Как Big Data может помочь бизнесу

По данным Ассоциации развития интерактивной рекламы (АРИР), 89% рекламодателей выделяют до 5% бюджета на работу с Big Data, причем за последние три года роль больших данных значительно выросла. Так что же такое Big Data и как правильно использовать ее для роста продаж? На эту тему рассуждает директор по разработке рекламных и телеком-решений на базе Big Data "МегаФона" Александр Алхимов.

Термин Big Data давно на слуху. С помощью больших данных бизнес может прогнозировать поведение клиентов, управлять производством, транспортными потоками, повышать отказоустойчивость инфраструктуры на основе предиктивного анализа, развивать целые регионы. С большими данными связывают будущее медицины, градостроительства, транспорта, промышленности, медиа, маркетинга и многих других сфер. Чем хороша Big Data, например, для проведения рекламных кампаний?

Бизнес должен максимально четко понимать потребности своего клиента: в каких местах он бывает в будние дни и в выходные, какие мессенджеры предпочитает использовать для общения, какими товарами и услугами интересуется, склонен к онлайн- или офлайн-покупкам и др. С большими данными стало возможным лучше таргетировать предложения. Рекламодатель работает с целевыми потребителями услуг и сервисов, ведь с помощью Big Data формируется обширный поведенческий профиль клиента, что позволяет не только привлекать, но и развивать взаимоотношения с клиентами, удерживать их. Большие данные позволяют проанализировать эффективность маркетинговой деятельности, наглядно увидеть цифры, влияние на продажи, лояльность клиентов и другие показатели.

Бизнес сталкивается с необходимостью постоянно принимать решения. От их качества зависит не только успех отдельных проектов, но и будущее компании. Мы часто слышим выражение "решение на основе данных". Что это значит на самом деле?

Big Data - такое состояние данных, которое позволяет бизнесу принимать взвешенные решения. C развитием технологий подход data driven, который обозначает принятие решений на основе данных, постепенно заменяет ручной сбор информации. Решение на основе данных - это выбор, опирающийся на факты и аналитику. Данные дают уверенность, что мы видим картину более полной, а значит, можем принимать более взвешенные решения. Такой подход снижает риски и помогает увереннее идти к цели.

Приведу пример: раньше поставщикам продуктов в торговые сети нужно было вручную проверять остатки на полках. Теперь есть решения, которые позволяют не только автоматизировать процесс проверки и формирования заказов, но и видеть в режиме реального времени, как раскупаются продукты.

Особенно ценна Big Data для работы с клиентскими данными: знание своих покупателей позволяет масштабировать бизнес. Например, показывать рекламу тем, кто похож на самых ценных ваших клиентов, или предлагать скидки тем, кто давно у вас ничего не покупал.

Компании осознают, что данные - это новый источник ценности, при этом не все понимают, как с ними работать, управлять и почему data-driven-подход - это следующий шаг в бизнесе.

Основа для формирования больших данных есть у бизнеса любого размера - от салона красоты у дома до федеральной торговой сети. Другое дело, что не каждая компания осознает ценность больших данных. Если хранить данные в Excel, толку от них не будет. Для эффективной работы важно выстраивать системный подход к сбору, обработке и хранению данных. Он начинается с корректной интеграции всех точек взаимодействия - сайта, приложений, офлайн-точек - в CRM-систему, где данные структурируются и обновляются в режиме реального времени.

Как компании могут использовать данные из CRM для увеличения продаж по своей базе клиентов?

CRM-система - отличный инструмент для сегментации базы. Даже без внешнего обогащения данных бизнес уже может многое: выделять "спящих" клиентов, которым давно не поступало предложений, определять частоту и сезонность покупок, настраивать персонализированные рассылки и кросс-продажи. Например, если вы знаете, что клиент регулярно покупает у вас определенный товар раз в месяц, можно заранее напомнить ему о покупке и предложить сопутствующую продукцию. Или, понимая, какие категории товаров его интересуют, можно предложить релевантную акцию на них. Такие действия повышают вероятность повторных продаж и укрепляют лояльность. Главное - не просто хранить данные, а регулярно работать с ними, обновлять и анализировать.

