Cyfrowe informacje generowane są już nie tylko przez nasze komputery osobiste, gdy surfujemy w sieci, robimy zakupy w e-sklepach czy deklarujemy swoje zainteresowania w mediach społecznościowych. To tylko wierzchołek góry lodowej, która zamiast topnieć, rośnie jak na drożdżach.
Coraz więcej danych zbieranych jest przez firmy, m.in. dzięki systemom CRM i ERP. Dotyczą one np. interakcji z klientem, zrealizowanych transakcji, jak również procesów zachodzących wewnątrz przedsiębiorstw, cykli produkcyjnych czy dostaw towarów. Przykłady można by mnożyć i mnożyć. W rzeczywistości, w dużych podmiotach gospodarczych istnieje już niewiele aktywności, które nie byłyby rejestrowane przez systemy IT. Im nowocześniejsza firma, tym więcej danych przetwarza i monetyzuje. Regalix podaje, że przychody firm, które zaprzęgły analitykę danych do działań marketingowych, wzrosły nawet o ponad 50 proc. Marketing to jednak nie wszystko, z czego doskonale zdają sobie sprawę najwięksi rynkowi gracze, którzy dzięki zaawansowanym analizom wielkich zbiorów cyfrowych informacji podejmują lepsze decyzje biznesowe, co bezpośrednio przekłada się na ich wyniki finansowe. O tym, jak ważną rolę w zmieniającym się świecie odgrywają dane, przekonują również eksperci z IDC. Ich zdaniem, w nowej gospodarce najlepiej poradzą sobie te organizacje, które nie tylko zbudują strumienie przepływu cyfrowych informacji — zarówno wpływających do firmy, jak i z niej wypływających — lecz także nauczą się te informacje skutecznie przetwarzać i monetyzować.
Zobacz również
Platformy, które mogą więcej
Jeszcze kilka lat temu brakowało technologii, która pozwoliłaby na przetwarzanie wielkich, często nieustrukturyzowanych zbiorów danych, pochodzących z wielu źródeł. Standardowe systemy BI ledwo radziły sobie z danymi, generowanymi przez przedsiębiorstwa, a analityka wolumenów Big Data pozostawała w sferze marzeń nielicznych wizjonerów. Wszystko zmieniło się wraz z rozwojem platform DMP (data management platform), które powstały w odpowiedzi na rosnące zapotrzebowanie na zaawansowaną analitykę danych i przyczyniły się do prawdziwej rewolucji. Żaden sektor IT nie rozwija się dziś tak szybko, jak sektor analityki Big Data. Najnowszy raport MarketsandMarkets wskazuje na 31 proc. wzrost wartości rynku BDaaS (Big Data as a Service) rok do roku. Do 2020 r. rynek analityki danych świadczonej w formie usługi ma być wart ponad 7 mld dolarów.
Możliwości nowoczesnych platform DMP są ogromne, a w swoich obliczeniach wykorzystują one zaawansowane algorytmy sztucznej inteligencji, takie jak np. uczenie maszynowe. Dostarczają one nieosiągalne dotychczas wyniki, wprawiające w osłupienie najlepszych specjalistów. Przekonał się o tym m.in. Joel Dudley, przewodniczący zespołu badaczy w szpitalu Mount Sinai Hospital w Nowym Jorku. Prowadzony przez niego program „Deep Patient” miał wykorzystać potencjał sztucznej inteligencji do przewidywania chorób. System wziął pod lupę karty 700 tys. pacjentów, analizując sprawozdania z wizyt w przychodni, wyniki badań, dane fizjologiczne i setki zmiennych. Korzystając z technologii deep learningu, pozbawiony reguł narzuconych przez programistów, system odkrył wzorce, ukryte w szpitalnej bazie danych i na ich podstawie stawiał zadziwiająco precyzyjne diagnozy. Prawdziwa konsternacja zapanowała, gdy okazało się, że system doskonale radzi sobie z rozpoznawaniem schorzeń psychicznych, takich jak schizofrenia. Choroby tego typu są trudne do zdiagnozowania nawet przez najlepszych specjalistów w dziedzinie psychiatrii.
Platformy DMP, a nowy marketing
Korzyści płynących z wykorzystania przez firmy zaawansowanych platform DMP jest wiele. Ich najważniejszą cechą, której pozbawione są inne narzędzia do analityki danych, jest możliwość przetwarzania ogromnych ilości nieustrukturyzowanych cyfrowych informacji z licznych źródeł. Do najliczniejszych należą anonimowe dane o preferencjach i aktywności internautów, wykorzystywane m.in. do tworzenia kampanii w systemie programmatic. Stanowią one smakowity kąsek dla marketerów, pragnących dotrzeć z dopasowanym przekazem reklamowym do najlepiej konwertującej grupy docelowej. Pozyskuje się je z hurtowni danych, a zbiera najczęściej za pośrednictwem plików cookies. Największa taka hurtownia w Europie należy do Cloud Technologies i przetwarza ponad 3 mld anonimowych profili internautów. Dowiemy się z nich m.in o ich decyzjach i intencjach, zainteresowaniach, odwiedzanych stronach czy wyszukiwanych hasłach. Poza takimi danymi przetwarza się również szczegółowe dane demograficzne, pochodzące z renomowanych firm badawczych, dane geolokalizacyjne, bazy mailingowe i niezwykle istotne w działaniach marketingowych dane typu 1st party, pochodzące najczęściej z wewnętrznych systemów klasy CRM.
