Колонки

Данные — топливо экономики впечатлений: как эффективно использовать big data с заботой о клиенте

Колонки
Андрей Протопопов
Андрей Протопопов

CEO платежного сегмента Qiwi

Ольга Лисина

К 2027 году глобальный рынок больших данных может вырасти в два раза — с $49 до $103 млрд. Big data — это уже не только модный термин, но и по-настоящему эффективный инструмент для бизнеса. 

О секретах работы с большими данными в крупной компании рассказывает Андрей Протопопов, CEO платежного сегмента Qiwi.

Данные — топливо экономики впечатлений: как эффективно использовать big data с заботой о клиенте

Почему данные — это новая нефть

Ежедневно мы получаем различные рекламные рассылки: акции, скидки и «уникальные спецпредложения» бесконечным потоком поступают нам на электронную почту и в мессенджеры. Большая часть этих сообщений в восприятии пользователя — это спам, который не заслуживает внимания. 

Компании соревнуются за клиентов, но при этом генерируют нерелевантный контент для усредненного абстрактного «покупателя». Почему так происходит? Проблема может быть как в нехватке, так и в избытке данных, но главное — это неумение их анализировать. 

Компании по инерции работают в парадигме экономики товаров и услуг. При этом мир уже движется в сторону экономики впечатлений, где на передний план выходит не сам продукт или сервис, а опыт и впечатление, которое клиент получает в процессе взаимодействия с компанией. 

Эту концепцию впервые представил Джозеф Б. Пайн еще в конце 1990-х годов. Однако только недавно новая модель экономики начала набирать обороты. На это повлияло развитие цифровых технологий, в том числе инструментов для сбора и аналитики больших данных.

Именно big data и machine learning помогают лучше понять характер клиента, его предпочтения и потребности. Разумеется, методы аналитики применялись и прежде. Но никогда ранее они не позволяли настолько глубоко исследовать аудиторию. 

Данных о клиенте стало больше, но эволюционировали и сами методы анализа, что в синергии и приносит результат. Историк и футуролог Юваль Ной Харари считает, что в ближайшем будущем бренды будут знать и понимать нас лучше, чем мы сами. 

И мы уже это видим — компании по всему миру переходят от продуктоцентричной модели, где основной задачей было продать больше продуктов и услуг, к клиентоцентричной, где в центре находится клиент и основная цель компании — создать для него максимальную ценность. 

Данные — это ключ к пониманию клиента, то есть самый ценный актив, сравнимый с нефтью, и топливо для экономики впечатлений. 


Shutterstock / solarseven


Будущее big data: этика и умеренность

Хотя данные позволяют лучше понять аудиторию, важно определить границы между аналитикой с пользой для клиента и нарушением приватности. В 2010-е многие компании пользовались отсутствием жесткого регулирования и злоупотребляли полученными сведениями. 

Например, алгоритмы Facebook таргетировали рекламу так, чтобы исключать меньшинства — так, объявления о продаже домов показывали преимущественно белым, а афроамериканцам предлагали только аренду. 

Вскоре эту проблему решили, а сбор данных стали более жестко регулировать — достаточно вспомнить Общий регламент по защите данных (GDPR), который вступил в силу в 2018 году.

Компании уже понимают, что нужно бережно обращаться с персональными сведениями клиентов. Необходимо знать про пользователя ровно столько, сколько нужно для создания и совершенствования продукта, — и использовать данные только в таком, умеренном, объеме. Все остальное может оказаться серой зоной с точки зрения этики. 

Люди предпочитают все более избирательно делиться своими приватными данными с компаниями — даже в благих целях. Они уже знают, что сбор их персональной информации — давно не тренд, а реальность, и задаются вопросом, а выигрывают ли они от этого. 

Поэтому задача компаний в этих условиях — не только этично использовать данные, а превратить их аккумуляцию в возможность, которая принесет пользу клиентам.

Не соблюдая этику, бизнес рискует сформировать негативный пользовательский опыт. Например, в ряду ценных характеристик клиентов алгоритм классификации или кластеризации может выделить дискриминационные — такие, как пол или раса. 

Программы на базе машинного обучения не оценивают этические и репутационные риски — они работают со статистикой и тегами, в которые уже заложена предвзятость. 

