Big Data marketing nie jest tym, czym myślisz

Czy marketerów zastąpią algorytmy? Czy będziemy jeszcze potrzebowali wyobraźni i empatii, a może wystarczy nam ustalanie korelacji i prawidłowości w zachowaniu klientów? Czy w niedalekiej przyszłości będziemy mogli uprzedzać potrzeby konsumentów i sterować ich wyborami? Dowiedz się, czym naprawdę jest Big Data marketing i czy trzeba się go bać.

Jak dostarczyć niezwykłe doświadczenie zakupowe? Pobierz darmowy poradnik

Truchło Dona Drapera

Nadszedł koniec ery Mad Men – przed nami epoka Math Men : analityków i zimnych ludzkich kalkulatorów, którzy przetwarzają kopce danych, by zrozumieć zachowanie klienta i uprzedzić jego potrzeby. Nie będziemy już potrzebować geniuszów, którzy w przypływie natchnienia tworzą oszałamiające projekty.

Leo Burnett nie potrzebował danych, by powołać do życia ikonicznego Marlboro Mana – zdał się na intuicję i błysk geniuszu. Steve Jobs nie robił researchu, zanim wprowadził iPoda. Przeciwnie: gardził grupami fokusowymi, twierdząc, że klienci sami nie wiedzą, czego chcą, więc nie mogą nam tego powiedzieć. Jednak coraz częściej mówi się o zmierzchu takiego modelu marketingu – tradycyjnego, opartego na empatii i wyobraźni, bliższego sztuce niż nauce.

Rewolucja technologiczna

Wiemy też, że jesteśmy technologicznie coraz bliżej odkrycia sztucznej inteligencji i coraz więcej maszyn może przejąć nasze zadania. Algorytmy lepiej segmentują klientów, niż mogliby to zrobić ludzcy marketerzy, precyzyjniej adresują komunikaty, a nawet sprawniej tworzą treści. Komputery uczą się oraz rozpoznają wzorce w ogromnych zbiorach danych, których człowiek nie jest stanie przetworzyć (na pewno nie w tak krótkim czasie).

Coraz częściej dyrektorzy mówią więc swoim marketerom: to właśnie Big Data wyznacza kierunek rozwoju na najbliższą przyszłość. Zanim jednak zastanowimy się nad tym, co dokładnie oznacza Big Data w marketingu (i czemu jest to odległe od katastroficznej wizji wypędzenia Mad Menów oraz wygnania kreatywności z obszaru marketingu), uporządkujmy pojęcia.

Co to jest Big Data

Czemu mówimy o „big data”? Kiedy dane przestają być zwykłymi danymi i staja się „big”? Kiedy dorastają i idą do szkoły?

Żarty na bok. Termin Big Data został przyjęty zwyczajowo i określa zespół danych demograficznych i behawioralnych, które generowane są przez firmę. Takie informacje pozwalają zrozumieć motywacje klientów oraz ich wybory, a także optymalizować działania. Dzięki temu wiemy np. jakie kanały komunikacji przynoszą nam wyższe zyski niż inne albo jak rozpoznać klientów, którzy są niezadowoleni lub takich, którzy dużo wydają.

Big Data opisuje się również przy pomocy 3 v:

Volume: mówimy tu o obszernych zbiorach danych.
Velocity: dane są wrażliwe na czas. Szybko się zmieniają i to właśnie z tych szybkich zmian należy wysunąć wnioski, a także zareagować na zmiany błyskawicznie, najlepiej w czasie rzeczywistym.
Variety: dane są zróżnicowane. Dzisiejszy silnik rekomendacji, który sugeruje Ci produkty w sklepie, bierze pod uwagę zarówno Twoje dane demograficzne (płeć, wiek, miejsce zamieszkania), jak i behawioralne (jak reagowałeś na poszczególne kampanie, jakie materiały oglądałeś na stronie www) czy transakcyjne (co przedtem kupiłeś).

Innymi słowy, mówimy o Big Data, że są duże, ponieważ ich ilość, zmienność oraz zróżnicowanie uniemożliwiają analizowanie ich przy pomocy tradycyjnych narzędzi, którymi dysponowaliśmy do tej pory. To zaś stworzyło potrzebę powołania nowej dyscypliny, która zajmuje się tworzeniem narzędzi do opracowywania i wykorzystywania ich w praktyce.

