12 июля в Одессе прошла «Горизонты цифрового маркетинга», организатором которой выступила компания Яндекс. Уже в четвертый раз в Одессе собрались все, кому интересен интерактивный маркетинг. Докладчиками выступили известные российские и украинские эксперты: Федор Вирин (Data Insight), Дмитрий Сатин (UsabilityLab), Алексей Сидоренко (1С-Битрикс), Владислав Флакс (OWOX), а также сотрудники Яндекса.
По уже заведенной традиции, конференция активно освещалась в Twitter, также можно было посмотреть онлайн-трансляцию мероприятия.
Представляем вашему вниманию обзор заключительной секции «Аналитика и роль данных в цифровом маркетинге», которая была посвящена обсуждению big data. Стоит отметить, что выступления докладчиков были ограничены 5-7 минутами, поэтому доклады были краткими, но максимально информативными.
Секция началась со вступительного слова Андрея Себранта, директора по маркетингу сервисов Яндекса. По его словам, актуальная на сегодня проблема – это не найти данные, их и так очень много, а ответить на три вопроса:
- Какие данные нужны?
- Как из обработать (желательно быстро)?
- Как наглядно и понятно представить результат человеку, не знающему технических тонкостей получения этих данных?
Именно на эти вопросы и попытались ответить участники секции.
Начали финальную секцию про данные. На мой вкус, самую трудную - но самую важную
Первым выступил Игорь Ашманов, компания Ашманов и партнеры. По словам Игоря Станиславовича, big data - это что-то необычное. Большие данные - это то, что невозможно посмотреть глазами. Одно из свойств big data – по маленькой части нельзя получить данные по всем. Не хватит половины, нужно все.
Когда вы смотрите на общие данные в целом, вы можете увидеть (примеры на основе данных сервиса Крибрум):
1. общее соотношение позитива и негатива,
2. информационные вбросы, попытки повлиять на кого-то,
3. можно видеть сообщества ботов,
4. сведения о языке блогов, твиттера,
5. силу блогера, его медийный вес,
6 .рейтинг проплаченности, аффилированности и т.д,
7. тренды.
Есть еще одна волнующая тема, если анализировать задним числом события, например теракты, можно увидеть, что в регионе заранее появляется некая сила, начинаются столкновения, как будто потрескивают пласты перед землетрясением. Если научится это отслеживать, то можно научиться предсказывать события.
Однако, отметил Игорь Станиславович, такие данные стремные – они открывают отношения, которые не видны, и могут стать причиной, к примеру, политического преследования.
Если умеешь кластеризовать - ты можешь увидеть новую тему до того как она "выстрелит" (с) Ашманов про тренды на
Игорь Ашманов: Негативных отзывов о продукте всегда больше, чем позитивных. Люди в сети любят ругаться.
Доклад Федора Вирина (Data Insight) был посвящен особенностям построения репрезентативных опросов.
По словам Федора, опросы в онлайн существенно отличаются от офлайновых из-за обработки данных. Самый простой способ проведения опросов – повесить анкету на сайте. Однако он никогда не работает из-за малого количества респондентов. Полученные результаты, как правило, непригодны для дальнейшего использования. Доступные способы проведения опросов: панельные компании, рассылки, мобильный интернет.
При построении опроса, нужно учесть, что есть несколько социальных групп, достучаться до которых очень сложно: богатые, бедные, пожилые, новички. Любой опрос нужно перевзвешивать с учетом соцдема и географии, новичков, поведения. К примеру, раз новичком мало, их анкетам нужно дать больший вес.
При проведении онлайн-опросов, отметил Федор, гораздо ниже уровень социальной желательности (например, преуменьшение или преувеличение зарплаты), однако, все вопросы, связанные с гаджетами имеют завышенные оценки.
В Интернете задавать провокационные вопросы гораздо проще – пользователи охотнее дают прямые ответы. Вместо списков вопросов предпочтительно использование шкалы, либо ротации ответов, т.к. первый вариант ответа всегда получает больше кликов.
Анкеты не должна быть длинной (не дольше 10-15 минут).
И напоследок Федор подчеркнул, что по факту опрос в онлайне в 6-8 раз дешевле, чем в офлайне.
Дмитрий Сатин (UsabilityLab) представил доклад «Изменение демографии внутри воронки продаж».
Вопрос не в ценности самых данных, а в выводах из них. Развитие знания происходит через изучение аномалий.
Воронка продаж: проблема или ее решение? Ключевая информация: кто вышел из воронки продаж.
Пример сайт «Сокол». В начале воронки продаж около половины посетителей – это жители Киева. К концу воронки их становится гораздо больше. При анализе выясняется причина этой аномалии: доставка компании работает только на Киев. Однако пользователи пришли на вход в воронку по рекламе этого сайта, и скорее всего, ушли недовольные. А наличие недовольных клиентов - плохо для любого бизнеса.
Также был рассмотрен кейс по сайту, который занимается продажей цветов. Аномалия следующая: на входе в воронку – больше женщин, на выходе – мужчин. Оказалось, что ключевая деятельность компании – составление и продажа букетов невесты. Получается, что невесты заходят на сайт, выбирают букеты, кидают ссылку своим женихам, которые в итоге и покупают цветы.
Посмотрите, что в начале воронки продаж, что в конце, есть ли аномалии, возможно, они наведут вас на определенные мысли, подытожил Дмитрий.
Очень понравился Доклад Дмитрия Сатина "данные сами по себе ничего не объясняют-они описывают. Вот тут и нужна психология"
Завершал секцию Владислав Флакс (OWOX): «Как Big Data делает вашу жизнь лучше». Владислав рассказал о сборе, обработке и применении результатов обработки больших объемов данных.
Данные создаются повсеместно: телефоны, спутники, весы и т.д. В мире происходит оцифровка всего, что связано с людьми и их поведением.
В онлайн-ритейле от того, используется ли big data или нет, зависит прибыль. Представьте, что вы зашли в крупный интернет-магазин. В офлайне витрина магазина одинакова для всех пользователей, а в онлайне – разная. Например, товарная выдача Amazon формируется на основе алгоритма анализа больших данных, и большинство пользователей видят разные подборки товаров.
Для того чтобы применять big data для себя, можно использовать следующие инструменты: Google Prediction – cloud-сервис машинного обучения, в который можно загрузить матрицу с данными и получить тенденции, а также Amazon Elastic Preview, – также cloudсервис.
Секция завершилась дискуссий докладчиков на тему big data.
Спасибо Яндексу за шикарную конференцию. Такое приятное чувство, будто на встрече выпускников побывал
Конфа финишировала. Было круто ;) спасибо всем! RT : уже в Российских трендах.
Хочу сказать огромное спасибо Яндексу за прекрасно организованную конференцию. Так держать.
Теги: