Ведение баз данных

База данных о потребителях — это массив сведений о конкретных людях, информация об их социально-демографических характеристиках и покупательском поведении, которая стала доступна фирме. Базы данных могли появиться лишь в результате повсеместного наличия у заинтересованных структур компьютеров с их возможностями хранить информацию и выявлять всесторонние связи между «линейными признаками» респондентов, (но своей воле или случайно) оказавшимися в этой базе^[1].

Теоретически такая практика входит в управление взаимоотношениями фирмы с клиентами {Customer Relationship Management — CRM), включается в клиентоориентированный подход^[2]. Ориентация на привлечение новых клиентов, довольно долго принятая в маркетинге, стала все больше дополняться практикой по удержанию старых клиентов. И хотя одно другому не мешает, чему история дает множество примеров, новая терминология придала такой тенденции элемент новизны. К тому же сама жизнь подталкивала к перестановке акцентов: кризис в экономике, демографический спад в обществах интенсивного потребления, усиление конкурентной борьбы в одной линейке товаров — все это в совокупности привело к новым практикам. Контакты с клиентами становятся более персонализированными (по Интернету, телефону, почте).

Идеологически тенденция существования баз данных восходит к доминирующей в маркетинге идее сегментации рынка. Некоторые исследователи утверждают, что история рынка — это прежде всего история его сегментации^[3]. Требования к классическим сегментам рынка укладываются в несколько тезисов: они должны быть измеряемыми, доступными для эмпирического наблюдения, существенными, единственными в своем роде, устойчивыми. Чтобы проиллюстрировать их, рассмотрим с этой точки зрения такую социально-демографическую характеристику, как пол. Ясно, что группа населения по гендерным признакам, например, вполне отвечает всем вышеперечисленным критериям — ее можно измерить: статистические данные на всех уровнях деятельности статистических организаций от общенациональных до муниципальных доступны в странах с устойчивой структурой организации учета населения; эта группа доступна для эмпирического наблюдения и, например, для маркетинговых мероприятий; пол существенен для разделения людей на мужчин и женщин по самым различным основаниям жизнедеятельности, психологии pi т.п.; каждое PI3 этих образований весьма устойчиво. Можно привести и более сложные примеры сегментов, практически все они укладываются в несколько основных групп: географические, демографические, исихографр1ческр|е, поведенческие модели. Действительно, демографические группы наиболее доступны по статистике, они почти «осязаемы» (возраст), подтверждены социальными сертификатами (уровень образования), присовокупим сюда pi семейное положение, и налР1чие детей в семье, и уровень дохода…

Более сложный случай с такой характеристикой, как «образ жизни» (се мы отнесем к психографическим группам): тем нс менее, начиная с 1970;х гг. и статистика, и в особенности социология, на волне интереса к проблематике «качества жизни» (для советской науки этот интерес приобретал еще и идеологический подтекст), работают с подобными образованиями — совокупность «линейных» демографических, географических и других характеристик индивидов давала в конкретных исследованиях такие эмпирически наблюдаемые и верифицируемые на уровне здравого смысла стабильные образования, что некоторые из них используются, например, в конкретных маркетинговых мероприятиях, о которых мы упоминали выше. Чтобы выйти на них, необходимо было использовать процедуры факторного и кластерного анализа, основанные на агрегировании единичных характеристик, которые в любых ситуациях (в известных пределах) демонстрировали свою стабильность. Более сложный случай с поведенческими переменными — за ними стоят собственно покупки (место покупки, частота покупок, показатель использования продукта: длительность, периодичность, дихотомия «праздничность — повседневность» и пр.).

Как видим, основные подходы к сегментации рынка укладываются в две стратегии: это или особенности потребителя в его константных координатах, или особенности некоторых его устойчивых реакций (отношения, потребления, оценок своих возможностей или выгод от покупки и т. д.). Считается, что именно здесь реализуется стратегия маркетинга, которая в своей декларируемой участниками идеологии основана не на продаже товара, а на удовлетворении потребителя, поэтому при планировании маркетинговых шагов исходят из приоритета определения переменных: собственно сегментов рынка, разделении рынка на эти сегменты, четкого описания их. После этого взвешиваются преимущества каждого сегмента с точки зрения выгод товаропроизводителя и выбираются целевые сегменты, а затем уже начинаются рабочие этапы по созданию возможных концепций размещения товара для каждой целевой группы, его продвижения и т. д.

Из этих соображений понятно, что для маркетологов важна информация о конкретной личности, которая нуждается в предлагаемом на рынке товаре или услугах, хочет их приобрести и способна оплатить. Предполагается, что адресное (в буквальном смысле) предложение, направленное такому клиенту, увеличивает вероятность того, что предложение будет принято. А если и не принято, то такой персонализированный подход работает на укрепление лояльности клиента по отношению к предлагающему услугу/товар контрагенту. Ведь компания демонстрирует, что она знает запросы клиента, идет им навстречу, готова их удовлетворить.

Революционный переход к маркетингу на основе прямых отношений, начатый компанией American Airlines в 1981 г.

