Использование электронного маркетинга на примере технологии детального таргетирования Текст научной статьи по специальности «СМИ (медиа) и массовые коммуникации»

Использование электронного маркетинга на примере технологии детального таргетирования

Принято: 24.07.2019; одобрено: 19.08.2019; опубликовано: 17.10.2019 УДК 339.138:004.9 JEL М31 DOI 10.26425/2658-3445-2019-3-29-37

Довжик Валерий Николаевич

Канд. психол. наук, ФГБОУ ВО «Государственный университет управления», г. Москва, Российская Федерация ORCID: 0000-001-5062-7125 e-mail: dovjikvn@ii.ru

Довжик Галина Владимировна

Канд. психол. наук, доцент, ФГБОУ ВО «Государственный университет управления», г. Москва, Российская Федерация ORCID: 0000-002-9381-2475 e-mail: dovzhikgv@gmail.com

Федянина Таисия Валерьевна

Event-менеджер, Nisterendo Russia, г. Москва, Российская Федерация ORCID: 0000-001-6662-0147 e-mail: taya.fedyanina@yandex.ru

АННОТАЦИЯ

Рассмотрено понятие «большие данные» как способ обработки огромных массивов данных, сформулированы принципы работы с большими данными, рассмотрены методики электронного маркетинга. Дано определение таргетирования, описаны его возможности. Представлены источники получения информации для общего поля таргетинга. Проинтерпретировано понятие гиперлокального таргетинга. Исследованы специфика использования технологий электронного маркетинга в зависимости от целей продвижения и способы создания индивидуальных тоннелей продаж, так называемая методика узкого входа. Выявлены содержательная сущность и возможности использования технологии детализированного маркетинга. На примере использования технологии детального таргетирования посредством автоматической переадресации пользователей с одного URL-адреса на другой (редиректа) и на основе полученных данных формирования портрета потенциального клиента и сегментирования целевых аудиторий разработан алгоритм использования технологии детального таргетирования. Показан процесс сегментирования и создания типичного портрета представителя целевой аудитории. На основании разработанных портретов представителей целевой аудитории был создан дизайн пути клиента. При этом описаны стандартные логические цепочки вовлеченности клиентов в процесс совершения покупки, а именно: привлечения потенциального покупателя, повышения его уровня интереса к продукту и конечной продажи. Изучены наиболее значимые технологические сложности, заключающиеся прежде всего в одновременном подключении множества платформ и модулей, необходимых для автоматизации процессов и сбора статистики для проведения аналитических работ. Представлен список инструментов, используемых в процессе реализации технологии детального таргетирования: LeeLoo.ai, AmoCRM, LPGenerator, Яндекс.Метрика. Описана логика расширения применяемых инструментов электронного маркетинга для разных целевых аудиторий с целью повышения конверсии и, соответственно, экономии рекламного бюджета.

КЛЮЧЕВЫЕ СЛОВА

Электронный маркетинг, большие данные, детальный таргетинг, сегментация целевой аудитории, конверсия, форсирование рекламного бюджета.

ЦИТИРОВАНИЕ

Довжик В.Н., Довжик Г.В., Федянина Т.В. Использование электронного маркетинга на примере технологии детального таргетирования/XE-Management. 2019. № 3. С. 29-37.

© Довжик В.Н., Довжик Г.В., Федянина Т.В., 2019. Статья доступна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0. всемирная (http://creativecommons.Org/licenses/by/4.0/).

