CC BY
130
Применение Big Data малым бизнесом в современном маркетинге The Usage of Big Data by small-scale business in modern marketing
Заводова Ксения Алексеевна
Студент 3 курса Факультет Экономический Российский университет дружбы народов ул. Миклухо-Маклая, 6, Москва, 117198 e-mail: zavodova.ks@gmail.com
Zavodova Kseniia Alekseevna
Student 3 term Faculty of Faculty of Economics RUDN University st. Miklukho-Maklaya, 6, Moscow, 117198 e-mail: zavodova.ks@gmail.com
Научный руководитель Чернышева Анна Михайловна
кандидат экономических наук, доцент кафедры маркетинга экономического факультета
Российский университет дружбы народов ул. Миклухо-Маклая, 6, Москва, 117198 e-mail: chernysheva-am@rudn.ru
Scientific adviser Chernysheva Anna Mikhaylovna
PhD in Economics, an associate professor of Marketing Faculty of Economics
RUDN University st. Miklukho-Maklaya, 6, Moscow, 117198 e-mail: chernysheva-am@rudn.ru
Аннотация.
Big Data как и data-driven marketing становятся незаменимыми инструментами маркетолога в последние 10 лет. В то время как крупные компании отказываются от отделов маркетинга, оптимизируют процессы по максимуму и выделяют гигантские бюджеты на интернет-маркетинг, малому бизнесу сложно адаптироваться под изменения, которые диктует рынок. Такие перемены требуют расширение штата, приобретение новых навыков и еще больших вложений, поэтому многие до сих пор избегают использовать веб-аналитику. Однако именно сквозная аналитика может помочь оптимизировать бюджет и в итоге сэкономить. В данной статье подчеркивается значимость data-driven подхода в современном маркетинге, а также алгоритм настраивания сквозной аналитики с помощью инструмента Google Analytics.
Annotation.
Big Data and data-driven marketing have been becoming the most important marketer's instrument for the last 10 years. Nowadays some big companies closed their traditional marketing departments, they are doing their best to optimize processes and paying a lot of money for Internet marketing. At the same time for small-scale businesses, it's hard to adapt to these market changes. The changes require an increase in the number of the staff, learning new skills and investment which has to be bigger than before, therefore so many companies still avoid using web-analytics. However especially Big Data Analytics could help optimizing budget and in the end saving money. In this article, I have underlined the importance of the data-driven way in modern marketing and also described the algorithm of configuration Big Data Analytics with Google Analytics service.
Ключевые слова: data-driven подход, маркетинг, Big Data, анализ данных, сбор данных, сквозная аналитика, оптимизация бизнес-процессов.
Key words: data-driven marketing, marketing, Big Data, data analysis, Big Data analytics, data collection, business process optimization.
С приходом новой эры в аналитике в 2007 году большие данные стали использоваться не только в сложных устройствах или в статистике, но и маркетинге. Последние несколько лет data-driven подход в маркетинге стал настоящим трендом и продолжает становиться все более и более популярным. Большие данные
можно анализировать для принятия более эффективных решений и стратегических бизнес-шагов. Но несмотря на безграничные возможности для создания эффективных кампаний с помощью Big Data, многие маркетологи все еще не пользуются сквозной аналитикой, рост использования данного подхода происходит медленно, так как для этого нужно дополнительно обучаться работе с данными, а компании не готовы к таким переменам.
Рынок требует наращивать затраты на интернет-маркетинг. Если говорить про малый бизнес, у которого нет таких же возможностей у крупных игроков рынка, наиболее рациональным решением может стать оптимизация затрат при помощи сквозной аналитики или Big Data Analytics [1].
Big Data — это термин характеризующий большой объем структурированных и неструктурированных данных, которые компания получает в процессе своей деятельности. Однако так же в последнее время термин подразумевает и процессы, производимые с этими данными, а именно: сбор, хранение, обработка и анализ.
Невозможно представить хорошую маркетинговую стратегию, не основанную на исследованиях, поиске и анализе полученной информации. Анализ больших данных используется для понимания целевой аудитории, поведения потребителей, ситуации на рынке и т.д. Следовательно, работа с Big Data - это современная основа для создания качественного продукта, сервиса в бизнесе и продвижении их на рынке. А при трудоустройстве на позицию маркетолога крупные компании требуют навыки работы с Big Data даже на стартовых позициях и стажировках.
Маркетинг, основанный на данных, получил распространение под английским термином data-driven marketing [2]. Данный подход в маркетинге предполагает, что стратегии компании строятся на выводах/инсайтах, полученных из анализа Big data, которые собираются после того, как потребитель совершает определенные действия, например, на сайте компании или с рекламным баннером. В дальнейшем на основе этого можно создавать прогнозы на поведение потребителей в будущем, предугадывать спрос и оптимизировать кампании. Такой подход отличается от традиционного маркетинга тем, что маркетологи могут транслировать правильное рекламное сообщение или просто контактировать с потенциальным клиентом в нужном месте и в подходящее время. Маркетинг, основанный на данных, обеспечивает дальнейшую персонализацию, позволяет выводить рекламу только тем потребителям, которые заинтересованы в товаре или услуге, чтобы маркетологи могли со временем улучшать свои стратегии.
