Эффективное использование больших данных в 2022 году

Пандемия приводит к тому, что ритейл все больше переходит в онлайн. Поэтому сбор данных во всем мире растет беспрецедентными темпами: по данным International Data Corporation (IDC), к 2025 году совокупная сумма мировых данных может составить 175 зеттабайт, для хранения которых понадобится 12,5 миллиарда жестких дисков. Вслед за Amazon и eBay все больше ритейлеров приходят к пониманию, что интернет — это не только канал продаж. Это источник ценной информации.

Эффективность собранных данных зависит от того, как их будут обрабатывать и применять. Глеб Клюйко, маркетолог eSputnik, рассказывает о новых возможностях использования Big Data в ритейле.

Что такое Big Data

Big Data — это набор данных из разных источников, слишком объемный и сложный для того, чтобы обрабатывать его вручную.

К большим данным относится как структурированная, так и неструктурированная информация. Структурированные данные легко обрабатывать и интерпретировать — это, например, сумма заказов, средний чек, демографическая информация и т. п. Неструктурированные данные могут быть представлены в самых разных форматах: видео, изображения, лайки, комментарии, отзывы и т. д.

В контексте ecommerce Big Data — это прежде всего информация о пользователях и клиентах: как они ведут себя в приложении и на сайте, какими товарами и акциями интересуются, какие каналы предпочитают, как реагируют на рекламные кампании.

Именно из-за сложности и огромных объемов данных в последние годы появляется все больше инструментов для их хранения, унификации и анализа.

Для чего Big Data используют в ритейле

Вокруг чего весь шум? Посмотрим, какие возможности большие данные открывают перед ecommerce.

Лучшее понимание клиентов

Бизнес, который использует Big Data для более глубокого понимания своих клиентов, способен обеспечить каждому пользователю уникальный покупательский опыт, и это приносит очевидные результаты. Согласно отчету McKinsey, компании, которые строят свои активности на клиентских данных, получают в 23 раза больше шансов привлечь новых клиентов и в 9 раз чаще способны удержать существующих.

Прогнозирование

Прогнозная аналитика — это выявление с помощью алгоритмов ИИ закономерностей в Big Data для предсказания спроса на те или иные продукты, сегментирования контактов, ценообразования и многого другого. Ее можно использовать как для принятия решений об объеме производства или хранении определенного товара на складе, так и для автоматического персонализированного предложения на основе имеющейся о пользователе информации.

Очевидно, что в ближайшем будущем мы увидим появление целого арсенала инструментов для прогнозной аналитики. По данным Gartner, к концу 2024 года 75% компаний придут к использованию ИИ для обработки Big Data, что повлечет пятикратное увеличение потоков данных и аналитической инфраструктуры.

В ритейле прогнозная аналитика используется для решения 2 главных задач: предиктивной сегментации и предсказания вероятности конверсии.

Предиктивная сегментация

Используя данные о действиях клиентов, алгоритмы ИИ выделяют паттерны поведения людей в разных сегментах, благодаря чему становится возможным заранее предсказать жизненный путь пользователя и оптимизировать его под бизнес-цели. Например, если после третьей покупки в течение 2 месяцев не происходит следующего заказа, велика вероятность потерять такого клиента. Соответственно, на контакты в этой группе нужно направить реактивационную кампанию.

Также предиктивная сегментация помогает определить потенциальный ROI от разных сегментов, что помогает использовать маркетинговый бюджет эффективнее. Например, вы можете задействовать ее для определения потенциальных VIP-покупателей. Кейс компании RetouchMe показал, что такая практика приносит +17% продаж.

Предсказание вероятности конверсии

Анализируя значимые критерии покупательского поведения, мы можем оценивать вероятность конверсии для того или иного предложения и запускать целевые кампании с подборками наиболее релевантных товаров для каждого конкретного пользователя. Чем больше переменных, то есть значимых данных, используется при анализе, тем точнее будет прогноз и, соответственно, тем выше будут конверсии.