Using e-marketing on the example of detailed targeting

technology

Received: 24.07.2019; approved: 19.08.2019; published: 17.10.2019 JEL classification М31 DOI 10.26425/2658-3445-2019-3-29-37

Dovzhik Valery

Candidate of Psychological Sciences, State University of Management, Moscow, Russia ORCID: 0000-001-5062-7125 e-mail: dovjikvn@ii.ru

Dovzhik Galina

Candidate of Psychological Sciences, Associate professor, State University of Management, Moscow, Russia ORCID: 0000-002-9381-2475 e-mail: dovzhikgv@gmail.com

Fedyanina Taisiya

Event-manager, Nisterendo Russia, Moscow, Russia ORCID: 0000-001-6662-0147 e-mail: taya.fedyanina@yandex.ru

ABSTRACT

The concept of "Big data" as a way of processing huge amounts of data has been considered, the principles of working with big data have been formulated, the techniques of electronic marketing have been reviewed. The definition of targeting has been given, its possibilities have been described. The sources of information for the General targeting field have been presented. The concept of hyperlocal targeting has been interpreted. The specificity of the use of e-marketing technologies depending on the goals of promotion and the ways of creating individual sales tunnels, the so-called "narrow entry" technique, have been investigated. The content essence and possibilities of using the technology of detailed marketing have been revealed. On the example of using the technology of detailed targeting by means of automatic redirection of users from one URL to another (redirect) and on the basis of the obtained data the formation of a portrait of a potential client and segmentation of target audiences an algorithm for the use of detailed targeting technology has been developed. The process of segmentation and creation of a typical portrait of a representative of the target audience has been shown. On the basis of the developed portraits of representatives of the target audience, the client's path design was created. Herewith, the standard logical chains of customer involvement in the process of making a purchase, namely, attracting a potential buyer, increasing his level of interest in the product and the final sale, have been described. The most significant technological difficulties have been studied, consisting primarily in the simultaneous connection of a variety of platforms and modules necessary for the automation of processes and the collection of statistics for analytical work. The list of tools used in the implementation of detailed targeting technology has been presented: LeeLoo.ai, AmoCRM, LPGenerator, Yandex.Metrics.The logic of expansion of the applied tools of electronic marketing for different target audiences for the purpose of increase of conversion and, accordingly, economy of the advertizing budget has been described.

KEYWORDS

E-marketing, big data, detailed targeting, segmentation of the target audience, conversion, forcing the advertising budget. FOR CITATION

Dovzhik V.N., Dovzhik G.V., Fedyanina T.V. Using e-marketing on the example of detailed targeting technology (2019) E-Management, 2 (3), pp. 29-37. doi: 10.26425/2658-3445-2019-3-29-37

© The Author(s), 2019. This is an open access article under the CC BY 4.0 license (http://creativecommons.Org/licenses/by/4.0/).

В

J—9 настоящее время существуют различные инновационные маркетинговые и рекламные инструменты, благодаря которым с гораздо большей эффективностью можно достичь поставленных маркетинговых и коммуникационных целей. Эти инструменты в современном динамичном мире развиваются очень стремительно и становятся технологически значительно более сложными, мощными и эффективными, чем традиционные.

Так, к относительно новым технологиям продвижения можно отнести электронный маркетинг, как комплекс исследовательских мероприятий определенного сегмента рынка, направленных на эффективное продвижение товаров и услуг в сети «Интернет» (далее - Интернет) с применением технологий искусственного интеллекта [Алексунин, Родигина, 2007].

Потребность в такого рода инструментах появилась в тот момент, когда были зафиксированы факты, что объем информации, потенциально подлежащей обработке, настолько вырос, что не умещался в памяти одного компьютера, не говоря уже о возможностях ее анализа. Л. Черняк отмечает: «За все годы существования ИТ (Информационных технологий. - Прим. ред.), которые на самом деле имеют дело с данными, а вовсе не с информацией, о важности самостоятельной роли данных почти никто не задумывался» [Черняк, 2011]. То есть с одной стороны данных стало бесконечно много, а с другой - понятно, что обработать такой массив информации можно только применяя иные компьютерные инструменты, программы и технологии, чем применялись до этого. Таким образом, наступила объективная необходимость для появления принципиально новых инструментов, используемых для обработки колоссального количества информации. Таким продуктом, обеспечившим требуемый технологический прорыв, стали большие данные (англ. big data) как технология обработки огромных массивов данных.

