8 (499) 404-03-96
Пн — Пт: 10:00 — 19:00
8 (4832) 59-03-00
Пн — Пт: 10:00 — 19:00
8 (8442) 45-94-73
Пн — Пт: 10:00 — 19:00
8 (473) 200-61-83
Пн — Пт: 10:00 — 19:00
8 (343) 386-17-94
Пн — Пт: 10:00 — 19:00
8 (843) 216-97-33
Пн — Пт: 10:00 — 19:00
8 (861) 238-87-54
Пн — Пт: 10:00 — 19:00
8 (831) 219-98-17
Пн — Пт: 10:00 — 19:00
8 (383) 207-83-11
Пн — Пт: 10:00 — 19:00
8 (342) 299-43-52
Пн — Пт: 10:00 — 19:00
8 (863) 308-17-35
Пн — Пт: 10:00 — 19:00
8 (846) 215-01-73
Пн — Пт: 10:00 — 19:00
8 (812) 409-34-03
Пн — Пт: 10:00 — 19:00
8 (351) 220-53-59
Пн — Пт: 10:00 — 19:00
Мы живем в сложном цифровом мире, наполненном многочисленными потоками различной информации. Каждую секунду многомерные массивы данных курсируют от одного источника к другому, проходя длительный маршрут, сопровождаемый такими операциями, как преобразование и обработка.
По прогнозам ведущих мировых специалистов по информационным технологиям к 2020 году в мире накопится около 43 зеттабайта информации (10 в 21 степени байт), а уже к 2025 общее количество возрастет в 10 раз. Заметен экспоненциальный непрерывный рост, что неизбежно связано с необходимостью постоянной комплексной работы по управлению базами данных (БД).
Чтобы упростить модель восприятия человека многомерных массивов, появился специальный термин «Big Data», суть которого заключается в процессе обработки неструктурированных данных и их приведении к определенной структуре в соответствии с заданным порядком. Иными словами, создание порядка из хаоса.
Это обширное понятие относится абсолютно ко всем сферам деятельности людей, каким-либо образом связанных с многочисленными информационными потоками. Наиболее востребовано данное мероприятие в банковском секторе, автоматизированных распределительных системах, построении искуственных интеллектуальных нейронных сетей, технологии «блокчейн». Исключением не является и интернет-маркетинг.
В мировой практике термин «Big Data» относится к массиву информации, размер которого превышает 3 терабайта. Однако часто делают упрощение и относят к «Биг Дате» любую обширную БД со сложной иерархической связью (большим количеством источников данных для агрегирования) и строгой структурой.
Многие могут задаться вопросом, а при чем здесь понятие «Big Data» и маркетинг? Если у вас есть лишь один источник трафика на сайт – «сарафанное радио», то, конечно же, никакой речи об обработке и хранении больших массивов информации идти не может. Стоит лишь добавить к указанным каналам маркетинговой коммуникации рекламные кампании в «Яндексе» и «Google», а также таргетинг в социальных сетях, и оценить эффект становится крайне сложно за счет возросшего объема информации, необходимой для обработки и последующего представления.
К сожалению, многие владельцы бизнеса для оценки эффективности предприятия используют лишь два индикатора: расходы на продвижение и доходы. При этом разделение по каналам не производится и общий эффект оценивается лишь только «ощущениями» руководителя отдела маркетинга или главы компании. По принципу: «Доходы отбили расходы на рекламу и что-то даже осталось. Значит всё хорошо, процесс идёт».
В современных реалиях этого становится мало. Чтобы не стоять на одном месте, а постоянно развиваться, следует вести более детальный анализ, переходя от модели восприятия по своим «ощущениям» к сквозной аналитике. При этом важно производить и деление отображаемой информации на уровни.
На иерархической вершине (сведения для руководителя), необходимо расположить сводку по каждому каналу продвижения (РК в «Яндекс Директ» и «Google Adwords», таргетинг в «Facebook», «Вконтакте», «Одноклассниках», закупка рекламы в «Инстаграм», SEO и прочие виды продвижения в интернете) с такими показателями, как «Доходы», «Расходы», «Окупаемость». Взглянув на представленные данные, можно сразу же сделать вывод о том, что является более эффективным и выгодным с точки зрения прибыли.
На уровне интернет-маркетолога «Big Data» имеет более обширный вид с разбивкой на составляющие. Так, для рекламных кампаний в системах «Яндекс Директ» и «Гугл Эдвордс» необходимо проанализировать каждую группу объявлений. Главными индикаторами всё так же будут доходы, расходы и окупаемость. Дополнительно приводятся такие сведения, как «Количество показов и переходов с рекламы», «CTR», «Средняя цена за клик», «Объем трафика», «Конверсия».
Взглянув на эти цифры, можно грамотно перераспределить рекламный бюджет на РК. За счёт расширенной выборки показателей имеется возможность проведения упрощенного факторного анализа, чтобы установить причинно-следственную связь между различными параметрами. К примеру, можно связать такие факторы, как «ключевой запрос», «конверсия», «доход», «расход». В случае выявления негативных признаков можно отключить неэффективную группу объявлений, высвободив тем самым бюджет на те «ключи», которые приносят наибольший доход.
Часто встречается и другая картина (особенно в кампаниях РСЯ/КМСГ), когда при низкой конверсии получается большой доход, что обусловлено низкой стоимостью клика и, как следствие того, малым расходом. Именно поэтому все эти показатели следует рассматривать в комплексе, учитывая их взаимосвязь.