Twoja córka jest w ciąży. Jej marketer już to wie

Big Data stało się szybko modnym hasłem. Eksperci przerzucali się w podawaniu kolejnych przykładów, kiedy to algorytm okazywał się skuteczniejszy od ludzkiego specjalisty. Tak było w przypadku pacjentów nowojorskiego szpitala, gdzie algorytm na podstawie objawów potrafił skuteczniej ocenić ryzyko ataku serca niż człowiek-lekarz. Tym samym to maszyna lepiej zarządzała chorymi, dbając o przyjmowanie na oddział tylko tych osób, które naprawdę tego potrzebują.

Z kolei system marketingu amerykańskiej sieci Target potrafił zidentyfikować, czy dana kobieta jest w ciąży, szybciej niż ona sama. Zanim zastanowimy się nad tym, jak to zrobili, warto spytać, czemu ich to interesowało?

Źródło: Unsplash

Otóż kiedy rodzi się potomek, całe nasze życie wywraca się do góry nogami – w tym zwyczaje zakupowe. Nie tylko musimy kupować nowe produkty, które przedtem były nam zupełnie obojętne, ale również zmienia się nasz sposób gospodarowania czasem, w związku z czym i rytm zakupów. Stąd dla sklepu oferującego całą gamę produktów (jak Target), zidentyfikowanie ciężarnej klientki ma kluczowe znaczenie – niedługo zacznie ona kupować więcej, a jej zwyczaje zakupowe staną się dużo bardziej plastyczne, więc możemy ją przekonać do kupowania w naszym sklepie produktów, które kiedyś – siłą nawyku – kupowała u konkurencji. „Jeżeli przyciągniesz klientkę w drugim trymestrze, przyciągniesz ja na lata”, mówi Andrew Pole.

Statystycy i Big Data scientists, pracujący w Target, wzięli się do roboty. Odkryli, że ciężarne pacjentki dokonują specyficznych zakupów, zaś ich zwyczaje wyraźnie się zmieniają w momencie zajścia w ciążę: zaczynają np. unikać mocnych zapachów czy perfumowanych kosmetyków. Dzięki temu sklep mógł szybko wyłapać taką zmianę i wysyłać ciężarnym klientkom inną komunikację.

Któregoś dnia do siedziby firmy wparował wściekły mężczyzna. „Moja córka jest nastolatką!”, krzyczał, „Czemu wysyłacie jej reklamy śpioszków i pieluszek? Chcecie ja zachęcić do zajścia w ciążę? Co to ma być?”

Menedżer przeprosił za pomyłkę i zadzwonił do zdenerwowanego ojca kilka dni później, by raz jeszcze przeprosić za niefortunne zajście. Tym razem rozmowa przebiegła inaczej. „W moim domu miały miejsce zdarzenia, których nie byłem świadom”, powiedział skruszony klient. „Córka rodzi w sierpniu”.

Wszystkie te opowieści brzmią dość magicznie, nieprawdaż? Wynika z nich, że wystarczyłoby napisać odpowiedni algorytm i pozwolić mu mielić dane, a uzyskamy od razu skuteczny pomysł na górę pieniędzy. Niestety, to dużo mniej romantyczne. Opowiedzmy o zastosowaniu Big Data w marketingu od samego początku.

Co Big Data oznacza dla marketingu?

Pracę marketera ujmuje się często w kategoriach czterech „pe” (4P):

Product (produkt)
Price (cena)
Place (miejsce)
Promotion (promocja).

Na podstawie tej ramy wyjaśnimy, jak Big Data pozwala zaadresować każdy z tych aspektów.

Produkt: dane – zarówno ilościowe, jak i jakościowe – pozwolą Ci lepiej kształtować produkt, ulepszać go, lub zidentyfikować, które produkty w Twoim e-sklepie są najbardziej atrakcyjne (najczęściej oglądane, najczęściej kupowane). Dane dotyczące popularności poszczególnych produktów pozwolą również zarządzać zaopatrzeniem w sklepach stacjonarnych, ponieważ przewidujesz możliwe zapotrzebowanie.
Cena: dzięki Big Data możesz dynamicznie kształtować cenę, czyli oferować różną cenę w różnym momencie różnym klientom. Oznacza to np., że kiedy prowadzisz hotel, możesz zwiększać cenę za pokój z miarę tego, jak hotel się wypełnia. Metoda dynamicznego kształtowania cen dotyczy nie tylko branży usług.
Miejsce: Big Data pozwoli Ci zlokalizować najlepsze kanały dla działań promocyjnych: zobaczysz, gdzie są Twoi klienci.
Promocja: Narzędzia do analizy danych pomogą też przeprowadzić testy i przewidywać reakcje odbiorców (np. którzy będą najbardziej zainteresowani produktem, a którzy mniej).