Технология больших данных обеспечила принципиально новый подход для обработки данных без построения вариативных частотных рядов и таблиц сопряженности, без требований жесткой иерархии и гомогенности выборочной совокупности [Аймалетдинова, Иванова, 2018].

Большие данные - это операции, выполняемые в огромных масштабах, позволяющие создавать «новые форматы стоимости» и трансформирующие классические способы взаимодействия между производителями и потребителями товаров и услуг посредством цифровой среды, которые по сути являются инновационными технологиями электронного маркетинга [Майер-Шенбергер, Кукьер, 2014, с. 14].

В нашем представлении, большие данные - это комплекс инструментов, подходов, методик и методов обработки практически неограниченных объемов разнообразной информации, в результате реализации которого получается массив «свернутых» по заданным признакам данных, которые способен осознать и воспринять человеческий мозг. Так, по мнению А. Петрова (asash), big data разработчика, большие данные это не какой-то конкретный объем данных и даже не сами данные, а методы их обработки, которые позволяют корректно обрабатывать информацию. Эти методы можно применить как к огромным массивам данных (таким как содержание всех страниц в Интернете), так и к маленьким (таким как содержимое одной статьи). К большим данным можно отнести, например, информацию обо всех покупках, совершенных в Интернете. При этом число источников информации увеличивается в геометрической прогрессии, программное обеспечение становится все более совершенным, а продукты подобного рода все более востребованными. А. Петров выделил три важнейших принципа работы с большими данными, которым следуют все современные средства коммуникации, в том числе и электронный маркетинг: горизонтальная масштабируемость, отказоустойчивость, локальность данных1.

И.А. Иванова отмечает, что одним из наиболее популярных инструментов digital-маркетинга является ре-маркетинг, так как благодаря технологиям искусственного интеллекта он существенно сокращает время на сбор и анализ информации и обратную связь с покупателем2. Аудитория, время, проведенное в социальной сети, информация о местонахождении в любое время суток, предпочитаемый вариант досуга - данные, собираемые в Интернете о каждом пользователе. Возможности таргетирования настолько широки, что можно точечно сконцентрироваться на представителях конкретной малой группы. Наглядный пример, демонстрирующий

1 Хабр (2015). Big Data от А до Я. Часть 1: Принципы работы с большими данными, парадигма MapReduce. Режим доступа: https://habr.com/ru/ company/dca/blog/267361/ (дата обращения: 11.07.2019).

2 Общенациональный профессиональный журнал «Adweek». Режим доступа: https://www.adweek.com (дата обращения: 11.07.2019).

возможности этого инструмента был приведен в общенациональном профессиональном журнале работников рекламной отрасли AdWeek в 2017 г., когда рекламная кампания была настолько целенаправлена и клиенто-риентирована, что один из представителей целевой аудитории (далее - ЦА) решил, что стал жертвой кибер-преследования3. Этот инструмент называется гипертаргетинг (англ. hypertargeting).

Гипертаргетинг ссылается на возможность доставки рекламного контента на основе интересов сегментов пользователей сетей. MySpace придумал этот термин в ноябре 2007 г. с запуском своего рекламного решения SelfServe (теперь называемого myAds), описанного на их сайте как «позволяющее он-лайн-маркетологам использовать самовыраженную пользовательскую информацию для целевых кампаний, как никогда раньше»4.

Гипертаргетинг также возможен на сайтах социальных сетей, чтобы показывать рекламу на основе специальных критериев. Это важный шаг к точности электронного маркетинга5.

Согласно статье Г. Голда6, общее поле гипертагетинга черпает информацию из 3 источников:

- регистрация - основные данные, собираемые при регистрации пользователей для доступа к сайту (например, возраст, пол, местоположение);

- профиль - подробный контент, заполненный активными пользователями (например, любимые фильмы, мероприятия, бренды);

- история поведенческих характеристик - данные, собранные от онлайн-деятельности, такие как посещенные сайты, покупки, кружки, и т.д.

