Введение
Актуальность темы исследования. Социальные сети, смартфоны, мобильный интернет и другие возможности моментального обмена информацией оказали сильное влияние на изменение поведения аудитории, а как следствие — это повело за собой изменения в профессии специалистов по коммуникациям. Мы наблюдаем период гипермодерна (термин, введённый в употребление французским социологом Жилем Липовецким), где непрерывные изменения и способность быть гибким играют ключевую роль в развитии. «Постоянная рефлексия ожидается не только от отдельных лиц, но и от каждой организации, которые должны быть одновременно открытыми и гибкими и при этом держать под контролем внутреннюю и внешнюю среду, в чем заключается парадокс гипермодерна».И, как следствие, этот парадокс создает главную проблему для коммуникаций: каким образом выстраивать коммуникации со стейкхолдерами и глобальной медиа общественностью. «Хороший этический бизнес, который строится на стратегическом расчете- главный вызов для всех организаций».
Теперь важную роль в принятии решений глобальной медиа общественности играет «нулевой момент истины», когда мнение о бренде или продукте складывается еще до посещения точки продажи, общения с представителем компании или посещения сайта электронной коммерции. ИсследованиеGoogle и Shopper Sciencesпоказывает, что количество источников, с которыми консультировались потребители перед покупкой, почти удвоилось с 5,3 до 10,4 источников в социальных сетях. И, при условии адаптации компании или бренда под новые формы коммуникаций, эти изменения становятся мощным инструментом для адресации сообщения целевой аудитории именно в тот момент времени и на той платформе, где потребитель способен воспринять контент.
Количество пользователей в сети растет и на конец 2016 года составляет 3,5 миллиарда пользователей, что составляет лишь половину от населения Земли. Помимо этого, происходит экспоненциальное возрастание числа технического оборудования, генерирующего большие потоки информации. Компания Cisco в своем исследовании сделала прогноз, что уже к 2020 году, с населением Земли в 7,6 миллиардов человек, число таких датчиков достигнет цифры в 50 миллиардов (это 6,58 подключенных девайсов на 1 человека). Все это дает возможность компаниям собирать огромное количество информации о своей аудитории , будь то данные из розничных магазинов и банковские транзакции, геолокация, демографическая информация или даже уровень загруженности дорог, все это меняет способы коммуникации с аудиторией и открывает новые возможности для бизнеса. Согласно Mindshare средний потребитель загружает 5,25 процентов личной информации в базу данных в неделю. А индустрия всячески способствует увеличению этого процента: бонусы за дополнительную информацию в своем профиле, сбор данных при регистрации, запуск новых форматов датчиков по типу «умный дом» и другое.По словам Энтони Янга:«Использование и освоение больших объемов данных в настоящее время рассматривается как важнейшее условие конкурентного преимущества не только в бизнес-среде в целом, но и в коммуникациях».
Большинство опрошенных специалистов в сфере коммуникаций по данным European Communication Monitor 2016 демонстрируют высокий интерес к дискуссиям о разработке новых инструментов для решения задач, вызванных диджитализацией, в области коммуникаций. Однако лишь немногие коммуникационные агентства и подразделения внедрили новые инструменты и стратегии, основанные на больших данных, для решения коммуникационных задач, по данным исследования, в опросе которого приняли участие 2710 ведущих специалистов по коммуникациям из 43 европейских стран (это самое массовое исследование индустрии коммуникаций).
«Несмотря на то, что специалисты отмечали важность применения больших данных для управления коммуникациями, реальное использование аналитики на основе больших данных для коммуникационных отделов очень низко» — отмечает доктор Герберт Гейтманн (Herbert Heitmann), президент European Associationof Communication Directors (EACD).Развитие и трансформация социальных медиа, а также усложнение поисковых алгоритмов в свою очередь являются еще одним вызовом для современных специалистов в сфере коммуникаций. Именно эти платформы регулируют подачу сообщений к целевой аудитории, но лишь 1/3 опрошенных адаптируются под новые системы алгоритмов в своих коммуникационных отделах. АнсгарЗерфасс (AnsgarZerfass), ведущий научный сотрудник, профессор кафедры стратегических коммуникаций Лейпцигского университета в Германии и глава Европейской ассоциации образования и исследований в области связей с общественностью, выделяет проблемный аспект нарушения взаимодействия между бизнес-стратегией и коммуникацией. Личностная коммуникация и коммуникация в сети — 2 наиболее важных инструмента в настоящий момент.Однако дискуссия о больших данных (как приобретать и использовать данные из различных источников для принятии решений и предоставлении более качественных продуктов или услуг) только недавно вошла в сферу интегрированных коммуникаций. Обзор научной литературы показал, что данная тема затрагивается крайне редко в научных сообществах. Тем не менее, знания в этой сфере являются незаменимыми для современных профессионалов в области коммуникаций. «Аналитика больших данных и диджитализация…в скором времени окажут большое влияние на работников умственного труда точно также, как в свое время автоматизация производства изменила условия труда для работников мануфактур» утверждает Клаудиа Лэбэк (Claudia Loebbecke), профессор Universityof Cologne, Германия. По данным исследования ECM 2016трое из четырех специалистов по коммуникациям в Европе (72,3%) считают, что большие данные изменят их профессию. Тем не менее, только 59,3% респондентов уделяют пристальное внимание дискуссиям о больших данных, и еще меньший процент полностью ориентируется во всей терминологии и различных характеристиках больших данных. Чаще всего специалисты применяют аналитику больших данных для планирования (55,3 %).Ограничения в применении больших данных коммуникационными компаниями обусловлено большой корреляцией между пониманием больших данных среди профессионалов в области коммуникаций и объемами больших данных, которыми располагает их организация. Было также отмечено, что нехватка знаний и навыков (в сфере больших данных) мешает специалистам в области коммуникаций получать, а главное грамотно использовать, огромное количество структурированной и неструктурированной информации, которая сейчас находится в сети в открытом доступе. Например, 55% специалистов ошибочно полагают, что большие данные относятся к интерпретации релевантных данных для принятия стратегических решений. Еще одно ошибочное определение больших данных дали 32% опрошенных: большие данные это любой вид информации, доступной в реальном времени. А 27% специалистов также ошибочно относят большие данные к множеству информации из социальных сетей. Но есть и положительная тенденция, 74% респондента понимают, что большие данные это ресурс для получения новых знаний (при условии их обработки и аналитики). Именно поэтому в ходе исследования важно выявить понятийный аппарат, отличительные особенности и характеристики больших данных для возможности грамотного применения специалистов в сфере коммуникаций на практике. Все это связано с тем, что изначально аналитика больших данных применялась ещев середине 2000-х годов для исследований в фундаментальных науках: астрономия, геномика, физика, где методы и объекты исследования отличаются от социальных наук. Источниками данных служили различные датчики во внешней среде (адронныйколлайдер, метеорологические данные, спутниковые данные и так далее), а характеристики данных и обилие технических терминов были доступны для понимания только узкопрофильным специалистам. Различие понятийного аппарата больших данных у специалистов в фундаментальных и социальных науках формирует проблему понимания инструмента больших данных специалистами по коммуникациям. Таким образом, проблема исследования заключается в различии понятийного аппарата больших у специалистов по коммуникациям и специалистов фундаментальных наук, что создает барьер для адаптации больших данных в качестве инструмента прикладных исследований в коммуникациях. Из этого следует исследовательский вопрос: как адаптировать инструмент больших данных под прикладные задачи в интегрированных коммуникациях.
