html текст
All interests
  • All interests
  • Design
  • Food
  • Gadgets
  • Humor
  • News
  • Photo
  • Travel
  • Video
Click to see the next recommended page
Like it
Don't like
Add to Favorites

Машинное обучение в маркетинге: ожидания vs реальность

Слова Data Science, Big Data, Machine Learning звучат в маркетинге не первый год. Многие слышали, мало кто видел своими глазами. Естественно, что одной из самых передовых отраслей в этой области стал e-commerce. Интернет-магазины изначально ориентируются на то, чтобы из каждой копейки маркетингового бюджета выжать максимальную прибыль, и тщательно считают ROI.

В настоящем и будущем машинного обучения в маркетинге Sostav разбирался с руководителем отдела интернет-маркетинга гипермаркета мебели Hoff Мариной Ковпак и CEO Retail Rocket Николаем Хлебинским на конференции Яндекса «Data & Science: маркетинг»

Давайте для начала определим, что значат слова Data Science, Big Data и машинное обучение? И чем они отличаются друг от друга?

Николай Хлебинский: Data Science — области деятельности, включающие сложную математику, программирование и сложные инженерные задачи (связанные с железом, с выбором стека технологий). Термин Big Data (большие данные) сейчас сильно перегрет, что только так не называют. Мы определяем Big Data как любые объемы данных, которые не помещаются в оперативную память одного компьютера, поэтому вызывают сложности с их обработкой. Machine Learning (машинное обучение) — одна из областей Data Science, в которой используется очень завораживающий тип программного обеспечения — нейронные сети. Это алгоритм, придуманный в процессе анализа работы мозга и нервной системы, который умеет нелинейно решать задачи машинного обучения. Он особенно эффективен для решения задач анализа изображений, аудиоинформации и текстов.

Какие сейчас главные задачи у маркетолога и чем ему может помочь автоматизация?

Марина Ковпак: Если говорить о e-commerce, нет никакой разницы, работаете ли вы в магазине, который продает чехлы для телефонов в Instagram, или продаете мебель на 25 млрд руб в год, как Hoff. Задача маркетолога одна: определить свою целевую аудиторию, сегментировать ее по когортам, построить для них сообщения, понять, почему ваш товар или услуга может быть интересен этим аудиториям, и найти их в различных каналах, с дальнейшей конвертацией в покупку, или в то, что является для вас конверсией.

Крупный бизнес сталкивается с проблемой огромного количества данных, которые нужно обрабатывать. Например, у нас одновременно крутится около 0,5 млн контекстных объявлений в Директе. Понятно, что управлять вручную этим невозможно, в отличие от магазина чехлов в Instagram. То есть задачи маркетологов в большом и малом бизнесе отличаются только объемом информации, которую нужно переварить в секунду времени.

Если говорить про Hoff, перед отделом интернет-маркетинга стоят две крупные задачи: генерация трафика на сайт с последующей конвертацией (план по онлайн-продажам на этот год — 5 млрд руб) и повышение узнаваемости бренда в онлайн-каналах.

Николай Хлебинский: Марина сказала очень правильную вещь. Для того, чтобы до нее дойти, у меня ушло несколько лет. У компаний нет спроса на сервисы, продукты или технологии, которые что-то интересно делают. Есть спрос на повышение продаж. То есть Data Science с точки зрения бизнеса это превращение данных в деньги. Поэтому работа с данными должна быть направлена на то, чтобы из них извлекать прибыль, выручку и конверсию.

Какими инструментами автоматизации маркетинга можно воспользоваться уже сейчас?

Марина Ковпак: На текущий момент вся система аналитики онлайн-маркетинга у нас автоматизирована. Все данные по всем источникам траффика, данные из ERP системы, данные из CRM, из нашей программы лояльности, данные от звонков, контекстной рекламы, сгружаются в облачное хранилище. Они там обрабатываются и поступают к нам через дашборды, участвуют в модели атрибуции для управления контекстной рекламой и таргетинговыми системами. Мы построили собственную автоматизированную систему управления ставками в контекстной рекламе.

В области машинного обучения у нас запущена персонализация сайта на платформе Retail Rocket. Все рекомендации на сайте, которые вы видите: «с этим товаром покупают», «эти товары могут вас заинтересовать», работают на их алгоритмах. Результаты замеряются, мы проводим множество A/B тестов различных гипотез, и все оцениваем в итоговой конверсии, которой для нас является входящий оборот (сумма заказов, упавших в корзину).

