Big data и маркетинг

11438

Мы живем в эпоху информации. Знания стали ценным продуктом, за которые готовы платить многие.  Но мы не только потребляем информацию,  мы производим ее ежесекундно. За последние два года был создан объем информации составляющий  более 90% от всего объема знаний, когда либо произведенных человечеством. Это неудивительно, ведь любое хоть немного значимое событие тут же фиксируется камерой мобильного телефона и выкладывается в сеть.

Информационный след, который мы оставляем – огромен. Даже если человек не пользуется активно социальными сетями, он все равно оставляет данные о себе в мировой паутине. Каждый шаг запоминается специальными программами, анализирующими поведение пользователя на страницах сайта. Казалось бы, что еще нужно маркетологу для счастья? Вот он потребитель, со всеми его особенностями, мыслями и желаниями – ничего не мешает сделать предложение, от которого просто невозможно отказаться! Но не все так просто. Дело в том, что объем данных слишком велик, и для его обработки необходимы специальные методы.

По прогнозам аналитиков в конце этого десятилетия объем информации в пересчете  на каждого жителя планеты превысит пять тысяч гигабайт. Чтобы обработать эти данные, нужны значительные мощности, а значит и немалые  инвестиции. Уже сейчас крупные игроки рынка (64% компаний) вкладывают ресурсы в развитие этой области.

В целом работу с big data можно свести к трем основным задачам:

  1. Хранение
  2. Структурирование
  3. Анализ

Если текстовую информацию на данный момент научились обрабатывать, то другие форматы требуют особого подхода. Для работы с ними разрабатывают специальные алгоритмы, которые впоследствии обучают на больших объемах данных.

Так в 2016 году нейросети научились:

  • анализировать интернет страницы не только по ключевым словам, но и по общему смыслу (так заявили в своем пресс-релизе Яндекс);
  • вести микроблог (Twitter @DeepDrumf ведется на основе анализа речей Дональда Трампа, а @neuromzan — Рамзана Кадырова);
  • распознавать речь (Microsoft) ;
  • определять материальное положение в районе по спутниковым  снимкам;
  • определять марку автомобиля (Авто.ру) и узнавать лица (FindFace).

Конечно же, эти алгоритмы активно используются в сфере бизнеса. Так уже упомянутый портал Авто.ру на основе фотографии предоставляет пользователю информацию о бренда, модели, поколении и средней стоимости автомобиля. Для создания сервиса было проанализировано более шести миллионов изображений.

Еще одна особенность Big data – проблема выбора.

Из-за обилия данных нужно хорошо понимать, что именно необходимо проанализировать для решения конкретной задачи, а какими нужно пренебречь Никогда ранее нельзя было сегментировать аудиторию по стольким критериям сразу.

Хорошим примером работы с Big data является предвыборная кампания Дональда Трампа.

Они скупали любую доступную информацию о потребителях, а затем сопоставляла данные с профилями в социальных сетях. Таким образом, они получали достаточно точный психологический портрет избирателя, а также его контактные данные (в том числе адрес и телефон). На основе этой информации  они отправляли агитаторов , осведомленных о политических предпочтениях, вкусах и убеждениях жителей. Беседы агитаторов записывались и вновь подвергались анализу.

Не менее тщательным был подход и к рекламе в социальных сетях. По данным Михала Козинского проанализировав всего 68 лайков человека можно с 95% вероятностью определить его расу, а также и другие персональные характеристики: религиозность, уровень интеллекта, ориентацию, склонность к риску и многое другое. Этот подход позволил сделать наиболее точные рекламные сообщения: всего было запущено более 175 тысяч вариантов. Технология получила название «микротаргетирование».

Для полноты картины добавим, что данный кейс подвергся критике со стороны многих маркетологом. По большей части авторов обвиняют в завышенных показателях успешности, однако сам метод под сомнение не ставят.

Другой успешный кейс  — внедрение технологий Big Data в точках продаж Dunkin’Donuts. Интересно, что данные собирались и использовались в режиме реального времени. Для этого на установленных в местах  продаж мониторах отображались специальные предложения, меняющиеся раз в минуту. Показ того или иного предложения зависел от времени суток и остатков той или иной продукции. Успешность предложений анализировали по чекам. Применение этой системы увеличило прибыль и позволило более эффективно управлять запасами товара.

Подводя итог, Big Data позволяет решать следующие маркетинговые задачи:

  • Создавать более полный и более точный портрет потребителя;
  • Выявлять уровень удовлетворенности;
  • Определять удовлетворенность клиентов вашим сервисом;
  • Повышать доверие и лояльность клиентов;
  • Повышать спрос на продукцию.
  • и другое…

  • 1
    Share

Оставить заявку

Ваше имя*
Телефон*
Комментарий*
E-mail*

я даю согласие на обработку своих персональных данных

Оставить заявку

Ваше имя*
Телефон*
Комментарий*
E-mail*

я даю согласие на обработку своих персональных данных