Степень разработанности научной проблемы исследования. Данное исследование нацелено на поиск решения научной проблемы — возможность адаптации инструмента больших данных в процесс реализации интегрированных коммуникаций.
Решение научной проблемы исследования обусловило изучение теоретических работ в сфере интегрированных коммуникаций. Среди них книги «MarketingManagement», где авторы — Ф. Котлер (PhilipKotler) и К. Келлер (KevinKeller) рассматривают предпосылки возникновения и характеристики интегрированных маркетинговых коммуникаций, которые затем повлияли на естественное формирование подхода интегрированных коммуникаций. Эту же точку зрения поддерживается в книге «IntegratedMarketingCommunications», авторами которой выступили представители многих известных работ в сфере маркетинга:Д. Шульц (DonE.Schultz), С. Таненбаум (StanleyI. Tannenbaum), Р. Лойтерборн (RobertF.Laute-rborn), которые также выделяют интегрированный подход как новый способ понимания целого, поток информации из единого источника, как это видится потребителю. Также была рассмотрена стратегическая направленность интегрированных коммуникациях в книге «CommunicationExcellence», одним из авторов которой выступил АнсгарЗерфасс (AnsgarZerfass) глава Европейской ассоциации образования и исследований в области связей с общественностью. В российской литературе была рассмотрена работа «Интегрированные маркетинговые коммуникации: современные технологии, стратегии, инструментарий (теория и практика)», Е.В. Писаревой, в которой представлено большое количество информации об эволюции интегрированных коммуникаций и их практической значимости, а также отмечен переход контроля над коммуникацией от отправителя сообщения к получателю. Кроме того, были рассмотрены различные статьи и научные публикации. Например, в публикации «Thepresentstateo fintegrated communicationin Russia» А. Ендальцевой, отмечена интеграция коммуникации на всех коммуникативных уровнях, от корпоративного до личного, а также адресация сообщения различным группам стейкхолдеров.
Практики применения инструментария больших данных в интегрированных коммуникациях как в России, так и за рубежом пока в не систематизированы и не описаны комплексно в научной литературе; также отсутствует адаптация инструментария больших данных для специалистов социальных наук. В 2016 году было проведено первое значимое исследование применения технологий больших данных в коммуникациях под руководством European Communication Monitor. Энтони Янг (AntonyYoung) в книге «Brand Media Strategy: Integrated Communications Planninginthe Digital Era» выявил возможность применения технологии больших данных для реализации в маркетинге для всех 4 P (product, price, place, promotion). Однако, основная часть работ по исследуемой тематике носит научный характер и рассматривает большие данные с технической точки зрения.Так, Д. Лэйни (D. Laney) из компании Gartner в работе «3D Data Management: Controlling Data Volume, Velocity, and Variety» выделил 3 ключевые характеристики больших данных: volume (объем данных), velocity (высокая скорость входящих данных и их обработки) и variety (разнообразие данных) Профессор Кирк Борн (Kirk Borne) увеличил теорию «3 V» до «10 V» в своей статье «Top 10 Big Datachallenges», в которой он выявил дополнительные характеристики больших данных, такие как: veracity, validity, value, variability, venue, vocabulary и vagueness.
Исследования в данной области носят междисциплинарный характер и находятся на стыке различных научных направлений и концепций. Таким образом, интегрированные коммуникации, основанные на использовании инструмента больших данных, не адаптирован для специалистов социальных наук ни зарубежными, ни российскими учеными, что требует научной рефлексии и косвенно подтверждает актуальность исследуемой темы.
Объектом исследования являются интегрированные коммуникации в ритейл и e-commerceсегменте в России.
Предмет исследования — большие данные, как инструмент интегрированных коммуникаций.
Цель исследования — разработать механизм адаптации инструментария аналитики больших данных, который ранее применялся в фундаментальных науках, для практических задач в интегрированных коммуникациях ритейл и e-commerce.
Задачи исследования:
. Рассмотреть особенности интегрированных коммуникаций в сравнении с интегрированными маркетинговыми коммуникациями;
. Выявить современные технологические тренды, которые используются в интегрированных коммуникациях;
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. Адаптировать понятийный аппарат больших данных к практическим задачам интегрированных коммуникаций;
. Рассмотреть применение больших данных в интегрированных коммуникациях;
. Изучить применение больших данных в сегменте ритейл и e-commerce;
. Разработать матрицу соотношения больших данных с интегрированными коммуникациями;
. Провести исследование 3 российских копаний в сегменте ритейл и e-commerceдля выявления механизма адаптации инструментария больших данных к задачам интегрированных коммуникаций;
. Подтвердить и уточнить полученные данные экспертным интервью.
Сейчас благодаря цифровым данным и аналитике больших данных возможно создавать конкретный ситуационный контент для пользователя. Отображение рекламы продуктов на основе предыдущих поисковых запросов в Яндекс, Google и других поисковых системах и электронных платформах. В данном случае производство или подавление контента основано не на планировании или креативных идеях специалистов, а на алгоритмах, которые обрабатывают информацию.Один из главных плюсов современных алгоритмов — динамичность, то есть они могут быть адаптированы к нескольким разным ситуациям. Например, таким образом стал возможен процесс автоматизированной коммуникации. Контент, представленный пользователю в конкретной ситуации на конкретном устройстве, заранее неизвестен, но генерируется в процессе взаимодействия. И если возможно адаптировать алгоритм, который работает на основе сбора данных, под поведение потребителя, то это значит, что аналитика данных и настройка автоматизированных сообщений возможна для любой целевой аудитории, будь то инвесторы компании, сотрудники или потенциальные покупатели.Таким образом, в данном исследовании будет рассмотрена следующая гипотеза: Большие данные, в качестве инструмента интегрированных коммуникаций, могут быть применены не только в процессе реализации маркетинговых коммуникаций, но и в коммуникациях с внешними и внутренними стейкхолдерами компании.