введение

м коммерческой программы для постоянных клиентов, в последующее десятилетие быстро охватил различные отрасли индустрии сервиса и в настоящее время трансформирует весь рынок.

Усилению тенденции, связанной с ростом количества баз данных, способствовали и макроэкономические показатели, например, рост индустрии обслуживания. Услуги, независимо от того, заключаются ли они в предложении инвестировать ваши деньги, застраховать вашу жизнь, поменять масло в машине, не могут быть упакованы и выложены на прилавок. Они нуждаются в совершенно ином качестве маркетинга, чем обычно применяемый производителями товаров. Обслуживание предполагает личный контакт с клиентом, что, естественно, ведет к накоплению, хранению и анализу информации о потребителе и потенциальном клиенте в базе данных^[4].

Процесс стал набирать обороты с увеличением числа пользователей Интернета. Входя в Сеть, человек практически утрачивает анонимность. Серверам как минимум доступна информация о его IP-адресе. По IP-адресу можно установить регион (страну, город), из которого пользователь вошел в Сеть, и название провайдера, услугами которого он пользуется. Серверы способны накапливать информацию о том, с какого сайта пользователь пришел на сервер и ряд других параметров. При посещении сайта пользователем сервер, записывает в специальную директорию (Cookies) на компьютере пользователя особую идентификационную информацию. Многие интернет-компании очень далеко заходят на пути сбора информации о посетителях своих сайтов. Они собирают и классифицируют буквально всю информацию, которая «оседает» па сервере в результате тех или иных действий клиента на сайте. Это может быть информация о пользовательских предпочтениях (какие разделы клиент посещал, параметрами каких товаров интересовался и т. п.) или иная информация, необходимая компании. Все сведения накапливаются, обрабатываются специальными программами и используются в дальнейшем для целенаправленного рекламного воздействия на пользователей.

Как пишут С. Рэпп и Т. Коллинз: «когда вы начинаете комплектовать свою базу данных именно этими признаками, вы становитесь обладателем нового рычага, неоценимого в борьбе за потребителей с вашими конкурентами»^[5]. В идеале такая база данных содержит не только имена и адреса вероятных потенциальных клиентов, но и обширную информацию о каждом из них, включая географические, демографические и психографические характеристики, а также обзор совершенных ими покупок. Благодаря такому анализу торговцы могут предлагать специфическую продукцию и различные услуги для каждого сегмента базы данных, у кого хобби или стиль жизни соотносятся с характеристиками конкретной продукции или услуги. Это не трудно, учитывая, что емкость памяти компьютеров удваивается каждые 18 месяцев.

К числу неоспоримых преимуществ использования базы данных для выхода на индивидуальный адрес с конкретным предложением относится использование обращения к клиенту по почте, а это значит, что конкуренты не будут иметь представления об этом и нейтрализовать такое усилие, используя контрпредложение, им будет нелегко.

Существуют базы данных двух видов: операционные и сборные. Операционная база данных основана на информации о совершенных торговых сделках: клиент или потенциальный потребитель подписался на журнал, купил товар, но почте, послал запрос, сделал взнос и т. д. Сборная база данных содержит имена и информацию, поступившую по официальным каналам: регистрационный номер машины, сведения, зафиксированные в брачной лицензии, свидетельстве о рождении, телефонных справочниках и т. д. Сюда могут попасть и данные, взятые из гарантийных талонов и опросников, возвращенных фирмам. Такая база данных содержит сведения о размере семьи, роде занятий, доходах, образовании, кредитных карточках, владении недвижимостью, об интересах помимо основной деятельности.

Укажем (это важно), что существующие базы данных продают сегменты своей информации заинтересованным фирмам для адресной рекламной кампании.

Так, фирма «Метромейл» предлагает несколько вариантов баз данных. Самая крупная Национальная потребительская база данных содержит информацию о более чем 140 млн частных лиц и 90 млн семей, она формируется из тысяч частных и государственных источников и модернизируется 65 раз в год. Ее «База поведения» включает свыше 25 млн семей. В дополнение к стандартной демографической информации «База» предлагает торговые марки, которые предпочитают потребители, и сведения о стиле жизни: хобби и интересах, профессии, размерах дохода и почтовых торговых заказах. «Метромейл» имеет еженедельно уточняемый «Национальный семейный указатель» (свыше 18 млн семей с детьми, с указанием возраста и иола) и «Указатель молодых семей», пополняемый каждую неделю новорожденными. Фирма «Крафт Фудз» содержит и постоянно наращивает базу данных с детальной информацией о 30 млн семей, «Дженерал Моторе» имеет базу о 14 млн держателей кредитных карточек «Джи Эм». Компания поддерживает с ними постоянные контакты, проводит опросы, составляя таблицы, которые анализируются каждый месяц, когда наступает срок подачи заявления на кредитные карточки.

Накопленные в базе данных сведения позволяют определить:

• 1) где проживают «наилучшие» и «наихудшие» клиенты;
• 2) каковы их демографические характеристики;
• 3) какие категории населения с наибольшей, а какие с наименьшей степенью вероятности ответят на определенные предложения.