Более того такой подход дает маркетологам возможность эффективно влиять на коэффициент оттока клиентов благодаря использованию предиктивного анализа и отслеживания активности клиента, разрабатывать новые актуальные продукты на основе изучения данных о прошлом для прогнозирования успеха будущем, оценивать уровень удовлетворенности клиентов, благодаря изучению модели покупок клиентов и расчета клиентских метрик прогнозировать продажи.
Например, успех стримингового сервиса Netflix объясняется эффективным использованием Big Data. Основное применение больших данных в системах Netflix - это «система рекомендаций». Алгоритм собирает огромные объемы данных и анализирует личные предпочтения подписчика. На основе этого он генерирует персональные рекомендации и предложения новых фильмов. Для создания различных серий фильмов в зависимости от вкусов пользователей Netflix также использует большие данные. Так, например, был создан очень успешный сериал «Карточный домик», который обладает армией поклонников по всему миру. Исполнителя главной роли Кевина Спейси и режиссера Дэвида Финчера пригласили в проект, так как в результате анализа данных продюсеры обнаруили , что зрителям Netflix очень нравятся их работ в кино [3].
По оценке стратегического агентства CCL, в России только 12% компаний среднего и крупного бизнеса начали пересматривать свои бизнес-процессы в контексте машинного обучения и цифрового маркетинга. [4].
Если не использовать данные, можно упустить много возможностей. Многие все еще считают, что разобраться в этом слишком сложно и дорого. Однако это не так.
Крупные компании используют собственные DMP (data management platform), систематизирующие платформы для сбора, организации и анализа first-, second- и third-party data из различных источников, включая онлайн, офлайн, мобильные устройства и др. Именно эти платформы являются основой маркетинга, основанного на данных, так как они позволяют получить уникальное представление о потребителях.
1. first party data — данные, полученные компанией самостоятельно. Их можно использовать для создания подробного портрета потребителя. Собрать собственные данные компании можно путем прописывания траектории взаимодействия с клиентами и учитывания тех следов, которые оставляет пользователь, совершая необходимые нам действия.
2. second party data — данные сторонних компаний-партнеров, используемые при условии соблюдения пользовательских соглашений сайтов, содержащих эту информацию. Это деперсонализированная информация: выводы и знания других игроков рынка о потребительских аудиториях.
3. third party data — данные, полученные от компаний, специализирующихся на исследованиях рынка, на основе этого можно дополнить данные по собственной аудитории недостающими знаниями и сформировать трехмерное, наиболее системное и точное видение пользователя — 3D customer view.
Каждый из этих типов данных имеет особое значение для решения маркетинговых задач, максимально глубокий анализ дает более качественные и релевантные результаты, поэтому если у компании есть возможности, то лучше использовать все 3 типа. Однако в данной статье мы рассмотрим пример работы с общедоступными системами сбора и анализа данных, так как собственная DMP может стоить более 100 тыс. долларов, что в случае с малым и средним бизнесом неактуально.
В ситуации с малым бизнесом при оперировании небольшими бюджетами, важно настроить сквозную аналитику для получения хотя бы first party data.
Сначала необходимо поставить бизнес-цель, которая бы соответствовала текущей стратегии компании. Например, достижение большей доли на рынке. Далее определяются промежуточные цели, для демонстрации результата понадобятся определенные метрики.
К примеру, рост прибыли можно оценить по количеству новых клиентов, среднему показателю оттока клиентов, размеру среднего чека, количеству повторных продаж, проценту конверсии и показателю маржинальности [5].
Для получения всех этих показателей и настраивается веб-аналитика при использовании таких инструментов, как Google Analytics, Яндекс.Метрика и других.
Рисунок 1. Интерфейс главной страницы Google Analytics, слева панель с отчетами
Например, чтобы настроить базовую аналитику в Google Analytics нужно выполнить следующие
действия [6]:
1. Настроить передачу посетителей, например, сайта, пользователей, проявивших интерес, с которыми можно вести дальнейшую работу (лиды) из всех источников (регистрационные формы, чаты, звонки) в CRM систему. Причем с каждым лидом должен идти параметр GA из Cookies пользователя. Cookies — это файлы, в которых хранится информация о действиях, совершенных посетителями на сайте: предпочтения пользователей, просмотренные или добавленные в корзину товары, IP-адрес и местоположение пользователя, версию ОС и браузера, клики и переходы.
2. Далее интегрировать CRM с Google Analytics. Каждый новый лид и изменения в его статусе передается как событие. Это можно сделать с помощью интегратора, например, Zapier.
3. Настроить цели в Google Analytics [6]. Создается цель с типом - Событие. В результате Google Analytics собирает информацию по целям. Так же с помощью специальных инструментов, например, owox можно транслировать в Google Analytics расходы по кжадому используемому каналу рекламы.