Основными методами исследования являются анализ кейсов и экспертное интервью. Данное исследование будет сфокусировано на сегменте ритейл и e-commerce, так как под данным международной консалтинговой компании WIPRO, применение технологии больших данных имеет самую большую ценность (с экономической точки зрения) для этого сегмента. На 49% увеличивается продуктивность компаний, и на $9,6 миллиарда увеличиваются продажи. Для сравнения, в сегменте телекоммуникаций, где технология больших данных применяется вдвое чаще, чем в ритейле, экономическая ценность гораздо меньше: на 17% вырастает продуктивность организации, а продажи увеличиваются на $0,4 миллиарда. Большие данные окажут влияние на планирование различных уникальных услуг как онлайн, так и офлайн ритейлерам. Эксперты IBM полагают, что через 1 год современные технологии oбъeдинят реальный мир и диджитал, позволив оборудовать места оффлайн-продаж различными возможностями онлайн-магазинов. Кроме того, набирает популярность новый тренд omnichannelсреди специалистов по коммуникациям и маркетологов. «Omnichannel — это бизнес-модель и новый подход в сегменте ритейл, предполагающий одновременное использование всех физических (оффлайн) и цифровых (онлайн) каналов коммуникаций, что позволяет создавать инновационные возможности для общения бренда с клиентом и полностью прослеживать путь клиента». Что позволяет создать действительно качественный и конкурентно способный сервис благодаря переосмыслению традиционных моделей коммуникаций. Именно поэтому в данному исследовании ритейл и e-commerceбудут рассмотрены единым целым, так как развитие вышеописанных трендов уже оказывает влияние на изменение структуры коммуникаций и объединение сегмент ритейл и e-commerce.
Научная и практическая значимость. Исследование, проведенное в данной работе, может пригодиться в дальнейшем для изучения инструмента больших данных в интегрированных коммуникациях различных организаций. В данном исследовании понятийный аппарат больших данных адаптирован для понимания специалистов по коммуникация и возможности его применения в прикладных задачах социальных наук. Разработанная матрица соотношения больших данных и интегрированных коммуникаций составлена на основе изучения теоретической части по коммуникативистике, большим данным и аналитике 3 российских кейсов. Данная матрица может быть использована на практике при разработке стратегии применения инструмента больших данных в структуру интегрированных коммуникаций компании. Кроме того, в ходе исследования была выявлена цикличность процесса сбора больших данных, их аналитики и передачи сообщений для целевых аудиторий, этот процесс визуализирован и отражен в исследовании.
Структура исследования. Данная работа состоит из введения, 3 глав, заключения и списка использованной литературы. Во введении обосновывается актуальность данной темы, формулируются цели и задачи работы. В первой главе изучено становление концепции интегрированных коммуникаций, ее особенности, а также влияние современных технологий на изменение интегрированных коммуникаций. Во второй главе представлены сущность больших данных, как одного из главных трендов в коммуникациях, а также выявлены ключевые характеристики, которые позволили адаптировать определение больших данных для специалистов социальных наук. В третьей главе проводится анализ кейсов сегмента ритейл и e-commerce, где был успешно применен инструмент больших данных в рамках концепции интегрированных коммуникаций.
По результатам анализа была выявлена и визуализирована цикличность сообщений для внешних и внутренних групп стейкхолдеров в рамках интегрированных коммуникаций при применении инструмента больших данных.
Также была составлена матрица соотношения больших данных с интегрированными коммуникациями компании, где ключевой характеристикой является различная направленность сообщений для целевых групп компании. Данная матрица адаптирована для специалистов в области интегрированных коммуникаций и демонстрирует возможность применения технологии больших данных в качестве инструмента интегрированных коммуникаций для осуществления коммуникаций с внешними и внутренними стейкхолдерами компании. В заключении были описаны основные выявленные тренды в интегрированных коммуникация ритейл и e-commerce, а также подведены итоги исследования.
интегрированный сегмент маркетинговый коммуникация
Глава 1. Интегрированные коммуникации 1.1 Сущность интегрированных коммуникаций
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Для построения матрицы соотношения больших данных и интегрированных коммуникаций, а также адаптации инструментария больших данных для специалистов социальных наук необходимо выявить сущность и ключевые характеристики интегрированных коммуникаций, которые будут отражены в аналитике кейсов.
«Развитие цифровых технологий, повышение роли стейкхолдеров компании, рост конкуренции на мировом рынке и сама глобализация создали новую коммуникационную среду не только в обществе, но, и как следствие, внутри организаций».
Для того, чтобы вывести рабочее определение интегрированных коммуникаций, необходимо рассмотреть понятие интегрированных маркетинговых коммуникаций, использование которых является основным трендом в маркетинге последнего десятилетия. В то время как традиционные маркетинговые модели перестали эффективно работать в силу следующих параметров: снижение влияние массовой рекламы в СМИ при сохранении высокой стоимости, трансформация СМИ под влиянием Интерната, изменения психологических особенностей потребителя (теперь покупатель предпочитает интерактивное двустороннее взаимодействие с производителем), стремление компаний к проработке быстрых стратегических решений в маркетинге. Все это способствует необходимости к установлению коммуникаций между компанией и внешней средой. И если еще в 2002 году фундаментальная работа Джеймса Грунингаопределяла разделение связей с общественностью и маркетинга как одну из характеристик «превосходных коммуникаций», то сейчас практики придерживаются другого мнения. Европейский коммуникационный монитор (ECM) за 2015 год показал, что подавляющее большинство специалистов в области коммуникаций (86%) считают, что интеграция коммуникаций была необходимой мерой, которая влияет на успех реализации всех функций организации.
