Сьогодні
21
Костянтин СимоненкоHead of Enterprise Department в Netpeak Agencies Group Юрий Грузинский на конкретных примерах рассказал о важности диджитал-центрической аналитики и защиты данных, а также почему полная автоматизация маркетинга не является панацеей и почему цифровая зрелость бизнеса становится ключевым фактором конкурентоспособности.
Netpeak – это группа маркетинговых агентств, состоящая из более 25 различных компаний, работающих на рынках почти двух десятков стран. Деятельность Enterprise Department Netpeak Agencies Group на 95% сосредоточена на работе в Украине. Ее руководитель Юрий Грузинский на основе опыта сотрудничества с украинскими ритейлерами выделил несколько важных факторов, имеющих большое значение для формирования новой реальности в digital-маркетинге. В частности, речь идет о конфиденциальности данных и их безопасности, измерении реального влияния рекламы на продажи, применении ИИ и автоматизации маркетинга, а также критической важности диджитализации процессов и всех данных ради поддержки конкурентоспособности бизнеса.
Европейский регламент о защите персональных данных (GDPR) пока еще не принят в Украине официально, но украинские ритейлеры, обрабатывающие запросы граждан из ЕС, должны соблюдать эти стандарты. Наиболее заметным следствием этих правил для всех пользователей стал запрос согласия использования cookies.
Файлы cookie – это маленькие текстовые файлы, которые веб-сайты отправляют в браузер пользователя. Они хранятся на пользовательском устройстве (компьютере, планшете, смартфоне) и содержат информацию о его действиях на сайте. И люди все чаще не разрешают использовать эти файлы, лишая ритейлера важных данных. В результате уже возникают существенные разногласия в аналитике, которые на европейских рынках могут составлять до 50%. Подразумевается разница в «показаниях» рекламных аналитических систем ритейлера с данными CRM систем. В Украине плашка отказа от cookies уже приводит к тому, что 20-30% видимого дохода ритейлеры могут не видеть. Раньше расхождение до 10% считалось нормой.
Соответственно этот тренд будет распространяться и очень скоро эти стандарты защиты данных приведут к тому, что необходимые данные ритейлерам нужно будет собирать как-то самостоятельно, инвестируя средства в собственную инфраструктуру для их сбора. Сама система бесплатной аналитики если и останется, то очень сильно трансформированной. Предстоит, конечно, тестировать, изучать, как те или иные данные влияют на результат. И большим вызовом является то, как передавать эту информацию в собственные рекламные системы, чтобы они могли учиться. Ну и, конечно, собирать ключевую информацию о клиентах на «своей стороне».
Одним из самых простых путей сбора необходимых данных может быть система лояльности. Поскольку при установке мобильного приложения пользователь сам дает согласие на использование своих данных. Это открывает доступ к First party data и более глубокой аналитике чем web или cookies. Ибо приложение позволяет оценивать поведение потребителя в течение недель и месяцев, а не одного сеанса.
Кроме того, доступны некоторые бесплатные сервисы типа Google Analytics 4 или их решения на платформе Firebase. Однако такие решения хорошо работают только с инструментами Google. Что не всегда подходит мультиканальным ритейлерам. Поэтому приходится обращаться к платным инструментам, например, AppsFlyer, что позволяет анализировать данные не здесь и сейчас, а на определенном отрезке времени. Это помогает понять, как со временем изменяются данные и как соответственно со временем можно изменять решения.
Этот процесс можно разделить на три этапа. Сначала – запуск приложения, который в случае компании Brocard за семь месяцев платного промоушена обеспечил ритейлеру более 120 000 инсталляций и повысил доход в шесть раз. Но самое главное, что компания получила доступ к First party data и может дальше работать с этой информацией.
В настоящее время проект уже находится на втором этапе, когда делается так называемая когортная аналитика. То есть анализ поведения пользователей, сгруппированных (в когорты) на основе определенных общих характеристик (даты регистрации, первой покупки и т.п.) и последующего отслеживания их поведения со временем. К примеру, за 180 дней.
Как показал опыт работы с приложением Comfy, оценка стоимости привлечения пользователя (CPA или «цена за действие») зависит от временного промежутка такого измерения. Разница между первой стоимостью и стоимостью за 180 дней может отличаться в 3-4 раза. Это позволяет совсем по-другому строить маркетинговые планы.
