Цифровой след
Интернет-маркетинг основывается на умении выделять интересы клиентов по результатам его поведения как в интернете, так и в повседневной жизни. Это не только открытые данные из соцмедиа и результаты анализа встроенных алгоритмов, но и конкретные действия: поисковые запросы, покупки в интернете, покупки в магазине, просмотренные видео. Чем больше информации получается узнать о каждом потребителе, тем более точно можно определить его интересы. Несмотря на широкие возможности настройки таргетированных предложений, конверсия в диапазоне от 2 до 11% считается достаточно положительным результатом. Очевидно, что в зависимости от сферы, среднего чека и цены клика трактовать данные можно по-разному. Для недвижимости характерны маленькие конверсии, для дешевых товаров — наоборот. Однако в среднем 90-98 человек из 100 пролистывают рекламные сообщения, потому что они не попадают в сферу его интересов.
Проблема низких конверсий и, как следствие, неэффективного маркетинга может заключаться как в неточности таргетинга рекламных кампаний, так и в неточности алгоритмов определения целевой аудитории из-за недостаточности данных, используемых в алгоритмах.
Рекламная площадка, используя информацию об активности пользователей в интернет, предоставляет достаточно большой инструментарий по формированию сегментов клиентов с необходимым для рекламодателя интересом. Но в отрыве от других данных этих инструментов может оказаться недостаточно. Если человек подписан на десятки пабликов о стартапах и бизнесе, то совсем не факт, что в данный момент времени он заинтересуется вопросом открытия собственного дела, так как дополнительно необходимо учитывать наличие окончательных сформированных целей и задач, наличие свободных временных ресурсов и финансовых возможностей для организации собственного бизнеса.
Большие данные собирают многие крупные компании, в особенности соцмедиа, поисковые системы, IT-компании, финтех, фудтех и другие. Однако без синергии с данными других источников они не могут дать объемного представления о поведении клиентов.
Технология Data Fusion позволяет объединять данные из разных источников для получения более точного портрета целевой аудитории. Иным словами, если одна база данных — это цифровой след, то объединение данных — это виртуальный профиль человека.
Точечное предложение
Data Fusion позволяет сделать человеку то предложение, которое заинтересует его в данный момент времени. Например, при продвижении банковских продуктов на рекламных площадках очень важно понимать, как то, какие продукты могут вызвать у клиента интерес в данный момент времени, так и то, после каких конкретно действий и сообщений он совершит необходимые финансовые операции. Банковские данные дают представление о об образе жизни клиентов, уровне дохода, о его финансовых интересах, и в совокупности с цифровым следом это позволяет подобрать пользователю наиболее релевантное предложение. Таким образом рекламодатель сможет получить эффективную маркетинговую кампанию, рассчитанную на релевантного клиента.
Data Fusion позволяет работать одновременно с несколькими моделями. Первая — модель склонности, которая показывает, какие предложения могут заинтересовать клиента. Вторая — модель, которая определяет, насколько целесообразен показ объявления тому или иному клиенту, насколько этот клиент подходит под целевую аудиторию. Третья — модель, которая определяет оптимальные ценовые условия для данного клиента.
Кроме достаточно «точных» прогнозных результатов Data Fusion позволяет определять и более сложные для измерения параметры. Например, разработаны модели, которые определяют удобную для пользователя коммуникацию на основе его предыдущего опыта. Такие модели помогают составить эффективное объявление, потому что некоторые люди лучше реагируют на цифры, другие ценят эстетику и не обращают внимание на детали. Аналогичные механизмы определяют и модели коммуникации с пользователем: баннеры, смс-сообщения, звонки или реклама в приложении.
Предупреждая вопросы о конфиденциальности, можно сказать, что в основном в этих процессах используются обезличенные данные, так как для модели не имеет значение, кто именно из клиентов заинтересуется рекламным предложением. Модель анализирует триггеры цифрового следа пользователей и прогнозирует результат на основании этих триггеров. Иными словами, благодаря Data Fusion можно очень детально описать профиль человека, однако его персональные данные останутся неизвестными. К примеру, мы можем знать о пользователе, что он тщательно выбирает товар, читает характеристики, просчитывает скидки, сравнивает цены, и мы понимаем, что таким потребителям нет смысла показывать предложения без цифр и описания продукта. Тогда мы формируем для этого сегмента уникальные креативы и call-to-action.
В итоге пользователи получают релевантные предложения в том виде, который для его наиболее удобен, а бренды — рост конверсии как краткосрочные результаты, и рост узнаваемости бренда в стратегической перспективе. Так, согласно, внутренним исследованиям, при просмотре персонифицированной рекламы банк ВТБ узнают на 50% больше клиентов чем при просмотре стандартной рекламы. То есть банк реже путают с конкурентами. К тому же, персонифицированные креативы на 7% чаще вызывают желание дополнительно изучить бренд, а конверсия из визитов в запрос на предоставление продукта становится выше на 44%.
Новые аудитории
Главное преимущество Data Fusion — работа с новыми, менее доступными сегментами аудитории и более сложными продуктами. Когда мотивация к действию определяется не только ценой, но еще и ценностными ориентирами, обычные механизмы интернет-маркетинга работают с меньшей эффективностью. Использование данных из различных источников и построение моделей на этих данных открывает большие возможности для бизнеса и расширяет потенциальную аудиторию.
По нашим прогнозам, к 2025 года Data Fusion будут использовать практически все крупные игроки рынка и, самое главное — это позволит существенно повысить качество клиентского сервиса и персонификации предложений.