В свою очередь, Филипп Котлер (PhilipKotler) профессор международного маркетинга Высшей школы менеджмента Дж. Л.Келлога при Северо-Западном университете США понимает под интегрированными маркетинговыми коммуникациями управление процессом продвижения товаров и услуг на всех этапах: перед продажей, в момент покупки, во время и по завершении процесса потребления. Немного иную коннотацию термина дает Питер Друкер (PeterFerdinandDrucker) один из самых влиятельных теоретиков менеджмента XX века.: «…творческая форма дифференциации рынка, всегда конкурентная, всегда стремящаяся убедить потребителей, акционеров и служащих, что рыночное предложение данного бизнеса является лучшим для них вариантом и поэтому они должны сделать выбор в его пользу».По мнению Ф. Котлера (PhilipKotler) интегрированные маркетинговые коммуникации взаимодействуют с концепцией планирования маркетинговых коммуникаций, при этом необходима оценка каждого стратегического направления в отдельности (реклама, связи с общественностью, стимулирования сбыта, прямой маркетинг, личные продажи) и выявление решений по оптимизации и интеграции этих направления для обеспечения четкости, последовательности и максимизации воздействия коммуникативных программ посредством интеграции всех дискретных обращений. Кроме того, авторы многих известных работ в сфере маркетинга Д. Шульц (DonE.Schultz), С. Таненбаум (StanleyI.Tannenbaum), Р. Лойтерборн (RobertF.Laute-rborn) описывают интегрированные маркетинговые коммуникации (IMC) как «новый способ понимания целого, которое нам видится составленным из таких отдельных частей, как реклама, связи с общественностью, стимулирование сбыта, материально-техническое снабжение, организация взаимоотношений с сотрудниками и др., IMC перестраивает маркетинговые коммуникации для того, чтобы увидеть их такими, какими они видятся потребителю — как поток информации из единого источника». Исходя из описанных подходов к понимаю интегрированных маркетинговых коммуникаций можно вывести следующие характеристики:
· используется для достижения бизнес — целей: стимулирование продаж
· принцип единообразия сообщения для всех ЦА
· фокус на потребителе,
· стратегическая направленность
· интеграция в ключевые бизнес процессы
Понимание интегрированных маркетинговых коммуникаций поможет выявить особенности интегрированных коммуникаций, необходимость введения которых обусловлена переосмыслением бизнес- аудитории (в силу развития современных технологий) на различные группы: потребители, инвесторы, сотрудники, глобальная общественность и др., в этих условиях становится нерелевантным использование концепции транслирования одного сообщения для всех групп стейкхолдеров. Переосмысление целевых групп потребителей связано с идеей о том, что «потребитель — единственный источник, который может осуществлять интеграцию коммуникации сообщений в соответствии с факторами, которые важны для него или нее».
Дон Шульц (DonSchultz) дает следующее довольно широкое определение для ИК: «…интегрированные коммуникации включают в себя как внутренние, так и внешние аудитории и все формы групп, важных для компании». Бачурина Н.С. доцент факультета коммуникаций, медиа и дизайна НИУ ВШЭ, обозначает интегрированные коммуникации как «мультидисциплинарную стратегию вариативной медиа и структурную координацию коммуникаций со стейкхолдерами, влияющую на восприятие ими всей информации об организации как целом». Александра Ендальцева, преподаватель Департамента Интегрированных коммуникаций НИУ ВШЭ и инициатор первой в России международной научной конференции в области коммуникаций «Communicationas a Disciplineandas a Field: Sharingexperiencestoconstruct a dialogue» дает наиболее полное определение: «Интегрированная коммуникация, включает в себя связи с общественностью, управление, маркетинг, политическую коммуникацию, отношения со СМИ и платформы для социальных сетей, которые отражены на всех коммуникативных уровнях, от корпоративного до личного, являются продуктом капиталистического потребительского общества с долей в потреблении персональной информации». Исходя из вышеописанного, можно утверждать, что интегрированные коммуникации подразумевают комплексное воздействие различных форм коммуникаций, обращенных на конкретную и многочисленную целевую аудиторию.
Интегрированные коммуникации главным образом характеризуются согласованностью различных сообщений по разным каналам (PR, диджитал, реклама) для разных целевых групп (потребители, внутренняя среда компании, стейкхолдеры и др.). Соответственно, теперь необходимо учитывать особенности каждой целевой аудитории для того, чтобы наиболее эффективно (с минимальными затратами, в кратчайшие сроки и заявленным результатом) и рационально использовать донесение сообщения. Более того, можно заявить о том, что «контроль над коммуникацией в существенной степени перешел от отправителя сообщения к получателю».
Согласно концепции интегрированных коммуникаций изучение следующих факторов становится важными при построении коммуникационной стратегии: в какой форме покупатель хочет получить информацию, в какое время, при каких обстоятельствах и какое именно сообщение хочет получить потребитель. В свою очередь, увеличение числа каналов способствует росту числа контактов, а значит интенсивность влияния коммуникации возрастает, при условии грамотной выборки канала передачи сообщения.
Исходя из работы А. Гронштедта можно построить модель эффективного взаимодействия ИК в различными сегментами внутри компании, охватывая разные блоки: дополнительный доход, контроль, рационализация, внутренняя среда компании.
Дополнительный доход:
. Привлечение инвесторов
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. Позитивное освещение в СМИ
. Установление отношений с покупателями — поддержка лояльных покупателей
. Привлечение высококвалифицированного персонала
. Уменьшение затрат от применения регулятивных санкций и судебных издержек
Контроль:
. Больший контроль над сообщениями
. Контроль точек контакта с целевыми группами, важными для компании
. Контроль над управлением между сообщением и точками контакта
Рационализация:
. Сокращение времени
. Сосредоточение ресурсов благодаря отсутствию дублирования затрат и усилий
Внутренняя среда компании:
. Установление более крепких связей с персоналом, воздействуя и предавая значимость их настроениям
. Грамотное распределение человеческих ресурсов
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. Предоставление необходимой информации для эффективной работы сотрудников
Способность охватить все сегменты сразу создает кумулятивный эффект, за счет чего интегрированные коммуникации становятся более эффективными.
Кроме того, для данной модели характерно 3 типа распределения интеграции: вертикальная, горизонтальная и внешняя интеграция.
Вертикальная интеграция подразумевает интеграцию коммуникаций внутри организации в направлении от работников начального звена к высшему руководящему составу;
Горизонтальная интеграция подразумевает интеграцию коммуникации между отделами и сотрудниками на всех уровнях.Горизонтальнаяинтеграция коммуникаций на практике по данным международного мониторинга за 2015 год выглядит следующим образом:
CEO/ президент компании — 84% взаимодействия (от всех опрошенных)
Маркетинговый отдел — 72,4% взаимодействия
Стратегический отдел и отдел планирования — 58,8%
Юридический отдел — 42,8%
Финансовый отдел — 41,5%
Аудит и контроль — 21,8%
Внешняя интеграция характеризуется созданием связей компании с интересными и важными для нее группами: инвесторы, государственные власти, СМИ и др.
