Однажды в магазин Target зашел мужчина и потребовал вызвать менеджера. В своих руках он сжимал огромную кипу купонов магазина, полученных его дочерью.
«Моя дочь получила это по почте! – прокричал он. – Она еще в школу ходит, а вы посылаете ей купоны на детскую одежду и памперсы? Да как вы смеете! Вы хотите таким способом побудить школьниц рожать?»
Менеджер посмотрел на пачку купонов на материнскую одежду, детскую мебель – действительно, они были адресованы дочери рассерженного мужчины. Менеджер принес свои извинения.
Через несколько дней он позвонил мужчине, чтобы еще раз извиниться. По телефону голос отца звучал растерянно. «Знаете, я серьезно поговорил с дочерью, и выяснилось, что в моем доме происходило то, о чем я совершенно не догадывался. Она рожает в августе. Примите мои извинения».
Как Target узнал, что дочь беременна до того, как об этом стало известно ее отцу? Ответ прост – благодаря системе прогнозирования беременности (pregnancy prediction system), разработанной аналитиком компании Эндрю Полом. Под катом – обо всем по порядку.
Чудеса прогнозной аналитики, или как это работает
Прогнозная аналитика стала неотъемлемым инструментом маркетинга. Многие западные компании, особенно крупные, имеют отдел прогнозной аналитики, занятый разработкой стратегии эффективного продвижения товаров или услуг. Об этом на Хабре уже есть интересная статья с красивыми графиками.
Возникает вопрос: как компании могут узнать, сколько вам лет, состоите ли вы в браке и есть ли у вас дети, ваш уровень дохода и даже национальность?
Все довольно просто. Прогнозная аналитика сегодня стала точечной, в какой-то степени изощренной. Она работает не только с покупательскими привычками, но и поведением в целом. В расчет принимается каждый совершаемый вами шаг: расплачиваетесь ли вы кредиткой, открываете e-mail с предложением скидки или звоните на линию обслуживания. Все это регистрируется в системе сбора и анализа данных; каждый покупатель имеет уникальный идентификатор в такой системе. Возьмем простой пример. В апреле вы покупаете купальник. Существует большая вероятность того, что в июне вам понадобится солнцезащитный крем, а зимой вам захочется скинуть пару килограммов к весне и лету. Поэтому в июне вы получаете купон со скидкой на солнцезащитный крем, а в декабре – на книгу о диетах. Прогнозная аналитика сформирует вашу потребность в товаре и услуге еще до того, как вы осознаете необходимость в них. На Хабре есть хороший пост с примерами поведенческого таргетинга.
В борьбе за будущих родителей
Вернемся к сети магазинов Target и системе прогнозирования беременности. Ученые доказали, что многие наши привычки (в том числе покупательские) довольно трудно изменить. Проанализировав свой маршрут по супермаркету во время закупки продуктов на неделю, вы поймете, что передвигаетесь по одной и той же траектории, кладете в корзину йогурты от одного и того же производителя, туалетную бумагу одного и того же бренда. Но в нашей жизни существуют моменты, когда привычки поддаются колоссальным изменениям – и именно эти периоды бесценны для маркетологов. Речь идет об окончании университета, переезде в другой город, смене работы или планировании беременности. Ожидание ребенка – период, когда мы не только бессознательно, но и сознательно готовы изменить свои привычки, и если нас правильно «зацепить» – мы превратимся в лояльных клиентов на долгие годы.
Поэтому Target поставил перед отделом прогнозной аналитики задачу: определить, какая из покупательниц ждет ребенка до того, как это станет очевидно. Проанализировав покупательские привычки беременных женщин, аналитиками была разработана система прогнозирования беременности.
Представим себе ситуацию: молодая женщина заходит в магазин и покупает лосьон с кокосовым маслом, сумку для прогулок и ярко-голубой плед. Программное обеспечение в Target выдаст свой вердикт: вероятность беременности этой покупательницы – 87%. Данные поступают маркетологам, и теперь Target начнет формировать ее привычки и управлять ими: пришлет ей купон со скидкой на детскую кроватку, присыпку, детские бутылочки и т.д. Причем это будет выглядеть ненавязчиво, чтобы не вызвать волну негодования за «шпионаж»: скидки на товары для детей помещаются среди скидок на другие товары.
Стоит отметить, что ранее Эндрю Пол, руководитель аналитического отдела Target и создатель системы прогнозирования беременности, с удовольствием давал интервью об использовании глубинного анализы данных (data mining) в сети Target и о своем «детище», но вскоре руководство приостановило его красноречие.
А как же закон?
В действительности, когда потребители осознали, каким количеством их личной информации владеет ритэйлер, начало возникать много вопросов о правомерности использования этих данных. С одной стороны, закон в Соединенных Штатах позволяет компаниям проводить исследования с тем, чтобы лучше узнать своих потребителей и продвигать свои продукты наиболее подходящим способом. С другой стороны, никто не дает гарантии, что Target не станет сообщать личные данные третьим лицам далеко не в маркетинговых целях. Известно, что Target передает информацию другим организациям, не входящим непосредственно в торговую сеть Target: продавцам, бизнес-партнерам и другим компаниям. Помимо этого, на законодательном уровне существует мало препятствий для такой передачи данных, она должна лишь соответствовать политике конфиденциальности компании.
Карьерные перспективы
По некоторым данным, Target ежегодно тратит около 4 миллионов долларов на содержание аналитического отдела из 50 человек, базирующихся в США и Индии. Конечно, далеко не все западные торговые сети могут позволить себе такие команды (да и специалистов не просто найти) и мощные инструменты анализа поведения покупателей. Но вполне можно представить, что скоро появятся (если уже не появились) пионеры подобных методик на постсоветском пространстве.
С одной стороны, это рождение еще одной высокооплачиваемой специальности. Например, по данным интернет-источников, средняя зарплата специалиста по анализу данных на eBay составляет $110 000, что даже по американским меркам неплохо.
Первое время отечественных специалистов будет очень мало и за их таланты будут ожесточенно бороться пара-тройка крупных игроков. Все потому, что для такой работы требуется комбинация навыков и знаний статиста, бизнес-аналитика и программиста, которые смогут проанализировать огромные массивы данных, выявить скрытые паттерны, корреляции (по-нашему, правила и соотношения:) и коммерчески полезные зависимости. Таких «самородков» нечасто встретишь. Что касается образовательных программ в этой области, то западные учебные заведения, отвечая на рыночный спрос, активно разрабатывают и внедряют такие программы. Если кто-то знает о подобных курсах в наших краях – добро пожаловать в комментарии.
С другой стороны, как и соседи на Западе, мы будем недовольны тем, что мы не в курсе, что о нас знает этот самый аналитик и как именно эти знания он использует. В принципе, проблема уже животрепещущая, учитывая пользовательскую базу социальных сетей у нас в стране и космические объемы личных данных, которыми мы с ними делимся, даже не кликнув на пользовательское соглашение.
Хотя если мне пришлют купон на скидку в 20 % на товар, который мне действительно нужен или скоро понадобится – не могу с уверенностью сказать, что мне это не понравится. А вам?
По мотивам статьи в New York Times. Там еще много интересных деталей.
Автор: Vita_lina
