employee from 01.01.2014 to 01.01.1924
Moskva, Moscow, Russian Federation
VAC 08.00.05 Экономика и управление народным хозяйством (по отраслям и сферам деятельности, в том числе: экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда; экономика народонаселения и демография; экономика природопользования; экономика предпринимательства; маркетинг; менеджмент; ценообразование; экономическая безопасность; стандартизация и управление качеством продукции; землеустройство; рекреация и туризм)
VAC 08.00.10 Финансы, денежное обращение и кредит
VAC 08.00.12 Бухгалтерский учет, статистика
VAC 08.00.13 Математические и инструментальные методы экономики
VAC 08.00.14 Мировая экономика
UDK 33 Экономика. Экономические науки
GRNTI 06.39 Наука управления экономикой
GRNTI 06.81 Экономика и организация предприятия. Управление предприятием
OKSO 38.03.01 Экономика
OKSO 38.03.02 Менеджмент
BBK 65 Экономика. Экономические науки
BISAC BUS043000 Marketing / General
BISAC BUS108000 Research & Development
Using of Big Data increases the efficiency of solving of marketing tasks, including drawing up a portrait of a consumer and building communication with him, based on the analysis of information from social networks (Facebook) and search engines (Google). An assessment of the capabilities and limitations of these technologies showed that the use of Big Data doesn’t always provide the absolute best marketing solutions. Therefore, the use of Big Data seems to be justified in marketing only in a number of areas, directed by a professional marketer, for whom Big Data technologies are an effective tool that allows to prepare an analytical base for making creative decisions.
Big Data, marketing analytics, consumer portrait, social networks
Маркетинг давно вошел в нашу жизнь, и с начала ХХ века, когда этот термин впервые был использован, претерпел немалые изменения, став сегодня неотъемлемой функцией любого бизнеса, нацеленного на достижение поставленной цели – будь то максимизация прибыли, или цели некоммерческого толка. Изменения диктовались, прежде всего, трансформацией внешней среды, развитием рынков, совершенствованием информационно-коммуникационной системы, появлением новых технологий, в том числе, и организационных, изменением поведения экономических агентов. Но в центре внимания оставался потребитель, и сегодня в эпоху глобальной экономики, жесткой конкуренции практически на всех существующих рынках, быстро меняющихся предпочтений, выигрывает по-прежнему тот, кому удается понять и удовлетворить желания потребителя самым наилучшим образом, используя современный арсенал маркетинговых инструментов.
Понимание потребителя предполагает наличие ответов на множество вопросов, среди которых можно выделить наиболее значимые:
- кто является потребителем компании, каковы его социально-демографические и психографические характеристики;
- каким образом потребитель делает покупку, как выбирает товар или услугу, на что обращает больше всего внимания – на цену, бренд, удобство покупки и т.д.;
- где потребитель предпочитает приобретать продукт;
- каким образом потребитель использует приобретенный товар, насколько важен послепродажный сервис;
- рекомендует ли потребитель понравившийся товар или услугу, ругает ли непонравившийся товар или услугу, что его может заставить купить то, что не очень понравилось в первый раз;
- кто влияет на выбор потребителя, какие источники информации он использует.
Для ответа на поставленные вопросы в течение длительного времени применялся примерно один и тот же способ получения информации, а именно – качественные и количественные исследования. Формы их реализации совершенствовались со временем, но, по своей сути, они оставались прежними. Все так же потребитель был активным участником проводимого исследования и в подавляющем большинстве случаев исследовалась выборка, а не генеральная совокупность потребителей, относящихся к целевому сегменту. Последнее означает, что полученные на выборке результаты даже количественных исследований зачастую (при несоблюдении правил формирования выборки или отсутствия денег на должный охват респондентов) могут быть распространены на всю генеральную совокупность лишь с определенной долей уверенности. Результаты же качественных исследований – в принципе – дают точное понимание поведения только тех потребителей, которые вовлечены в исследование. Но, пожалуй, еще более проблемным оказывается само участие потребителя – в опросе, холл-тесте, фокус-группе или глубинном интервью, поскольку потребители не говорят правду. Делают ли они это специально – потому что стесняются, хотят выглядеть лучше или еще по какой-то причине, или даже неосознанно – неважно. Важно, что результаты исследования искажаются, а на их основании компании принимают важные и весьма дорогие управленческие решения, которые влияют на их дальнейшую жизнь.