Итак, в отличии от ИМК на первом плане в ИК ставится акцент на взаимодействии со всеми группами, важными для компании, без преобладающего преимущества потребителей, и направленность интегрированных коммуникаций как на внутренних, так и на внешних стейкхолдеров компании. Соответственно, для дальнейшей аналитики ИК будут разделены на внешние и внутренние коммуникации, в зависимости от их направленности на конкретных стейкхолдеров компании.
Еще одна предпосылка к возникновению интегрированных коммуникаций, это экономический кризис, которыйтрансформировал стратегию компаний. Все то, что случилось на глобальном уровне оказало влияние и на локальном уровне. Быстрая выгода от продажи продукта — не есть истинная цель, компании заботятся о своей репутации, становятся социально-ответственными, транслируют свои ценности в общество. В свою очередь, это повлияло на систему стратегического управления компанией. Интегрированные маркетинговые коммуникации не способны справиться со всеми целями компании, а особенно с контролем репутации, в силу того, что изначально их применение было нацелено исключительно на получение прибыли. В свою очередь, интегрированные маркетинговые коммуникации позволяют компании транслировать все ключевые сообщения для своей аудитории, в том числе охватывая стратегические коммуникации. «Интегрированная коммуникация — это термин, который объединяет все стратегические коммуникации организации под одним зонтиком». Поэтому прагматическая концепция интегрированной коммуникации является стратегически разработанным и скоординированным комплексом внутренних и внешних коммуникаций организации, направленным на достижение ее целей и на продвижение ее ценностей. А значит, что интегрированные коммуникации дают возможность транслировать философию компании и ее ценности для всех стейкхолдеров, что положительно влияют не только на построение благоприятной атмосферы внутри компании, но и на формирование желаемого имиджа на рынке — что является мощным конкурентным преимуществом в условиях глобализации.
1.2 Использование современных технологий в интегрированных коммуникациях
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Интеграция коммуникаций возникла в тот момент, когда потребление контента клиентом приобрело более динамичный характер, время стало более ценным ресурсом при возрастающей цене контакта. Важно не только максимально эффективно настроить коммуникационные элементы в единой стратегии, но и постоянно применять новые инструменты. Так, например, в 2014 году phygital — технологии стали новым прорывом в коммуникациях. Phygitalтехнологии образуются на стыке двух реальностей: физической и цифровой, и их возникновение напрямую связано как с ростом интернета вещей, так и с увеличением объема затраченного времени в Интернете. Один из ярких примеров применения phygital-технологий в коммуникационном продвижении (часть маркетинга) это Японский кейс ibutterfly. Слоганами компании были «Поймай свою бабочку и собери коллекцию!», «Обменяйся бабочкой с другом!», «Используй бабочку как купон!», − их популярность в разных городах была достаточно продолжительной. На улице, в парке или даже магазине и офисе, можно было увидеть много людей, в том числе и взрослых, которые будто бы действительно пытались кого-то поймать с помощью своего телефона. Как это работает: для IPhone было разработано специальное приложение, которое генерировало изображение бабочки в реальном пространстве и задача была ее «поймать». В этой акции было задействовано несколько ритейлеров, где за цифровую бабочку-купон предоставлялась реальная скидка на товар.
Стремительное развитие рынка современных технологий безусловно устанавливает свои новые тенденции, которые мгновенно применяются специалистами в области коммуникаций. Ведь если это интересно потребителю — то это отличный инструмент для того, что настроить с ним столь ценный для компании контакт.
Самым популярным инструментом в маркетинговых коммуникациях является таргетинг на основе больших данных. Интернет-коммерция отслеживает действия покупателей на сайте и затем предлагает им индивидуальные рекламные блоки, исходя из предпочтений и действий. OutcastMedia, цифровая медиа компания, которая продает видеорекламу на топливных насосах через автозаправочные станции по всей территории Соединенных Штатов, в настоящее время работает с рекламодателями для запуска видеорекламы на основе профиля кредитной карты пользователя, которой он расплачивается за топливо. Возможности появляются бесконечно, поскольку медиа-компании и агентства стремятся использовать богатство таргетинга на основе данных. Аналитика данных позволяет адаптировать каждую часть маркетингового комплекса, а также самого продуктадля вовлечения большего числа потребителей к бренду, повышения его релевантности для всех и предоставления дополнительных преимуществ, что уже является частью интегрированных коммуникаций.
Распространённая технология дополненной реальности пользуется популярностью и в интегрированных коммуникациях ритейлеров. Например, в приложении IKEAвозможно расставить выбранную из каталога мебель в квартире с помощью камеры смартфона еще до фактической покупки товара.Кроме того, в виртуальный интерьер можно добавлять фотографии членов семьи и домашних питомцев, чтобы картина стала еще более реалистичной.
Еще одна новая технология, которая была введена для ритейлеров, это навигация в помещении iBeacon от Apple. Данная системадаст возможность продавцам и разработчикам мобильных приложений моментальной идентификации клиентов (например, когда они входят в магазин). Гаджет сможет отправлять информацию о пользователе и после идентификации представлять специальные предложения от компании (в зависимости от того, в каком магазине будет находиться потребитель). По словам разработчиков, услуга будет доступна только с согласия клиента. В целом, эта технология является мощным маркетинговым инструментом, который повышает лояльность клиентов благодаря персонализированному подходу.
Интересное приложение, которое было разработано компанией Volvo, может быть адаптировано и для крупных ритейлеров. OneCallпозволяет выбрать доставку товара, купленного в интернет-магазине или в точке продажи, прямо к автомобилю на большой стоянке. Это позволит сэкономить силы и время на поиски своего авто с большим количеством покупок в руках.- это система рекомендаций для розничных продавцов, которая была создана на базе программного интерфейса интеллектуальной системы Watson от IBM компанией Fluid. Это более усовершенствованная технология (по сравнению с iBeacon), внедрение которой планируется в 2017 году. Система будет отвечать на вопросы пользователей, которые сформулированы в свободной форме (аналог Siri), и отображать персонализированные рекомендации на основе информации, полученной от потребителя.
В качестве коммуникаций с персоналом была внедрена система мобильного окружения, которая позволяет в реальном времени связываться со складом, проверять наличие товаров и запрошенных размеров, предлагать возможную альтернативу по специальным меткам. Данный способ организации рабочего пространства ритейлеров удобен в контексте реализации стратегии многоканальных продаж. Похожую технологию внедряют в сети Decathlon и магазинах группы компании Indetex.
