Три правила грамотного использования Big data в практике маркетолога (и успешные кейсы)

Все больше маркетологов сталкиваются с проблемами при работе с Big data

Возможности аналитики совершенствуются с каждым годом, и в то же время использовать ее становится все проще. Любой бизнес вне зависимости от размера, равно как и маркетологи с небольшим или отсутствующим опытом, сегодня имеют возможность обращаться к эффективным сервисам и инструментам аналитики.

Несмотря на то что это открывает перед бизнесом бесчисленные возможности, такое положение вещей повышает риск ошибки, когда речь идет о маркетологах, всецело полагающихся только на аналитические данные.

Есть стереотип, что чем больше данных — тем эффективнее будут ваши решения, но на практике это может не работать. Маркетологи часто сталкиваются с подводными камнями при работе с «большими данными»: об этих скрытых угрозах я и расскажу.

Ошибочные представления маркетологов о Big data

Работая с Big data, необходимо в первую очередь знать о наиболее распространенных заблуждениях, которые в итоге могут привести к провальным решениям.

1. Необработанные исходные данные достоверны по умолчанию

Конечно, сухие данные сами по себе всегда верны, однако стоит помнить о пяти факторах оценки качества информации:

• Целостность и полнота
• Консистентность (непротиворечивость)
• Точность
• Корректность
• Актуальность

Когда качество данных является недостаточным хотя бы по одному из критериев, компания может сделать серьезную ошибку, неверно выстроив стратегию или инвестируя средства в бесперспективные проекты или идеи.

2. Вся информация должна быть получена от одного первоисточника

В действительности такое бывает редко. Чаще всего массив данных поступает от независимых источников и проходит через несколько «рук» перед тем, как попасть в отдел маркетинга.

При этом зачастую каждый из источников данных имеет собственную систему их «очистки», и некоторые из таких систем могут работать не очень корректно. В подобной цепочке передачи информации почти всегда неизбежно возникают противоречия и проблемы с консолидацией.

3. Использование аналитических данных свободно от человеческого фактора

Мы все чаще сталкиваемся с некорректным анализом данных, и связано это с развитием технологий. Сегодня у любого маркетолога есть доступ к сервисам аналитики. Когда человек с небольшим опытом анализа данных начинает такие сервисы использовать, часто он делает ошибочные выводы, неверно интерпретируя информацию и обращая много внимания на второстепенные аспекты.

Кроме того, маркетолог может твердо верить в надежность аналитики и, как следствие, действовать наперекор здравому смыслу — что может дорого обойтись компании.

Правила для маркетологов при работе с Big data

У многих маркетологов неверные представления об аналитике. Поэтому любому специалисту важно научиться собирать и понимать данные.

Их анализ по-прежнему дает серьезное конкурентное преимущество и позволяет быстро обрабатывать огромные массивы информации – поэтому маркетологи должны продолжать использовать большие данные в своей работе. Но им также стоит внимательно оценивать результаты анализа данных и выявлять те инсайты, которые могут принести реальную пользу для бизнеса.

Рассмотрим три ключевых правила, следование которым позволит маркетологу принимать ответственные и адекватные решения на основе аналитики.

1. Проверьте «чистоту» данных

Не начинайте работу с данными, не проверив их предварительно на соответствие пяти факторам оценки качества информации (см. выше). Избегайте любых неполных или противоречивых данных – в дальнейшем их низкое качество затруднит вашу работу.

Автоматизация сбора информации поможет получить более корректные и актуальные данные.

2. Приведите всю вашу «цепочку» данных к единому стандарту   

Если информация поступает из разных источников, то в итоге возникновение противоречий между разными фрагментами данных практически неизбежно. Соответственно, специалисты должны привести к единому стандарту свои взаимоотношения с каждым из участников «цепочки».

В итоге вы сможете создать процесс работы с большими данными, который сводит риск возникновения ошибок к минимуму.

3. Обучайте сотрудников адекватному отношению к большим данным и их грамотной интерпретации

Чтобы быть уверенными в том, что ваши маркетологи могут принимать обоснованные и эффективные решения, начните с поиска изначально опытных профессионалов. В дальнейшем вы должны убедиться, что все члены команды, работающей с Big data, понимают важные нюансы, связанные со сбором информации и принятием решений на основе аналитики.