4. Настраивать нужные отчеты в Google Analytics.
Рисунок 2. Боковая панель для настройки отчетов с личном кабинете Google Analytics
Отчеты в Google Analytics для маркетологов возможны разных типов:
1. Аудитория - География - Местоположение
Данный отчет поможет определить откуда клиенты компании, на основе этой информации рекламные материалы можно будет оптимизировать рекламные кампании и персонализировать креативы.
2. Источники трафика - Весь трафик - Каналы
В этом отчете отображаются разные виды трафика, например, органический трафик из поисковых систем (Organic Search), платный трафик из поисковых систем (Paid Search), прямой переход на сайт (Direct), трафик из социальных сетей (Social). Данный отчет наглядно демонстрирует, какой канал наиболее эффективен и как лучше перераспределить бюджет.
3. Источники трафика - Кампании - Все кампании
Используя информацию из этого отчета, маркетолог или владелец бизнеса сравнивает кампании между собой и это позволяет оценить их эффективность.
4. Источники трафика - Кампании - Анализ расходов
Отчет показывает стоимость и рентабельность рекламы на разных каналах, с помощью него маркетолог может оптимизировать рекламную кампанию.
5. Поведение - Контент сайта - Страницы входа
Отчет, которые помогает отследить наиболее популярную по трафику и самую конверсионную страницу сайт. Так можно понять, где воронка продаж «провисает». А следовательно, в дальнейшем на основе этих выводов оптимизировать сайт, куда направляется трафик.
6. Поведение - События - Лучшие события
Чтобы отследить клики на сайте необходимо настроить события: положить товар в избранное или корзину, запустить видео. В результате просмотра этого отчета можно более детально понять поведение посетителя сайта.
7. Конверсии - Многоканальные последовательности - Основные пути конверсий
Отчет демонстрирует количество конверсий, соответствующих определенному каналу. Таким образом, маркетолог может выделить наиболее релевантные каналы для конверсий и на основе этого опять же перераспределить бюджет.
Существует множество других отчетов, в статье же представлены основные, с чего рекомендуется начать настройку аналитики.
Ярким примером использования сквозной анлитики в бизнесе является группа компаний «М.Видео-Эльдорадо», которая уже несколько лет анализирует анонимные данные клиентов, их историю покупок, поисковых запросов, способы использования бонусных баллов, брошенные корзины и отклики на разного рода рекламные рассылки. После этого они сегментруют клиентскую базу и выявляют тех, кто готов совершить покупку, исходя из этого разрабатывается персонализированный способ доведения до покупки. На основе этих данных настраивается ретаргетинг через разные каналы: email-рассылка, контекстная реклама, баннеры на сайтах.
В заключение хотелось бы выделить, что использование data-driven подхода может значительно повысить результаты маркетинговой деятельности: нарастить лояльность потребителей, увеличить продажи, поднять конверсии и многое другое. С каждым годом все больше и больше компаний переходит на data-driven подход в маркетинге, малый бизнес активно идет в онлайн-пространство, а Google Analytics или Яндекс.Метрикой пользуется на первый взгляд каждый уважающий себя маркетолог. Но статистика демонстрирует обратное. По прогнозам экспертов данная тенденция будет сохраняться в ближайшее десятилетие, а может и дольше [7]. Поэтому так важно вовремя адаптироваться под современные требования рынка, иначе без должного понимания своего клиента компания рискует потерять свои позиции в сегменте навсегда.
Список используемой литературы:
1. Коробков С.А. Основные компоненты системы сквозной маркетинговой интернет-аналитики для малого бизнеса // МНИЖ. 2016. №11-1 (53). URL: https://cyberleninka.ru/article/n/osnovnye-komponenty-sistemy-skvoznoy-marketingovoy-internet-analitiki-dlya-malogo-biznesa (дата обращения: 20.12.2020).
2. Джеффри М. Маркетинг, основанный на данных: 15 ключевых показателей, которые должен знать каждый // Манн, Иванов и Фарбер. 2013.
3. Jose Antonio Ribeiro Neto. Netflix — Big Data Success Case// https://medium.com/. 2020. URL: https://medium.com/xnewdata/netflix-big-data-success-case-8e7a1ab64bd3 (дата обращения: 20.12.2020).
4. Назаров Антон Дмитриевич, Товмасян Наталья Дмитриевна Цифровой маркетинг как современный тренд // Московский экономический журнал. 2020. №6. URL: https://cyberleninka.ru/artide/n/tsifrovoy-marketing-kak-sovremennyy-trend (дата обращения: 20.12.2020).
5. Data Driven: как принимать решения на основе данных [Электронный ресурс] // uplab.ru URL: https ://www.uplab. ru/blo g/data-driven/ (дата обращения: 20.12.2020).
6. google.com [Электронный ресурс] // google.com URL: http:// google.com/analytics (дата обращения: 20.12.2020).
7. support.google.com [Электронный ресурс] // support.google.com URL: https://support.google.com/analytics/topic/9303319?hl=ru&ref topic=9143232 (дата обращения: 20.12.2020).
