Рушії діджітал-маркетингу в розрібній торгівлі: security data, аналітика, AI та цифрова зрілість – кейси від Netpeak

Head of Enterprise Department в Netpeak Agencies Group Юрій Грузинський на конкретних прикладах розповів про важливість діджитал-центричної аналітики та захисту даних, а також чому повна автоматизація маркетингу не є панацеєю й чому цифрова зрілість бізнесу стає ключовим фактором конкурентоспроможності.

Netpeak – це група маркетингових агентств, що складається з більш ніж 25 різних компаній, що працюють на ринках майже двох десятків країн. Діяльність Enterprise Department в Netpeak Agencies Group на 95% зосереджена на роботі в Україні. Її керівник Юрій Грузинський на основі досвіду співпраці з українськими ритейлерами виокремив кілька важливих факторів, що мають велике значення для формування нової реальності у digital-маркетингу. Зокрема, йдеться про приватність даних та їхню безпеку, вимірювання реального впливу реклами на продажі, застосування ШІ та автоматизацію маркетингу, а також критичну важливість діджиталізації процесів й усіх даних заради підтримки конкурентоспроможності бізнесу.

Захист приватності даних – стимул для змін

Європейський регламент про захист персональних даних (GDPR) поки ще не прийнятий в Україні офіційно, але українські ритейлери, що обробляють запити громадян з ЄС, мають дотримуватися цих стандартів. Найбільш помітним наслідком цих правил для всіх користувачів став запит згоди на використання cookies.

Файли cookie – це маленькі текстові файли, які веб-сайти надсилають у браузер користувача. Вони зберігаються на пристрої користувача (комп’ютері, планшеті, смартфоні) і містять інформацію про його дії на сайті. І люди все частіше не дозволяють використовувати ці файли, позбавляючи ритейлера важливих даних. В результаті вже виникають суттєві розбіжності в аналітиці, які на європейських ринках можуть складати до 50%. Мається на увазі різниця в «показаннях» рекламних аналітичних систем ритейлера з даними CRM систем. В Україні плашка відмови від cookies вже призводить до того, що 20-30% видимого доходу ритейлери можуть не бачити. Раніше розбіжність до 10% вважалася нормою.

Відповідно цей тренд буде поширюватися і дуже скоро ці стандарти захисту даних призведуть до того, що необхідні дані ритейлерам потрібно буде якось збирати самостійно, інвестуючи кошти у власну інфраструктуру для їх збору. Сама ж система безкоштовної аналітики якщо й залишиться, то дуже сильно трансформованою. Потрібно буде, звісно, тестувати, вивчати, як ті чи інші дані впливають на результат. І великим викликом є те, як цю інформацію передавати у власні рекламні системи, щоб вони могли вчитися. Ну і, звісно, збирати ключову інформацію про клієнтів на «своїй стороні».

Нова роль мобільного застосунку – кейс Brocard

Одним із найпростіших шляхів для збору необхідних даних може бути система лояльності. Оскільки при встановленні мобільного додатку користувач сам дає згоду на використання своїх даних. Це відкриває доступ до First party data та глибшої аналітики ніж web або cookies. Бо застосунок дозволяє оцінювати поведінку споживача протягом тижнів та місяців, а не одного сеансу.

До того ж лишаються доступними певні безкоштовні сервіси на кшталт Google Analytics 4 або їхнє рішення на платформі Firebase. Проте такі рішення добре працюють тільки з Google інструментами. Що не завжди підходить мультиканальним ритейлерам. Тому доводится звертатися д платних інструментів, наприклад, AppsFlyer, що дозволяє аналізувати дані не тут і зараз, а на певному відрізку часу. Це допомагає зрозуміти, як з часом змінюються дані та як відповідно, з часом можна змінювати рішення.

Цей процес умовно можна розділити на три етапи. Спочатку – запуск додатку, який у випадку компанії Brocard за сім місяців платного промоушену забезпечив ритейлеру більше 120 000 інсталяцій та підвищив дохід ушестеро. Але найголовніше, що компанія отримала доступ до First party data й може далі працювати з цією інформацією.

Наразі проєкт вже перебуває на другому етапі, коли робиться так звана когортна аналітика. Тобто аналіз поведінки користувачів, згрупованих (у когорти) на основі певних спільних характеристик (дати реєстрації, першої покупки тощо) та подальшому відстеженні їх поведінки з часом. Наприклад, за 180 днів.

Як показав досвід роботи з додатком Comfy, оцінка вартості залучення користувача (CPA, або “ціна за дію”) залежить від часового проміжку такого вимірювання. Різниця між першою вартістю і вартістю за 180 днів може відрізнятися в 3-4 рази. Це дозволяє зовсім по-іншому будувати маркетингові плани.

