УПС! Что-то пошло не так

Произошла неизвестная ошибка на нашей стороне. Скоро мы всё починим.

Повторите вашу попытку позже.



Цели и задачи сквозной аналитики при построении мультиканального маркетинга в омни-ритейле. Часть 1.

80

Материал написан на основе выступления главного архитектора компании AWG, ex. директора IT департамента развития омниканальности и интернет-продаж ГК «Спортмастер» Евгения Скорикова.

В своем докладе Евгений рассказал об актуальности персонализации и её роли в прогнозировании поведения пользователей и проблемах сбора, подготовки и объединения пользовательских данных на всех этапах взаимодействия.



Компания AWG занимается автоматизацией омниканального бизнеса. В этом направлении сотрудничает с РЖД, «Леруа Мерлен», «Альфа-банком» и другими крупными клиентами. За годы работы специалисты компании вывели несколько правил, которыми поделился Евгений Скориков.

Две проблемы идентификации пользователей

Люди переходят из телевидения в интернет, доля интернет-рекламы растет, и конкуренция толкает ритейл на путь персонализации, где большую роль играет полнота собранных данных о поведении клиента.

И тут возникает первая проблема — невозможно точно оценить эффективность рекламы. В 70% случаев пользователь делает не спонтанную покупку. Они заходит на сайт несколько раз с различных устройств, выбирает, приценивается и после этого, возможно, покупает. При этом 80 — 90 % клиентов вообще не авторизуются, и маркетологам сложно связать реальную покупку с просмотром рекламы.

Мультиканальность позволяет клиенту купить товар в любое время любым удобным для него способом. И это создает еще одну проблему для последующего анализа — пользователь видит рекламу в интернете, заходит на сайт, смотрит, а покупает потом в рознице, в офлайн магазине. При этом доподлинно неизвестно, видел ли он рекламу, откуда он узнал о товаре, и невозможно связать рекламу с покупкой.

Разберем на примере, как это происходит

Допустим, вы зашли в Facebook с ноутбука и увидели там рекламу кроссовок. Прошли по ссылке на сайт интернет-магазина, посмотрели кроссовки, но не купили — старые еще хорошие. После этого вы приехали домой, открыли планшет (другое устройство) и опять увидели рекламу кроссовок. Снова зашли на сайт, увидели те самые кроссовки, решили авторизоваться и положить в корзину — на всякий случай. Но опять не купили, потому что зарплата нескоро.

Потом вас через ретаргетинг «догнала» брошенная корзина, вы вспомнили про кроссовки, но опять не купили — ведь их нужно мерить. Вместо этого посмотрели на сайте, в каком магазине эти кроссовки имеются в наличии, поехали туда, примерили и купили.

Получается, вы один клиент, но маркетологи видят вас как трех разных людей. Первым двум была показана реклама (одному с ноутбука, второму с планшета), а третий по какой-то причине пришел в магазин и купил кроссовки. И маркетологи не знают, что перед покупкой вы уже видели их рекламу, не связали поведение клиента и его реакцию на рекламу. По этой логике, реклама не привела к этой покупке.

Что делать в таких случаях?

Допустим, есть три клиента: А, В и С. У клиентов А и В одинаковый номер телефона. А у клиентов В и С одинаковый идентификатор в Facebook. Клиенты А и В увидели рекламу, клиент С купил товар.

Возникает вопрос: эта реклама эффективна?
Это один и тот же клиент или несколько?



Можно запустить сложные механизмы очистки данных, сопоставить и сделать выводы, но есть решение проще. Надо решать проблему там, где она возникает, а не бороться с ее последствиями. То есть начинать с основ — прежде всего подготовиться.

1) Сделать максимальную идентификацию: опознание клиента во всех точках взаимодействия, там, где это возможно.

2) Накопить нужные данные. За счет этого вы улучшите анализ эффективности рекламы, качество персонализированного маркетинга и подготовите хорошие качественные данные для машинного обучения.

Разобравшись фундаментально в основных проблемах при настройке сквозной аналитики, посмотрите кейс Oldi, в котором описаны шаги по автоматизации мультиканального маркетинга.

Продолжение статьи: (Часть 2)