Стратегия сохранения клиентов с помощью информации о них, знание их вкусов и предпочтительных покупок, частоты покупок и их общей стоимости, типе покупаемых товаров, уровне доступных цен, отражение фактов в соответствующей маркетинговой базе данных и разработка тактики, нацеленной на конкретного клиента, — все это в совокупности и представляет собой политику развития маркетинга. Последняя его стадия — прогнозирующее моделирование, которое становится все более мощным инструментом маркетинга.

Разберем несколько примеров использования баз данных.

Кейс

«Блокбастер Энтертейнмент Корп.» использовала свою базу данных, включающую 40 млн потребителей для выбора семей с детьми, которые компания намеревалась привлечь, чтобы побудить родителей взять для детей напрокат картриджи с видеоиграми для игровых плееров, полученных в подарок во время предыдущего рождественского сезона. С этой целью «Блокбастер» направила целевую почтовую рекламу по адресам людей, получивших такой подарок в прошлом сезоне. Рассылка дала феноменальный показатель ответов — 30%.

Это означает, что фирма сумела создать рекламу, отвечающую реальным интересам потребителя, используя моделирование базы данных для определения того, какие наименования и виды продукции подходили определенным категориям подростков^[6].

Как мы можем заметить, по технологии выхода на своих потребителей эта кампания была одной из самых легких: по своим выходным характеристикам будущие потребители были объективно готовы к продолжению торговой цепочки.

В настоящее время компания «Блокбастер Энтертсйнмент Корп.» владеет одной из наиболее широко используемых общественных баз данных в Соединенных Штатах и предоставляет информацию о потребителях любому другому заказчику. Так, например, для курортного гольф-клуба она предоставила список потенциальных клиентов с высокими доходами, в возрасте свыше 65 лет, которые играют в гольф и совершают путешествия на собственном автотранспорте.

Кейс

Более сложный случай: компания «Сирл», распространяющая слабительное «Метамуцил», занялась поиском новой ниши: слабительное средство было популярно преимущественно среди людей пожилых и с низким достатком, не соблюдавших здоровую диету и поэтому имевших соответствующие проблемы. Однако существовала и другая перспективная рыночная ниша — люди, уделяющие внимание здоровому образу жизни. «Сирл» обратилась к маркетингу на основе базы данных, используя адресную рекламу. Было выделено три категории вероятных клиентов:

• 1) люди, соблюдающие диету, к которым можно обратиться так: «Если вы полнеете, ешьте меньше и принимайте волокнистые средства, в которых нуждается ваш организм»;
• 2) потребители слабительного, которые в отличие от обычных покупателей «Метамуцила» имели более высокий статус, проживали в городах или пользовались продукцией конкурирующих фирм;
• 3) молодые образованные городские жители, обычно не употребляющие слабительное, но знающие, что их организму требуются волокнистые вещества, и предполагающие, что, возможно, они неправильно относятся к своему здоровью.

Встала чисто социологическая задача: определить эмпирические эквиваленты групп будущих потребителей «Метамуцила». Еще раз подчеркнем: в массиве базы данных не было (как в большинстве случаев) буквального обозначения лиц именно с потребностями в «Метамуциле». Предложим свою логику для рассуждений: были ли в базе данных «молодые образованные городские жители, обычно не употребляющие слабительное, но знающие, что их организму требуются волокнистые вещества, и предполагающие, что, возможно, они неправильно относятся к своему здоровью»? Ясно, что были молодые — их легко идентифицировать по возрасту. Но и здесь мы должны решить, кого мы будем считать молодыми — до 25, до 35 или до 40 лет? Это тоже сфера принятия решения. Далее ясно, что легко выделить «образованных городских жителей». Но вот с «предполагающими, что, возможно, они неправильно относятся к своему здоровью» уже сложнее. Вопрос как раз и состоит в том, чтобы принять решение: какие характеристики людей могут быть идентифицированы как показатели неправильного отношения к здоровью. Может быть, надо зачислить в группу «неправильно относящихся к своему здоровью» редко обращающихся в аптеку, в поликлинику, нс посещающих фитнесклубы, бассейны, курящих и т. д.

Итак, возвращаясь к самой акции — бюджет ее определялся из расчета «3 долл, на привлечение одного клиента». Компания направила пробную почтовую рекламу произвольно выбранным лицам из всех трех групп. Карточка с оплаченным ответом предлагала бесплатные образцы, «купонный календарь» (скидка 40% ежемесячно в течение года) и брошюру с медицинскими советами. Показатель ответов превысил 15%, т. е. затраты на один рекламный объект составили чуть более 1 долл. Если хотя бы один из трех респондентов становится клиентом, программа является успешной.

Каким образом «Сирл» могла узнать, кто из респондентов действительно станет клиентом? С этой целью имени и адресу каждого респондента был присвоен порядковый номер, напечатанный на каждом из 12 месячных купонов. Когда эти купоны проходили через розничную торговлю, а затем через расчетный отдел, номера отмечались и регистрировались. «Сирл» таким образом прослеживала не только макрорезультаты, но также имена и адреса заинтересованных лиц, покупателей, многократных потребителей^[7].

