Ирина Чубукова Нач. отдела, зам. руководителя, Украина Укрепить и развить бизнес помогают научные достижения. Практикующим маркетологам наверняка знаком термин «датамайнинг».
Но как связать «данные» и «добычу горной руды» воедино?
И какое отношение это понятие имеет к повышению прибыльности компании? Читайте в материале Ирины Чубуковой.
Ирина Чубукова
Датамайнинг – технология, которую объединяет с добычей горной руды то, что современный менеджер, подобно золотоискателю, хочет найти в огромных массивах данных ценную информацию. И такой «клад» способен увеличить прибыль и направить бизнес в нужное русло.
Во времена Джека Лондона «самые отчаянные и рисковые устремлялись на золотые прииски в поисках богатства и приключений, тогда человек оставался один на один с величественной, суровой природой». Так же и сегодня маркетолог остается один на один с горами отчетов, списков и таблиц в надежде найти ответы на вопросы «что?», «почему?» и «как быть?».
В поисках «золота»
Россыпное золото представляет собой маленькие кусочки самородного металла в виде чешуек и зернышек. Они рассеяны в большем или меньшем количестве в рыхлых отложениях – песках, илах, галечниках речных долин.
«Добыча россыпного золота производится следующим образом, – пишет Борис Гринштейн в своей книге «Земля за океаном», – там, где верхний слой пустой породы имеет мощность не более нескольких аршин, он попросту разрыхляется, снимается слой за слоем и отвозится в сторону – в торфяной отвал. Там, где слой глины, содержащий вожделенный металл и покоящийся на гранитном ложе, залегает на глубине до пяти-семи саженей, роются так называемые шурфы.
Пески, освобожденные от торфов, выкапывают и тут же перебрасывают на приспособления для промывки водой».
Сродни раскопкам золота, датамайнинг позволяет разглядеть в данных ценное и невидимое для управления бизнесом, процессом, инициативой. Ценными и невидимыми являются закономерности, которые таятся в данных, накопленных компанией за долгие годы, но скрытых от обывательского взгляда.
Датамайнинг вовсе не маркетинговое понятие. Эту технологию применяют в госбезопасности, биологии, медицине, а в последнее время – в розничном и финансовом бизнесе… В общем, везде, где можно «копать».
Для этого все данные должны храниться в структурированном электронном виде (например, таблицы Excel, базы данных).
Технология «раскопок»
«Киркой» для поиска ценных закономерностей являются программные продукты, в которых реализованы кибернетические и статистические методы (например, нейронные сети, методы кластеризации, методы поиска ассоциативных связей). Найденные «сокровища» становятся знаниями, то есть конкурентным преимуществом компании.
Даша путешественница 02\04 Общий сад
Пример маркетинговой цели – повышение продаж товара A через стимулирование покупок в определенном сегменте покупателей. Закономерность в данном случае выглядит как описание профиля клиентов, которые с наибольшей вероятностью купят этот товар.
В ходе использования методов датамайнинга для решения данной задачи может быть определено, что наиболее ценными покупателями товара A являются мужчины от 25 до 42 лет, средний чек которых – более 600 рублей, а частота покупок составляет 2-3 раза в месяц. В «покупательской корзине» вместе с товаром A также чаще всего встречаются товары A1, A2, B3, C4.
Зная эту закономерность и владея при этом контактными данными покупателей, вы сможете значительно проще спланировать и провести эффективную акцию по стимулированию продаж, нежели используя массовые инициативы. Целевое стимулирование группы с соответствующим профилем обеспечивает с определенной долей вероятности повышение продаж товаров, более высокий уровень отклика с одновременной оптимизацией расходов на кампании.
Как показывает практика, такое продвижение значительно более эффективно, чем массовое продвижение.
Процесс поиска закономерностей включает такие этапы, как загрузка и аудит данных, построение модели при помощи соответствующих методов, проверка правильности модели, ее корректировка, использование модели, получение знаний.
Примером, уже почти ставшим классикой в использовании технологии датамайнинг, является решение задачи кредитного скоринга в банке. Цель применения скоринга – определение профилей (набора характеристик) клиента банка, которые вернут и не вернут кредит.
Для решения этой банковской задачи применяют классификационную модель, которая на основе ретроспективных данных, накопленных за несколько лет, определяет класс клиента. Класса в данном случае два.
Первый – «вернет кредит», второй – «не вернет кредит».
В результате применения модели сотрудник банка, на основе анкетных данных клиента и, конечно же, соответствующего метода датаймайнинга определяет вероятность возврата кредита и принимает решение о целесообразности выдаче кредита. Эта модель используется многими банками в Европе, Америке и на постсоветском пространстве многие годы.
Если переложить классификационную задачу в плоскость потребностей розничного оператора, то она может выглядеть следующим образом – «классифицировать клиентов на таких, которые откликнутся на рассылку с предложением купить товар А, и таких, кто не откликнется». Полезность знаний о вероятности отклика сложно переоценить.
В результате использования классификационной модели розничный оператор получает и повышение лояльности (ведь предложение рассылается только тем покупателям, которым оно интересно), и повышение отклика (повышение эффективности работы отдела маркетинга), и оптимизацию расходов на инициативы.
Кто ищет, тот всегда найдет
Джек Лондон – один из многих золотоискателей, который вернулся с приисков, так и не найдя золота. В те времена кустарная добыча золота обогатила немногих.
Чаще всего это было везением, а не результатом системы и правильности пути.
Найти самородок в данных – дело также совсем не простое, но решаемое. Более чем трехлетний опыт использования интеллектуальных технологий Prospects Intelligence для повышения эффективности бизнеса наших клиентов подтверждает это.