Товарные рекомендации

Рассмотрим, как это работает, на примере персонализированных рекомендаций на сайте. Ведь это как раз та стратегия, которая приводит клиентов на такие торговые площадки, как Amazon (более 150 миллионов уникальных посетителей в месяц) или eBay (более 109 миллионов уникальных посетителей в месяц). И не просто приводит, а является одним из основных источников продаж: сейчас рекомендованные алгоритмами ИИ товары составляют 35% покупок на Amazon.

Хорошая новость в том, что сегодня бизнесу не обязательно делать гигантские инвестиции в программное обеспечение, чтобы предложить своим клиентам аналогичный пользовательский опыт.

Чтобы заниматься маркетингом так же, как Amazon, вам достаточно установить на сайт скрипт веб-трекинга, который будет собирать информацию о каждом посетителе сайта: что он ищет, какие страницы посещает, какие товары покупает, добавляет в избранное или оставляет в корзине. Далее алгоритмы ИИ анализируют полученную информацию и генерируют на разных страницах сайта товарные рекомендации по заданным вами правилам. Подробнее о возможностях персонализированных рекомендаций на сайте вы можете почитать здесь. Также важно уточнить, что аналогичным образом персональные рекомендации могут использоваться и в рассылках.

Геотаргетинг

Среди ценных данных, которые бизнес может получать о своих клиентах, нельзя не упомянуть информацию об их местоположении. Геотаргетинг позволяет в режиме реального времени таргетироваться на людей по этому признаку. Например, когда человек оказывается в радиусе километра от ресторана или магазина, с помощью геофенсинга он получает маркетинговое сообщение со специальным предложением.

Эта технология уже широко и успешно используется сегодня: так, международная служба доставки еды Rocket увеличила средний чек на 16% и ROI на 152%, используя геотаргетинг с сегментацией заказчиков по предпочтениям.

Big Data в омниканальном маркетинге

Выше мы описали три возможных применения Big Data для бизнеса. В действительности их гораздо больше. Но в итоге все они входят в понятие "омниканальный маркетинг".

Хотя об омниканальном маркетинге говорят давно и много, реализация этой стратегии по-прежнему может стать вашим весомым конкурентным преимуществом.

Омниканальность — это комплексное использование разных взаимосвязанных каналов: рассылки, соцсети, мессенджеры, пуш-уведомления, веб-сайт и даже офлайн. Используя платформу клиентских данных, вы можете настроить бесшовный обмен данными между физическими точками продаж и онлайн-магазинами.

Персонализированная омниканальная коммуникация — это залог более высоких конверсий и лояльности, о чем свидетельствует и статистика:

• Уровень вовлеченности: средний показатель для омниканального бизнеса — 18,96%, для одноканального — 5,4%.
• Частота покупок: с использованием омниканальных стратегий — на 250% выше.
• Средний чек: на 13% больше.
• Уровень удержания клиентов: на 90% выше.

Сегодня на рынке существует множество омниканальных маркетинговых инструментов с разными наборами доступных каналов. Но их главное отличие в другом: одни платформы могут использоваться в основном как сервисы для рассылок, другие ориентированы на эффективное использование Big Data. С их помощью вы сможете:

• Формировать динамические сегменты контактов и автоматически генерировать персонализированный контент, соответствующий ключевым характеристикам сегмента.
• Отправлять омниканальные кампании в ответ на конкретные действия каждого контакта.
• Планировать кампании с учетом геолокации контактов, их интересов, товарных предпочтений и т. п.
• С помощью алгоритмов ИИ прогнозировать спрос на определенные товары, предугадывать, к совершению какой покупки контакт наиболее склонен в данный момент, и предлагать ему эту позицию в рассылке или в рекомендациях на сайте. Эти же рекомендации можно передавать на оборудование продавцов и кассиров в офлайн-точках, специалистам кол-центров.
• Получать новые данные в режиме реального времени и моментально использовать их в кампаниях.
• Анализировать ключевые показатели по разным когортам, чтобы оценивать эффективность маркетинговых активностей.