Кейс

Фирма, продвигая на рынок «Экотрин» (препарат, предназначенный для лечения артрита), ставила целью найти потенциальных потребителей, которые, пройдя курс лечения «Экотрином», останутся лояльными клиентами. Был использован купон, включенный в виде вкладыша в воскресные газеты. Воспользовавшись информацией базы данных, людям, страдающим артритом, направили по три почтовые посылки. Результаты отзыва на три прямых предложения по почте были следующими:

• 1) вложение бесплатного образца и купона на приобретение полной упаковки со скидкой 50 центов — отзыв свыше 50%;
• 2) вложение купона на приобретение лекарства со скидкой 1 долл. — отзыв свыше 50%;
• 3) запрос на высылку бесплатного образца — отклик 75%.

Оказалось, что рекламные затраты на возврат почтовых отправлений с купоном однодолларовой скидки не были слишком высоки. Во всяком случае, они не превышали стоимости рекламного вкладыша в газете. Результат опроверг бытующее в среде маркетологов мнение, будто прямые почтовые отправления купонов (с использованием базы данных) — достаточно дорогой способ распространения льготных предложений. Эксперимент продемонстрировал: хотя затраты при этом могут значительно превышать стоимость рекламы методом бесплатных вкладышей, эффективность распространения рекламных предложений напрямую, посредством почтовой связи, по меньшей мере столь же высока или даже намного выше^[8].

Интересный пример создания собственной базы данных потребителей демонстрирует история газеты The New York Times: когда она решила перейти на снабжение читателей сетевым вариантом, то поначалу сделала доступ к нему платным. Но это резко сократило число желающих зайти на сайт. Тогда газета ограничилась регистрацией впервые заходящих на сайт читателей, количество которых начало расти достаточно высокими темпами. Но росло и число пользователей газеты, попавших в ее базу данных. А это, как мы понимаем, были «сливки» общества — наиболее образованные люди, представители элит, политизированные граждане, т. е. все, кто читает такие качественные газеты, как The New York Times. В 1997 г. газета перестала брать плату даже с иностранных пользователей, которые отныне тоже стали проходить через регистрацию. К началу 1999 г. количество зарегистрированных читателей достигло 5 млн, к концу 2000 г. — 12 млн. С этого времени газета стала предлагать своим рекламодателям точечные рекламные кампании по демографическому принципу, что принесло ей более полутора тысяч рекламных контрактов на сумму 6—8 млн долл, в год. Но и это еще не все. Газета стала продавать информацию из своей базы данных заинтересованным клиентам, что тоже дорого стоит^[9].

Общий принцип формирования базы данных состоит в том, что каждый входящий звонок должен войти в базу: это потенциальный потребитель. Оператор должен «считать» несколько тактично сформулированных вопросов с телефонного опросника, что позволит ему ввести в базу данных не только имя и адрес клиента, но и выяснить демографические и психографические сведения. Служба «Эм-си-ай Промо Линк», осуществляющая консультационные и другие услуги в области телемаркетинга в США, не только регистрирует имена и адреса, но и разрабатывает почтовые списки наилучших клиентов и переносит информацию на материальный носитель. Если, например, проводится конкурс и победителей нужно выбрать из числа звонивших абонентов, то «Эм-си-ай Промо Линк» может определить призеров с требуемой частотой звонков.

Все это примеры искусства и науки поиска потенциальных потребителей. Как пишут С. Рэпп и Т. Коллинз, «вы можете продать больше яхт, рекламируя их в журнале „Мир яхт“, а не в „Нью-Йорк Таймс“. Лыжи следует рекламировать в „Лыжном спорте“, а не в „Спорт иллюстрейтед“. Но что делать, если вы продаете зубную пасту или мастику для пола? Журналы „Мир зубной пасты“ или „Дайджест полотеров“ не существуют. И если бы даже они издавались, то тиражом микроскопически малым по отношению к рынку, и в них давали бы рекламу все ваши конкуренты. Поэтому многие рекламодатели, имеющие торговую марку и стремящиеся добиться эффективной рекламы, направляют свои усилия по поиску потенциальных потребителей в базах данных, где можно определить своих вероятных клиентов»^[10].

Поскольку сегодня существуют специальные журналы, учитывающие все мыслимые интересы и запросы, то использование баз данных читателей делает возможной избирательную связь с ними для производства индивидуально направленных выпусков. Как отмечают специалисты, это является новой технологией, популярность которой растет. С. Рэпп и Т. Коллинз отмечают, что уже в настоящее время журналы Farm Journal, The Time, Money, Sports Illustrated, Travel and Leisure, Child и др. могут проанализировать базы данных подписчиков таким образом, чтобы выявить лиц, привлекательных для рекламодателей, и скомплектовать выпуск, включающий статьи и рекламу, нацеленные на отдельного подписчика. Авторы приходят к выводу, что «это очень напоминает ситуацию, когда в переполненном аэропорту в какофонии беспрерывных объявлений вы вдруг слышите свое имя»^[11]. Может добиться аналогичного эффекта и шутливый заголовок, говорящий о преимуществе или выгодах, предлагаемых рекламой. Он привлечет людей, которые ценят остроумие и каламбуры, и среди них наверняка будет несколько потенциальных клиентов. Но сколько их будет? Рекламодатель, имеющий дело со все возрастающими тарифами в средствах массовой информации и сокращающейся аудиторией, сильно рискует.

