CC BY
10
УДК 339.13
Сафронов А. Ф. бакалавр экономики Россия, г. Санкт-Петербург БОЛЬШИЕ ДАННЫЕ В МАРКЕТИНГОВОМ ИССЛЕДОВАНИИ
Аннотация. В современном мире информация - важнейший инструмент для анализа рынка. С её помощью компании могут как удержать текущего покупателя, так и найти потенциального. Именно поэтому для маркетинга оптимизация процесса получения и исследования данных имеет огромный потенциал. Для группировки огромных и разрозненных потоков информации необходим специальный инструментарий. Выходом в данной ситуации являются Большие Данные, которые способны усилить маркетинговое исследование и сделать его максимально эффективным.
Ключевые слова: большие данные, цифровая экономика, маркетинг, маркетинговое исследование, анализ данных
Safronov A.F., bachelor's degree in Economics
Russia, Saint-Petersburg BIG DATA IN MARKETING RESEARCH
Annotation. In the modern world, information is the most important tool for market analysis. With its help, companies can both hold the current buyer and find a potential one. That is why for marketing, the optimization of the process of obtaining and researching data has great potential. In order to group huge and disparate flows of information, special tools are needed. The way out of this situation is Big data that can strengthen marketing research and make it as effective as possible.
Keywords: big data, digital economy, marketing, marketing research, data analysis
Понятие «Big Data» относится к постоянно растущему объему, скорости, разнообразию, изменчивости и сложности информации. Для маркетинговых организаций «Большие Данные» - это фундаментальное следствие нового маркетингового ландшафта, рожденного в цифровом мире, в котором мы сейчас живем.
Термин «Big Data» можно отнести не только к самим данным: это также относится к проблемам, возможностям и компетенциям, связанным с хранением и анализом таких огромных наборов данных, для поддержки уровня принятия решений, который является более точным и своевременным, чем все, что было предпринято ранее - принятие решений на основе больших данных.[1]
Цифровые потребители постоянно подключены через свои смартфоны, планшеты, игровые приставки и практически все приложения, услуги и каналы, доступные через эти устройства. Перемещаясь между устройствами
и каналами, они создают несколько точек соприкосновения клиентов с различными средами - онлайн, офлайн, частная, сторонняя, корпоративные сети, социальные сети, на основе определения местоположения и мобильные. Для маркетологов эта информация предоставляет прекрасную возможность лучше ориентироваться на своих потребителей. Ритейлеры внедрили передовую аналитику, такую как исследование операций, для предоставления персонализированных рекомендаций своим потребителям в Интернете. Поставщики телекоммуникационных услуг используют методы больших данных, чтобы уменьшить отток клиентов. Розничные банки используют аналитику больших данных для предотвращения мошенничества.
Проблематика.
Неудивительно, что использование потенциала больших данных стоит на повестке дня директоров по маркетингу почти в каждой крупной компании. Когда и как они должны использовать большие наборы данных и что с этим делать? Каков наилучший подход для реализации преимуществ? Каковы возможности и проблемы? В частности, лидеры маркетинга хотят знать, как монетизировать большие данные.
Сложные аналитические решения для больших данных предоставляют новые подходы к решению некоторых ключевых маркетинговых задач и обеспечивают впечатляющие результаты. Эти решения могут трансформировать традиционные маркетинговые функции и улучшить выполнение основных маркетинговых функций. Маркетологи собирают данные, полученные из различных точек взаимодействия с клиентами, чтобы составить полную картину поведения каждого клиента. Анализ такого большого количества данных в движении позволяет маркетологам точно настроить модели сегментации клиентов и применять полученные знания для разработки стратегий взаимодействия с клиентами и повышения ценности взаимодействия с клиентами. [2]
По мере увеличения количества клиентских каналов, маркетологи должны гарантировать, что они обеспечивают индивидуальный подход ко всем каналам. Все эти усилия помогают обеспечить высоко персонализированный опыт при максимальной окупаемости инвестиций в маркетинг. В более долгосрочной перспективе маркетологи могут передать эти новые идеи в реальном времени обратно в организацию, чтобы повлиять на разработку продукта и ценообразование продукта.