Сегодня в руках маркетолога появился новый эффективный инструмент для исследования потребителя – это анализ на основе Big Data (больших данных). С его помощью, как будет показано в дальнейшем, можно преодолеть две названные проблемы, поскольку он позволяет охватить исследованием всю генеральному совокупность изучаемых потребителей, а кроме того, в определенной мере «обойти» ложь – вольную или невольную – потребителей, создающую неправильное представлении у компании о потребителях.
Существуют различные определения Big Data, но следующее определение, данное Мервином Адрианом в журнале Teradata Magazine в 2011 году хорошо отражает суть больших данных: «Большие данные – это данные, сбор, управление и обработку которых невозможно осуществить с помощью наиболее часто используемых аппаратных сред и программных инструментов в течение допустимого для пользователя времени».
Действительно объем информации за последние десятилетия вырос многократно, в частности, интернет-трафик, который используется для приближенной оценки объемов потоков данных, составлял в 2002 году 100 ГБ в секунду, тогда как в 2022 году составит – по прогнозам, 1650700 ГБ в секунду. Данные поступают из разных источников, являются как структурированными, так и неструктурированными, что ранее было серьезным барьером для их обработки. Для обработки такого объема различного рода информации теперь требуются совсем иные аппаратные средства и программное обеспечение, чем ранее. Современные технологии хранения и обработки данных, в том числе, на основе машинного обучения, позволяют это сделать, причем в разумные сроки – для того, чтобы принятое на основе их анализа управленческое решение не оказалось безнадежно опоздавшим.
Большие объемы информации, в том числе, из ранее крайне мало используемых источников, собранной и подвергнутой анализу, преобразуется в цифровой интеллект, который позволяет находить новые закономерности в поведении потребителей, устанавливать ранее не очевидные взаимосвязи, подвергать изучению отдельного потребителя, а не целые потребительские совокупности. Предполагается, что все это вместе взятое позволит создавать такие продукты и услуги, которые будут в наибольшей степени соответствовать глубинным потребностям потребителей и продвигать их таким образом, чтобы эффективность этого продвижения была максимальной.
Таким источником больших данных, анализ которых ранее почти не проводился, являются социальные сети, в частности, Facebook, Instagram, ВКонтакте, Twitter и другие. Минимальное использование данных из социальных сетей объяснялось неструктурированным характером информации. Люди в своих аккаунтах или комментариях пишут так, как хотят, соблюдая или нет правила грамматики и пунктуации, используя сокращения, сленговые словечки, неологизмы, что ранее существенно осложняло анализ данной информации.
Другой, не менее интересный, с точки зрения понимания потребителя, источник больших данных – поисковики, то есть поисковые системы, например, Google, Yandex, Rambler. В них люди ищут нужную им информацию, забивая в поисковую строку те или иные слова или фразы. Оба названных источника – весьма ценные, хотя нельзя сказать, что информация, получаемая из них о потребителе, носит одинаковый характер и используется одинаково. Для того, чтобы сравнить характер данных, получаемых из поисковиков и социальных сетей, а также направления их использования, более подробно рассмотрим Facebook и Google.
