Таргетинг будущего за применением BigData

Особенности Big Data заключаются в возможности использовать Data Mining. Если первый термин обозначает анализ и структурирование всей имеющейся информации на текущий момент, то Data Mining – это получение новых данных и прогнозов на основе анализа большого массива данных. Последнее возможно исключительно с использованием искусственного интеллекта или целой команды людей, занимающихся анализом.

Не стоит думать, что Big Data для таргетинга доступа только избранным компаниям. Большие массивы данных уже есть практически у каждой фирмы. На самом деле компания часто имеет гораздо больше информации о своих клиентах, чем использует в своем таргетинге аудитории. Вся информация, кроме самой очевидной, чаще всего считается бесполезной.

Однако современные возможности анализа позволяют находить полезные закономерности в информации, которая кажется не применимой с первого взгляда. Работу Big Data можно объяснить на примере игры профессиональных игроков в покер. С помощью отточенной стратегии они систематизируют всю доступную информацию, в том числе даже самые незначительные моменты, о действиях противников, и на ее основе точно прогнозируют карты оппонентов.

В скором времени процессы привлечения и удержания клиента кардинально изменятся. Группы целевой аудитории становятся меньше, а реклама – менее очевидной. Уже нет смысла идти в ногу с желаниями покупателя. Data Mining на основе машинного обучения позволит опережать их, повышая конверсию каждого клиента.

Следует детальнее разобраться с терминами и тем, что именно процессы несут для современного маркетинга. Big Data стала известна еще в начале двухтысячных. Изначально она использовалась в ритейле и крупных банковских организациях. Современное развитие Интернета и технологий позволяет накапливать все больше и больше информации о потенциальном клиенте. В сочетании с искусственным интеллектом это дает по-настоящему взрывную смесь.

Как крупные корпорации обрабатывают Big Data? Например, на EBay существует большой штат специалистов по обработке и систематизации большого массива данных. Ежегодная зарплата такого специалиста составляет от 120 тысяч долларов (и это только начальный уровень). Постепенно крупные корпорации начинают отказываться от человекоресурсов в пользу использования искусственного обучения и машинного интеллекта.

Процесс обработки данных Big Data и составление на их основе прогнозов и выводов – это Data Mining. Именно полученные в результате майнинга данные дают возможность вывести маркетинг на новый уровень. После обработки большого массива данных о клиентах, таргетинг становится в разы эффективнее и прибыльнее для рекламодателя. Рассмотрим, как это работает.

Компании, вкладывающие бюджеты в digital-рекламу понимают, насколько важно правильно таргетировать материалы на заинтересованного клиента. На данный момент наиболее узкую аудиторию для рекламы можно настраивать через социальные сети. Микрогруппы формируются на основании социально-демографических показателей, интересов, покупательского поведения и прочих критериев. Но проблема у всех рекламодателей одна – часто вы приходите к клиенту тогда, когда он уже купил то, что ему нужно или получил ту услугу, которую нужно прорекламировать.

Почему? Допустим, нужно прорекламировать дорогую парфюмерию женщинам, которые интересовались тем или иным брендом. После того, как потенциальный клиент вводит похожий поисковый запрос или посещает тематический сайт, рекламный ролик промо-содержания показывается ему на других площадках или в мобильных приложениях. Но существует большая вероятность того, что этот товар уже был куплен, интерес был проявлен исключительно в информационных целях. По факту, сейчас в рукаве у рекламодателей только 5-10 очевидных характеристик своего потенциального клиента.

Таргетинг с помощью Big Data существенно меняет процесс. Для составления портрета целевой аудитории и определения поведенческих особенностей клиента используются те факторы, на которые рядовой маркетолог и даже опытный таргетолог не обратят внимание. Человеческий мозг устроен таким образом, что автоматически отбрасывает информацию, кажущуюся ему незначительной. Машина обрабатывает все данные и составляет зависимости, которые в последующем используются для формирования целевых групп.

Машинное обучение в процессе Data Mining делает рекламную кампанию умнее с каждым разом. Особенно хорошо такой современный таргетинг будет работать у компаний, уже собравших достаточную базу клиентов. Система изначально будет изучать поведенческие особенности и характеристики клиентов, совершивших покупку или другое конверсионное действие. Затем аудитория самостоятельно сортируется в несколько небольших групп с описанием их особенностей поведения и покупательских характеристик.

После сбора информации о реальных клиентах, искусственный интеллект создает так называемый паттерн поведения. Допустим, ИИ может определить, что покупатели подержанных автомобилей любят американские комедии 90-х годов, заходят на сайт в среднем четыре раза перед покупкой и предпочтут поп-музыку классическому року. Пример, конечно, не отражает реальности, но он отлично иллюстрирует суть работы подобных паттернов. Таргетинг при помощи Data Mining позволяет обратить внимание на те вещи, которые обычный маркетолог просто пропускает. Слишком большое количество информации о клиенте нереально обработать одному человеку – приходится работать только с основными характеристиками и параметрами, а мелкие детали, которые сделают таргетинг эффективным, упускаются.

При помощи Big Data рекламодатели существенно снижают общую стоимость рекламной кампании и увеличивают ROI. Коммерческие параметры таргетинга (ремаркетинг, группы по интересам) стоят дороже (цена клика или конверсии выше). Необычные паттерны, составляющиеся ИИ, гораздо дешевле, но при этом – эффективнее. В скором времени такие системы таргетинга взорвут digital, и чтобы не потерять, нужно быть в авангарде событий.

Портал о розничной и оптовой торговле TradeMaster.UA

ВСЕ НОВОСТИ

ВСЕ СТАТЬИ