Популярная социальная сеть Facebook предлагает услугу таргетинга рекламы через свою платформу для рекламных кампаний. Объявления могут быть гипертаргетированы для пользователей на основе ключевых слов из их профилей, их предпочтений, событий на которые они реагировали или используемых приложений. Некоторые из этих примеров включают использование поведенческого таргетинга.

К 2009 г. гипертаргетинг стал общепринятым термином. В 2010 г. крупнейшая в мире выставка потребительских технологий International Consumer Electronics Show (CES) посвятила этой теме три сессии7.

Гиперлокальный таргетинг - это процесс таргетинга на потенциальных клиентов в строго определенной географически ограниченной области, иногда всего в нескольких кварталах или на улицах, часто с целью таргетинга на людей, проводящих поиск «рядом со мной» (англ. near-me) на своем мобильном устройстве. Основной целью гиперлокального маркетинга является привлечение пешеходного трафика в физические места и извлечение выгоды из поиска «рядом со мной», имеющего конкретные коммерческие намерения [Kendall et al., 2013].

В последние годы поиск «рядом со мной» стал чрезвычайно популярным. Данные от Google показывают, что поисковые запросы «near-me» выросли в объеме на 130 % в годовом исчислении между 2014 и 2015 г. Также данные от Google показывают, что локальные поиски без «рядом со мной» или других ква-лификаторов местоположения выросли на 150 % быстрее, показывая, что многие пользователи теперь ожидают, что Google автоматически учитывает их местоположение при показе результатов [Kendall et al., 2013].

У каждой рекламной кампании есть цели продвижения, каждая из которых по-разному таргетирует-ся. Facebook Ads8, например, благодаря детальной информации о пользователях, дает возможность достигать любой:

1) узнаваемость бренда:

- повышение узнаваемости бренда с помощью охвата людей, которым он будет интересен, и которые с наибольшей вероятностью запомнят ее;

- охват наибольшего количества людей в аудитории и управление тем, как часто они будут видеть рекламу.

2) лиды:

- трафик. Направление людей в определенный раздел Facebook или на другой сайт, в приложение или мессенджер;

3 Общенациональный профессиональный журнал «Adweek». Режим доступа: https://www.adweek.com (дата обращения: 11.07.2019).

4 Там же.

5 Онлайн-издание работников рекламной отрасли «Digiday UK». Режим доступа: https://digiday.com (дата обращения: 11.07.2019).

6 Онлайн-издание «ClickZ». Режим доступа: http://clickz.ru (дата обращения: 11.07.2019).

7 Американское маркетинговое сообщество «American Marketing Association». Режим доступа: https://www.ama.org (дата обращения: 11.07.2019).

8 Facebook. Режим доступа: https://business.facebook.com (дата обращения: 11.07.2019).

- вовлеченность. Получение вовлеченности для публикации, отметок «Нравится» страницы, ответов на приглашения или принятых предложений;

- установки приложения. Получение определенного числа установок приложения.

- просмотры видео. Получение просмотров видеоконтента.

- генерация лидов. Получение лидов продаж (например, эл. адресов) от людей, которые интересуются брендом или компанией.

- сообщения. Повышение числа людей, отправляющих компании сообщения в Messenger.

3) конверсия:

- побуждение людей выполнить ценные действия на сайте, в приложении или в мессенджере;

- продажи товаров из каталога, создание рекламы, в которой будут автоматически отображаться товары из каталога, подходящие для выбранной ЦА;

- привлечение людей поблизости посетить нужные магазины.

Для достижения определенной цели существуют определенные методы, применяемые в каждом из видов рекламы. Некоторые из этих методов можно интерпретировать и использовать в нескольких механизмах рекламы, что позволяет создавать универсальные туннели продаж, унифицируя материалы и инструменты.