Первоначально рассмотрим, как Facebook собирает данные, которые в дальнейшем используются для анализа. Сегодня Facebook – чрезвычайно популярная социальная сеть, являющаяся главной социальной платформой в более, чем 90% стран мира. Время в Facebook – это третье по продолжительности времяпрепровождение, после дома и работы, в среднем 40 минут в день. Там пользователи обмениваются мнениями, рассказывают о своей жизни, ее значимых и не значимых деталях, выражают свою радость по поводу хороших событий, произошедших у друзей, и выражают сочувствие по поводу плохих, организуют мероприятия и многое другое. Таким образом Facebook собирает все данные, которые пользователи, по сути, добровольно отдают в распоряжение этой социальной сети. Это касается места работы или учебы, любимых книг, картин, спектаклей, кино, политических и религиозных предпочтений, любых реакций на другие посты в виде комментариев или просто лайков, воспоминаний, мест посещения, если там была поставлена геометка, и, наконец, друзей. А также фото- и видеоматериалов, размещенных в профиле, или на которых был отмечен пользователь.
Уже этой информации достаточно, чтобы построить довольно полный профиль пользователя, чтобы, например, понять, какая реклама может его заинтересовать. Тогда автоматический алгоритм Facebook сгенерирует для пользователя наиболее подходящую рекламу. Но Facebook не ограничивается только теми сообщениями, которые пользователь опубликовал, собираются и те, которые он набирал, а потом удалил или отредактировал - так Facebook получает информацию о намерениях пользователя. К тому же Facebook сохраняет метаданные, то есть, данные о данных пользователя – например, с какого устройства пользователь выходил в сеть, набирая свой логин и пароль, сколько времени там провел.
Когда пользователь выходит из Facebook все равно все его действия продолжают отслеживаться через систему единого входа. Но даже если разлогиниться, то есть, выйти из системы, то все равно Facebook продолжит собирать информацию о пользователе с помощью файлов cookies. Facebook может собирать информацию на сторонних вэб-сайтах, которые посещает пользователь, поскольку они также пользуются программами и сервисами Facebook.
Нельзя не сказать о таком важном направлении сбора информации, которое осуществляет Facebook – это коллекционирование лиц. Если пользователь хоть раз загрузил свое фото в Facebook (или в WhatsApp или Instagram), или это сделал кто-то другой и отметил его тегом на фото, то сеть сохранит это лицо, создав «цифровой биометрический шаблон». Facebook использует программу Deep Face, позволяющую сопоставлять различные фото пользователя и затем «узнавать» его даже на тех фото- или видеоизображениях, где он не помечен тегами. Таким образом, профиль любого пользователя Facebook, хранящийся на его серверах дополняется дополнительной информацией о его друзьях и о том, где и когда он побывал.
Если пользователь не предоставляет достаточного количества данных в Facebook, то Facebook сам собирает информацию о пользователе и создает так называемый теневой профиль. Туда будут входить альтернативные электронные адреса пользователя, его телефон, домашний адрес – все это несложно получить от других пользователей, которые их сообщают Facebook, когда ищут пользователя для того, чтобы «стать друзьями» с ним.
Таким образом, Facebook собирает вместе с партнерскими сайтами до 29 тысяч демографических показателей. Большие объемы данных, оказывающиеся в распоряжении Facebook и содержащие информацию (с большей или меньшей степенью детализации) о подавляющем большинстве пользователей Интернет, позволяют решать ряд задач. В частности, одной из них является проведение различных исследований, целью которых является выявление закономерностей поведения пользователей, которые одновременно являются потребителями большого количества товаров и услуг. И благополучие компаний, их производящих, напрямую зависит от того, насколько они, действительно, понимают тайные и явные, осознанные и неосознанные желания потребителей, и могут, в соответствии с этим пониманием, правильно их «продвинуть» на целевую аудиторию. Надо отметить, что глубокое знание потребителя позволяет в определенной степени манипулировать им, влиять на его настроение и поведение. В частности, такие манипуляции Facebook осуществляет над пользователями, используя так называемый пузырь фильтров. Facebook стремится удержать пользователя на как можно более длительное время, чтобы он успел увидеть больше историй и больше рекламы, размещаемой специально для него. Поэтому Facebook формирует для каждого пользователя свою новостную ленту, включая туда как приятные для пользователя новости, так и те, которые будут вызвать противоречивые чувства, желание вступить в полемику. Все, что пользователя не привлекает, исключается из ленты новостей.
