOKA DIN PLATS >>

Avbokning sker senast 24h innan till info@mis.se eller via din bokningsbekräftelse (via e-post). Vid sen avbokning eller utebliven närvaro utgår no show-avgift 349 kr ex moms.
Villkor och avbokningsregler

Så behandlar vi dina personuppgifter

Inte medlem

Talare

Arielle Ehnevid har jobbat på Google de senaste 8 åren där hon ägnat sig åt bland annat varumärkesbyggande utifrån ett data & insights-perspektiv i Stockholm, England och USA. De senaste åren har hon varit kundansvarig för några av Sveriges största globala aktörer. I hjärtat är hon en datanörd som riktigt njuter av att hitta guldkorn bland mängder av data.