5 сценариев применения Big Data в бизнесе
Ежегодно крупные корпорации собирают и обрабатывают огромное количество информации, на это уходят миллиарды долларов.
Да, говорят, что тот, кто владеет информацией, владеет миром, но тут важную роль играет не накопление данных, а их использование.
Что такое «большие данные»
Big Data — это огромный объём информации, массив, который можно обработать только компьютерной техникой. Используется для статистики, прогнозирования и принятия решений и обладает тремя исходными характеристиками: многообразием, объёмом и скоростью обработки и прироста.
Источников таких массивов множество. Это непрерывно работающие измерительные приборы, сотовые операторы, устройства видеорегистрации и другое оборудование.
Сам термин получил распространение с лёгкой руки редактора журнала Nature Клиффорда Линча, который поднял связанные с Big Data вопросы в своём издании в 2008 году.
С 2013 обработку больших данных стали вводить в качестве дисциплины в ряд программ вузовского образования, связанных с инженерией и вычислительной техникой.
Сценарии применения Big Data в бизнесе
Поддержание и улучшение репутации бренда
Здесь важен анализ опыта взаимодействия клиентов с вашим товаром, что позволит улучшать продукт. А сделать это проще всего через отзывы.
Вдумайтесь в эту цифру: 90% потенциальных клиентов, прежде чем сделать покупку через интернет, читают комментарии предшественников. И многие готовы отказаться от сделки, если у предыдущих покупателей был негативный опыт с этим товаром или продавцом.
Аналитика Big Data не только поможет найти отзывы в разных источниках, но и составить перечень сильных и слабых характеристик продукта, проанализировать аналоги от конкурентов, правильно подготовить и провести рекламную компанию.
Например, однажды автомобильный гигант Toyota изучил комментарии клиентов и обнаружил, что есть большой незакрытый спрос на запчасти к старым моделям, которые сняты с производства. Было принято решение возобновить выпуск деталей, что позитивно сказалось на имидже и доходе компании.
Российские продавцы и агрегаторы тоже вовсю используют отзывы. Взять хотя бы политику маркетплейса Озон, когда клиенту в первую очередь показываются товары, у которых больше положительных оценок.
Поиск тенденций
Если анализировать множество данных, становятся заметны закономерности поведения покупателей. Появляется возможность связать покупки со временем, местом, полом, возрастом, предпочтениями и вкусами потребителей.
Не нужна статистика, чтобы понять, что зимняя одежда покупается в основном в конце осени, это логично и понятно. Но огромный пласт неочевидных выводов скрыт от нашего восприятия, пока аналитики не предоставят отчёты, в которых будут видны тенденции и закономерности.
Зная предпочтения потребителей и время их реализации, легче планировать рекламные кампании сопутствующих товаров, предлагать заменители, проводить акции в правильный момент времени и в нужном месте.
Также можно найти идею новых продуктов и сервисов, которые попадут в потребности аудитории и будут пользоваться спросом.
Оптимизация контента
Здесь решается задача привлечения и удержания клиентов.
Просмотр аналитики взаимодействия потребителей с сайтом позволит улучшить контент. Так построены, в частности, рекомендательные системы: они изучают, что уже смотрит человек, и предлагают нечто подобное или дополняющее. Хороший пример — лента Дзен или соцсети.
Персонализация рекламы
Есть исследование Edelman и Accenture, согласно которому 80% потребителей предпочтут приобрести товар там, где получат персональное предложение.
Этот вывод чрезвычайно полезен для маркетолога и продавца.
Аналитика Big Data позволит сегментировать аудиторию, составить портрет покупателя и создать индивидуальную рекламу. Причём лучше опираться не на декларируемые интересы человека, например, какие сайты он посещает и что ищет, а на реальные действия — оплаченные покупки.
Предположим, пользователь листает достопримечательности Кипра. Не факт, что он планирует туда поехать. Возможно, это копирайтер, пишущий статью, или студент, нуждающийся в красочных примерах для курсовой работы, или дизайнер, который ищет вдохновения. Поэтому реклама отелей может не дать результата. Другое дело, если человек уже внёс бронь за авиабилеты.
Мерчендайзинг для e-commerce
Также, как и в реальном магазине, в сети люди переходят с одной категории товаров на другую, просматривают варианты, проводят некоторое время на площадке продавца.
Big Data поможет проанализировать поведение потребителей на сайте, выявить слабые места, создать персональные предложения и делать прогноз спроса на группы товаров.
Например, американская торговая сеть Walmart пользуется поисковиком Polaris, в основе которого Big Data, и это увеличивает покупки на 10-15%.
Компании типа Netflix, Procter & Gamble, Coca-Cola давно делают прогнозы спроса с помощью аналитики Big Data. Предполагается, что в будущем применение больших данных в маркетинге и бизнесе расширится.
Но не будем забывать о проблемах, которые придётся решить на этом пути: утечки информации, право пользователей на приватность, необходимость огромных вычислительных мощностей. Однако корпорации понимают: игра стоит свеч.
Автор: Ирина Иткинд