Angażowanie odbiorców

Big data – z czym to się je? 5 prostych porad

Kiedy w 2013 roku Netflix podzielił się planami inwestycji w House of Cards, wszyscy byliśmy – hmm, powiedzmy – lekko poruszeni. 100 milionów dolarów, Kevin Spacey i David Fincher – takie perły rzucone jako serial? Bez przesady! Okazało się jednak, że to wszystko miało dużo więcej sensu, niż mogłoby się wydawać na początku.

To nie przypadek, że właśnie ten serial zmienił oblicze przemysłu telewizyjnego. Jego twórcy odrobili lekcje i naprawdę porządnie przeanalizowali dane. Mimo, że najnowszy sezon nie spotkał się z wyjątkowo ciepłym przyjęciem, ten serial stał się momentem przełomowym dla Netflixa. Nazwa marki uległa w języku potocznym upospoliceniu (np. w hashtagu #netflixandchill), co oznacza, że jest używana dla całej klasy tego typu produktów (podobnie jak adidasy czy dżip). W świecie marketingu to to naprawdę spory sukces.

Znaleźć to, co naprawdę ważne

Różnica pomiędzy czasami przed-netflixowymi i po-netflixowymi tkwi w podejściu do potrzeb odbiorców. To właśnie ta marka przestała załamywać ręce nad potrzebami Millenialsów i po prostu trafiła w nie ze świetnym produktem. Z tym, że nie zrobili oni tego po staremu – tzn. nie wzięli grupki nastolatków i nie pytali co im się podoba, a co mniej. W Netfliksie zbiera się i analizuje maksymalne ilości danych, takich jak: ile osób obejrzało, zatrzymało czy przewinęło dany odcinek, co jeszcze oglądają te osoby i w jakich godzinach. I choć takie działania mogą być przez użytkowników odbierane jako przekroczenie granic prywatności, to faktycznie jest to po prostu opracowywanie statystyk. Zbieranie danych po to, żeby oszacować prawdopodobieństwo sukcesu produkowanych filmów i seriali. I wygląda na to, że takie podejście bazujące na danych naprawdę się opłaca. Inwestycja 100 miliardów dolarów w House of Cards spłaciła się w trzy miesiące, a ponadto Netflix musi mieć lepsze ROI niż konkurencja, ponieważ tylko 30% ich seriali znika z anteny po pierwszym sezonie.

Przyrost danych w 2D

Według powszechnie cytowanego raportu IDC, w roku 2020 przez światowy internet przewinie się 44 zettabatów danych. Co więcej, ten przyrost rośnie eksponencjalnie, ponieważ mamy coraz więcej możliwości manipulowania danymi na urządzeniach mobilnych. Niewykorzystywanie tego potencjału może okazać się zgubne, skoro praktycznie każdy CEO ma napisane na swojej białej tablicy wielkimi literami BIG DATA. Tak naprawdę chodzi o to, żeby skorzystać z tych danych umiejętnie.

Można powiedzieć, że rozwój internetu i związanych z nim technologii następuje w dwóch wymiarach. Jeden to – wspomniane wyżej – niezmierzone ilości danych. Drugi wynika jako naturalna konsekwencja. To potrzeba jakości. Dzisiaj coraz mniej z nas skupia się wyłącznie na liczbie fanów na Facebooku. Bardziej zależy nam na tym, żeby byli to fani zaangażowani i lojalni. Widać powoli, że nawet marketing outdoorowy, który zwykle celował w najbardziej rozległą grupę odbiorców, zaczyna się lokalizować.

Skoro więc medialny hype związany z big data już minął i wchodzimy powoli w fazę sceptycyzmu, to powinniśmy skupić się na tym, jak najlepiej wyjść na tym trendzie. Nie zostać w tyle, ale też nie popaść w ślepy zachwyt.

Jak podejść do big data, aby zyskać przydatne wnioski?