Термин «детализированный таргетинг» (узкий вход) используется профессионалами чаще всего в процессе разработки контекстной рекламы. Его суть заключается в наращивании огромной массы семантического ядра максимально длинными запросами для уменьшения стоимости клика. Таким образом, повышается кли-ентоориентированность за счет конкретизации запроса. В итоге рекламодатель получает более релевантного клиента за меньшую сумму. Если рассмотреть логическую цепочку, используемую в ходе реализации данного метода, то получается следующий алгоритм: разбиение широкого запроса на множество узких, но более релевантных; разбиение широкой ЦА на множество узких; отслеживание низкоконверсионной ЦА, в том числе и в социальных сетях, за конкретный период, например, за месяц малозатратных тестов на каждую узкую ЦА.

В данном исследовании нами используется информация, полученная с рекламных аккаунтов компании HonMark. Материалом исследования является рекламная кампания «НМ_Торт_Трафик», направленная на привлечение заказов на кондитерские изделия.

При создании рекламной акции огромное внимание стоит уделять разработке портрета типичного представителя ЦА. Чем больше он детализирован, тем уже группы пользователей возможно создать. В данной рекламной кампании сегментация ЦА делится на три основные портрета (исходя из возможности таргетирования платформы FacebookAds и событий, на которых необходимы кондитерские изделия):

1) скоро свадьба:

- молодожены;

- друзья молодоженов;

- родители молодоженов;

2) скоро день рождения:

- именинник(-ца);

- друзья именинника(-цы);

3) любители сладостей:

- шоколад;

- мучное;

- кремовые десерты.

Далее приведем параметры, исходя из которых возможно делить данные портреты на ЦА:

- пол - так как привлечение клиентов на первом этапе происходит через визуальный захват, то нельзя объединять рекламные объявления для мужчин и женщин в единые;

- возраст - для каждой возрастной категории есть проверенные способы привлечения (например, маловероятно, что аудитория 45-50 лет хорошо отреагирует на рекламное объявление в стиле PopArt c надписью "Псс... Скоро день рождения?» (см. рис. 1);

1) вовлеченность - Facebook предлагает к выбору такой важный поведенческий критерий как «вовлеченность клиента». Таким образом, есть возможность оценить, нужна клиенту дополнительная информация о продукции или он готов получить информацию тут же заполнив лид-форму, пример которой представлен на рисунке 2;

Составлено авторами по материалам исследования / Compiled by the authors on the materials of the study

Рис. 1. Скоро день рождения? Figure 1. A birthday coming up?

fib

ЗАПОЛНИТЕ ФОРМУ И ПОЛУЧИТЕ ПРАКТИЧЕСКИЙ КУРС МРЯМО СЕЙЧАС

как вас зовут?

ваш e-mail

ваш телефон

ПОЛУЧИТЬ КУРС

А\

НАЧНИТЕ ЗАРАБАТЫВАТЬ УЖЕ В ПЕРВУЮ НЕДЕЛЮ!

Составлено авторами по материалам исследования / Compiled by the authors on the materials of the study

Рис. 2. Пример лид-формы Figure 2. An example of the lead form

2) редирект - исходя из портрета конкретной ЦА возможно оценить, куда необходимо перенаправить человека. Для аудитории возрастной категории 35+ лучше всего, например, срабатывает сайт-квиз, для аудитории 25-35 лет - быстрая форма захвата, для аудитории < 25 лет удобно использовать квиз в мессенджерах. Последний вариант редиректа удобен тем, что в момент окончания заполнения формы к чату может подключиться менеджер и сразу же ответить на вопросы, интересующие клиента;

3) время и локация - в зависимости от локации клиента возможно предполагать, находится он дома, в пробке или на работе. Благодаря этому появляется возможность создания рекламных объявлений, подходящих выбранной ЦА в конкретный отрезок времени.