Этот подход имеет ряд ограничений. CRM-система позволит узнать пол и возраст, частоту покупок и предпочитаемые категории товаров. Но не склонность к просмотру рекламы или премиальным покупкам. А такая информация нужна, чтобы, например, показать рекламу тем, кто с высокой вероятностью перейдет по ссылке, или разослать оффер только клиентам, склонным к премиальным покупкам. Чтобы обогатить клиентские данные, имеет смысл использовать данные, собранные из агрегированных источников, и алгоритмы на машинном обучении. Делать это своими силами слишком сложно и дорого, да и разнообразия данных отдельной кампании может не хватить для корректной работы алгоритмов.

Какие альтернативы в таком случае есть у компании?

Один из вариантов - обратиться к телеком-операторам, у которых хранятся огромные массивы обезличенных данных, есть технологии и специалисты data science для их обработки.

И что именно необходимо сделать компании?

Нужно передать оператору клиентскую базу данных в захешированном виде. Работать с ней можно по двум сценариям. Первый вариант - обогатить существующие данные и выделить в клиентской базе целевую группу. Например, как я рассказывал выше, разослать оффер только клиентам, склонным к премиальным покупкам.

Второй вариант - использовать алгоритмы на машинном обучении, чтобы найти клиентов, похожих на самую ценную часть вашей базы. Это так называемый look-a-like. В отличие от аналитика, алгоритм на машинном обучении может проанализировать тысячу и более признаков за ограниченное время и выдать почти любую выборку. Например, для одного из наших клиентов алгоритм отобрал среди абонентов "МегаФона" собственников успешного бизнеса. Для другого - клиентов, интересовавшихся доставкой еды и при этом склонных читать рекламные SMS-сообщения. С доставкой еды мы провели AB-тест: сравнили ручную выборку силами аналитика и выборку, сделанную с помощью алгоритма на машинном обучении. Алгоритм позволил существенно снизить стоимость привлечения одного клиента, а кликабельность SMS-рассылок оказалась рекордной: выше, чем при рассылке по тем, кто только что зашел на сайт конкурента и явно заинтересован в доставке продуктов.

Звучит немного сложно. А есть ли коробочные решения, использующие большие данные?

Да, как раз то, что описано выше, это сервисы, предоставляемые в рамках продукта МегаФон Таргет. В нем есть не только персональное обслуживание, где собираются кастомные сегменты, но и личный кабинет, где под капотом как раз большие данные, то есть предсобранные сегменты.

Big Data "МегаФона" используется только для получения продаж или для каких-то других целей?

Да, естественно, мы используем такую сложную технологию не только для получения продаж. Например, у нас есть продукты для геоанализа и борьбы с особым видом мошенничества - социальной инженерией.

Геоаналитические сервисы на базе больших данных используются для решения различных задач в сферах государственного управления, в том числе туризма. Наша цель - помочь регионам в реализации национальных проектов, таких как "Туризм и индустрия гостеприимства", "Безопасные и качественные дороги", "Жилье и городская среда".

Наши решения позволяют использовать аналитику больших данных для оценки ключевых показателей развития города или региона, дают возможность выстраивать профиль населения, проводить оценку его плотности и роста числа, определять потребности в инфраструктуре социальных учреждений и планировать строительство новых жилых и производственных кварталов.

Среди прочего, у нас есть сервис SmartCity, который позволяет определять реальный объем турпотока, строить социально-демографический портрет визитеров и длительность их пребывания, выявлять точки притяжения для развития локальной инфраструктуры и многие другие показатели. Полученные с помощью анализа данные позволяют местным властям развивать территории и привлекать инвестиции, повышая качество жизни проживающих в регионе людей.

Угрозы социальной инженерии сейчас приобрели колоссальные масштабы. Выше вы отмечали, что у "МегаФона" есть продукты для борьбы с особым видом мошенничества - социальной инженерией.

Да, на базе больших данных мы реализуем портфель антифрод-сервисов, направленных на борьбу с различными видами мошенничества.

Например, наши технологии позволяют определить, не потерян ли у зарегистрированного абонента доступ к принадлежащему ему номеру. И также с помощью алгоритмов машинного обучения мы можем оценить вероятность, что пользователь в данный момент совершает действия под влиянием третьих лиц. Есть также сервис, который собирает сигналы подозрительной активности по восстановлению доступа и регистрации в различных сервисах. Можем мы и отследить использование номеров из сим-боксов или сим-ферм для массовой регистрации аккаунтов.

Уникальность нашего подхода заключается в том, что мы используем не только собственные источники данных для выявления фрода, но и данные клиентов наших партнеров, переданные с их согласия. Таким образом, мы можем постоянно дообучать модели и эффективно бороться с новыми, только что появившимися видами мошенничества.