Najlepszą drogą, by wyjść na plus przy zarządzaniu dużymi ilościami danych, jest analityka. Niektóre firmy zatrudniają nawet odrębnych specjalistów do analizy danych. Podobno zatrudnienie takiego eksperta to nie bułka z masłem, ponieważ nie jest łatwo zostać analitykiem na takim poziomie, mimo że kursy internetowe z obracania big data pojawiają się przecież jak grzyby po deszczu. Nawet jeśli nie masz aż tak dalekosiężnych planów, to – powołując się na Boba Gourleya, autora książki Data Divination: Big Data Strategies – z pewnością potrzebujesz jednego: strategii. Po przemierzeniu całego internetu w poszukiwaniu trików na sformułowanie takiej strategii, mogę zaproponować poniższe kroki.

1. Rozdzielaj

Spersonalizowane targety (custom audiences) – takie hasło słychać tu i ówdzie. Wszyscy mówią, że trzeba customizować kampanie mailowe czy oferty promocyjne. Okazało się nagle, że nasz wymyślony przyjaciel – Buyer Persona – przyszedł na naszą imprezę z krewnymi-i-znajomymi. Kluczem do personalizowania działań komunikacyjnych może stać się zdanie sobie sprawy z niezbyt może odkrywczej, ale niezwykle istotnej kwestii, a mianowicie z różnorodności naszych odbiorców. Spośród tych wszystkich ludzi, do których chcemy dotrzeć z naszym przekazem czy produktem, mimo że mają oni pewnie wiele cech wspólnych, każdy jest inny. I oczywiście nie da się dostosować komunikatów 1:1, ale segmentacja może okazać się całkiem przydatna z perspektywy konwersji. Im więcej danych przeanalizujemy, tym łatwiej grupować na poszczególne sekcje. Nie trzeba zatem bać się wielkich danych. A jeśli ktoś nadal się boi, to zawsze może pomyśleć, że to przecież po prostu wiele podzbiorów, które w gruncie rzeczy są całkiem małe.

2. Rozprzestrzeniaj

Skoro już wiesz, że potrzebujesz podziału danych na małe porcje, żeby otrzymać niewielkie, sprecyzowane grupy docelowe, nie pozostaje nic innego niż różnorodna analiza danych. Jest wiele różnych technik, które można łączyć, aby dotrzeć do wyznaczonych celów biznesowych. Wiele oczywiście zależy od tych celów, ale także od typu danych, z którymi masz do czynienia. Zawsze warto się upewnić, czy analiza wybranym sposobem daje optymalne rezultaty. Jeśli chodzi o analitykę pod kątem biznesowym, to można oprzeć się na poniższych technikach.

  • Ekstrakcja danych (data mining) – jest to sposób na znalezienie pewnych prawidłowości w bazach danych; ujmując kwestię bardzo prosto, można powiedzieć, że ta technologia osadzona jest na założeniu, że jeśli coś jest powtarzalne, to może mieć jakieś znaczenie.
  • Analiza skupień (cluster analysis) – to może być kolejny krok, ponieważ ta technika z kolei polega na grupowaniu obiektów na podstawie pewnego zestawu podobnych atrybutów.
  • Modelowanie predykcyjne – jest to tak jakby dziedzina jasnowidzów, tyle że z naukowym zacięciem. Różnica jest mniej więcej taka jak między astronomią a astrologią. Krótko mówiąc, przy analizie predykcyjnej big data stawiasz na rachunek prawdopodobieństwa, co ogromnie zwiększa szanse.
  • Analiza tekstowa – umiejętnie opracowany algorytm oparty na przetwarzaniu języka naturalnego potrafi wyciągnąć przydatne dane już nie tylko z liczb, ale także z różnorodnych bloków tekstu. Nie trzeba chyba dodawać, jak wielką wartość – choćby w marketingu – dostarcza analiza wydźwięku wypowiedzi internetowych o danej marce czy też dane o płci lub lokalizacji ich autorów.

