175 
Содержание
Как меняется маркетинг в эпоху социальных сетей и больших данных (Big Data) и чем это поможет вашему бизнесу: рассматриваем практические примеры персонализации рекламных предложений.
Новый маркетинг: почему вашего типичного клиента больше нет
Описывая портрет своего потенциального клиента, традиционный маркетинг попадает в ловушку обобщения. Например, целевая аудитория продукта: домохозяйки с маленькими детьми, владельцы японских авто с пробегом более 100 тысяч километров или обеспеченные миллинеалы с высшим образованием.
При этом возникает «проблема мертвых душ» — группа есть, а человека нет. В реальном мире отсутствует абстрактный «пользователь продукта», такой как молодой человек 25-35 лет, пользующийся мобильным интернетом по 3 часа каждый день. В жизни есть вполне конкретный Петр Евгеньевич Сидоров, 27 лет, холост, который работает врачом-анестезиологом сутки через двое, 3 раза в неделю ходит в тренажерный зал, предпочитает не тратить время на приготовление пищи, но придерживается здорового питания, в интернете общается с друзьями через соцсети, а также любит читать фантастические рассказы и медицинские статьи.
Задача маркетолога – подобрать специальный продукт, который подходит именно этому клиенту. Например, лимитированный трафик для смартфона и домашнего компьютера, доставку ЗОЖ-блюд домой и на работу или клиентская карта фитнес-клуба с гибким расписанием тренировок и возможностью переноса занятий на случай внеплановых дежурств.
Среди множества рекламных предложений по аналогичным продуктам и услугам потребитель выбирает то, что удобно именно ему. Поэтому нужно знать о своих клиентах, текущих и потенциальных, максимум информации, а не только ключевую характеристику относительно вашего бизнеса.
ФИО, возраст, семейное положение, дружеское окружение, уровень доходов, место проживания, образование, карьера, хобби и предпочтения – эти сведения позволят предугадать потребности клиента, предложить ему подходящий товар или услугу и стимулировать к повторной покупке [1]. Опыт американских компаний подтверждает, что персонализированный подход к клиентам, увеличивает продажи в среднем на 19% [2]. А успешные кейсы сокращения рекламного бюджета при увеличении выручки в отечественном маркетинге мы описывали здесь [1].
Где взять данные о клиенте и как их анализировать
Сегодня, в эпоху соцсетей, даже личная информация перестает быть секретом – люди охотно делятся важными событиями и повседневными мыслями со всем миром, публикуя посты и фотографии на своих страницах. Поэтому, чтобы лучше узнать своего клиента, вам нужна только ссылка на его профиль в социальной сети. Страница соцсети не заменит карточку клиента в корпоративной CRM-системе, но существенно дополнит ее [3].
Постоянно увеличивающиеся объемы и разные форматы сообщений в социальных сетях делают задачу сбора и анализа этой информации прикладной сферой Big Data-технологий.
После автоматизированного сбора сведений о клиентах, эту информацию следует очистить от ошибок, опечаток и нерелевантных значений, чтобы определить факторы, влияющие на целевую (таргетную) переменную.
Затем модель машинного обучения (Machine Learning) проверяет гипотезы об зависимости различных характеристики друг от друга и формирует рекомендации. Например, предложить потребителю семейную карту лояльности с новым тарифом, если страница соцсети вашего клиента стала наполняться постами об отношениях и романтическими фото.
Персональный маркетинг – это не просто обращение к потребителю по имени в рекламном предложении. Поздравьте клиента с днем рождения, защитой диплома или другим важным событием, о котором он недавно сообщил в своих соцсетях, заодно рассказав о своей продукции, подходящей к этому случаю.
Не бойтесь встревожить потребителя излишней осведомленностью: 73% клиентов предпочитают бренды, использующие их личные данные для более формирования наиболее подходящих и выгодных маркетинговых предложений [2].
Кроме того, сбор и анализ подробной информации о потребителях помогут вам более точно сегментировать целевую аудиторию, чтобы предложить каждому пользователю именно то, в чем он нуждается. С помощью технологий Big Data и Machine Learning можно даже выявить, как погодные условия влияют на уровень продаж и повысить эффективность своих маркетинговых кампаний, о чем мы подробно рассказываем в новой статье.
Также инструменты больших данных и машинного обучения позволят найти новые продуктовые направления, определить неосвоенные области рынка, эффективнее спланировать и запустить рекламные кампании, выявить отраслевые тренды и изменения в поведении клиентов [4].
А как именно использовать эти информационные технологии на практике, мы расскажем на наших обучающих курсах для инженеров, администраторов и аналитиков больших данных (Data scientists) и машинного обучения.
На занятиях вы освоите все тонкости работы с программно-аппаратным обеспечением, а также узнаете прикладные методы, средства и аналитические инструменты для решения реальных бизнес-задач. Например, вопросы сегментации целевой аудитории, прогнозирования и снижения оттока клиентов (Churn Rate) мы рассматриваем на курсе машинного обучения на Python.
Выбирайте свой образовательный интенсив и встречаемся в классе!
Источники