Такие инструменты называются платформами клиентских данных — Customer Data Platforms (CDP).

Как оптимизировать работу с Big Data с помощью CDP

Типичная ecommerce-компания сегодня хранит данные сразу в нескольких системах. Это могут быть и структурированные, и неструктурированные данные, представленные в разных форматах: SAS, текстовом, в виде реляционных или excel-таблиц и т. д. Это приводит к тому, что получение, унификация и анализ происходят с большой задержкой, и к моменту, когда Big Data превращается в поддающуюся интерпретации информацию, она уже неактуальна.

Решить эту проблему призваны CDP. Такие платформы интегрируют разные источники данных, унифицируя их и собирая в профилях клиентов. Собранные данные легко разделить на набор признаков, по которым можно сегментировать контактную базу для аналитики и маркетинговых кампаний. При этом, чтобы запустить кампанию, сегмент не нужно никуда выгружать: платформа клиентских данных или интегрируется со сторонним сервисом рассылок, или сама обладает соответствующими возможностями. Данные о рассылках также собираются в CDP и могут служить сигналом для маркетингового действия.

Благодаря широким возможностям CDP выбирают компании, которым нужно постоянное и масштабируемое решение для управления всеми клиентскими данными в единой среде.

"Сегодня примерно 3/4 покупателей взаимодействуют с продавцом через несколько каналов. И, конечно, уже ожидаемо, что в каждом канале коммуникации человек будет узнаваем и что бренд обеспечит ему персональное взаимодействие там, где пользователю наиболее удобно. Тем не менее реально обеспечить такой опыт могут пока немногие компании. Они и становятся лидерами рынка, отрываясь от конкурентов. Остальные же используют либо неперсонализированные коммуникации, либо массовые несегментированные рассылки. В итоге 52% пользователей считают получаемые уведомления скорее раздражающими, нежели желательными.

Как омниканальная платформа пользовательских данных, мы стараемся демократизировать инструменты персонализации – давать возможность и лидерам, и тем, кто стремится ими стать, получать максимум возможностей из множества данных, которыми владеет бизнес. Данные эти обычно сложно собрать, так как они рассыпаны по разным информационным подсистемам компании. И именно CDP позволяет эту проблему решить.

С другой стороны, мы также предлагаем новые возможности, такие как App Inbox и персонализация сайта. Эти неинвазивные способы донесения маркетинговых сообщений кастомеру формируют совершенно новый пользовательский опыт. Фактически это расширяет сферу применения eSputnik от чистого директ-маркетинга до ниши продуктового маркетинга.

И вот такой бленд продуктовых подходов к маркетингу и технологий ecommerce позволит эффективнее вовлекать и удерживать покупателей и интернет-магазинам, и SaaS-продуктам, и онлайн-сервисам. Мы прогнозируем бум нативных коммуникаций, как App Inbox, виджеты для персонализации сайта и персональная товарная выдача, в 2022 году".

Алексей Данченко, сооснователь, COO eSputnik

Прогнозы на будущее

Большие данные играют все более важную роль в бизнес-процессах ecommerce. Если их анализируют и используют грамотно, интернет-магазины получают весомое конкурентное преимущество. Прежде всего потому, что уровень персонализации стал одним из ключевых отличий, на которое обращают внимание покупатели. Чем он выше, тем сильнее лояльность к магазину, тем больше приток новых и меньше отток существующих клиентов.

Big Data позволяет создавать точные портреты клиентов, чтобы персонализировать для каждого из них товарные рекомендации и контент маркетинговых коммуникаций. При этом появляется все больше источников данных, что неизбежно повысит спрос на инструменты обработки, способные унифицировать их и сделать доступными для использования без привлечения технических специалистов.

Пример Amazon и eBay уже наглядно показал всем скептикам, что информация о клиентах — это сверхценный ресурс для ecommerce. С появлением новых, доступных практически любому бизнесу инструментов для сбора и работы с Big Data все больше онлайн-магазинов будут использовать их для увеличения прибыли и усиления лояльности своих клиентов в 2022 году.