Еще один способ за пределами обращения к базе данных — это когда постоянные клиенты могут помочь вам найти новых потенциальных потребителей. Друзья и родственники обычно живут в сходных социальноэкономических условиях и нередко обладают похожими вкусами. Поэтому кто-то, кого рекомендовал ваш клиент, также может оказаться отличным перспективным потребителем.

Все эти примеры говорят о перераспределении усилий в маркетинге: от широкой рекламы к персонализированной работе с клиентом. Еще в середине 1980;х гг. известный маркетолог М. Шраг писал: «Если у компании есть база данных, содержащая телефонные номера и адреса постоянных клиентов, она может оказывать намного более эффективное воздействие на потребителя, чем периодическая телевизионная реклама в ключевых отраслях рынка в целом по стране. Таким образом, сочетание компьютерных и телекоммуникационных сетей может стать стратегическим арсеналом для обслуживающих компаний, стремящихся к укреплению своего положения на рынке. И наоборот, отсутствие такой возможности может понизить эффективность прилагаемых усилий в сфере маркетинга. Для выживания рекламным агентствам потребуется включать в свои рекламные разработки информационные и аналитические данные о специфических рынках. „Знать своего клиента“ будет означать „знать базу его данных“»^[12].

Российское законодательство стремится защитить население от злоупотреблений в этой области. Сведения о каждом из нас можно без большого труда раздобыть в Интернете или приобрести на компакт-диске на любом из радиорынков. Для того чтобы навести здесь порядок, и был принят Федеральный закон от 27.07.2006 152-ФЗ «О персональных данных». Представители бизнеса собрались на специальную конференцию, чтобы обсудить, как работать в новых условиях^[13]. Ведь потребители теперь могут не только контролировать госучреждения и коммерческие компании, которые работают с приватной информацией граждан, но и требовать от организаций удалить все данные о себе. Действительно, сотовые компании, банки, районные поликлиники и даже домоуправления — все это операторы персональных данных. Теперь потребитель вправе потребовать от оператора сведения о людях, которые имеют доступ к персональным данным, чтобы в случае их утечки предъявить претензии к конкретному человеку или группе лиц. Кроме того, потребитель получил право знать, каким образом хранятся его данные. Если выяснится, что никто за ними толком не следит, — можно пожаловаться в надзорный орган. В этом случае чиновники имеют все основания запретить оператору работать с личной информацией клиентов, т. е. фактически приостановить его работу. По новому закону оператор может собирать только ту информацию, которая необходима ему для работы. И если вас при заполнении анкеты на дисконтную карту попросят, к примеру, сообщить девичью фамилию матери или профессию, — знайте, это неправомерно.

Может быть, этот закон заставит крупные компании, работающие с личной информацией, перестать излишне любопытствовать при оформлении личных дел, составлении анкет и т. п., чтобы минимизировать риск попасть под карающий меч надзорного ведомства.

Сбор данных в базу работает в связке с понятием Big Data. Что под ним понимается?^[14] Введение этого понятия связано с изменением среды маркетинга и современного коммуникационного ландшафта. Интернет, социальные сети, мобильная коммуникация — эти медиа генерируют множество данных. Все, что делается с помощью цифровых устройств, оставляет след: любой щелчок мышки, наведение курсора, переход, но ссылке, комментарий и даже просто включение телефона фиксируются и позволяют делать выводы о пользователе.

В сфере маркетинговых коммуникаций у понятия Big Data имеется предыстория. Вопрос о данных, помогающих более точно адресовать целевой аудитории сообщения маркетингового характера, всегда был актуальным. Не случайно еще в середине 1960;х гг. в профессиональную практику было введено понятие «директ-маркетинг», которое отражало прямую коммуникацию с потребителями на основе данных об их демографических характеристиках и расположении домохозяйств. В последующие два-три десятилетия активно применялся маркетинг на основе баз данных. Это давало возможность анализировать данные о потребителях, формировать целевые сегменты и осуществлять коммуникацию с ними с помощью прямой рассылки и средств телемаркетинга.

Следующий этап был связан с развитием CRM (Customer Relationship Management) — программ управления взаимоотношениями с клиентами. Именно в конце 1990;х гг. впервые был использован термин Big Data. В первое десятилетие 2000;х гг. появились новые технологические средства, благодаря которым стала возможной индивидуализация коммуникации с потребителем. Во всех упомянутых выше маркетинговых инструментах данные о потребителях играли решающую роль.