Методы и результаты
В большой степени большие данные относятся к постоянно растущему потоку данных с точки зрения объема, разнообразия, скорости и сложности, которые генерируются в современной цифровой экосистеме. Большие наборы данных генерируются вокруг клиентов на основе их покупок в Интернете, веб-кликов, действий в социальных сетях, интеллектуальных подключенных устройств, географического местоположения и т. д. Клиенты создают новые данные на каждом шаге, который они делают, будь то структурированные данные при переходе по веб-сайтам или неструктурированные данные при
публикации комментариев во ВКонтакте, Инстаграмме или любой другой социальной сети. Используя технологии больших данных и методы анализа, маркетологи могут добывать, комбинировать и анализировать оба типа данных практически в реальном времени. Это может помочь им обнаружить скрытые паттерны, такие как взаимодействие различных групп клиентов и то, как это приводит к принятию решений о покупке. Благодаря этим идеям компании могут разрабатывать целевые маркетинговые кампании, учитывающие индивидуальные предпочтения клиента.
Многочисленные приложения для работы с большими данными демонстрируют огромный потенциал для воздействия на маркетинг в области управления клиентами.[3]
1. «Следующее лучшее действие» для привлечения клиентов. Маркетинг Next Best Action (NBA) - это маркетинговый подход, ориентированный на клиента, который в режиме реального времени рассматривает все потенциальные предложения для каждого отдельного клиента, а затем определяет оптимальное. Next Best Action определяется интересами и потребностями клиента, а также бизнес-целями, политикой и правилами маркетинговой организации. Это резко контрастирует с традиционными маркетинговыми подходами - сначала создать предложение для продукта или услуги, а затем попытаться найти заинтересованные и приемлемые перспективы.
Next Best Action обеспечивается за счет использования технологии принятия решений в режиме реального времени, которая использует данные центра обработки вызовов, данные о транзакциях, информацию о клиенте и набор бизнес-правил для определения одного или нескольких предложений, на которые клиент имеет право в момент взаимодействия , Они расставлены по приоритетам и оптимизированы, чтобы предложить лучшее предложение для клиента. Приоритизация определяется алгоритмом, который сочетает в себе расширенную аналитику (которая вычисляет склонность клиента принять предложение) и сложные бизнес-правила (которые определяют логику лечения). Кроме того, большие источники данных, такие как социальные сети и клик-стрим, могут быть использованы для значительного повышения предсказуемости аналитических моделей.
2. Персонализация интернет-магазинов. Два десятилетия назад отрасль розничной торговли радикально изменилась с появлением интернет -магазинов, которые использовали Интернет для расширения своего рынка и в то же время для сокращения запасов, расходов на персонал и эксплуатационных расходов. Сегодня он еще больше продвигает покупки, превращая его в персонализированный опыт за счет сбора и обработки огромных объемов данных, характеризующихся объемом, разнообразием, скоростью и сложностью. Онлайн-ритейлеры используют мощные системы больших данных для сбора информации о предпочтениях пользователей, просмотре и покупательском поведении пользователей, атрибутах продуктов, географическом местоположении покупок, уровнях запасов, активных акциях
и кампаниях и обо всем, что может быть записано в цифровой форме. Эти источники данных, которые ежедневно увеличиваются на несколько терабайт, преобразуются в информацию и идеи с помощью интеллектуальных алгоритмов машинного обучения, которые идентифицируют интересы клиентов и сходство продуктов, отслеживают географические особенности и выявляют сезонные эффекты среди других и, таким образом, прогнозируют текущие и будущие потребности клиентов. Затем эта информация используется для предоставления персонализированного опыта клиентам, иллюстрируя интересующие их элементы, рекомендуя наиболее вероятные предложения и помогая клиентам найти то, что они хотят и когда они хотят, по наилучшей цене. Персонализированные сайты экономят время клиентов и повышают их удовлетворенность наряду с практическими результатами интернет-магазинов. Большие данные изменили название игры в интернет -магазине.
3. Монетизация больших данных для целевой динамической рекламы. Монетизация данных создает для организаций со значительными объемами данных возможности использовать неиспользованную или недостаточно используемую информацию и создавать новые источники дохода.