Нарешті, третій етап – власне використання зібраних даних у персоналізованих активностях: push повідомлення, email-розсилки, спілкування, системи лояльності тощо. Важливо також, що компанія може більш диференційовано використовувати ресурси, направляючи більше коштів саме на залучення нової аудиторії за рахунок інвестицій в безпосередню комунікацію.

Вимірювання реального впливу реклами на продажі

Аналітика є ключовим інструментом й у вимірюванні ефективності реклами. Так, впровадження передових систем мультиканального трекінгу дозволяє вимірювати реальний вплив реклами на продажі, а не лише охоплення.

Зазвичай медійна реклама застосовується в цілях побудови бренду, знання марки, охоплення аудиторії, а для безпосередньо продажів – performance канали, бо саме там є зрозумілі метрики оцінки результативності. Водночас у ритейлерів є доволі типовий запит – залучити через медійні кампанії нову аудиторію. Але не зрозуміло як оцінювати результати.

У випадку з медійними форматами традиційно використовується post click підхід, який в умовах браку статистичних даних часто не спрацьовує. Натомість є post view підхід, реалізований в базі Google інструментів під назвою Campaign Manager, який дозволяє оцінювати різні канали (окрім сервісів Meta). Її можливості для аналізу аудиторії вп’ятеро більші.

Наприклад, під час перегляду YouTube людина бачила рекламу, але не відволікалася на покупки. Проте запам’ятала рекламну комунікацію й потім зробила якусь дію. Система це все побачить і зафіксує. Так само можна оцінювати креативи рекламних кампаній та комунікацію: що подобається, а що – ні. В результаті застосування такого підходу збільшує конверсію мінімум на 28%. Це не просто трекінг, а інструмент, який допомагає ухвалювати коректні бізнес-рішення.

Автоматизація – не панацея

Сучасні ритейлери широко використовують штучний інтелект у своїй роботі. І здавалося б, з часом повна автоматизація маркетингу могла би стати новою реальністю. Проте далеко не все можна передати на обробку АІ. Тому що він не знає контексту: культури, соціології, може некоректно трактувати технічну документацію, а рішення – кардинально мінятися в залежності об’єму даних.

Водночас АІ незамінний там, де є багато рутинної роботи, наприклад, при аналізі величезних масивів інформації.

Як це було в компанії Comfy. Потрібно було проаналізувати дуже велику кількість семантики, профілів, посилань та іншої мета-інформації.

Аби виконати це завдання, потрібно було би найняти вп’ятеро більше людей. Тому застосування доволі простих АІ-технологій допомогло зекономити час. Наприклад, вичитка та редагування текстів замість 15 хвилин займала тільки 5 хвилин, що зекономило дві третини часу. Збір семантики на категорію скоротився вдвічі.

Так само аналіз одного посилання з 2-4 хвилин скоротився до 30-60 секунд. На об’ємі в кілька тисяч посилань економія 75% часу дуже допомогла скоротити трудовитрати. В результаті загалом вдалося зекономити майже 40% часу. Відтак штучний інтелект відіграє роль і фільтра і каталізатора. Проте фінальне рішення завжди має лишатися за людиною, яка активно залучає до роботи АІ. Скажімо в Netpeak є такий інструмент Semantics, що побудований із застосуванням АІ. Він дозволяє кластеризувати і працювати з мільйонною семантикою.

Цифрова зрілість як запорука успіху

Основою конкурентної спроможності в сучасному світі є цифрова зрілість бізнесу (Digital maturity). Реальність така, що період безкоштовної якісної аналітики завершується, й виникає потреба в збиранні первинної інформації. Водночас найскладніший виклик – це передача зібраних даних в різного роду системи. Проте вже є відповідні працюючі рішення. Також АІ алгоритми в рекламних системах потребують даних про нових клієнтів та їх LTV.

Тому компаніям потрібно інвестувати в свою аналітичну інфраструктуру. Гарним прикладом такої цифрової зрілості є державний сервіс Дія, який об’єднав шматки різної інформації, що існувала частково офлайн, та зосередив все в одному місці. Аби краще уявляти структуру цифровізації, варто спочатку керівнику прописати цілі компанії і декомпозувати їх на всі напрямки бізнесу. Аби цілі окремих команд напрямків складали глобальну ціль. Ці напрямки, своєю чергою, мають декомпозуватися на цілі всіх спеціалістів. За цим планом можна цифровізувати всю діяльність. Це також допомагає зберігати зв’язки між підрозділами і унеможливить ізольованість інтересів окремих підрозділів.

Починати цифровізацію краще поетапно і добудовувати в залежності від потреб компанії. В середньому інвестиція в таку аналітичну систему може бути $2000.