Персонализация и технологии в маркетинге — тренд последних лет. Как он развивается в Украине в сферах, которые проактивны в этом направлении? Какие сферы отстают?
Так исторически сложилось, что сервисы, где персонализация стала неотъемлемой составляющей, являются в основном западными. Facebook с его EdgeRank (алгоритм персонализации ленты новостей), Google со своей персонализацией выдачи, Amazon, где BigData позволила вывести уровень логистики до превентивной доставки (товар отправляется в город до того, как его закажут, на базе предыдущей статистики по заказам из этого города). Эти и ряд других проектов стали пионерами в области персонализации и примерами для подражания.
Маркетологи — существа стадные. Потому часто один успешный кейс от авторитетного человека с применением нового инструментария порождает целый тренд. Также часты случаи, когда тренды приходят с запада, где развитие ниши больших данных и машинного обучения значительно опережает наши показатели.
С сервисами типа поисковых систем и социальных сетей в Украине не заладилось, а вот ниша e-commerce вполне себе самобытна с минимальным числом крупных зарубежных игроков. На примере этой ниши и стоит рассмотреть, как обстоят дела у нас. А дела обстоят не очень. У многих персонализация застыла на уровне «поставить плагин персонализации рекомендуемых товаров» (при этом совершенно не углубляться в его настройку).
У страховых компаний и банковской сферы с анализом больших данных дела обстоят лучше. Но это сложилось исторически, это сложно отнести к заслугам отечественных компаний.
Что вы называете Big Data?
Big Data — парадигма работы с данными, которая подразумевает сбор и превращение абстрактных цифр в прикладные решения для бизнеса.
Следует заметить, что интернет-маркетинг здесь — капля в море. Банковская сфера, экономика и финансы, страхование, логистика, военная промышленность — сферы, где Big Data укоренилась давно и надолго.
Вообще, обширность понятия Big Data породила некоторую проблему идентификации специалистов. К примеру, аналитик из банковской сферы и аналитик из мира маркетинга — это совершенно разные люди что по навыкам, что по результатам деятельности. Они могут использовать один и тот же инструментарий для анализа, но без понимания своих ниш создавать конкретные решения на базе своей аналитики у них не получится.
Какие возможности Big Data сегодня используются на украинском рынке, а какие недооцененно компаниями игнорируются?
Факт использования того или иного инструмента не является критерием эффективности. В отечественном сегменте настолько популярный тренд не мог остаться незамеченным. И я уверен, наши аналитики успели протестировать самый разнообразный инструментарий и поэкспериментировать с разными подходами. Но результатами делятся не часто.
Давайте перефразируем вопрос на: «С какой эффективностью используются возможности по анализу больших данных?». И тут заметим проблему: результат от внедренных решений по работе с большими данными в большинство кейсов не входит. eCommerce — это не тусовка благотворительных организаций. Результат здесь — деньги. Прямая корреляция между внедрением каких-либо решений по аналитике и приростом прибыли (или уменьшением расходов) почему-то озвучивается редко. Скорее всего, не от того, что все так хорошо, как хотелось бы.
Какие возможности Big Data будут доступны на рынке в ближайший год?
Принципиально новых решений ожидать не следует. Будет развитие Enterprise-сегмента. Будет развитие узкоспециализированных сервисов, направленных на решение отдельных задач бизнеса. Революций не предвидится. У аналитика есть все необходимое, осталось научиться этим пользоваться.
Компаниям не стоит ждать новый софт, который магическим образом решит все их проблемы. Следует научиться за действием видеть ценность и просто начать работать с тем, что уже есть. Круто — это когда специалисты без громких заявлений с помощью CSV-выгрузок и того же Excel генерируют решения, которые завтра начнут экономить деньги на рекламу, повышать отклик от мейл-рассылок, увеличивать конверсию и прибыль целевого проекта.
Данных стало слишком много для Excel — О’Кей, пора перейти на язык R, его потенциала хватит с запасом. Потом останется только превратить точечные решения в системный подход. Остальное — шелуха и шумиха. Возможности Big Data проявляются там, где есть понимание задач бизнеса. И инструменты под это находятся самым магическим образом.
Какие каналы являются основными поставщиками данных о потребителе? Без каких данных компаниям не обойтись в 2016 году?
Как бы это ни звучало: потребитель — основной источник данных о потребителе. А способы эти данные получить у каждой сферы свои. Если брать наши ecommerce-проекты, основным поставщиком данных будет правильно настроенная Google Analytics, колтрекинг и данные из клиентской CRM. Далее дело за консолидацией этих данных.
Если взять какой-то офлайн-ритейл, то данные из чека на кассе будут отличным источником знаний о предпочтениях покупателя. А воспользоваться этими знаниями можно при наличии обратной связи с клиентом (например, посредством СМС по телефонному номеру, который он оставил когда получал карту лояльности). Ну и при условии, что покупателя можно проидентифицировать с помощью того же номера карты лояльности.
Если пофантазировать, отличными провайдерами информации могли бы послужить банки. Но мы ведь не хотим видеть таргетинг на товары, исходя из наших покупок совершенных с помощью банковской карты, правда? 🙂
«Джентельменский набор» инструментов для сбора Big Data. Что делать, когда бюджет не позволяет?
С данными две задачи: первая — собрать, вторая — из хаоса собранного получить решение. Для сбора подойдет любая удобная база данных или даже табличный редактор (если все совсем плохо, или Data не очень Big). А если еще проще, Google Analytics — самый настоящий джентльменский набор. Тут тебе и база, и интерфейс для работы, и визуализация данных.
Замечу, сил сделать базовые настройки Google Analytics хватает не у многих (например, настроить уточненный показатель отказов, добавить неизвестные для Google поисковики, настроить цели для микро- и макроконверсий, плагин электронной торговли, отслеживания поиска, сбор демографических данных, группы ремаркетинга, группы контента, связать аналитику с другими платформами, и так далее). «Картину мира» это изменяет до неузнаваемости. Базовой информации по трафику не хватит, чтобы «чувствовать» свой проект.
Повторюсь, важен не инструмент, важно то, что получится сделать. Хватает Google Analytics и Excel — отлично; выросли за эти пределы — подключаем BigQuery и R. Альтернативных вариантов масса. Достаточно одного инструмента для сбора данных и одного для обработки. Пока они справляются, значит, вы не ошиблись в выборе.
Еще один компонент успеха — это здравый смысл при анализе. Правда, он не продается.
Если бы вам были доступны все возможности Big Data 2020 года, какой бы продукт вы предложили бизнесу?
2020 слишком скоро наступит. Каких либо революций, как писал выше, не предвидится. Если сейчас понимание роли аналитики в развитии проекта многими слишком недооценены, то до 2020, надеюсь, эта позиция изменится. Как и почему? Потому что проекты, которые не научатся работать с данными, заплатят за это своим существованием. Как бы это ни звучало. Подобный прогноз когда-то давали компаниям, которые не выйдут в интернет с уютного офлайна. И он в большей степени сбылся.
Вектор развития возможностей BigData станет понятным, когда пользователи начнут диктовать свои потребности. Сейчас это пассивное потребление того, что уже создано. Причем потребляется только вершина от этого огромного айсберга.
Я бы сделал ставку на развитие возможностей анализа данных на стыке бизнес-, веб-аналитики и UX. UX имеет куда большее отношение к аналитике, чем к дизайну, если разобраться. Эти три кита и будут нести ecommerce к новым горизонтам.
Также сохранится тренд на хранение данных «у себя», то есть, в своей базе данных. Будь-то PIWIK (как комплексное решение), будь-то BiqQuery, будь-то что угодно иное.