3. Nadążaj

Działaj w czasie rzeczywistym. Nie jest tajemnicą, że w udanym biznesie niezwykle istotne są szybkie akcje. I choć z pozoru taka rada może wydawać się dość ogólnikowa, to przy działaniach na dużych danych wcale nie jest powiedziane, że analiza będzie następowała wystarczająco sprawnie. Funkcjonują na rynku narzędzia analityczne, które mogłyby być całkiem ciekawe, gdyby nie to, że generują wyniki z dużym opóźnieniem. Tymczasem na przykład w branży e-commerce działa się na big data właściwie na co dzień, chociażby przy ustawianiu dynamicznych wahań cen. Jeśli masz czas i chęć poeksperymentować, spróbuj zarezerwować dowolny lot w piątek, a następnie zobacz, jak ta sama oferta będzie wyglądała cenowo w poniedziałek lub wtorek. To właśnie pokazuje, że analiza danych w czasie rzeczywistym jest możliwa. I może okazać się całkiem intratnym interesem.

4. Przybieraj

A tak właściwie dopilnuj, żeby analiza danych sama przybrała wyjściową kreację. Niech wykresy i grafy będą naprawdę przyjemne dla oka. Dzięki temu znacznie łatwiej prześledzisz wyniki i wyciągniesz wnioski. Zwłaszcza, jeśli działasz na ogromnych liczbach albo imponującej liczbie wzmianek. Pamiętaj, żeby zaopatrzyć się w narzędzie, które udostępnia przejrzyste i zrozumiałe wizualizacje danych. Dzięki temu łatwiej będzie pojąć, co tak naprawdę stoi za tymi dużymi liczbami i zadziałać bez opóźnień. Kiedy na przykład – jak w SentiOne – masz możliwość ustawienia, dla jakiej liczby negatywnych wzmianek internetowych uruchamia się alert krytyczny, masz pewność, że zaoszczędzisz czas. Proste.

5. Uważaj

I mimo, że dzięki analizie big data można wygospodarować zapasy czasu i pieniędzy, to – jak ze wszystkim – trzeba działać z głową. Jest kilka delikatnych kwestii, które idą za zabieraniem się za to, co ludzie wrzucają do internetu. Przede wszystkim należy pamiętać o temacie prywatności online, który jest dość drażliwy w branży IT i od ładnych kilku lat powraca jak bumerang. Jeśli jednak używasz dobrego narzędzia do analizy danych, to możesz spać spokojnie. Pamiętaj jednak także o innych trudnościach na drodze, takich jak typowe błędy w statystykach. Jak choćby klasyczny błąd mylenia korelacji z przyczynowością. Nawet jeśli używasz dobrego narzędzia, nigdy nie zaszkodzi dodatkowo sprawdzić, czy jest na pewno dobrze skonfigurowane. Na przykład bot Watson z IBM, pośród wielu różnych zastosowań, stał się bazą dla narzędzia wykonującego diagnozy medyczne. Zbierał informacje od pacjentów i zawężał diagnozę do najbardziej prawdopodobnej. Czy jednak można powiedzieć, że jest to pełnoprawny lekarz? Raczej nie.

Skoro już jesteśmy przy temacie zdrowia, z pewnością warto upewnić się, czy ma się zdrowe rozumienie big data. I oczywiście strategię, która pomoże ujarzmić te ogromne zbiory danych. Jeśli ktoś powiedział Ci, że big data to cudowny gadżet, dzięki któremu Twój biznes magicznie zarobi tony pieniędzy, to zweryfikuj to źródło. Ponieważ na każdą świetną drużynę badawczą przypada taki Dr House, który powinien połączyć kropki. W działaniu na big data, tzw. “czynnik ludzki” jest wyjątkowo potrzebny. Owszem, maszyny samouczące są szybkie i efektywne, ale ostatecznie to człowiek podejmuje decyzję, więc najlepiej byłoby, gdyby robił to z pełną świadomością i odpowiedzialnością. W oparciu o dane.