По оценкам аналитиков Data Age Report, в 2025 году человечество будет генерировать 175 зеттабайтов информации ежегодно. Однако только в последнее время бизнес научился извлекать пользу из данных, сформировались определенные практики и модели, которые могут использоваться, в частности, для анализа аудитории и повышения эффективности рекламных кампаний. Участники паблик-тока, проведенного РБК Петербург и компанией Tele2, уверены, что это только начало, и для дальнейшего развития тренда придется добиваться более глубокого взаимопонимания между поставщиками решений и потребителями.
Эффективность vs незнание
Среди наиболее распространенных причин неиспользования больших данных бизнес в ряде опросов называет сложность выбора технологического стека решений среди большого количества инструментов для работы, а также отсутствие понимания ценности работы с big data. Т.е. несмотря на наличие успешных практик и сравнительно большого числа реализованных проектов именно отсутствие информации до сих пор является сдерживающим фактором. Между тем, например, в сфере рекламы и маркетинга уже накопилось много кейсов, которые могут объяснить ценность big data.
Как рассказал менеджер по бизнес-анализу дирекции по аналитике больших данных Tele2 Григорий Артемов, таргетирование аудитории — явление не новое, просто в последнее время благодаря технологии больших данных оно достигло более высокого уровня зрелости. Стимулирующим фактором для прорыва в этом направлении стали, как ни странно, события 2022 года. Уход с российского рынка зарубежных интернет-платформ и соцсетей привел к колоссальному росту спроса на отечественные рекламные инструменты.
«Но предложение за спросом не успевает — как следствие, цены растут. А значит, бизнесу нужны инструменты, которые позволят использовать инвестиции в рекламу максимально эффективно. Решения на базе технологии больших данных именно на это и ориентированы», — объясняет Григорий Артемов.
Большие данные и что они знают
Телеком-операторы сегодня обладают широким спектром обезличенных данных об абонентах, но полагаться на такую информацию в аналитических задачах не совсем корректно. Зачастую бывает так, когда номер оформлен на родителя, а реальным пользователем является, например, ребенок. Или когда контракт оформлен на мужчину, а пользуется услугами связи его мама. В таких случаях помогает математическое моделирование, когда на базе обучающих выборок и качественного дата-сета с поведенческими характеристиками строится распределение всей абонентской базы на определенные сегменты. Для понимания распределения абонентской базы на территории операторы анализируют опять же обезличенные геоданные: во время сессии в интернете (даже пассивной) или при голосовом вызове абонент связывается с базовой станцией. Следовательно, можно зафиксировать местоположение в рабочие, ночные часы или в выходные.
Звонки и SMS — также часть больших данных. И речь не про их содержание, а про номера, с которыми идет взаимодействие. Например, если человеку отправляет сообщения номер с идентификатором «Четыре лапы», то у абонента, скорее всего, есть домашний питомец.
Что касается интернет-активности, то 90% дата-трафика в Рунете сегодня идет через мобильные устройства. Это означает, что лишь каждый десятый выходит в сеть не со смартфона или планшета. Все данные по дата-трафику категоризируются в процессе обработки, поэтому можно выявить интересы пользователя — как постоянные, так и ситуативные.
Менеджер по развитию бизнеса службы развития продуктов больших данных Tele2 Данил Рогожкин убежден, что сегодня у телеком-операторов есть три основные составляющие хороших аналитических продуктов на основе больших данных — это собственные клиентские базы, огромные массивы информации об активности этих клиентов, а также данные партнеров, которые позволяют улучшить знания о таких активностях.
В случае с бизнесом в числе актуальных — данные ОФД-операторов. «Они дают огромный пласт информации для аналитики: это данные о времени и месте покупки, наименование товара, его количество, сумма чека. Работая с такими данными, мы, например, можем качественно оценивать эффективность проведенных рекламных кампаний», — объясняет Данил Рогожкин.
Сегментируй это
Но даже при наличии данных для анализа открытым остается вопрос того, как ограничить свою аудиторию. «Так как данных и инструментов для анализа много, то бизнес часто хочет померить все-все, а это не совсем верный подход, — говорит ведущий аккаунт-менеджер, стратег агентства цифровых коммуникаций Molinos Мария Филиппова. — Важно понять маркетинговую и коммуникационную цели рекламной кампании, сверяясь с бизнес-целями организации. Только в этом случае применение технологии будет продуктивным».
Среди часто встречающихся метрик – пол, возраст, интересы, место проживания потенциальных клиентов и т.д. Также можно добавить частоту покупок, сумму трат за период или в конкретном магазине — все это станет основой для выбора целевой аудитории. При этом детализация может быть максимально глубокой, все зависит от потребности заказчика аналитических услуг. Так, Данил Рогожкин рассказал о заказчике, специализирующемся на доставке воды в бутылках: он хотел предложить свои услуги тем, кто покупает аналогичный продукт в офлайн-магазине и носит их домой сам — в выборку должны были попасть именно такие люди.
При этом потребности бизнеса могут быть совершенно разными. Так, руководитель отдела маркетинга ТРЦ ОХТА МОЛЛ (концерн SRV) Наталья Орешкина отметила, что специфика работы ТРЦ требует привлекать в него как можно больше людей, чтобы они становились покупателями арендаторов, работающих в разных направлениях. Поэтому и данные используются разнообразные. Если раньше достаточно было количественных данных, которые просто определяли число посетителей, то теперь ставка делается на качественные.
Арифметика в кейсе
Среди сфер применения big data эксперты выделили развертывание сети офлайн-точек продаж на основе геоанализа аудитории, а также стимулирования продаж в конкретном районе или магазине. В этом случае акцент рекламной коммуникации делаяется на место проживания или работы целевой аудитории, т.е. локации, где человек постоянно появляется.
Еще одно набирающее сейчас популярность направление — рассылки с подарочными купонами ко дню рождения. Сотовые операторы могут моделировать вероятность интереса пользователей и за некоторое время до события отправить ему рекламное сообщение.
Также в рамках паблик-тока руководитель службы развития продуктов больших данных Tele2 Александр Сафонов предложил участникам проанализировать отраслевые кейсы, в которых эксперты по big data сформировали набор задач, которые могли бы быть полезны конкретному бизнесу — например, магазину косметики или клинике. Участникам дискуссии предлагалось «примерить» их на свои процессы и высказать мнение об их актуальности. Как показала дискуссия, видение актуальности у экспертов и практиков не во всем совпадает, что говорит с одной стороны о потенциале роста доверия к сложным аналитическим продуктам, а с другой — о потребности учета бизнес-экспертизы и пока еще неготовности машин полностью заменить человека в некоторых аспектах.
«Аудитория очень активно обсуждала кейсы, что свидетельствует о высоком уровне заинтересованности в технологии и вовлеченности бизнеса. И это объяснимо: вопрос повышения эффективности сегодня остро стоит во всех отраслях, а аналитика больших данных может помочь добиться роста — важно только понять, что именно нужно конкретной компании», — резюмировал Александр Сафонов.
