Як великі дані змінюють парадигму бізнесу: підходи, інструменти, кейси

1. Традиційний підхід VS великі дані Розберемо основні переваги використання big data над традиційним...
2. ідеальна система
3. Весь інтернет-маркетинг за 19 тижнів!
4. оптимальна система
5. Приклади використання big data
6. Кейс The Economist

Традиційний підхід VS великі дані

Розберемо основні переваги використання big data над традиційним аналізом невеликих наборів даних.

При традиційному підході аналізують тільки маленькі порції інформації, тоді як big data дозволяє досліджувати весь доступний масив даних в пошуках кореляцій. Крім того, зміна підходу веде до поступового зниження витрат на використання даних.

Спрощується процес аналізу даних. При традиційному підході це можливо зробити тільки після того, як вони зібрані, оброблені і додані в сховище. У випадку з big data аналіз даних відбувається паралельно зі збором - в режимі реального часу.

Системи управління даними

Тепер поговоримо про двох основних системах управління даними: ідеальної і оптимальної.

ідеальна система

Масив даних імпортується на клієнтський сервер (сховище). Потім сирі дані обробляють і візуалізують за допомогою фреймворка Hadoop і його бібліотек.

Інтерфейс візуалізації пишеться індивідуально, з відображенням саме тієї інформації, яка необхідна. Надалі будь-які отримані дані на основі ефективних инсайтов можна використовувати в рекламній кампанії.

Весь інтернет-маркетинг за 19 тижнів!

Cossa рекомендує: онлайн-курс по інтернет-маркетингу від Ingate - digital-агентства з 17-річним досвідом.

• 17 навчальних блоків з ключових питань інтернет-маркетингу
• підтримка менторів
• диплом
• Стажування в топових агентствах Росії
• Допомога в працевлаштуванні

Реклама

Драйвери впровадження ідеальної системи:

• візуалізація даних в режимі реального часу;
• можливість працювати з дійсно великими масивами даних;
• автоматичне керування даними;
• прогнозна аналітика;
• точніші інсайти.

Бар'єри ідеальної системи:

• висока вартість впровадження;
• проблема вибору оброблюваних даних;
• нестача фахівців (аналітик бізнес-моделі, аналітик структур даних, адміністратор сховища даних);
• застарілі бізнес-процеси або внутрішні регламенти;
• передача даних в треті руки.

оптимальна система

Дані надходять на сторонній сервер платформи управління даними (DMP). В рамках цієї DMP є зберігання даних на оплачений період, а також візуалізація по заздалегідь встановленим шаблонам.

Оброблені дані в подальшому можна вручну вивантажувати в сторонні сервіси для настройки рекламних кампаній.

Драйвери впровадження оптимальної системи:

• невисока вартість впровадження;
• швидкість впровадження;
• контроль даних, спрощена система роботи і безпеку;
• грамотна сегментація, глибоке розуміння цільової аудиторії;
• аналіз аудиторії.

Бар'єри оптимальної системи:

• ручне управління даними;
• менше можливостей для обробки та інтерпретації;
• неможливо працювати з великими масивами даних;
• нижче точність висновків.

Приклади використання big data

кейс PropertyGuru

PropertyGuru розвивається в двох напрямках: email-маркетинг на клієнтів, які шукають будинок, і на ріелтерів, які виступають експертами в цьому питанні.

PropertyGuru мотивує обидві сторони за допомогою ринкової аналітики і іншої корисної інформації. До недавніх пір PropertyGuru покладався на ряд не пов'язаних між собою маркетингових активностей і ситуаційних кампаній.

Для підвищення ефективності кампаній PropertyGuru використовував Oracle DMP. Система створення динамічного контенту дозволяє PropertyGuru розсилати агентами інформацію з порівнянням їх прогресу та рекомендаціями щодо його поліпшення, включаючи дані про те, скільки об'єктів розміщено, Ліди, які вони зібрали, відомості про ресурси, які допоможуть підвищити тариф. Також агентам розсилається важлива для щоденної роботи інформація, наприклад, про ринкові новинах.

результат : Автоматизовані розсилки дозволили значно підвищити open rate (до 40%) і click through rate (до 4%).

Кейс The Economist

The Economist для виконання завдання - залучення платних передплатників - сфокусувався на аналізі аудиторії і її інтересів.

Зіставляючи cookie, інформацію про передплатників та іншу аналітику, команда проекту отримала краще уявлення про сегментах читачів. Це в свою чергу дозволило налаштувати рекламну кампанію на основі технології look-alike - таргетовану на потенційних користувачів і передплатників.

The Economist запустив 12-тижневу кампанію з використанням інструментів дисплейної і контекстної реклами. Питальні заголовки оголошень обігравали актуальні теми дня і в реальному часі таргінг на ті сегменти, для яких саме ця тема може бути найбільш актуальна.

При кліці на оголошення користувач переходив на посадкову сторінку з можливістю підписки. The Economist створив 60 оголошень з метою привернути 650 000 потенційних передплатників. Мети досягли за 9 днів. При цьому CPA знизився на 50%.

В результаті кампанії вдалося залучити 3,6 мільйона потенційних передплатників і більше 10 000 реальних (платних). А показник ROI перевищив 10: 1 до запланованого.

Читайте також:

Думка редакції може не збігатися з думкою автора. Ваші статті надсилайте нам на [email protected] . А наші вимоги до них - ось тут .