Мы тоже хотим, как Трамп: Как небольшие компании используют большие данные

Компания Cambrige Analytica, по ее утверждению, повлияла на исход выборов в США. По заказу Трампа избирателям-афроамериканцам показывали видео, где Клинтон сравнивает чернокожих мужчин с хищниками, а жителям Маленького Гаити (квартал Little-Haiti находится в северной части Майами) — ролик, где она отказывается помочь жертвам землятресения на Гаити. Многие из зрителей тех роликов разлюбили Хиллари.

Пример грандиозного проекта в России — совместная работа Магнитогорского металлургического комбината и Yandex Data Factory (подразделения «Яндекса» по работе с большими данными). «Яндекс» анализирует массив информации, накопленный за годы работы цеха по выплавке стали, и дает рекомендации по оптимальному количеству добавок при производстве, исходя из состава руды, ее массы и нужных характеристик конечного продукта. В результате — экономия предположительно $3–9 млн в год.

Конечно, проекты такого уровня могут осуществить только компании-гиганты. Однако большие данные служат и среднему бизнесу с месячным бюджетом на маркетинг от 1 млн рублей в месяц. Да, речь именно о маркетинге, потому что технологии Big Data используют в основном в этой сфере.

Работа с данными чаще всего сводится к использованию систем DMP (data management platform). Если коротко, это софт, который позволяет объединять данные компании о своих клиентах с информацией обо всей аудитории интернета и на основе полученной аналитики делать работу с клиентами эффективнее. Это может быть платформа, написанная специально для компании, а может быть облачный сервис, работающий по подписке.

Система анализирует поведение людей в интернете и делит их на группы: владельцы машин Peugeot, любители подледной рыбалки, новоселы, молодожены и тысячи других вариантов. При этом вся информация о людях изначально обезличена: даже пол и возраст система определяет по истории посещенных сайтов с помощью искусственного интеллекта и инструментов аналитики. Эти данные она сопоставляет с информацией о клиентах, которая есть в компании. А дальше у предпринимателей есть четыре самых распространенных сценария.

Персональные предложения

Представим, что у вас есть магазин, и вы раздаете карточки лояльности. Просите клиентов заполнить анкету с графами «возраст», «пол», «e-mail» и так далее, чтобы рассылать предложения и делать дополнительные продажи. Но если эти данные объединить с открытыми данными, которые клиент оставляет о себе в сети, то предложения могут быть еще точнее. Например, вы будете знать, кто из клиентов собирается в отпуск посреди зимы, и сможете предложить им залежавшиеся на складе крем для загара и купальник.

Кстати, тот же принцип использовала одна торговая сеть для подбора персонала. Компания загрузила в DMP данные своих кассиров и продавцов, которые работают долго и усердно. Система нашла в интернете пользователей, похожих на лучших работников компании, и показала им рекламу вакансий торговой сети. Таким образом удалось сократить время, которое эйчары тратят на собеседования (потому что приходили кандидаты с заведомо высокой вероятностью трудоустройства) и снизить текучку.

Контроль оттока клиентов

Следующий прием проще объяснить на примере сотовых операторов. Они постоянно анализируют базу абонентов, чтобы понять, не захочет ли кто-нибудь перейти к конкуренту. В этом опять же помогает софт. Он анализирует информацию об ушедших абонентах, находит общие черты в их поведении, а потом ищет эти же черты в базе действующих клиентов. Как только машина подозревает абонента в «нехорошем» поведении, она дает сигнал аналитику. Тот заходит в профиль клиента и решает, стоит ли его удерживать специальным предложением или его уход не будет трагедией.

Всё то же самое может делать интернет-магазин средней руки. При этом софт для работы с данными может не только указать на покупателей, которые больше не хотят покупать, но и выявить причину. Например, сменилась геопозиция — значит, клиент переехал и можно его отпустить. А если снова проявляет интерес к товарам, которые покупает у вас, значит, ищет более выгодные условия, и их тут же можно предложить.

Привлечение новых клиентов

Контекстная реклама — самое популярное у небольшого бизнеса средство привлечения клиентов. Но число людей, которые ищут товары через поисковик, ограниченно, и использование «контекста» рано или поздно заводит в тупик. В этой ситуации анализ данных помогает найти в интернете тех людей, которые не только не разыскивают продукт, но вообще о нем не знают. При этом, с высокой долей вероятности, он им подойдет.

Простой пример: реклама кредитных продуктов банка. Человек еще не ищет через поисковик «автокредиты в Москве выгодно», но уже активно интересуется новыми иномарками. Чтобы предвосхитить его интерес, кредитная организация может показать ему баннер или видео с предложением займа на нужную сумму, и сделать это прежде, чем будущий автовладелец начнет целенаправленно изучать предложения конкурентов через «Яндекс» или Google.

Поиск инсайтов для бизнеса

Основное применение анализа данных, так или иначе, в рекламе. Но есть еще один, четвертый сценарий — поиск инсайтов. К примеру, еще в 2014 году онлайн-кинотеатр ivi.ru, располагая данными о миллионах просмотренных фильмов, сопоставил их с погодой. Оказалось, что при понижении температуры даже на один градус число просмотров увеличивается на вполне определенную величину. Вряд ли кто-то когда-нибудь сможет управлять погодой, но такие открытия используют в бизнесе. Например, «Ниармедик Плюс» (производитель профилактического средства против гриппа «Кагоцел») проанализировал реакцию клиентов на погоду и использовал «погодный таргетинг» в рекламе, меняя рекламные баннеры в зависимости от осадков.

Сопоставляя данные об аудитории, можно обнаружить что-то неожиданное и интересное. Мы вместе с afisha.ru наложили 17 популярных аудиторных сегментов на карту Москвы и выяснили, в каких районах больше всего хипстеров, интернет-пользователей с высоким достатком и незамужних девушек.

Читайте нас в Facebook, Twitter и ВКонтакте.