Маркетинг 5.0. Технологии следующего поколения

Шаг 2: определить требования к данным и их доступность

В цифровую эпоху объем данных растет по экспоненте. Не только идет углубление в детали, но расширяется и разнообразие данных. Однако не все данные ценны и актуальны. После того как компании сузили фокус на целях, они должны начать определять, какие данные подходят для сбора и анализа.

Нет единственного верного способа классифицировать большие данные. Но один из практичных способов состоит в категоризации на основе источника:

1. Данные из социальных сетей, включающие всю информацию, которой делятся пользователи в социальных сетях: местоположение, демографическая информация и интересы.

2. Данные из медиа, которые включают оценку аудитории в традиционных медиа, таких как телевидение, радио, печать и кино.

3. Данные по веб-трафику, которые включают все регистрационные записи, созданные пользователями при навигации в интернете и таких действиях, как показы страниц, поисковые запросы и покупки.

4. Данные с точек продаж и транзакционные, которые включают записи всех транзакций, совершенных покупателями: сумму, информацию о кредитной карте, покупки, время и иногда идентифицирующий покупателя номер.

5. Данные из устройств «интернета вещей», включающие всю информацию, собранную связанными устройствами и сенсорами: местоположение, температуру, влажность, близость других устройств и важнейшие сигналы.

6. Данные по вовлечению, которые включают все прямые точки взаимодействия компании с покупателями: информация из центра обработки звонков, обмен электронными письмами и данные из чата.

Маркетологам необходимо разработать план сбора данных, включающий каждый тип данных, который должен быть получен для достижения заранее определенной цели. Матрица данных – это полезный инструмент для привязки требуемых данных к целям. Просматривая матрицу данных горизонтально, маркетолог может определить, достаточно ли данных для достижения цели. Для получения значимых выводов требуется триангуляция данных: наличие нескольких источников данных, которые дают целостную картинку. Просмотр матрицы данных вертикально также помогает маркетологу понять, какая информация нужна для извлечения из каждого источника данных (см. рисунок 8.3).

Рисунок 8.3. Структура матрицы данных[26]

Некоторые из типов данных, ранее упомянутые в пронумерованном списке, такие как данные по транзакциям и вовлечению, являются внутренними, принадлежат компании и доступны для маркетологов. Однако не все внутренние данные готовы к использованию. В зависимости от того, насколько хорошо организованы и систематизированы записи, может потребоваться очистка данных, которая включает исправление неточных данных, консолидацию дублирующих значений и работу с неполными записями.

Другие наборы данных, такие как данные из социальных сетей или медиа, – это внешние данные, и они должны быть приобретены через сторонние организации. Некоторые данные также могут приходить от партнеров по цепочке поставок, например от поставщиков, логистических компаний, розничных магазинов и аутсорсинг-компаний.

Шаг 3: построить интегрированную экосистему данных

Большинство основанных на данных маркетинговых инициатив начинается как специализированные agile-проекты. Однако в долгосрочной перспективе управляемый данными маркетинг должен стать отлаженным операционным процессом. Чтобы убедиться, что усилия по сбору данных сохраняются и данные постоянно обновляются, компании должны построить экосистему данных, которая интегрирует все внешние и внутренние данные.

Самая большая сложность в интеграции данных – это найти общий знаменатель во всех источниках данных. Самой идеальной будет интеграция данных на уровне конкретного покупателя, позволяющая создать «сегмент из одного». Хорошая практика создания записей гарантирует, что каждый зафиксированный набор данных о покупателе всегда привязан к уникальному идентификационному номеру клиента.