Отсюда главный императив ближайшего будущего: нужно обращаться с данными пользователей так, как они бы обращались с ними сами. Универсальных правил нет, поэтому важна персонализация. 

Условно, пользователь готов отметить любимые фильмы на стриминговой платформе, чтобы получить более точные рекомендации. Но он не хочет сообщать лишнюю информацию компании, формирующей скоринговый балл, если понимает, что какие-то данные могут сыграть не в его пользу. 

Еще один важный тренд будущего — это отказ от бездумной аккумуляции данных. Сами по себе данные не дают конкурентного преимущества.

На рынке выигрывает не та компания, которая скопила массив информации, а которая извлекла из него ценный продуктовый инсайт — не перейдя при этом границу этики и построив его на необходимом, но достаточном объеме знаний о клиенте. 

Для многих компаний — и мы не исключение — инсайты на основе данных лежат в плоскости улучшения клиентского опыта. Анализ больших данных помогает бизнесу не только лучше знать своего клиента, но и принимать более грамотные решения, улучшающие процесс взаимодействия пользователя с продуктом на всех этапах.


Shutterstock / GaudiLab


Как бизнесу получить максимум от работы с большими данными

Пара практических советов, основанных на нашем опыте работы с данными:

  • Создавайте ценность

Большие данные не ценны сами по себе в вакууме. Их использование помогает компаниям улучшить продукты и услуги, привлечь и удержать клиентов. Необходимо донести эту ценность до клиентов и дать им возможность управлять своими данными.  Старайтесь создавать win-win условия, в которых вы получаете данные о клиенте, а клиент — наилучшие впечатления от вашего сервиса и персональный value.

  • Диверсифицируйте big data

Большие данные открывают массу возможностей не только для улучшения клиентского опыта, но и для оптимизации процессов в компании. В QIWI мы работаем с данными по трем направлениям:

  1. Оптимизация внутренних процессов

    Например, мы используем модели машинного обучения для предсказания числа сотрудников контактного центра, которых нам необходимо вывести на работу в тот или иной день.

    Также мы применяем алгоритм прогнозирования причин для обращения в клиентский центр. Для этого система анализирует платежную историю пользователя и автоматически направляет его на релевантного оператора, который работает с конкретной тематикой. Это ускоряет процесс обработки обращений, а также экономит время как клиенту, так и оператору.
  2. Взаимоотношения с клиентами

    Мы хотим все лучше понимать потребности пользователей и создавать максимально релевантные для них продукты. Мы тестируем инструменты, которые помогают настраивать рекомендательные системы под потребности небольшой группы пользователей с учетом их индивидуальной специфики. Это более точечный подход, который на практике работает эффективнее классических AB-тестов.

    Также мы исследуем сценарии использования (use cases) — определяем не только как человек использует продукт, но и для чего он ему нужен, какие мотивы им движут. Это помогает не просто собрать сведения о клиенте, а составить более детальный портрет, который обычная статистика не отражает.
  3. Исследования и разработки

    Мы регулярно создаем коллаборации с разными организациями и экспериментируем с новыми технологиями. Мы являемся членами Ассоциации больших данных (АБД), где в рамках проекта R&D совместно с другими участниками прорабатываем различные кейсы кросс-индустриального обмена данными, которые помогут компаниям создать новые продукты и линии бизнеса, а также будут способствовать более эффективному взаимодействию государства и общества.

    Для пилотирования соответствующих продуктов мы создаем «песочницу» данных, которая, мы надеемся, со временем станет площадкой и для экспериментов с данными в формате регуляторной песочницы. Для нас работа с АБД — это возможность найти применение накопленных данных в новых областях, о которых мы прежде не задумывались.

Фото на обложке: Shutterstock / graphicINmotion

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Брокеры данных: кто, где и как продает информацию о нас
  2. 2 Как управлять бизнес-процессами при помощи предиктивной аналитики
  3. 3 О чём говорит чек: 3 способа использовать данные кассовых чеков для развития бизнеса
  4. 4 Data Science для предсказания спроса: как это работает на самом деле?

Актуальные материалы —
в Telegram-канале @Rusbase

ВОЗМОЖНОСТИ

07 августа 2020

Ipsen Biomed Challenge

08 августа 2020

Цифровые джунгли

09 августа 2020

IT хакатон