Analityka big data u podstaw marketingu w sieci - NowyMarketing

…rezultaty. Bez korzystania z analityki big data nie ma dziś mowy o skutecznym marketingu online.

Wirtualna Polska jest dziś jednym z największych portali internetowych w Polsce. Dzięki swojemu zasięgowi, obejmującemu już około 75 proc. Internetu w naszym kraju (Badanie Gemius/PBI wrzesień) w naszym kraju, może podejmować działania marketingowe w skali, która uzasadnia wykorzystywanie nawet bardzo złożonych modeli analitycznych budowanych w oparciu o rozpoznawanie i przewidywanie zachowań użytkowników. Wirtualna Polska zaczęła korzystać z potencjału big data wkrótce po połączeniu z portalem o2 (2014 r.), z roku na rok w coraz większym zakresie i z coraz lepszymi wynikami.

Zobacz również

Zamiast niechcianej, natrętnej reklamy

Analiza big data wykorzystywana jest w Wirtualnej Polsce po to, by możliwie jak najbardziej trafnie dopasować do odbiorców zarówno wyświetlane treści – artykuły, materiały wideo itp. – jak i reklamy.

Pierwszym beneficjentem zaawansowanej personalizacji treści jest odbiorca. Z jednej strony ma szansę być bardziej zadowolony z zawartości serwisu, dobór i pozycjonowanie artykułów oraz materiałów wizualnych (galerie zdjęć, wideo) są bowiem wynikiem analizy jego gustów i potrzeb. Z drugiej strony, trafiając na oferty reklamowe, które mogą go z dużym prawdopodobieństwem zainteresować, nie odbiera ich jako intruzywne. Precyzyjny dobór ofert pozwala także na ograniczenie tych form reklamy, które postrzegamy jako najbardziej irytujące – krzykliwych, natarczywych, agresywnie przesłaniających treści redakcyjne. Reklama spersonalizowana, w naturalny sposób przyciągająca uwagę użytkownika, jest skuteczna także w dalece mniej ofensywnych formach.

W przypadku pozycjonowania materiałów redakcyjnych najpierw redaktorzy i wydawcy ustalają, jakie treści mogą trafić na stronę główna WP, a następnie algorytmy big data dopasowują je do poszczególnych użytkowników. Automat podejmuje działania na podstawie zebranych wcześniej informacji o użytkownikach, a także w oparciu o ich aktualne zachowania, decydując nie tylko o tym co, ale i w jakim miejscu zostanie wyświetlone. Procesy analityczne zachodzą w czasie rzeczywistym, automat może zatem błyskawicznie zareagować na, załóżmy, przejaw zainteresowania użytkownika tematem opieki nad niemowlakiem – co być może zaowocuje wyświetleniem reklam pieluch lub artykułów o najlepszych środkach pielęgnacyjnych dla dziecka w tym wieku.

Movember/Wąsopad: jak marki zachęcają do profilaktyki męskich nowotworów [PRZEGLĄD]

Aż półtora tysiąca sprofilowanych zbiorów

Wirtualna Polska nie tworzy profili dla każdego użytkownika z osobna, choć każdy z osobna jest monitorowany na podstawie zachowań i informacji, które sam przekazał, na przykład przy zakładaniu konta pocztowego. Tworzone są natomiast tak zwane segmenty, czyli zbiory, do których dany użytkownik pasuje najlepiej. Tych segmentów jest obecnie około półtora tysiąca, profilowanie jest zatem bardzo precyzyjne.

Słuchaj podcastu NowyMarketing

Mechanizmy big data, a konkretniej uczenia maszynowego (ang. machine learning) pozwalają także analizować, czy użytkownicy przypisani do jednego segmentu – na przykład wspomnianych rodziców niemowląt – nie przejawiają także zachowań podobnych do osób przypisanych do któregoś z pozostałych segmentów (potencjalni nabywcy samochodów rodzinnych?), co pozwoli w przyszłości jeszcze celniej kierować do nich komunikację, która potencjalnie mogłaby ich zainteresować. Rodzice, inwestorzy giełdowi, kierowcy – segmentować, czyli profilować można według rozmaitych kryteriów. W rozmaitych przypadkach daje to mniejsze lub większe, a bywa, że nawet stuprocentowe prawdopodobieństwo, iż użytkownik jest zainteresowany daną ofertą.

Konsument wyrusza w podróż na skrzydłach big data

Jak to w praktyce wygląda? Proces przechodzenia przez użytkownika kolejnych etapów zainteresowania ofertą, aż do aktu kupna, nazywamy „podróżą konsumenta” (ang. consumer journey). Podróż zaczyna się na stronie głównej portalu. W jej trakcie użytkownik przesuwa się w głąb tak zwanego lejka zakupowego – im większe deklaruje zainteresowanie, wchodząc w proponowane mu treści redakcyjne, im wyższy jest poziom jego intencji zakupowej, tym lejek się zawęża, a oferta staje bardziej konkretna.