Наконец, третий этап – использование собранных данных в персонализированных активностях: push сообщения, email-рассылки, общения, системы лояльности и т.д. Важно также, что компания может более дифференцированно использовать ресурсы, направляя больше именно на привлечение новой аудитории за счет инвестиций в непосредственную коммуникацию.
Аналитика является ключевым инструментом и в измерении эффективности рекламы. Так, внедрение передовых систем мультиканального трекинга позволяет измерять реальное влияние рекламы на продажи, а не только охват.
Обычно медийная реклама применяется в целях построения бренда, знания марки, охвата аудитории, а для непосредственно продаж – performance каналы, потому что именно там есть понятные метрики оценки результативности. В то же время у ритейлеров достаточно типичный запрос – привлечь через медийные кампании новую аудиторию. Но непонятно как оценивать результаты.
В случае с медийными форматами традиционно используется post click подход, который в условиях отсутствия статистических данных часто не срабатывает. Зато есть post view подход, реализуемый в базе Google инструментов под названием Campaign Manager, позволяющий оценивать различные каналы (кроме сервисов Meta). Ее возможности для анализа аудитории в пять раз больше.
Например, во время просмотра YouTube человек видел рекламу, но не отвлекался на покупки. Однако запомнил рекламную коммуникацию и затем совершил какое-то действие. Система все это увидит и зафиксирует. Так же можно оценивать креативы рекламных кампаний и коммуникацию: что нравится, а что нет. В результате применения такого подхода увеличивает конверсию минимум на 28%. Это не просто трекинг, а инструмент, помогающий принимать корректные бизнес-решения.
Современные ритейлеры широко используют искусственный интеллект в своей работе. И казалось бы, с течением времени полная автоматизация маркетинга могла бы стать новой реальностью. Однако далеко не все можно передать на обработку AI. Потому что он не знает контекста: культуры, социологии, может некорректно трактовать техническую документацию, а решение — кардинально меняться в зависимости от объема данных.
В то же время AI незаменим там, где много рутинной работы, например, при анализе огромных массивов информации.
Как это было у компании Comfy. Требовалось проанализировать очень большое количество семантики, профилей, ссылок и другой мета-информации.
Чтобы выполнить эту задачу, нужно было бы нанять в пять раз больше людей. Поэтому применение простых AI-технологий помогло сэкономить время. Например, вычитка и редактирование текстов вместо 15 минут занимала только 5 минут, что сэкономило две трети времени. Сбор семантики на категорию сократился вдвое.
Так же анализ одной ссылки с 2-4 минут сократился до 30-60 секунд. На объеме в несколько тысяч ссылок экономия 75% времени очень помогла сократить трудозатраты. В итоге удалось сэкономить почти 40% времени. Следовательно, искусственный интеллект играет роль и фильтра и катализатора. Однако финальное решение всегда должно оставаться за человеком, активно вовлекающим в работу AI. Скажем, в Netpeak есть такой инструмент Semantics, который построен с применением AI. Он позволяет кластеризировать и работать с миллионной семантикой.
Основой конкурентной возможности в современном мире является цифровая зрелость бизнеса (Digital maturity). Реальность такова, что период бесплатной качественной аналитики завершается и возникает потребность в сборе первичной информации. В то же время, самый сложный вызов – это передача собранных данных в разного рода системы. Однако уже есть соответствующие решения. Также AI алгоритмы в рекламных системах нуждаются в данных о новых клиентах и их LTV.
Потому компаниям необходимо инвестировать в свою аналитическую инфраструктуру. Хорошим примером такой цифровой зрелости является государственный сервис Дія, объединивший куски различной информации, существовавшей частично офлайн, и сосредоточил все в одном месте. Чтобы лучше представлять структуру цифровизации, следует сначала руководителю прописать цели компании и декомпозировать их по всем направлениям бизнеса. Чтобы цели отдельных команд направлений составляли глобальную цель. Эти направления в свою очередь должны декомпозироваться на цели всех специалистов. По этому плану можно цифровизировать всю деятельность. Это также помогает сохранять связи между подразделениями и исключит возможность изолированности интересов отдельных подразделений.
Начинать цифровизацию лучше поэтапно и достраивать в зависимости от потребностей компании. В среднем инвестиция в такую аналитическую систему может составить $2000.
21
90
162
