Анастасия Григорьева (X5 Retail Group) и Александр Аникин (Kinian) – о клиентской аналитике на Big Data Conference

Анастасия Григорьева, которая представляет X5 Retail Group (торговая сеть «Перекресток»), и Александр Аникин из Kinian рассказали об использовании клиентской аналитики в целевом маркетинге и управлении программой лояльности.

Благодаря сервису Penxy презентацию Анастасии и Александра можно не только посмотреть, но и послушать.

После презентации желающие смогли задать вопросы спикерам через сервис WhenSpeak. Публикуем полное «публичное интервью» с Анастасией и Александром:

Вы обогащаете данные данными из внешних источников? Если да, то какие внешние источники используете (соцсети, банки, сотовые операторы)?

Мы с данными не работаем. В нашей базе данных персональных данных или любых других данных нет. Наша роль — связать бренды напрямую с компаниями, которые занимаются данными профессионально.

Об этом в своем докладе говорил Анатолий Темкин (профессор Бостонского университета), когда рассказывал про privacy. Он сказал тогда, что главная задача в будущем — это интеграция между базами данных. И наша специализация в том, чтобы: а) базы данных при обмене информацией имели возможность эти данные защитить, б) имели возможность контролировать этот обмен и в) понимали, что тот партнер, который осуществляет эту историю, независим от любого другого игрока, который с ними на рынке встречается. У нас это закреплено и в платформе, и юридически.

Как будете бороться с рандомизацией MAC на айфонах?

Рандомизация МАС-адресов в Linux при подключении реализована еще с августа 2015 года, с марта 2016 она заработала на мобильных устройствах с Windows. В iOS первая рандомизация до подключения к сети появилась с релизом iOS 7 в сентябре 2013. Полная рандомизация (то есть и при подключении) впервые была замечена в iOS 10. В Android такого пока нет, с заводской версии 6.0.1 появилась только маска МАС-адресов.

Мы не собираемся бороться с тем, что закрывают производители. У нас есть 5 патентов, 4 из которых с международными номерами, позволяющие нам работать с данными, не используя МАС-адрес как основной идентификатор. Мы создаем базу данных идентификаторов, и внутри это нужно рассказывать в зависимости от каждого конкретного кейса, потому что в первую очередь мы занимаемся логикой, а потом уже подбираем под это технологии.

Мы не специализируемся отдельно на Wi-Fi и на мобильных технологиях. Наша задача — прийти к клиенту и сказать: «Это конкретный человек», а в зависимости от логики поведения там уже могут быть разные модели идентификации.

Чтобы это происходило, у нас должна быть (и она есть) 100% opt-in модель, при которой в любом случае человек должен дать согласие на работу с ним бренду и компании Киниан. Соответственно правильный ответ, что клиенту можно не только подключиться к Wi-Fi — у нас для прометки есть несколько инструментов — например, все пользователи мобильного приложения бренда также будут промечены, и эту метку мы сможем считывать и использовать. Также можно делать прометку через пиксель на сайте. Очень сильно зависит от конкретных кейсов, не везде можно получить всё.

Как вы услышали, opt-in нужно сделать в бренд, и когда мы получаем идентификатор человека из этой CRM-системы, в этот момент можем автоматически оповещать о том, что этого человека нужно обслужить. И нужно сделать opt-in в Киниан.

Представим, что у нас есть два абстрактных клиента: ритейлер и банк — когда человек дошел до Wi-Fi банка и там сделал opt-in в Киниан, существенную часть необходимых нам полей мы получили — соответственно, приходя уже к ритейлеру, человеку к Wi-Fi уже подключаться будет не нужно, достаточно использовать только мобильное приложение, чтобы мы могли дополнительно получить только идентификатор бренда. То есть логика именно в том, что модель поведения одних и тех же людей отличается, в зависимости от того, какая компания их сейчас обслуживает, и именно это позволяет заниматься их идентификацией.

Какие математические модели вы используете для персонализации?

Регрессионный анализ, Деревья решений, Классификация и кластеризация.

А уже есть возможность определять нахождение покупателя в торговом зале?

Наша бизнес-модель подразумевает оповещение ритейлера о появлении определенного клиента в торговом зале или рядом. У какой полки сейчас находится человек – мы не сообщаем.

Каковы результаты РК для вендоров по использованию данных Перекрёстка?

Результаты отличаются в зависимости от категории, товара и уровня скидки.

Какой размер контрольной группы и в каких магазинах можно увидеть работу с Kinian?

Около 50% от целевой аудитории. Пилот проходил в одном магазине — в настоящее время готовится второй этап, после внедрения которого можно будет опробовать работу Kinian в Москве и других крупных городах.

Когда X5 станет оператором фискальных данных, какие продуктовые решения вы видите актуальными?

Сейчас об этом пока рано говорить.

Смотреть все презентации.