Качественный скачок в плане возможностей доступа и использования данных в маркетинге и маркетинговых коммуникациях происходит в последние пять — семь лет, когда с помощью цифровых устройств фиксируется практически все — и это на фоне существенного удешевления хранения больших объемов данных: обработка подобных массивов информации не была ранее возможна ни в техническом, ни в экономическом плане. Среди характеристик, изначально присущих Big Data, исследователи выделяют так называемые 3V: volume — объем данных, velocity — скорость притока данных и их обработки, причем часто в реальном времени, variety — разнородность, неструктурированность данных. При использовании понятия Big Data применительно к области маркетинга и маркетинговых коммуникаций необходимо учесть, во-первых, существенно более сложную, чем ранее, природу самих данных, во-вторых, используемые методы организации, обработки и анализа данных, которые могут служить основой для принятия решений в бизнесе.

Новое качество данных и потребности бизнеса позволили некоторым авторам говорить о формировании новой прикладной науки. Наука о данных (Data Science) — развивающаяся дисциплина, связанная со сбором, подготовкой, анализом, визуализацией, управлением и хранением больших объемов данных. Востребованными оказываются и такие новые профессии, как, например, Data Scientist — аналитик по работе с данными. Работающим в этой области сотрудникам требуются знания экономики, математики, информатики, а проблема анализа данных приобретает все больший вес в компаниях.

Какие предметные области маркетинговых коммуникаций получают дополнительный импульс для развития в связи с возможностями применения Big Data? Любая коммуникационная кампания предполагает использование достаточно обширного набора данных из различных источников: при анализе рыночной ситуации широко используются данные о рынке, продажах, конкурентах, динамике осведомленности и лояльности покупателей и т. п. Разработка стратегии коммуникации и креативных решений обычно базируется на широком наборе индустриальных и ad hoc исследований^[15]. Медиапланирование невозможно без опоры на данные о коммуникативном поведении и контактах целевой аудитории, причем последнее зачастую является «валютой расчетов» при размещении рекламы в медиа. Оценка эффективности кампаний также предполагает обеспечение данными всевозможных исследований и анализа динамики продаж.

В настоящее время каналов коммуникации становится все больше, точки соприкосновения с потребителем оказываются все многочисленнее и разнообразнее. Перечисленные выше этапы коммуникационных кампаний получают дополнительные данные для использования. В распоряжении рекламодателей и агентств оказываются три типа данных, существенно обогащенных в условиях цифровой среды. Это цифровые данные о поведении, восприятии и продажах. Они по своей природе являются поведенческими, т. е. фиксируются в связи с реальным поведением аудитории, а не собираются с помощью тех или иных выборочных исследований и опросных методик. Говоря о поведенческих данных, можно указать в качестве примеров мониторинг социальных сетей, данные поисковых запросов, аналитическую информацию о контактах с сайтов. Также к этой сфере можно отнести данные, полученные благодаря сервисам платформ управления данными (Data Management Platform), собирающих, унифицирующих и сегментирующих сведения об аудитории из различных сторонних источников. К данным о восприятии можно отнести тематический анализ социальных сетей, отслеживание записей и их тональности.

Отдельно следует сказать об адресации рекламных обращений. Профилирование особенно ценной для рекламодателей целевой аудитории является одной из наиболее востребованных областей применения Big Data в сфере маркетинговых коммуникаций. Эти данные, в свою очередь, являются ключевым фактором развития автоматизированных систем принятия решений о покупке рекламных контактов. Реализация торгов цифровыми рекламными контактами в режиме реального времени показывает, что на основе специальных алгоритмов и использования потока данных о продажах и потребителях эффективность «покупки» процессов может повыситься: сейчас принятие решений происходит за секунды, тогда как в рамках прошлых рутинных процедур на это потребовались бы часы.

Рассмотрим несколько кейсов из статьи М. М. Назарова и С. Н. Панкина^[16], показывающих, как Big Data используется в практике различных субъектов рынка маркетинговых коммуникаций.

Кейс

Dentsu — японская медиарекламная корпорация привлекла к сотрудничеству IT-компании. Было создано маркетинговое облако Dentsu (Dentsu Marketing Cloud) — специальная платформа, осуществляющая обработку и анализ больших данных. Область Big Data связана с анализом движения товаров (movement of things) и людей (movement of people). Dentsu и партнеры оперируют анализом движения людей. В качестве партнеров, как правило, выступают веб-площадки, порталы и социальные сети, предоставляющие данные о поведении пользователей, их профиле, сведения поисковых запросов. Когда крупный косметический производитель поставил задачу увеличить ROI посредством анализа веб-поведения посетителей корпоративного сайта и оптимизации соответствующих маркетинговых усилий, за несколько месяцев были изучены типичные веб-маршруты пользователей, а затем скорректированы Р/?-активность кампании, список ключевых слов для контекстной рекламы и периоды размещения рекламы в других СМИ. В течение недели данные по более 1800 рекламным сообщениям стекались в базу данных Dentsu, где затем тщательно анализировались, в том числе и специалистами по креативу. В результате были отобраны наиболее подходящие решения, которые позволили увеличить ROI на 50% за первый месяц кампании. В этом процессе потребовалось участие эксперта.