Главной же задачей, которая решается на основе анализа больших данных, это таргетирование рекламы, то есть настраивание рекламы на определенных пользователей с фокусировкой на любой из их возможных характеристик, например, на определенном месте жительства, возрасте, поле, этапе жизненного цикла, наличии маленьких детей, домашних животных, увлечение ци-гуном или аргентинским танго. Таргетированную рекламу можно настроить сколь угодно узко, лишь бы такие тонкие настройки были оправданы, поскольку могут привести к неэффективному, с экономической точки зрения, сужению целевой аудитории.
Кроме того, собранные данные могут быть проданы другим компаниям, где их объединят с полученной из других источников информацией, например, о телефонных переговорах или использованию кредитных карт.
Возникает вопрос, действительно ли Facebook обладает истинной информацией о своих пользователях, и действительно ли этой социальной сети (и другим социальным сетям тоже) удалось полностью обойти вечную боль маркетолога – ложь потребителя? Конечно, у Facebook, как и у других социальных сетей много инструментов для того, чтобы обойти ложь потребителей. Но поскольку в значительной мере профиль любого пользователя Facebook зависит от того, что он сам публикует в сети – то извечное желание многих людей выглядеть в глазах «друзей по Facebook» лучше – красивее, богаче, умнее, сильнее, добрее, приводит к немалым искажениям. И это ограничивает использование Facebook для оценки реальных преобладающих в обществе взглядов на любые стороны жизни.
Другой источник больших данных лучше справляется с этой задачей, и этот источник – различные поисковые системы в Интернете, прежде всего, Google. Как известно, Google имеет много различных сервисов и приложений, и среди них Google Trends. Это приложение, созданное в 2009 году, позволяло своим пользователям определять, как часто то или иное слово или фраза появлялось в различных источниках, и носило преимущественно развлекательный характер. Сегодня оно превратилось в действенный аналитический инструмент Google, показательным примером его эффективности является следующий. По данным Всеобщего социального исследования в Америке женщины указали, что они занимаются сексом в среднем 55 раз в год, и в 16% случаев пользуются презервативом. Рассматривались только случаи гетеросексуального контакта. То есть, в год должно было использоваться порядка 1,1 млрд. презервативов. На основе опроса теперь уже мужчин, была получена несколько иная итоговая цифра, а именно – 1,6 млрд. презервативов. Явная несостыковка в цифрах выглядит еще интереснее, поскольку по данным о продажах данного продукта, полученным в результате исследований, проводимых компанией ACNielsen, эта цифра составила 600 млн. штук. Почему же потребители оказались столь нечестными в своих ответах, о чем они лгали – о частоте защищенного секса, или о частоте секса в принципе? Анализ поисковых запросов показал чрезвычайно высокую частоту такого запроса в Google, как «брак/отношения без секса», уступала она только запросу «жесткий секс». Это и позволило сделать обоснованный вывод, что многие потребители не готовы признаться в том, что в этой части жизни они не получают того, чего им хотелось бы, и что является сложившимся социальным стандартом. Это говорит о том, что использование статистики по поисковым запросам в Google позволяет подняться на новую ступеньку в понимании человека, в том числе, и как потребителя.
Главная особенность поисковых запросов, из-за которой их анализ дает объективную информацию, заключается в том, что люди не врут, когда вводят слова в поисковик. Получается, что ему доверяется таким образом, помимо обыкновенной, и очень конфиденциальная информация. Например, в запросе может быть «меня преследуют странные люди» или «я слышу голоса», может быть «папа бьет меня, что делать», опять же - «брак без секса» и многое другое. Это происходит потому, что люди заинтересованы в этом случае быть правдивыми, иначе они не получат полную информацию по нужному им вопросу. Глупо, если болит голова и нужно понять, что делать, или чем можно снять боль, вводить в поиск «болит пятка». С таким же успехом, можно вообще ничего не спрашивать. Поэтому люди заинтересованы вводить такие поисковые запросы, которые позволят максимально точно описать имеющуюся проблему или задачу. Их правдивости очень способствует то, что они могут это сделать в одиночестве, он-лайн и, хочется надеяться, анонимно. Именно последнее зачастую объясняет тот факт, что в поисковики часто вводятся слова и фразы, которые даже не являются запросами на поиск конкретной информации по интересующему вопросу. Это, скорее, выражение эмоций – радости, страха, озабоченности. Людям иногда хочется поделиться своим состоянием, но не с кем или это хочется сделать анонимно.