Какие задачи в маркетинге может решать машинное обучение и какие бюджеты для этого требуются?

Николай Хлебинский: Мы работаем с интернет-магазинами, поэтому я могу говорить только про екоммерс. В основном, машинное обучение здесь используется для персонализации. Мы решаем две задачи: определяем, что нужно посетителю, на основе его поведения на сайте, анализируя его связи с товарами, и доставляем специально сформированное для него предложение по разным каналам коммуникации. Наши базовые направления — персонализация сайта и емейл-маркетинга. Мы адаптируем сайт и почтовые рассылки под профиль интересов пользователя. Каждый пользователь получает свою версию магазина, свою версию письма, а магазин — увеличение конверсии, среднего чека и выручки.

Технологии машинного обучения любым компаниям могут принести какую-то пользу, но смысл их использовать есть на определенном этапе развития. Для интернет-магазинов это примерно 50 заказов в день. До этого магазинам будет эффективнее сосредоточиться на инвестициях ресурсов в другие области — работу с ассортиментом, траффиком, сформированным спросом. Персонализация может дать прирост 10, 20, 30 или даже 40% к обороту, и для большой компании это очень много. Но для маленького магазина этого недостаточно, на начальном этапе бизнес должен расти кратно.

Что касается бюджета, он считается для каждого проекта отдельно и зависит от количества уникальных пользователей. Может быть и 10 тысяч рублей в месяц, и 30 тысяч долларов. До недавнего времени такие решения были доступны только крупнейшим ритейлерам, которые их разрабатывали самостоятельно, мы работаем над тем, чтобы они были доступны всем.

Что еще будет автоматизировано в маркетинге с помощью машинного обучения в ближайший год-два?

Николай Хлебинский: В екоммерсе чисто машинное обучение в ближайший год-два ничего не автоматизирует, оно все сильнее и сильнее входит в существующую автоматизацию, которая все еще построена на эвристических алгоритмах. Big Data, Machine Learning и все остальное, что мы сейчас слышим изо всех углов, пытаются запихнуть во все щели, там, где это, в большинстве случаев, и не нужно. Многие задачи уже решены проверенными методами, поэтому с помощью Data Science есть смысл делать что-то, только если это будет, условно, в два раза дешевле или в два раза эффективнее.

Сейчас уже есть отдельные решения по автоматизации почти каждой области маркетинга, но комплексной автоматизации маркетинга все равно нигде нет.

Тренд мы видим в увеличении числа каналов коммуникации и продаж. Например, анонсированный в прошлом году холодильник, принимающий заказы на продукты и оплату банковской картой, или терминалы Яндекс Такси в машинах. И количество таких каналов будет расти с количеством устройств, которые подключаются к интернету.

Марина Ковпак: У нас есть несколько задач, которые хочется решить. Первая история — предиктивное управление контекстной рекламой. На основании поведения пользователей на сайте, когда люди приходят, уходят, опять возвращаются, мы хотим выделять пользователей, которые готовы купить с большей вероятностью, чем другие, и повышать на них ставки контекстной рекламы. Для нас это уже вопрос даже не двух лет, а ближайших месяцев работы.

Почему такое внимание к контексту? Любой крупный ритейлер инвестирует огромные средства в контекстную рекламу — 70−80% бюджета. Это огромные деньги, сотни миллионов, это уже больше, чем тратится на телевидение. И для бизнеса очень важно максимально эффективно эти деньги инвестировать. На текущий момент, контекстная реклама — один из лучших каналов продаж.

Еще нашему бизнесу очень нужно автоматизированное управление ассортиментом. Как понять, какие диваны закупить в большем или меньшем объеме, какие модели будут в тренде? Вот в этом вопросе, как и в вопросе креатива для рекламы, очень хочется отойти от вкусовщины, и принимать решения исходя из статистических данных.

Должен ли бизнес нанимать команды для работы с данными, или Data Science лучше отдавать на аутсорс?

Марина Ковпак: Разработка должна быть на аутсорсе. Код недостаточно разработать, его нужно поддерживать и развивать, и это очень дорого. Управление и принятие решений должно быть внутри компании. Мы в этом году сформировали мини-отдел, в котором собрали двух аналитиков нашей дирекции под управлением очень опытного руководителя. И мы делаем большую ставку на это подразделение. Перед ним поставлены амбициозные задачи.

Как выбрать хорошего подрядчика для Data Science? Как проверить обещания, как не купить избыточное решение?