Załóżmy, że automat rozpozna danego użytkownika jako młodego rodzica o średnich zarobkach, a klient, który zamówił kampanię reklamową, oferuje wypoczynek za granicą. Z zebranych danych statystycznych wiadomo, że segment, w którym znajduje się młody rodzic o średnich zarobkach, preferuje wczasy w Grecji, Bułgarii i Hiszpanii, wybierając najchętniej hotele trójgwiazdkowe, a nie wycieczki objazdowe. Automat zaczyna zatem wyświetlać dla danej osoby na stronie głównej Wirtualnej Polski materiały o słonecznych plażach Grecji, uroczych hiszpańskich hotelikach z trzema gwiazdkami lub aquaparkach w Bułgarii. Gdy użytkownik zainteresuje się, klikając w dany materiał, przenoszony jest w miejsce, gdzie czekać już będzie na niego doprecyzowana oferta, na przykład na należącą do Wirtualnej Polski stronę Wakacje.pl – a ten sposób lejek reklamowy się zawęża.

Podwójna precyzja: analiza i dane demograficzne

A jeśli to nie zadziała? Czas na kolejne call to action – ofertę wysłaną mailem wprost do użytkownika. Jeśli, jak wynika z bieżącej analizy zachowań, jest poważnie zainteresowany znalezieniem ciekawej oferty wakacyjnej w Grecji, istnieje spora szansa, że skorzysta z superpromocji na atrakcyjne wczasy w Salonikach, aktualnej „jeszcze tylko przez dwa dni!”.

Katalog danych zbieranych przez Wirtualną Polskę przy tworzeniu przez użytkownika konta to bowiem drugi, oprócz długoterminowego śledzenia profilu i bieżącej analizy zachowań big data, praktyczny zbiór informacji, który zwiększa szansę na udane zakończenie consumer journey. Dane demograficzne deklarowane przy zakładaniu konta, dotyczące płci, wieku, lokalizacji (małe miasto czy aglomeracja?) itd. pozwalają w znaczącym stopniu doprecyzować komunikację i zwiększyć szansę działań marketingowych na sukces.

Jak widać, kluczowe dla sukcesu jest precyzyjne definiowanie segmentów i przypisywane do nich konkretnych użytkowników. Obecnie proces ten jest w Wirtualnej Polsce zautomatyzowany częściowo, już wkrótce jednak automatyzacja będzie kompletna, obejmując także projektowanie kampanii reklamowych w oparciu o segmenty użytkowników.

Cookies? Big data żywi się ciastkami

Informacje o użytkownikach gromadzone są w postaci tak zwanych ciasteczek (ang. cookies). Wirtualna Polska składuje obecnie ok. 200 mln „ciasteczek”. Profilowanie staje się coraz bardziej precyzyjne, opiera się o większą niż kiedyś liczbę punktów pomiaru. Przykładowo, dawniej Wirtualna Polska sprawdzała jedynie, czy konkretny użytkownik uruchomił dany materiał wideo. Dziś jest już w stanie odnotować, czy dotarł do drugiej, czy do trzeciej jego ćwiartki.

Mechanizmy analizy big data wykorzystywane przez Wirtualną Polskę przetwarzają z roku na rok coraz więcej informacji i z coraz większą precyzją wspomagają działania marketingowe. Dziś w szczycie serwis przetwarza aż 7 GB na sekundę. Baza danych co miesiąc rośnie o circa 130 TB, licząc już po kompresji.

Te liczby wkrótce będą jeszcze większe. W niektórych obszarach Wirtualna Polska odnotowuje rok do roku nawet dziesięciokrotny wzrost ilości spływających danych.

To wszystko jednak się opłaca. Personalizowanie ofert dzięki analizie big data, w tym uczeniu maszynowemu, znacznie zwiększa skuteczność działań marketingowych. Efektywność reklamy bazującej na big data w porównaniu do reklamy niewykorzystującej analizy wielkich ilości danych jest zawsze wyższa: od kilkunastu do nawet kilkuset procent, zależnie od branży, kreacji i czasu emisji.

W 2016 r. optymalizowane jest dzięki analizie big data 3,5 razy więcej kreacji reklamowych niż w 2015 r.

Gigantyczne wyzwanie, gigantyczna moc

Do takich obliczeń niezbędny jest bardzo wydajny, niezawodny sprzęt. Infrastruktura odpowiedzialna za analizę big data w Wirtualnej Polsce jest na najwyższym poziomie. To klaster złożony ze 120 komputerów z 240 procesorami Intel® Xeon® E5, zaprojektowanymi specjalnie z myślą o takich właśnie obliczeniach. Łączna pojemność HDFS wynosi 2 PB, a RAM – 5,08 TB.

„Analiza big data jest wykorzystywana w bardzo wielu dziedzinach – od telekomunikacji, bankowości i handlu, poprzez sport i medycynę, po zaawansowane analizy naukowe realizowane na potrzeby astrofizyków czy kosmologów. Firmy używają narzędzi analitycznych do gromadzenia odpowiednich danych, które stanowią podstawę dostosowania oferty do oczekiwań klientów. Wielkie zbiory danych można analizować wyłącznie za pomocą najbardziej wydajnej infrastruktury serwerowej, oferującej ogromną moc obliczeniową” – mówi Gabriela Maksymiuk, Territory Marketing Manager CEE, Intel.

Jak widać, technologia big data to olbrzymie wyzwanie, ale korzyści, jakie przynosi, w pełni je usprawiedliwiają. Trudno dziś wyobrazić sobie prowadzenie poważnego biznesu w internecie bez sięgania po precyzyjne narzędzia analityczne przetwarzające strumienie nieustająco zmieniających się danych. Skala działań oraz wymóg błyskawicznego podejmowania decyzji wymusza automatyzację tych procesów – i nie ma innej alternatywy.