Scan&Go — сервис, который уже успешно применяется российским ритейлером, гипермаркетом «Глобус». Это система самостоятельно сканирования товаров, которая доступна держателям карточек лояльности. Это мера продиктована необходимостью сбора данных о потребители и его продуктовой корзине в общую базу CRM. С помощью этого сервиса возможно не только проследить покупки каждого клиента, но и его отказы от приобретения того или иного товара на основе цены (если товар был просканирован, но в итоге не куплен). Кроме того, для потребителей такая система значительно ускоряет процесс принятия решения о покупке товара и экономит его время, так как после сканирования товара его не нужно повторно выкладывать на кассу.
Кроме того, большие данные являются несомненным трендом на мировом рынке. Так, по данным глобального исследования CapgeminiConsulting, еще в 2013 году компании тратили около 13$ миллиардов на большие данные, и уже к 2018 году эта цифра достигнет 114$ миллардов.И именно на технологии больших данных построена техническая часть большинства описанных кейсов, поэтому дальнейшее исследование будет сосредоточено на применении инсутрументария больших данных.
Глава 2. Большие Данные в интегрированных коммуникациях 2.1 Сущность инструментария больших данных
Для того, чтобы вывести адаптированное определение больших данных для специалистов социальных наук (разграничить типологию и источники) необходимо обратиться к истории возникновения термина, выявить его ключевые характеристики, источнику, типологию и методы обработки.
Сам термин большие данные (оригинальное название BigData) является очень общим, что привело к возникновению нескольких теорий возникновения и значения определения в период популяризации феномена (приблизительно, 2009 год). По словам Ллойда Миллера для TheNewYorkTimes “началась настоящая охота» не просто за первым упоминанием этих слов вместе, ученые находились в поиске раннего упоминания термина в контексте способов обработки и хранения больших массивов информации, что приведет к определению истинной дефиниции термина. Одно из первых упоминаний термина большие данные было обнаружено в статье Эрика Ларсона для журнала Harper’sв 1989 году (затем статья была опубликована в журнале TheWashingtonPost) в контексте использования и хранения больших данных пользователей. Это одна из самых распространенных цитат, имеющая релевантность и в современных реалиях.
Эрик Ларсон указывал, что «хранители больших данных говорят, что используют данные во благо потребителя, однако, данные используются для других целей, изначально непредусмотренных и неоговоренных». Однако, это определение разделяют не многие. Гораздо чаще можно встретить упоминания о Джоне Машей. Вместо научных публикаций Дж. Машей привел примеры более 100 диалогов в маленьких группах в середине и конце 1990-х годов, и, конечно же кейс Графики Силиконовой долины. В 1990х годах Силикон Графикс был не только гигантом по созданию компьютерной графики спецэффектов в Голливуде, но и работал с системами видеонаблюдения шпионских агентств. Это был один из самых ярких кейсов периода 90х годов, который имел дело не только с новым форматом данных, но и обрабатывал их в большом количестве. Так было определено, что границы компьютерных систем вычисления и измерения постоянно растут.Кроме того, экономист из университета штата Пенсильвании ФрэнсисДэболд пишет о связи некоторых статистических и алгоритмических методов в наборе инструментов больших данных с экономическим моделированием и построением Уолл-Стрит. Из истории возникновения больших данных можно сделать вывод о первостепенной технической значимости этого феномена, который ранее применялся исключительно в фундаментальных науках. В 2011 году крупнейшие информационно — технические компании, такие как Microsoft, IBM, HP, Apple, применяют большие данные для организации своих деловых стратегий.
Для продуктов IBM по менеджменту информацией в фокусе становится потребность современного бизнеса не только в обработке колоссальных массивов данных, но и в извлечении из этих данных настоящей ценности для конкурентоспособности и развития.Так, большие данные постепенно обретают массовый характер, а целью использования аналитики больших данных становится решение бизнес-задач.
Также, в 2011 году исследовательская и консалтинговая компания Gartner отмечает тренд на большие данные в информационно-технологической структуре, как второй по популярности тренд после виртуальной реальности. И именно в 2011 году компания прогнозировала успешное и эффективное применение больших данных в различных отраслях: производство, здравоохранение, торговля, государственные структуры.
Для дальнейшего исследования необходимо вывести рабочий терминбольших данных. В широком понимании терминаимеется в виду социально-экономический феномен к способности агрегировать и собирать весь мировой объем данных и следующие из этого технологические трудности и трансформации.Довольно часто, как видно из истории происхождения термина, под большими даннымипонимают не только большие массивы информации (более 100Гб в сутки), но и технологии их обработки (иначе, собранная информация не имеет смысла и быстро устаревает). Поэтому свое распространение в многих крупных корпорациях получил термин datascience (наука о данных), как более релевантный. В своем аналитическом отчете «Большие данные: Следующий рубеж для инноваций, конкуренции и производительности» компания McKinseyGlobalInstituteдает следующее определение “большие данные — это объемы информации, рост которых опережает возможности компьютерных систем по обработке, хранению и передаче этой информации».
Дуглас Лэйни (Douglas Laney) из Gartner в своей «3D Data Management: Controlling Data Volume, Velocity, and Variety» впервые выявил три главных фактора больших данных: (volume — объем данных, velocity — скорость передачи данных и их обработка, variety — многообразие информации). В соответствии с данной теорией технологии больших данных дают возможность не просто собирать большой массив разрозненной информации, но и обрабатывать ее в режиме реального времени. Многообразие данных предопределяет получение данных из разных источников в разных форматах. Также, Дуглас Лэйни вместе с Марком Бейером (Mark Beyer) в своей работе «TheImportanceof Big Data: ADefinition» на основании выведенных факторов 3V, вывел термин, согласно которому большие данные- это «данные, обладающие большим объемом, быстрой скоростью передачи и получения информации, и вариативностью, которая требует новые формы обработки для модернизации процесса принятия решений и оптимизации процессов».
Объем данных, скорость обработки информации, вариативность формата отображения данных стали основополагающими для разработки технической составляющей. В дальнейшем, компания IBM, помимо упомянутых факторов, стали учитывать «четвертую силу — value» — достоверность. Иная интерпретация четвертого фактора принадлежит компании IDC, которые отмечают, что «value» это ценность данных с экономической точки зрения.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Профессор George Mason University Кирк Борн (Kirk Borne) увеличил теорию «3 V» до «10 V», в которой он выявил комплементарные характеристики больших данных, такие как: veracity, validity, value, variability, venue, vocabulary и vagueness. Необходимость введения дополнительных V -характеристик была спорным моментов, однако, это было обусловлено проблемами, с которыми сталкивались первопроходцы в применении больших данных, для которых 10Vпредоставило ценные уроки и послужило для создания образцовых практик. По словам профессора Борна, каждая из 10 Vпредставляет собой проблему, которая коррелируется с основными задачами больших данных: захват информации, очистка хранилищ, интеграция данных, хранение данных, обработка данных, индексирование, поиск информации, общий доступ, передача данных, интеллектуальный анализ данных и визуализация данных. Итак, исходя из концепции «10V» (включая первоначальные 3 Vхарактеристики).