Co jest ważną daną z punktu widzenia marketera?

No dobrze, ale w takim razie na podstawie jakich konkretnie danych możesz wyciągnąć takie wnioski?

Dane demograficzne

Wiek potencjalnego klienta
Płeć
Miejsce zamieszkania
Budżet, jakim dysponuje
Rola, jaką pełni w firmie (istotne w B2B)

Dane behawioralne

produkty dodane do koszyka, ale nie kupione
poprzednio oglądane produkty
przeglądane podstrony
czas spędzony na poszczególnych podstronach
oglądane materiały
reakcje na poszczególne kampanie marketingowe (np. otwieranie newlsletterów, klikanie reklam RTB, udział w danej akcji)
położenie użytkownika (geolokalizacja)
wzmianki o marce w social media, polubienia, komentarze, udostępnienia

Dane transakcyjne:

poprzednio zakupione produkty
średnia wartość koszyka zakupowego
częstotliwość zakupow

Dane dotyczące użytkownika aplikacji mobilnej

od jak dawna używa aplikacji
jak często z niej korzysta
z jakich modułów najczęściej korzysta
jak reaguje na komunikaty marketingu mobile (powiadomienia push, powiadomienia wewnątrz aplikacji)
jakie inne aplikacje ma zainstalowane na urządzeniu

Dane deklaratywne

Czyli informacje, które użytkownicy przekazują Ci w ankietach czy kwestionaruszach, np. dotyczace ich zainteresowań czy potrzeb.

Często uzyskanie pełnego obrazu klienta i przekucie danych w konkretne działania marketingowe wymaga integracji wielu narzędzi, np. do analityki zachowania na stronie www i w aplikacji mobilnej.

Po co marketerzy zbierają dane?

Według raportu Global DMA/ Winterberry Group, marketerzy wskazują 5 najważniejszych zastosowań Big Data w swojej branży:

Targetowanie ofert, wiadomości i treści (69% ankietowanych)
Budowanie strategii lub rozwój produktu (52% ankietowanych)
Optymalizacja doświadczenia klienta (49% ankietowanych)
Analityka ruchu/ mierzenie skuteczności działań (44% ankietowanych)
Analityka predyktywna (44% ankietowanych)

Teraz pora przyjrzeć się temu, jak liderzy wykorzystują Big Data. Zajrzyjmy za kulisy!

Netflix

Netlix zmienił sposób, w jaki oglądamy i produkujemy telewizję. Jak?

Po pierwsze, platforma zaczęła analizować „completion rate”, „wskaźnik skończenia”. Innymi słowy, mierzą, ile osób które zaczęły oglądać, dajmy na to, Breaking Bad, dotarło do ostatniego sezonu, a ile porzuciło serial (i po jakim czasie).

Jednak to nie jedyna metryka, jaką obserwuje firma. Bada również:

kiedy pauzujesz, cofasz czy przewijasz film do przodu
kiedy oglądasz (dzięki temu Netflix wie, że ludzie wolą oglądać seriale w tygodniu, a nie w weekendy)
gdzie oglądasz (dzięki kodowi pocztowemu)
jakiego urządzenia używasz
jak oceniłeś materiał
co wpisałeś w pole wyszukiwania
jak przeglądasz wyniki wyszukiwania
czy oglądasz napisy końcowe (i co robisz potem)

Na tej podstawie są w stanie ocenić, ile dany użytkownik musi obejrzeć, by pozostać aktywnym klientem, zaś ile godzin to za mało, by dana osoba chciała utrzymać subskrypcję.

Netflix stara się również wykorzystać zadeklarowane preferencje użytkowników – dlatego na początku, przy zakładaniu konta, prosi o ocenę poszczególnych filmów i seriali oraz wskazanie lubianych gatunków. To pozwala na personalizowanie sugerowanych seriali nawet wtedy, kiedy jeszcze nie mamy dość danych behawioralnych, by dopasować ofertę do konkretnego użytkownika.

Na podstawie tak rozbudowanego ekosystemu wskaźników, algorytm sugeruje poszczególnym użytkownikom, co obejrzeć dalej. To jeden z najbardziej zaawansowanych silników rekomendacji na świecie.