Благодаря этому расширяются возможности привлечения клиентов. Помимо стандартных уникальных торговых предложений (далее - УТП) можно использовать шуточные. Например: «Собираешься провести очередной день рождения в пробке?».

Отталкиваясь только от этих 5 параметров, получается, как минимум 144 ЦА. Формируя «комплекты» критериев для таргетинга, логически можно отбросить часть из них. Например, «Клиенты мужского пола от 20 до 25 лет, стоящие утром в пробке, которые готовы приобрести мучные изделия». Допуская, что отпадает 50 % ЦА при охвате 800 тыс. чел., мы получаем 72 ЦА в среднем по 11,1 тыс. чел. При необходимости можно еще больше сузить аудиторию. После первичного тестирования отпадает еще 20 % ЦА.

В данном случае таргетинга, устанавливая такие критерии, как «Вскоре день рождения (7 дней)» или «Лучшие друзья людей, у которых день рождения в ближайшие 7-30 дней», нужно следить только за конверсией и с определенной периодичностью изменять рекламные объявления и иногда объединять несколько ЦА. Также этот метод дает возможность контролировать количество поступающих клиентов, так как повышение рекламного бюджета прямо пропорционально дает прирост заявок.

Используя узкий вход и выбирая целью рекламной кампании трафик или конверсии, мы получаем возможность форсирования рекламного бюджета, то есть при недостаточном для производства количестве заказов резким увеличением затрат на рекламу достигнуть необходимой цели, или добавить в эти ЦА объявления предзаказов, привлекая скидкой. Это мощный инструмент для бизнесов, зависящих от сезонности.

Исходя из составленных ранее портретов ЦА и используемых инструментов составим обобщенный дизайн пути клиента (рис. 3).

Составлено авторами по материалам исследования / Compiled by the authors on the materials of the study

Рис. 3. Обобщенный дизайн пути клиента Figure 3. Generalized customer path design

Составив портреты потенциальных клиентов, становится возможным создание дизайна пути клиента. В большинстве случаев используются стандартные логики привлечения, создание интереса и конечной продажи, но в связи с сильной нишевой конкуренцией возникают все более сложные. В данном примере рассматривается логика, не пользующаяся особой популярностью в связи со сложностью и ценой ее реализации. Сложность заключается в подключении множества платформ и модулей, необходимых для автоматизации процессов и сбора статистики для проведения аналитических работ. Список, применяемых инструментов:

- LeeLoo.ai - платформа, позволяющая реализовывать рекламные кампании в мессенджерах. Собирает статистику автоматически при правильной организации туннеля продаж;

- AmoCRM - CRM-система, позволяющая контролировать продажи от появления лида до совершения покупки;

- LPGenerator - платформа для создания посадочных страниц. От одноэкранных до огромных с множеством блоков. Имеет свою форму захвата и интегрируется с AmoCRM;

- Яндекс.Метрика - позволяет суммировать аналитическую информацию и показывает клик-зоны при интеграции модуля в лендинги.

Определяя предпочтения той или иной ЦА, потенциальный клиент отправляется в определенный «путь». По статистике 50 % аудитории > 40 лет отпадают, если им предложить выбор на сайте о предпочтительном варианте общения: e-mail-рассылка или мессенджер. Поэтому сотрудники с целью экономии рабочего времени приобретают продукт в мессенджере. Например, в вечернее время, таргетируясь на спальные районы, делая отсылки на поведенческие факторы, можно значительно повысить вовлеченность клиента. Исходя из данных результатов можно разрабатывать алгоритм взаимодействия с той или иной аудиторией.

Таким образом, согласно статистическим данным в процессе применения такой технологии электронного маркетинга, как детальное таргетирование на той же аудитории без сегментации по параметрам, конверсия возрастает примерно на 12 %, а рекламный бюджет сокращается до 50 % и более. Исходя из вышеизложенного можно заключить, что повышенный результат достигается прежде всего за счет применения технологии детализированного таргетирования, обеспечивающего возможность получения более релевантных клиентов.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Аймалетдинова А.М., Иванова И.А. (2018). Digital-инструменты продвижения на рынке В2В//Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин: материалы II Международного научного форума. Вып. 1. Москва, 06-07 дек. 2018 г. М.: Издательский дом ГУУ. С. 6-12.