Один из крупнейших онлайн-магазинов поставил Dentsu задачу: создать список из 10 млн уникальных объявлений, которые будут показываться потенциальным потребителям. В ходе анализа были учтены следующие факторы: поисковое поведение аудитории, наличие товара на складе, активность конкурентов, рекламная активность компании, актуальность и популярность товаров, обсуждения в социальных сетях и блогах, сезонность, тенденции и пр. Для сбора базы широко использовались данные Dentsu, партнерских веб-сайтов и самого клиента. В результате за два месяца удалось удержать текущих потребителей, привлечь новых и повысить показатель ROI на 69%.

Кейс

Channel А — британский телеканал, использующий Big Data в борьбе за аудиторию. Это популярный общественный канал с рекламным финансированием, занимающийся некоммерческим вещанием. Помимо канала Channel 4 телекомпании, владеющей им, принадлежат и другие активы: каналы ?4, MoreA, Film А, сайт channelA.com и сервис «видео по запросу» — AoD. Каждый месяц продукцию телекомпании на различных платформах смотрят большинство британцев — более 90% взрослого населения. В условиях жесткой конкуренции со стороны Интернета и других мобильных платформ для просмотра видеоконтента Channel А активно включился в борьбу за аудиторию. Для улучшения качества отношений со зрителями, а также для оптимизации программирования и рекламной модели была собрана специальная онлайн-база Big Data, охватывающая на данный момент порядка трети британской молодежи. Регистрация участников осуществлялась на всех онлайн-платформах телеканала. В качестве вознаграждения за регистрацию был предложен доступ к эксклюзивному контенту телеканала, а также другие преимущества: личные рекомендации, подборки новостей, конкурсы, многоплатформенные онлайн-игры, ежедневные викторины, новый онлайн-фотоальбом.

Для доступа к этому контенту зрителей просили сообщить четыре показателя: имя, возраст, иол и адрес электронной почты. Использование персональных данных требовало максимальной прозрачности: уникальное предложение зрителям озвучил популярный комик Алан Карр. Ом в своей неподражаемой манере рассказал, как данные о зрителях будут применяться в разработке программ и в рекламе. Для управления базой данных использовалась облачная платформа на основе Hadoop и технологии Amazon Elastic Map Reduce с возможностью анализа более 10 млрд зрительских контактов.

Данные, полученные от пользователей, позволили телеканалу по-новому взаимодействовать со зрителями, стимулируя просмотр на всех платформах и, соответственно, монетизацию рекламных возможностей. Личные письма, направляемые зарегистрированным пользователям и построенные на основе информации о них, стали читать на 23% больше, а доля переходов на сайт (CTR) удвоилась. Только эти прямые переходы обеспечили дополнительно 300 тыс. просмотров AoD в месяц. К тому же 42% зрителей после регистрации стали смотреть больше программ Channel А на альтернативных платформах.

Кейс

«Крипта» — новый инструмент «Яндекса», предназначенный для анализа цифровых медиа, комбинирующих данные использования Интернета конкретным индивидом, изучение аудитории с помощью опросов и другие технологические и аналитические средства. Логика проекта состоит в следующем. С одной стороны, на основе возможностей «Яндекса» в рамках проекта осуществляется сбор информации об индивидуальных устройствах/пользоватслях с использованием большого числа параметров. Всего анализируется более 1000 факторов, включая информацию о посещении сайтов, их разделов, времени и особенностях выхода пользователя в Интернет, структуре и тематике поисковых запросов и т. п. Каждый день данные о поведении пользователей в Интернете обновляются и поддерживаются в актуальном состоянии. С другой стороны, проект «Крипта» предполагает проведение на регулярной основе (три-четыре раза в год) масштабного исследования интернет-пользователей, число респондентов каждой волны — 30 тыс. В процессе его проведения фиксируются: широкий круг индикаторов коммуникативного поведения, особенности образа жизни, психографика, специфика потребительского поведения интернет-пользователей, входящих в выборку. При создании продукта для исследования аудитории за исходные данные берется выборка, полученная в ходе исследования интернет-пользователей. Далее «Крипта» находит факторы, характерные для всех пользователей интересующей группы, и определяет значимость этих факторов. Развитие технологии «Крипта» за последние два года позволило создать набор разнообразных вариантов таргетинга, отвечающих различным задачам коммуникационных кампаний. Наиболее широким по охвату является социально-демографический таргетинг по полу, возрасту и доходу, по интересам аудитории. Отбор пользователей происходит по посещаемости сайтов тематических рубрик «Яндекс. Каталог» («Авто», «В2В», «Семья», «Финансы» и пр.). Поисковый ретаргетииг предполагает отбор пользователей на основе тематических поисковых запросов, таких, например, как «Компьютеры и ноутбуки», «Сотовые телефоны», «Телевизоры», «Домашние кинотеатры», «Бытовая техника», «Кулинария» и т. д. Поведенческий ретаргетинг позволяет выявить пользователей, побывавших на сайте рекламодателя, и посетителей релевантных проектов «Яндекса» (таких как «Маркет», «Услуги», «Новости», «Котировки», «Авто», «Недвижимость»). Сегодня «Крипта» умеет идентифицировать почти любые группы пользователей, при этом развитие данной технологии совершенствуется ежедневно.