Аналогичные манипуляции потребуется произвести и при оценке эффективности таргетинга в социальных сетях. Показатели будут незначительно отличаться в зависимости от выбранной модели ценообразования. При этом привязка будет делаться не к поисковым фразам, а подборкам «фокусных групп» и экспериментам с сегментами целевой аудитории.
В случае с поисковым продвижением в естественной выдаче обращается внимание на себестоимость трафика (определяется, исходя из расходов на SEO) и доходы, которые удаётся получить в ходе взаимодействия с интернет-пользователями.
Систематизировав всю полученную информацию со всех каналов маркетинговой коммуникации, можно производить различные манипуляции по оптимизации расходов, улучшая тем самым результативность бизнес-системы в целом.
Кажется всё просто? Если речь идёт о небольшой компании, в ассортименте которой находится всего один товар или услуга, то «да». Простенькая сквозная аналитика поможет выявить слабые «участки», закрыв которые можно многократно повысить рентабельность.
Особенность понятия «Big Data» подразумевает собой огромные массивы данных с большим уровнем вложений, что явно указывает на интернет-магазины, продающие более 1000 товаров через различные каналы продвижения. Представьте только онлайн-гипермаркет с тремя тысячами товаров различных категорий, каждый из которых продвигается через площадки «Яндекс Директ», «Google Adwords», таргетинг в «Вконтакте», e-mail-рассылка. Вот тут и начинается работа с обширными массивами информации.
Подобный процесс очень трудоёмкий и утомительный, требует базовой автоматизации и постановки «бизнес-логики», работающей по оптимальной модели. Кроме того, для работы с «Big Data» в штате команды требуется наличие профильного специалиста по интернет-маркетингу, способного проанализировать показатели, как с математической точки зрения, так и обычной логики. Ведь некоторые способы продвижения несут в себе не performance-задачи (ориентированные на прямые продажи), а имиджевые, направленные на создание и дальнейшее развитие бренда. В случае с медийной и видео форматом рекламы проявляется фактор «отложенной конверсии», которая заключается в том, что продажа будет совершена не сразу, а лишь спустя некоторый промежуток времени. Вот именно для таких ситуаций интернет-маркетологу, занимающемуся бизнес-аналитикой, и требуется четко представлять бизнес-логику всей рекламной деятельности.
Помимо этого потребуется выбрать площадку для агрегирования информации (сбора всех данных в едином месте, их последующей обработки и визуализация в необходимом для последующего отображения виде).
Чаще всего для обработки большого потока данных используются такие системы аналитики, как «Microsoft Power BI» или «Google Data Studio», широко распространенные во всем мире. Появление подобных программных продуктов связано с многомерностью источников информации и недостатками базовых аналитических систем (они хорошо собирают сведения только со своих сервисов). Так, «Яндекс Метрика» хорошо собирает и структурирует информацию с рекламной площадки «Yandex Direct» и систем «Коллтрекинга» (отслеживания звонков). Для корректного сбора данных с «Google Adwords» потребуется система аналитики от компании «Гугл». Аналогично можно сказать и про все другие источники трафика, идущего на веб-ресурс, и средств их мониторинга со сбором статистики.
Все эти особенности и послужили фактором появления представленных выше программных продуктов для агрегирования информации. Чтобы начать процесс интеграции с другой веб-аналитической системой в «Microsoft Power BI» или «Google Data Studio» достаточно всего лишь один раз произвести интеграцию с необходимыми источниками и вывести информацию в удобный для восприятия вид, задав шаблоны отображения.
Как и в случае с любой сквозной аналитикой для точного расчета доходов и показателя KPI требуется произвести дополнительную интеграцию с CRM-системой. Общая схема представлена на рисунке ниже.
Как видим, «Power BI» был взят в роли принимающего шлюза для сбора «Big Data». В качестве источников информации выступают «Яндекс Метрика», «Яндекс Директ», «Коллтрекинг», «Заявки с сайта», «Система учета клиентов» (например, «Битрикс 24» или «AmoCRM»), «Google Adwords», «Facebook», «MyTarget». На самом деле, список не является окончательным и его с легкостью можно расширить, включив в общую систему аналитики «Вконтакте», «Одноклассники», сервисы e-mail рассылок.
Отдельно стоит выделить отслеживание офлайн конверсий, которые могут предоставляться в системе путем интеграции с CRM-комплексом.
Сервисы «Microsoft Power BI» или «Google Data Studio» хранят все собранные данные в облачных пространствах. При нехватке места для сохранения информации со всех возможных источников объем «удаленного» диска на облаке можно расширить за дополнительную плату. Какая из вышеперечисленных систем лучше, говорить сложно, так как все зависит от поставленных целей и других факторов, но посмотреть их сравнение вы можете, перейдя по следующей ссылке.
Не так давно начавшаяся эпоха «Big Data» меняет стандартные способы хранения и обработки информации. Теперь не нужно анализировать все данные по отдельности с ручным сведением в общий отчёт. Достаточно применить мощную оптимизированную централизованную систему, где вся информация сосредоточена в одном едином месте (программном комплексе).
Выполнив функцию обработки и приведения данных к необходимому виду, можно реализовать отчёт о всей маркетинговой деятельности за считанные минуты. Снижение ручного труда (автоматизация), минимизация вероятности возникновения ошибки, а также объективность оценки – ключевые факторы успеха рассматриваемой технологии в интернет-маркетинге.
Остаётся лишь только серьезно отнестись к возможностям сквозной веб-аналитики и регулярно заниматься процессом перераспределения бюджета, стремясь тем самым получить максимально возможную прибыль.
Оставьте заявку назапуск рекламыи получите welcome-скидку! |