Три технологии, изменившие маркетинг

Мало что так стремительно меняется в современном мире, как методы и инструменты маркетинга. Вряд ли я ошибусь, если предположу, что каждый маркетолог мечтает отыскать ту самую волшебную кнопку, которая отправит прибыль компании в заоблачные высоты. Я верю, что машинное обучение и цифровой маркетинг – как раз то, что поможет компаниям расти быстрее.

Три основных тренда в цифровом маркетинге действительно помогают компаниям увеличивать продажи. Они подходят не только Ozon.ru с его теперь уже 4,7 млн товарных позиций в 27 категориях, но и каждой компании практически из любой сферы.

Искусственный интеллект завоевывает мир, а с ним и цифровой маркетинг. Это первый тренд. Традиционный маркетинг – это попытка выявить целевую аудиторию и изучить ее при помощи фокус-групп. Затем – составление медиаплана (на год вперед), запуск рекламных кампаний через различные каналы и, наконец, оценка их эффективности и корректировка. Этот цикл может повторяться много и много раз, а оптимизация рекламной кампании занимает месяцы и годы, в лучшем случае – недели.

Новые технологии дали возможность все делать гораздо быстрее: получать прямые сигналы о поведении клиентов, проводить исследования именно по тем областям, которые нуждаются в оптимизации (например, продажи). Искусственный интеллект помогает выявить связь между данными о поведении потребителей и выбранными бизнес-показателями компании – выручкой, например, или прибылью. Весь маркетинговый цикл начиная от сбора информации до построения модели и ее внедрения схлопнулся до дней, минут и даже секунд.

Второй тренд современного маркетинга – смещение фокуса с каналов коммуникации на аудиторию. Сегодня оптимизация каналов и оптимизация аудитории стали двумя разными задачами. Цифровой маркетинг появился, когда технологии дали возможность работать с большими объемами данных, извлекая из них полезную информацию. Но за этими массивами данных маркетологи часто уже не различают покупателей – они бросились изучать эффективность коммуникационных каналов: где и у какого баннера выше кликабельность, у какого канала и кампании более высокая отдача на вложения и проч. Теперь пришло время вернуться к изучению того, кто наши покупатели, что нужно сделать, чтобы сохранить клиентов и уберечь от влияния конкурентов.

Третий тренд – детализация, или отказ от усреднения больших массивов данных. Изучать клиентов проще, разбив их на мелкие группы. И здесь лучше всего работает поведенческая классификация клиентов – она позволяет понять, когда клиент в последний раз покупал именно у вас, что именно и проч.

Как использовать эти три тренда на практике? В Ozon.ru мы считаем ключевым сбор информации обо всех посетителях и ее использование в технологиях машинного обучения для поиска закономерностей. Это универсальный подход, который может использовать любой бизнес. «Дайте мне информацию – и я переверну мир» – это девиз года. И в этом смысле у интернет-магазинов значительное преимущество: у каждого клиента есть ID, у каждого продукта есть ID, все шаги клиента поддаются изучению вплоть до каждого клика: как он пришел на сайт, что искал, как реагировал на имейлы, как пообщался с колл-центром. Вопрос только в том, как использовать эти данные и какую модель выбрать для прогноза поведения потребителей.

Модель, которую выбрал Ozon.ru, можно назвать CBR. Мы вычисляем вероятность возвращения клиента на сайт при переходе с бесплатного канала, т. е. по собственной инициативе (come), вероятность покупки в случае посещения сайта (buy) и ее стоимость (revenue). Такие подсчеты делаются ежедневно для каждого посетителя последние несколько месяцев. Точность прогнозов удивительна, особенно в отношении выручки на одно посещение (RPV, revenue per visit). Теперь мы видим тех посетителей, у которых ожидаемый RPV в несколько раз выше среднего – 100–1000 руб. на визит.

Мы объединяем посетителей в 20 основных групп по ожидаемому RPV на основе «Яндекс.Метрики». Нашей целью было иметь целевой CPO (cost per order – стоимость покупки для рекламодателя) для всех 20 групп. Но одновременно выяснилось, что конверсия посетителей в покупателей выше в более ценных сегментах.

В итоге внедрения модели CBR наш оборот после поиска по ключевым словам (не содержащим брендовые запросы) в Яндексе вырос на 250% (месяц к месяцу в рублях выручки, данные за январь – сентябрь 2017 г.), а одновременно улучшилась и доходность инвестиций. Покупатели начали быстрее возвращаться на сайт, так что реактивация спящих покупателей превысила их отток. Покупки, включающие одновременно товары из нескольких категорий, начали стремительно расти. Доля покупок «две категории и более» увеличилась на 30% для заказов, сгенерированных из поиска в Яндексе.