Кейс

Wisdom обеспечивает анализ «больших данных» для решения задач в области маркетинга и маркетинговых коммуникаций: они могут быть связаны с обоснованием решений в сфере брендинга, рекламы, с совершенствованием таргетирования (как онлайнового, так и офлайнового), выбором медиамикса и т. п. Основным источником данных для проекта является Facebook, где большое количество пользователей позволяют (хотя неясно, как эго разрешение легитимизируется. — Л. Ф.) отслеживать свое поведение. Это дает возможность, но «лайкам» и отметкам на страничках брендов делать выводы о психографическом портрете пользователей, их интересах (в области брендов, музыки, знаменитостей и т. п.) и предпочтениях. Информация из соцсети дополняется другими источниками: официальной статистикой (данными переписи, Eurostat, МВФ и т. д.), сведениями из прочих сетей {Amazon, Google и др.) и источников (Wikipedia, IMDB и т. п.). Среди данных — информация о демографии потребителей, об их интересах (для самых разных сегментов), социальном весе (в среднем у одного респондента, но 330 друзей на Facebook), местах, которые они посещают. Планируется заняться также анализом общения (чатов, форумов), т.с. клиенты будут знать, на какие темы каждый человек (со всеми имеющимися о нем данными) общается с другими, о чем он говорит прямо сейчас, о чем он говорил месяц назад. При этом информация анонимна, но весьма подробна — в частности, это позволяет компаниям изучить поведение в Facebook клиентов из собственных баз данных (через сопоставление, но известным характеристикам). Таким образом, на входе проект собирает разнородную информацию, а на выходе предоставляет различные аналитические отчеты о потребителях.

Аналитики сравнивают Wisdom с огромной фокус-группой, но подчеркнем, речь идет не о 10—12 респондентах, а о 20 млн. Как только человек что-то меняет на своей страничке в Facebook, это автоматически отражается в базе. Преимущество таких проектов — масштаб. В марте 2013 г. Wisdom имела информацию о 19,5 млн индивидов (примерно половина из них — из США).

Вопросы для самоконтроля

• 1. Наряду с какими классическими инструментами маркетинга используется реклама?
• 2. Дайте ответ на вопрос: «Брендом рождаются или брендом становятся»? Аргументируйте свою точку зрения.
• 3. Какие показатели эффективности рекламы стали понятными после самостоятельной работы над этой главой?
• 4. Какие возможности использования баз данных возникли благодаря технологическим новациям, а какие относятся к классическим инструментам маркетинга?

• [1] Как писал Умберто Эко в романе «Маятник Фуко», «…этот же критерий применяетсяобычно спецслужбами: нет более лучших или более худших сведений, сведения нужнылюбые, а поиск связей между ними — игра интеллекта». Цит по: Эко У. Маятник Фуко. М. :Астрель, 2014.
• [2] URL: The ABCs of CRM // www.cio.com/research/crrn/edit/crmabc.html; Давали A. CRM: строим отношения с клиентами // КомпьютерПресс. 2001. № 9; Имшинецкая И. Программа сотрудничества с клиентом, или Как привлечь новых и удержать постоянных клиентов. М.: РИП-холдинг, 2003.
• [3] Tedlozv R. New and Improved: The Story of Mass Marketing in America. N. Y., 1990.
• [4] Рэпп С., Коллинз Т. Указ. соч. С. 45.
• [5] Там же. С. 87.
• [6] Рэпп С., Коллинз Т. Указ. соч. С. 131.
• [7] Рэпп С., Коллинз Т. Указ. соч. С. 139.
• [8] Там же. С. 116.
• [9] Дашаева Н. Отражение тенденций развития ежедневной печати США на рубеже XX—XXI вв. в деятельности газеты «Нью-Йорк тайме» // Журналистика и общество. Вып. 4. М.:РУДН, 2004. С. 50−57.
• [10] Рэпп С., Коллинз Т. Указ. соч. С. 89.
• [11] Рэпп С., Коллинз Т. Указ. соч. С. 99.
• [12] Shrage М. The Message Is the Message // Adweek. 1985. April. P. 2. Как пишет «Коммерсантъ», «рынок обработки больших данных стоит на пороге большого роста». Это былотолько начало. Сейчас процесс развивается, но полной программе. См.: Глубокое погружение // Коммерсантъ, 2012. 9 окт. С. 17—20.
• [13] Аронов А. Когда дело станет личным // Известия. 2009. 2 окт. С. 11.
• [14] Назаров М. М., Панкин С. II. Big Data: концепция и ее применение в практике маркетинговых коммуникаций // Интернет-маркетинг. 2013. № 5. С. 270—279.
• [15] Ad hoc исследования — индивидуальные исследования по заказу конкретного клиента, которые разрабатываются с максимальным учетом его целей и задач.
• [16] Назаров М. М., Панкин С. II. Указ. соч.