Марина Ковпак: Первое, с чем я столкнулась, придя в екоммерс, что все компании дружат между собой и делятся мнениями по работе подрядчиков. Это — уникальная ситуация, в FMCG, например, такого нет. Если вы только начинаете и еще никого не знаете, можно посмотреть, какие крупные компании с кем работают, какие кейсы выпускаются на рынок. Что касается проверки, мы тестируем каждое новое решение на малых объемах, у нас есть отдельный бюджет на тесты. Проверяем гипотезу что, например, конверсия увеличиться на столько, а выручка — на столько. И сравниваем, сколько мы затратим, и сколько мы получим.

Применяется ли машинное обучение в офлайне?

Николай Хлебинский: Мы многое делаем в офлайне. Эра single channel маркетинга давно закончилась. На сегодняшний день маркетинговые инструменты повышают свою эффективность за счет данных, получаемых из других маркетинговых инструментов. Мы взаимодействуем с программами лояльности: люди делают покупки в розничных магазинах используя карты лояльности, мы вступаем в коммуникацию с этими людьми через емейл и другие каналы, подстраиваем сайт в зависимости от их розничных покупок. У нас есть интересный кейс с фэшн-магазином: при оформлении заказа с самовывозом из розничной точки, сотрудник магазина получал распечатку списка товаров, составленных на основе профиля интересов покупателя с помощью алгоритмов машинного обучения, и предлагал их дополнительно при примерке. Тем самым увеличивался средний чек и процент выкупаемости товаров.

Марина Ковпак: Для нас сейчас очень актуален вопрос: «Как вернуть человека, зашедшего в офлайн-магазин, и вышедшего без покупки?». В интернете мы очень хорошо умеем возвращать брошенные корзины. В оффлайне пока учимся это делать.


Сейчас в маркетинге наступает переломный момент: машинное обучение уже доступно не только крупному бизнесу. Довольно быстро появляются новые решения, рекламные касания становятся все более плотными, а маркетологи превращаются в программистов.

Читать дальше
Twitter
Одноклассники
Мой Мир

материал с sostav.ru

1

      Add

      You can create thematic collections and keep, for instance, all recipes in one place so you will never lose them.

      No images found
      Previous Next 0 / 0
      500
      • Advertisement
      • Animals
      • Architecture
      • Art
      • Auto
      • Aviation
      • Books
      • Cartoons
      • Celebrities
      • Children
      • Culture
      • Design
      • Economics
      • Education
      • Entertainment
      • Fashion
      • Fitness
      • Food
      • Gadgets
      • Games
      • Health
      • History
      • Hobby
      • Humor
      • Interior
      • Moto
      • Movies
      • Music
      • Nature
      • News
      • Photo
      • Pictures
      • Politics
      • Psychology
      • Science
      • Society
      • Sport
      • Technology
      • Travel
      • Video
      • Weapons
      • Web
      • Work
        Submit
        Valid formats are JPG, PNG, GIF.
        Not more than 5 Мb, please.
        30
        surfingbird.ru/site/
        RSS format guidelines
        500
        • Advertisement
        • Animals
        • Architecture
        • Art
        • Auto
        • Aviation
        • Books
        • Cartoons
        • Celebrities
        • Children
        • Culture
        • Design
        • Economics
        • Education
        • Entertainment
        • Fashion
        • Fitness
        • Food
        • Gadgets
        • Games
        • Health
        • History
        • Hobby
        • Humor
        • Interior
        • Moto
        • Movies
        • Music
        • Nature
        • News
        • Photo
        • Pictures
        • Politics
        • Psychology
        • Science
        • Society
        • Sport
        • Technology
        • Travel
        • Video
        • Weapons
        • Web
        • Work

          Submit

          Thank you! Wait for moderation.

          Тебе это не нравится?

          You can block the domain, tag, user or channel, and we'll stop recommend it to you. You can always unblock them in your settings.

          • www.sostav.ru
          • домен sostav.ru

          Get a link

          Спасибо, твоя жалоба принята.

          Log on to Surfingbird

          Recover
          Sign up

          or

          Welcome to Surfingbird.com!

          You'll find thousands of interesting pages, photos, and videos inside.
          Join!

          • Personal
            recommendations

          • Stash
            interesting and useful stuff

          • Anywhere,
            anytime

          Do we already know you? Login or restore the password.

          Close

          Add to collection

             

            Facebook

            Ваш профиль на рассмотрении, обновите страницу через несколько секунд

            Facebook

            К сожалению, вы не попадаете под условия акции