#PolecajkiNM cz. 32: czego szukaliśmy w Google’u, Kryzysometr 2024/25, rynek dóbr luksusowych w Polsce
By zobaczyć, jak dane z poszczególnych źródeł się uzupełniają, weźmy pod lupę hipotetyczny przykład: operator sieci komórkowych chce reklamować nową ofertę z debiutującym na rynku smartfonem. Dzięki wykorzystaniu danych z systemu CRM będzie on mógł wyświetlić reklamę zachęcającą do przedłużenia kontraktu klientom, których umowa niebawem dobiegnie końca i pominąć tych, co zdecydowali się na zakup abonamentu w niedalekiej przeszłości. Odmienna kreacja i landing page przeznaczone będą dla osób, które nie znajdują się w gronie klientów operatora. Jeśli udałoby się mu pozyskać, jako dodatkowe źródło danych informacje z systemu CRM firmy zajmującej się na przykład naprawą urządzeń mobilnych, to odpowiednio dopasowaną reklamę mógłby skierować do osób, które uszkodziły swój dotychczasowy telefon i prawdopodobnie nie zdążyły jeszcze zakupić nowego. Przy takim targetowaniu można by było wziąć pod uwagę dane dot. zarobków, bo przecież nie każdy może pozwolić sobie na zakup smartfona z wyższej półki. Z pewnością należy również uwzględnić osoby, które szukały w sieci informacji o telefonach komórkowych, oglądały ich recenzje i wchodziły na strony z porównaniem ofert operatorów. Powinno się również pamiętać o analizie danych typu 2nd party, czyli na przykład wyników poprzednich kampanii, kliknięciach i konwersjach przypisanych do konkretnych plików cookies.
Słuchaj podcastu NowyMarketing
Marketerzy specjalizujący się w digitalu doskonale rozumieją, że reklama online to zawsze „work in progress”. Nie ma znaczenia, że kreacja jest świetna, a profile behawioralne odbiorców to data science przez duże S ze sporą domieszką psychologii i socjologii. Ilość i jakość pracy włożonej w przygotowanie kampanii rzecz jasna przekłada się na jej wyniki, ale nie bądźmy naiwni: jeśli chcemy mieć ponadprzeciętne rezultaty, musimy poświęcić czas na optymalizację działań reklamowych podczas trwania kampanii, poprzedzoną szczegółową analizą wyników. Może okazać się np. że internauci mieszczący się w segmentach biznes i nowe technologie klikają w nasz baner kilkanaście razy częściej od tych, interesujących się np. modą czy zdrowiem. W takiej sytuacji należy pomyśleć nad zmianą kreacji dla zobojętniałych grup internautów lub zaprzestaniem wyświetlania im reklam oraz intensyfikacją emisji dla najlepiej konwertującego segmentu. Aby odpowiednio zoptymalizować tego typu proces, z pomocą przychodzą nam raporty Adience-Insight’owe, które są zaawansowaną funkcjonalnością każdej profesjonalnej technologii Data Managment Platform.
Kolejną istotną zaletą posiadania platformy DMP jest możliwość gromadzenia i aktualizowania licznych zbiorów danych oraz wykorzystywania ich do realizacji działań reklamowych za pośrednictwem różnych platform DSP (Demand Side Platforms). Bez własnej platformy DMP reklamodawca ograniczony jest zazwyczaj do jednej platformy DSP, na której gromadzi dane z realizowanych kampanii, co znacząca ogranicza zasięg prowadzonych przez niego działań reklamowych. Posiadanie własnej platformy DMP daje marketerom olbrzymią niezależność i nieograniczone możliwości integracji innych systemów oraz komplementarnych źródeł danych.
CRM, jakiego jeszcze nie znacie
Systemy CRM, które wykorzystuje się m.in. do zbierania informacji o klientach, bogate są w wartościowe dane typu 1st party, ale brakuje im dodatkowych informacji, które można wykorzystać m.in. do prowadzenia spersonalizowanych działań marketingowych. Z tego powodu, wiele przedsiębiorstw decyduje się na wdrożenie procesu, który w języku angielskim nazywa się „Data Enrichment”. Wzbogacając systemy CRM o dane zewnętrzne, firmy mogą nie tylko lepiej poznać swoich klientów, lecz również odpowiednim kanałem o najlepszej porze dotrzeć do nich z mocno spersonalizowaną ofertą.
Połączenie danych z systemu CRM, aplikacji i stron internetowych firmy z danymi typu 3rd party pomaga w tworzeniu cyfrowych portretów osób najczęściej korzystających z jej produktów lub usług. Znając ich zainteresowania, stopień zamożności i inne szczegóły z życia prywatnego tworzy się profile behawioralne idealnych klientów i na ich podstawie dociera z reklamą internetową do internautów o podobnej charakterystyce. Dzięki danym typu 3rd party możliwe jest również utworzenie 360-stopniowych profili klientów i ich szczegółowa segmentacja. W ten sposób można kierować komunikaty marketingowe dopasowane do potrzeb i zainteresowań poszczególnych grup, pomijając segmenty przynoszące najmniejsze zyski lub najgorzej rokujące.