Маркетологи должны усвоить, что хотя данные и предоставляют хорошую стартовую точку для принятия решений, достичь самых эффективных результатов можно только с помощью сочетания грамотной аналитики и развитой бизнес-интуиции.

Кейсы: наиболее эффективная работа компаний с Big data

Кейс американской сети самообcлуживания Costco Wholesale

Пример по-настоящему добросовестного и честного отношения к клиентам демонстрирует крупнейшая сеть самообслуживания Costco Wholesale. Они собирали большие данные еще в те времена, когда это не было трендом, и за долгое время преуспели в грамотной аналитике этих массивов информации.

Costco Wholesale

Два наиболее примечательных случая, связанных с большими данными и этой компанией, относятся к безопасности потребителей пищевой продукции. В 2014-м году в США появилась информация о масштабном заражении некоторых фруктов листерией – бактерией, которая при попадании в организм может причинить серьезный вред.

Покупателям позвонили, а после в дополнение отправили email. Ритейлер использует Big data для обеспечения безопасности своих клиентов на постоянной основе – это лишь один из наиболее показательных случаев.

Ранее, в 2010 году, компания помогла государственным организациям выявить очаг вспышки сальмонеллеза – также благодаря своим огромным массивам больших данных и умелой работе с ними.

Кейс сети гостиниц Red Roof

Если ваш рейс отменяется в тот момент, когда вы уже прибыли в аэропорт, то, скорее всего, больше всего вас будет беспокоить перспектива провести ближайший день (или ночь) в зале ожидания. Именно этой «болью» пользуются маркетологи сети гостиниц Red Roof.

Большая часть отелей сети располагается рядом с аэропортами, и анализ больших данных позволил маркетологам разработать кампанию, ориентированную на те локации, где погодные условия чаще всего срывают рейсы – и где впоследствии скапливается наибольшее число потенциальных клиентов, нуждающихся в недорогом гостиничном номере поблизости.  

Такой подход увеличил рост сети на 10% в районах, охваченных рекламной кампанией.

Кейс американского телеканала The Weather Channel

Казалось бы, телеканал, посвященный преимущественно новостным сводкам о погоде, вряд ли может как-то серьезно вторгаться в вашу жизнь и влиять на решения о покупках. Однако американский The Weather Channel показал, что может.

Телеканал создал data-платформы Location FX и Weather FX, с помощью которых специалисты отслеживают влияние местной погоды на настроение аудитории. После анализа полученных данных они отправляют рекламодателям рекомендации относительно того, как и когда они должны показывать рекламу, чтобы получить наилучший результат.

О data-платформе Weather FX

Пример такого эффективного сотрудничества Big data-платформ крупного телеканала и бизнеса – партнерство с Pantene. Телеканал определял время, в которое влажность воздуха будет максимальной – и демонстрировал в эти моменты рекламу средства для надежной фиксации прически.

Примечательно, что она побуждала женщин искать продукт в определенной аптечной сети, благодаря чему продажи Pantene в данной сети выросли на 10%, а реализация других средств для ухода в этой же сети увеличилась на 4%.    

Большие данные – это лишь часть паззла

Анализ данных находится на острие инноваций в digital-маркетинге, и похоже что этот тренд продолжит стремительно развиваться в ближайшие годы. Но несмотря на то, что продвинутая аналитика предоставляет отличную возможность для маркетологов лучше понимать аудиторию и улучшать пользовательский опыт, большие данные – это лишь часть паззла.

Всецело полагаясь только на инструменты аналитики в процессе принятия бизнес-решений, вы можете неверно спланировать стратегию и столкнуться с серьезными последствиями.

Бизнес-решения должны быть основаны на здоровом балансе между данными и банальной интуицией, которая приходит с годами и опытом. Если маркетологи компании могут придерживаться этого баланса, они смогут принимать более обоснованные решения в долгосрочной перспективе.

Материалы по теме:

Что нужно знать начинающему дата-сайентисту

Где будут обсуждать большие данные и AI в 2018 году?

В США создан алгоритм, который вычисляет серийных убийц

В России катастрофически не хватает инженеров данных – кому и зачем они нужны

«Больше всего нас интересуют деньги» – как мы предсказываем, вернет ли заемщик долг