В Facebook, например, все сообщения пользователя, как и его реакция на различные события, высказывания и прочее, не анонимны. И пользователь будет создавать такой портрет себя, который больше нравится ему самому и больше соответствует бытующим в обществе представлениям о культурном, успешном, творческом, самобытном человеке. Именно поэтому значительное количество пользователей Facebook предстают перед сообществом своих друзей в виде довольного человека, который состоит во вполне счастливых отношениях, отдыхает в интересных и престижных местах, часто посещает выставки и спектакли, читает Ф. Ницше и Л.Н. Толстого, смотрит фильмы Б. Бертолуччи или Педро Альмадовара, а еще – всегда прекрасно выглядит, находится в отличной форме и модно одевается – этот список можно продлить. Хотя очевидно, что далеко не у всех из них жизнь столь хороша, стабильна и беспроблемна.
То есть, именно поисковики дают не просто большие объемы данных, которые, будучи проанализированы, позволяют приходить к весьма неожиданным выводам, но это данные, на которые можно положиться, потому что в их основе лежит правдивая информация о потребителе. Надо отметить, что зачастую большие данные, полученные из разных источников, например, поисковика (Google) и социальной сети (Facebook), подтверждают друг друга. Например, вопреки мнению, которое почему-то стало довольно устойчивым в обществе, что Рождество – это время, когда много людей испытывают тоску и грусть, анализ данных Facebook указывает на то, что этот праздник для большинства людей все же счастливый и радостный день. Можно возразить, что просто пользователи Facebook демонстрируют в своих аккаунтах радость и счастье, так как так принято, потому что это – показатель социальной успешности. Но если проверить статистику запросов в Google, касающихся различных проявлений депрессии, в том числе, грусти, ощущения одиночества и прочее, окажется, что в Рождество – таких запросов становится значительно меньше.
Обобщая возможности, которые дает анализ больших данных, получаемый из разных источников, в частности, поисковиков и социальных сетей, можно отметить следующее:
- новые данные, получаемые в эпоху технологий Big Data, позволяют значительно углубить понимание потребителя, принципиально улучшить понимание человеческой натуры, в целом. Это оказывается чрезвычайно важным для компаний, желающих процветать в эпоху жесточайшей конкуренции на большинстве существующих рынков;
- большие данные дают принципиально новую информацию, но не потому, что их объем велик - известно, что Google и другие компании, работающие с большими данными, «обрезают» массивы данных. Ценность этих данных в том, что они более правдивы, чем та информация, которая поступает из традиционных источников данных, например, любого вида исследований, в которых участвует потребитель;
- качество информации, поступающей из рассматриваемых в статье источников – социальных сетей и поисковиков, с точки зрения ее объективности, различается в зависимости от величины участия субъективного фактора – то есть, потребителя - в формировании этой информации. Таким образом, информация о потребителях из поисковиков (Google) оказывается более объективной, чем информация из социальных сетей (Facebook);
- анализ информации, получаемой из поисковиков (Google), является более релевантной для выявления тенденций, характерных для социума в целом, или для отдельных социальных групп. В том числе тех, которые не очевидны и иногда парадоксальны. Тогда как информация, получаемая из социальных сетей (Facebook) позволяет создать довольно полный профиль индивидуального потребителя, даже в том случае, если он не активен или даже не зарегистрирован в данной сети.