Volume — большое количество данных (которые были названы «Тонна Байт» (Tonnabytes). Это предполагает, что реальная числовая шкала, в которой объем данных представляет сложность в конкретных настройках, специфична для определенной области. Но так или иначе, речь идет о тоннах байт.
Variety — разнообразие данных. Эта характеристика предполагает сложные структуры данных, тысячи характеристик на 1 информационный предмет и многообразие форматов данных.
Velocity- скорость передачи данных. Характеризует быстрый поток входящей информации в режиме реального времени.
Veracity — достоверность информации. Одна из самых проблемных (в силу развития IoT) и в тоже время мощных характеристик, так как на ее основе возможно построить аналитику всего населения.валидность. Предполагает качество данных, управление данными и их менеджмент (MDM — masterdatamanagement).
Value — важнейший фактор, характеризующий экономическую (бизнес) ценность, ROI (экономический эффект, выгода) и потенциал анализируемых данных для возможности преобразования организации на всех уровнях.
Variability — изменчивость информации. Динамичная, прогрессивная, пространственно-временная информация, сезонная, и другие типы не статичных характеристик в источниках данных.
Venue- место действия. Предполагает распределение разнородной информации с разных платформ, от разных владельцев, с различным доступом к получению информации (частное или общественное облако данных).
Vocabulary — словарная база данных. Схемы, модели данных, семантика и другие метаданные на основе контента и контекста, которые описывают структуру, синтаксис, содержимое и происхождение информации. Этот фактор предполагает теоретическую базу, которая используется программистами.
Vagueness- неопределенность. Путаница в значении больших данных: это то, что уже было, либо это новая информация.
Последняя, десятая Vбыла представлена Венкатом Кришнамурти (Venkat Krishnamurthy) Директором продакт менеджмента в Yarc Dataна инновационном саммите по большим данным в Санта Кларе 9 июня 2014 года.
Таким образом, можно сформировать рабочий термин. Большие данные — это большой массив неструктурированных данных (более 100гб в сутки), которые постоянно обновляются и поступают из разных источников в режиме реального времени, аналитика которых может принести конкурентное преимущество для организации с точки зрения экономической выгоды, при условии их достоверности и валидности.
Источники больших данных и обработка. Влияние Интернета на современный мир: образование, наука, развлечения, общение, бизнес, политика, общество и тд. — очень велико. Заявление о том, что Интернет меняет все, в том числе себя уже не требует доказательств. Сейчас Интернет один из самых мощных и важных изобретений в истории человечества. Стремительное увеличение объемов информации (исходных данных) связано с экспоненциальным возрастанием числа технического оборудования, генерирующего большие потоки информации. Генераторами больших данных (bigdata) являются различные датчики — техническое оборудование аудио и видео регистрации и измерительные устройства, радиочастотные идентификаторы, метеорологические данные, потоки данных от абонентов сетей сотовой связи.
В целом, классическими источниками больших данных принято считать Интернет вещей и социальные медиа. Количество генераторов, которые хранят и переносят информацию без участия человека, стремительно растет. Компания Ciscoв своем исследовании сделала прогноз, что уже к 2020 году, с население Земли в 7,6 миллиардов человека, число таких датчиков достигнет цифры в 50 миллиардов (это 6,58 подключенных девайсов на 1 человека). И уже сейчас на одного жителя Земли приходится около 4 девайсов, что позволяет сделать вывод об участии различных датчиков в информационном взаимодействии. Этот феномен был обозначен в концепции Интернета вещей (theinternetofthings), развитие которой было положено в Массачусетском технологическом университете. Интернет вещей относится к периоду времени, когда число устройств (подключенных / не подключенных к сети) превысило число пользователей всемирной паутины. По словам Джейкоба Моргана, можно выделить следующие типы взаимоотношений: человек — человек, человек — вещь, вещь — вещь. В своем идеальном представлении Интернет вещей, благодаря автоматизации процессов в различных сферах, повысит эффективность экономики. Сейчас же он представляет собой датчики, которые связаны между собой единой сетью, один из ярких примеров применения этой концепции — технология «Умный дом» (дом, где гаджеты управляют всеми техническими процессами вместо человека). Интернет вещей, термин, используемый для описания использования датчиков и других подключенных к Интернету устройств для отслеживания и контроля физических объектов, открывает совершенно новые способы ведения бизнеса. По оценке Mc Kinsey Global Institute приложения Интернета вещей к 2025 году могут иметь влияние в $11 триллионов.
Эндрю Меола выделяет следующие типы сетей, через которые осуществляется непрерывный поток данных благодаря различным устройствам: BAN, WAN, LAN, VWAN.
· BAN (bodyareanetwork) — программы и устройства, которые взаимодействуют с телом (например: умные футболки, фитнес-браслеты, applewatch).
· WAN (wideareanetwork) — сеть, охватывающая большие территории с низкой частотой передачи данных (пример датчиков: дроны, автомобили, GPSнавигаторы и тд)
· LAN (localareanetwork) — домашняя сеть (пример: маршрутизаторы и роутеры)
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
· VWAN (verywideareanetwork) — сеть с очень большим покрытием для массового пользования (пример: электронные городские ресурсы по типу EMIAS)
Стремительное увеличение числа датчиков (генераторов данных) в парадигме Интернета вещей (IoT) стало причиной возникновения больших объемов данных и, как следствие, проблем, связанных с хранением и обработкой колоссального массива информации.Старые методы обработки информации, разработанные человеком, не способны справляться с таким числом информации, которую стали генерировать машины. Однако, вопрос с хранилищем данных был вынесен на обозрение еще в 2001 году вне контекста о больших объемах информации, а для оптимизации бизнес-структур. Определяющим признаком является тот факт, что теперь для анализа и обработки данных важно учитывать не только физические характеристики (первые три Vфактора, упомянутые ранее), но и другие категории. Способность порождать гораздо больший массив данных, чем обрабатывать вызывает главный дисбаланс. Большие данные метафорично возможно сравнить с нефтью: без должной обработки сырье не имеет столь высокой ценности, но несет в себе большой потенциал для создания абсолютно различных продуктов (от формы до сферы применения). Однако, данные еще имеют функцию устаревания, и, необработанные в нужный момент массивы информации не будет нести в себе смысла и конечного применения. Именно поэтому важно разобрать самые популярные способы обработки больших данных и перспективы для их развития.