Алексунин В.А., Родигина В.В. (2007). Электронная коммерция и маркетинг в Интернете. М.: Дашков и Ко. 216 с.

Майер-Шенбергер В., Кукьер К. (2014). Большие данные. Революция, которая изменит то, как мы живём, работаем и мыслим / Пер. с англ. И. Гайдюк. М.: Манн, Иванов, Фербер. 240 с.

Черняк Л. (2011). Большие данные - новая теория и практика//Открытые системы. СУБД, № 10, с. 28-32.

Kendall Ch., Nannicini T., Trebbi F. (2013). How Do Voters Respond to Information? Evidence from a Randomized Campaign// NBER Working Paper, № 18986. Режим доступа: https://www.nber.org/papers/w18986 (дата обращения: 11.07.2019).

REFERENCES

Aimaletdinova A.M., Ivanova I.A. (2018), "Digital marketing tools for the B2B" ["Digital-instrumenty prodvizheniya na rynke B2B"], Step into the Future: Artificial Intelligence and Digital Economy. Revolution in management: a new digital economy or a new world of machines: materials of the II International Scientific Forum. I. 1. Moscow, Dec. 06-07, 2018 [Shag v budushchee: iskusstvennyi intellekt i tsifrovaya ekonomika. Revolyutsiya v upravlenii: novaya tsifrovaya ekonomika ili novyi mir mashin: materialy IIMezhdunarodnogo nauchnogo foruma. Vyp. 1. Moskva, 06-07 dek. 2018 g.], Izdatel'skii dom GUU, Moscow, Russia, pp. 6-12. [in Russian].

Aleksunin V.A., Rodigina V.V. (2007), Electronic commerce and Internet marketing [Elektronnaya kommertsiya i marketing v Internete], Dashkov i Ko, Moscow, Russia. 216 p. [in Russian].

Maier-Shenberger V., Kuk'er K. (2014), Big data. Revolution that will change the way we live, work and think [Bol'shie dannye. Revolyutsiya, kotoraya izmenit to, kak my zhivem, rabotaem i myslim], per. s angl. I. Gaidyuk, Mann, Ivanov, Ferber, Moscow, Russia. 240 p. [in Russian].

Chernyak L. (2011), "Big data - new theory and practice" ["Bol'shie dannye - novaya teoriya i praktika"], Open systems. DBMS [Otkrytye sistemy. SUBD], no. 10, рp. 28-32.

Kendall Ch., Nannicini T., Trebbi F. (2013), "How Do Voters Respond to Information? Evidence from a Randomized Campaign", NBER Working Paper, no. 18986. Available at: https://www.nber.org/papers/w18986 (accessed 11.07.2019).

TRANSLATION OF FRONT REFERENCES

1 Habr (2015), Big Data from A to Z. Part 1: Big data principles, MapReduce paradigm. Available at: https://habr.com/ru/ company/dca/blog/267361/ (дата обращения: 11.07.2019).

floBXHK B.H., floBXHK r.B., OegaHHHa T.B., c. 29-37

E-Management | T. 2, № 3 | 2019 |

2 National professional magazine«Adweek». Available at: https://www.adweek.com (accessed 11.07.2019).

5 Online edition of the advertising industry «Digiday UK». Available at: https://digiday.com (accessed 11.07.2019).

6 Online edition «ClickZ». Available at: http://clickz.ru (accessed 11.07.2019).

7 American Marketing Association. Available at: https://www.ama.org (accessed 11.07.2019).

8 Facebook. Available at: https://business.facebook.com (accessed 11.07.2019)