Объем и богатство данных, теперь уникально доступных для мобильных провайдеров - будь то в форме транзакций, запросов, текстовых сообщений или твиттов, местоположений GPS или видеопотоков в реальном времени, - представляет собой настоящий золотой рудник идей и приложений. И даже несмотря на то, что мобильные телефоны стали основным устройством, с помощью которого потребители получают свою информацию, эти самые устройства начали предоставлять новые типы информации, включая чрезвычайно точную информацию о географическом местоположении в режиме реального времени.
Операторы мобильной связи, которые используют большие объемы данных о клиентах, имеют уникальную возможность монетизировать данные, которые они собирают о своих клиентах. Учитывая их прямые отношения с клиентами, они, вероятно, будут располагать наиболее точной и полной информацией о клиентах. Они могут генерировать аналитическую информацию о поведении, основанную на информации об участии в мобильной связи, местоположении и демографических данных, создавая 360 -градусное представление о потребителе. Например, для наружных рекламодателей такое понимание может измерять эффективность единиц наружной рекламы, проверяя влияние и охват определенных рекламных кампаний. Компании, занимающиеся наружной рекламой, могут получить информацию о привычках аудитории, которую они хотят охватить, и местах, в которых они могут лучше всего их достичь. Данные помогают рекламодателям превратить каждый рекламный щит в целевую сущность, которая достигает нужной аудитории в нужном месте в нужное время, в конечном итоге вдыхая новую жизнь в то, что раньше считалось «мертвыми досками».
4. Аналитика между машинами (М2М) для улучшения управления жизненным циклом продукта. Был достигнут огромный прогресс в области сенсорных технологий, которые применяются в машинах, автомобилях, мобильных устройствах, электросетях и корпоративных сетях. Это привело к генерации данных между машинами (М2М) с беспрецедентной скоростью и в режиме реального времени. Компании могут использовать данные, излучаемые датчиками из широкого спектра приложений, для анализа и повышения эффективности производственных процессов, прогнозирования сбоев устройств и определения подходящего времени для перепродажи новых продуктов для клиентов. Эти данные также могут предоставить информацию для разработчиков продукта, службы поддержки и отдела продаж, которые используют эту информацию, например, для улучшения характеристик продукта, увеличения доходов и снижения затрат. [4]
Результаты
Аналитика больших данных - это путешествие, которое помогает организациям решать ключевые бизнес-задачи, превращая данные в аналитические данные, чтобы влиять на бизнес-действия и обеспечивать важные бизнес-результаты. Поскольку компании пытаются использовать возможности больших данных, их не нужно перегружать различными проблемами, которые могут их ожидать.
Лидеры маркетинга должны начать свой путь, задавая несколько важных вопросов, чтобы максимизировать рентабельность инвестиций в большие данные:
Как должна выглядеть наша дорожная карта для анализа больших данных для достижения наших маркетинговых целей?
На какие бизнес-результаты мы хотели бы повлиять, используя большие данные вокруг клиентов?
Какие возможности и услуги мы должны развивать, используя большие данные, которые обеспечивают сильное конкурентное преимущество?
Какие технологические возможности позволят нам начать анализ больших данных?
Есть ли у нас соответствующие навыки и ресурсы для того, чтобы отправиться в путешествие по большим данным?
Возможности больших данных огромны и будут в значительной степени зависеть от видения и лидерства, обеспечиваемых старшими руководителями организации. Старшие руководители должны обеспечить культуру экспериментов и обучения, управляя важными пилотами и контактными лицами, используя большие данные. Основываясь на небольших успехах, они проложат путь к широкомасштабному внедрению подходов к большим данным в маркетинге, сделав их более инновационными и эффективными для клиентов.
Использованные источники:
1. Cole Nussbaumer Knaflic. Storytelling with Data: A Data Visualization Guide for Business Professionals//;
2. Aurelien Geron. Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems;
3. Manyika, J., Chui, M., & Brown, B. (2011). Big data: the next frontier for innovation, competition, and productivity. Washington, DC:McKinsey Global Institute;
4. Akter, S., & Wamba, S.F. (2016). Big data analytics in E-commerce: A systematic review and agenda for future research. Electronic Markets, 26 (2), 173-194.