На этом фоне важнейшим становится вопрос о современной роли маркетолога, его необходимости и значимости для принятия всего спектра маркетинговых решений. Рассмотренные выше возможности, которые дают технологии Big Data для понимания потребителя и, как предполагается, формирования на этой основе лучших – по своей ожидаемой эффективности - маркетинговых и рекламных стратегий, действительно впечатляющие. Но означает ли это, что работающий сегодня с большими данными data scientist лучше решит любую маркетинговую задачу, чем маркетолог?
Действительно технологии Big Data могут дать новую правдивую информацию о потребителе, но важнейшими характеристиками анализа является – помимо получения максимально достоверного результата – это стоимость и сроки его проведения. Применение технологий Big Data отнюдь не являются дешевым мероприятием, к примеру, задача персонализации рекламных сообщений решалась уже давно и продолжает сегодня решаться гораздо более дешевыми средствами.
Второй важнейший момент, который нельзя обойти, говоря об использовании Big Data в маркетинге – это то, что с помощью технологий Big Data может быть создан детальный портрет индивидуального потребителя, но считать, что, зная прошлое поведение (а именно на нем строится портрет), можно точно предсказать будущее поведение потребителя – неверно. По сути, у каждого потребителя есть сформировавшееся потребительское поведение, условно говоря, «привычные дороги, по которым он ездит». Но любому профессиональному маркетологу хорошо известно, что прорывы случаются там, где потребители меняют свое стандартное поведение. И это происходит, в том числе, под влиянием нового продукта или услуги, о котором еще вчера потребитель не только не имел понятия, но даже не представлял, что такой продукт может быть в принципе. Предсказать, какова будет реакция потребителя на новый продукт, а тем более, разработать такой новый продукт, отталкиваясь от потребительского портрета – можно весьма условно. Кроме того, нельзя забывать, что поведение отдельного потребителя неустойчиво, зачастую носит статистически случайный характер, то есть, даже в том случае, если потребитель оставляет очень «широкий» цифровой след, ошибки неизбежны. Поэтому по-прежнему более логичным для маркетолога является его ориентирование на группу, а не на индивидуального потребителя. Поведение групп более устойчиво, исходя из него построение маркетинговой стратегии является более обоснованным.
Возвращаясь к социальным сетям, стоит отметить, что значительная часть пользователей вообще не делится фактами своей жизни с аудиторией, либо это делает редко, по особому случаю, каким может быть свадьба, рождение ребенка, волнующее путешествие, новая работа. Значительная часть повседневной жизни так и остается скрытой от социальных сетей. И лишь небольшое количество пользователей «постит» все подряд. Известно, что 80% постов в соцсетях создают 7% пользователей, а остальные просто наблюдают за жизнью других, что делает анализ группы осложненным.
Кроме того, применение технологий Big Data может фиксировать поведение потребителей, но далеко не всегда может объяснять его. Например, широко применяемые A/B тесты позволяют точно определить, какая конкретная реклама/рекламный макет нравится пользователю, а какая нет, но объяснить, почему – не могут.
Приведенные примеры призваны продемонстрировать, что технологии Big Data не обеспечивают безусловно лучшие решения любых маркетинговых задач, хотя являются бесспорно эффективным аналитическим инструментом. Сама возможность проанализировать что-то, что раньше проанализировать было нельзя или очень затруднительно, не говорит о том, что это надо делать. Роль современного маркетолога заключается, в том числе, чтобы определить те сферы, где использование Big Data даст наилучший результат, правильно сформулировать задачу, условно говоря – задать правильные вопросы, творчески осмыслить результаты анализа и принять решение.
1. https://www.gartner.com/en/blog
2. http://docshare04.docshare.tips/files/20905/209055375.pdf
3. Digital Economy Report 2019 URL:https://unctad.org/en/PublicationsLibrary/der2019_overview_en.pdf
4. Seth Stephens-Davidowitz. Everybody lies: Big Data, New Data and what the Internet can tell us about who we really are. - Moscow: Eksmo, 2019. - 384 p.