House of Cards

Ale ten system nie służy Netflixowi jedynie do działań ściśle marketingowych, ale również do tworzenia nowych produktów – czyli seriali. W ten sposób powstał House of Cards.

W 2011 Netflix kupił prawa do 2 sezonów brytyjskiego serialu politycznego, który miał wyreżyserować David Fincher. Ta decyzja nie miała w sobie nic z porywu zachwytu. Netlix przed podjęciem decyzji wiedział, że:

film Finchera „the Social Network” miał wysokie „completion rate”,
podobnie brytyjska wersja „House of Cards” miała dobre wyniki oglądalności,
osoby, które oglądały brytyjską wersję serialu, oglądały również filmy Finchera i/lub filmy, gdzie gra Kevin Spacey.

Stąd wiedzili, że z pewnością znajdzie się publiczność zainteresowana produkcją.

Zakup okazał się strzałem w dziesiątkę, skoro serial został oceniony na 9 w dziesięciostopniowej skali (co lokuje go koło Avatara czy Rodziny Soprano) przez 275 000 widzów.

(Na podstawie: Zach Bulygo/ KISSmetrics blog oraz David Carr/ NYTimes)

Spektakularny sukces House of Cards wywołał jednak sporo krytycznych komentarzy. Czy naprawdę powinniśmy oddać decyzje kreatywne algorytmom? Andrew Leonard w 2013 przewidywał, że takie praktyki zamieniają widzów w bezwolne marionetki, zaś twórców – w posłuszne maszyny do realizowania opartych na danych scenariuszy. Gdzie miejsce na nowość, na oryginalność (które definiują jego zdaniem prawdziwą sztukę), skoro nowe dzieła opieramy na tym, co sprawdziło się w przeszłości?

Ebay

Ebay jak wiele sklepów korzysta z Big Data do optymalizowania sugestii, jednak chcemy Wam zwrócić tu uwagę na to, jak mechanizm rekomendacji wykorzystano tu na poziomie dizajnu strony.

Strona główna Ebaya nie pokazuje produktów przypadkowych – są one oparte na ostatnio oglądanych i kupionych rzeczach. Jednocześnie całość wygląda jak feed w mediach społecznościowych – kładzie nacisk na stronę wizualną, nie na tekst. Poza tym rekomendacje dotyczą nie tylko sugerowanych produktów, ale i polecanych treści.

Best Mart

Best Mart wykorzystuje Big Data, by zostać liderem sprzedaży gier video. Jak?

Zaczynają od prognoz, co będzie modne w nadchodzącym sezonie. Co będzie się sprzedawać jak świeże bułeczki? Aby to ustalić, połączyli informacje o swoich użytkownikach (ich dotychczasowe zakupy czy oglądane produkty) z globalną analityką trendów (ruchy w przemyśle gier, planowane premiery filmowe, wzmianki w social media, popularne wyszukiwania w sieci).
W ten sposób ustalają również, w jakich sklepach (fizyczne lokalizacje) będzie większe zapotrzebowanie
Na podstawie danych ustalają również cenę. Ta kształtuje się na bieżąco, w czasie rzeczywistym, na podstawie 4 czynników: zapotrzebowania klientów, aktywności konkurencji, zaopatrzenia oraz ceny własnej, wyjściowej.
Identyfikują klientów, którzy powinni być najbardziej zainteresowani daną grą (segmentacja)
Ta grupa otrzymuje wiadomość o produkcie. Kanał oraz moment jej dostarczenia (kontekst) są ustalane indywidualnie dla każdego odbiorcy.
Marka wysyła do segmentu spersonalizowane oferty (zniżki) w czasie rzeczywistym.
Do gry dopasowywana jest również oferta cross-sell: znajdujemy produkty, które mogą być najchętniej kupowane z tą właśnie grą.

(Na podstawie prezentacji Davida Pittmana).

Podsumowanie: ramię w ramię

W każdej z tych firm łączy się nowoczesne narzędzia do analizy danych (jak platforma Marketing Automation) z wyobraźnią i wnikliwością marketerów. Don Draper nigdzie się nie wybiera (choć może skończyły się czasy, kiedy wypada sączyć w pracy szkocką): dane pozwalają nam podejmować decyzje czy stanowią materiał pracy, ale to ludzki specjalista musi znaleźć problem do analizy, postawić pytanie czy ustalić regułę automatyzacji, to ludzcy marketerzy będą musieli – po zaobserwowaniu korelacji – odpowiedzieć na pytanie „dlaczego tak się dzieje?”

Źródła