Компания IBMв своем отчете о глобальном исследовании больших данных разделяет источники данных для бизнеса на внутренние (internaldatasources) и внешние (externaldatasources).
Отчет компании «Analytics: Thereal-worlduseofBigData» («Аналитика: практическое использование больших данных») базируется на результатах глобального опроса 1144 бизнес- и IT-экспертов из 95 стран и 26 сфер. Данный анализ дает ясное и полное понимание о том, как компании в разных странах мира относятся к большим данным, каким образом создаются нужные возможности для реализации данного потенциала, и в какой степени организации в действительности используют большие данные в интересах своего бизнеса в настоящие дни.
Рисунок 1. Типы источников больших данных
Как видно из рисунка (см. Рисунок 1), для внутренних источников 88% данных поступают из транзакций, проведенных в компании (в основном, это бизнес-сделки и заказы клиентов), 73% регистрационных данных (обычно, это ФИО, год рождения, пол, мобильный телефон, геоданные, и иные данные при входе в систему. Например, в случае оформления клиентом заказа на сайте). 53% информации поступает с e-mail(это может быть любая рабочая переписка, содержащаяся в почте). Информации из внутренних источников компании всегда более структурирована и релевантна. Кроме того, сбор этих данных велся еще с начала основания компании (и далеко не с целью аналитики больших массивов, но скорее для отчетности). Именно поэтому более половины респондентов из опроса сказали о том, что предпочитают использовать данные из внутренних источников компании. Это свидетельствует о 2 фактах: внутренние данные полезны компании, огромный потенциал внутренних данных «заперт» внутри информационной системы организации.
Внешние источники в большей степени сосредоточены в данных из социальных сетей (43%), аудио информации (38%), фото и видео информации (34%).
Большинство организаций, которые начинают работу с данными, берут за основу аналитику структурированных данных, применяя основные инструменты, такие как запросы и отчетность (91% респондентов) и глубинный анализ данных (77%). Больше половины (67%) сообщают об использовании прогностического моделирования. Однако, для построения качественной стратегии для ИК может потребоваться работа с неструктурированными данными (сообщения от пользователей в соц. Сетях, публикации с отметкой бренда, комментарии под контентом с изображением бренда, телефонные звонки клиентов и другое). Основная проблема в аналитике текстовой информации связана с тем, что машина не умеет отличать тональность русского языка в некоторых моментах: например, «да нет, наверное» или же «Почта Росси такая быстрая».
Кроме того, ниже приведены 5 рекомендаций из аналитического отчета, которые IBMпредлагает принять во внимание при внедрении аналитики больших данных для достижения высоких результатов и рационального использования
Количество данные из внешних источников настолько огромно, что очень важно понять, как, по какому принципу и в каком формате необходимо собирать нужную информацию. Ниже представлена инфографика (см. Рисунок 2), иллюстрирующаяся количество входящих данных каждую минуту из самых популярных источников (Facebook, YouTube, Google, Instagramи другие) в самых распространенных форматах: текстовые данные, фото, видео, банковские транзакции и геолокации.
Рисунок 2. Количество входящих в сети данных в течение минуты
Такие цифры даже сложно представить, каждую минуту пользователи Face Bookвыкладывают около 684, 478 публикаций контента различного формата. В инстаграам загружают 3,600 фотографий, а потребители тратят $272 000 на шоппинг в Интернете. Исходя только из этих 3 ресурсов можно составить детальный портрет своей целевой группы. Кроме того, самым мощным инструментом всех социальных сетей является возможность связать свои аккаунты между собой, что в разы упрощает аналитику для компании. Однако, именно из-за огромных объемов входящего трафика проблема хранения и обработки данных является самой актуальной для компаний в настоящий момент. 3 главных характеристики: Volume, Velocityи Varietyвступают в спор между собой.
Способы обработки данных. Майк Лукидис написал: «Будущее принадлежит компаниям и людям, способным превратить данные в продукты» . Применимо к нашей тематике, можно утверждать, что тот, кто владеет данными и технологиями их анализа — владеет миром. Именно поэтому, вопрос обработки и анализа данных является самым обсуждаемым с начала широкого применения больших массивов информации (то есть с 2011 года).
Для следующих источников данных необходимы различные методы их обработки.
поведение пользователей в интернете
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
GPSсигналы
данные с датчиков в большом Андроном коллайдере
оцифрованные книги в библиотеках
информация о банковских транзакциях
информация о всех покупках в сети ритейл и e-commerce
данные спутниковых систем
корпоративные базы данных
В качестве базового принципа обработки данных отмечают горизонтальную масштабируемость. То есть если увеличилось кол-во информации, то достаточно просто добавить необходимое «железо» и система вновь способна анализировать уже больший объем. Компания McKinseyотмечает технологии businessintelligence (методы перевода информации в удобную для восприятия форму, часто применяется в бизнес — анализе), и реляционные системы управления базами данных, которые существуют уже на протяжении 40 лет. Кроме того, многими аналитиками и компаниями выделяются следующие методы:
· NoSQL (notonlySQL) — несколько подходов, ориентированных на осуществление манипуляций с хранилищами баз данных. Применимо к данным, где стоит проблема масштабируемости (очень большой поток информации необходимо решать за счет атоматорности).
· MapReduce — один из самых классических методов, структура для вычисления комплектов распределенных задач с применением множества компьютеров, которые образуют кластер. Состоит из 2 шагов: Mapи Reduce. Сперва входные данные обрабатываются, затем в виде задачи поступают на процесс reduce — когда происходит решение задачи, которая была сформулирована. Такой подход широко применяется компаний Google
· Hadoop -программа, названная в честь игрушечного слона, появилась на рынке совсем недавно и уже взяла на себя работу с некоторыми крупнейшими в мире веб-сайтами (FaceBook, Yahoo). Позволяет контролировать крупнейшие поисковые системы и отображает результаты, именно это система решает, что видят пользователи на домашней странице Yahoo и находит старых друзей на FaceBook.
Так как количество источников данных постоянно растет (Интернет вещей увеличивается с каждым годом, что было упомянуто ранее) — востребованность к технологиям их обработки очень высока. Важным принципом в обработке данных является «локальность». В больших системах данные распределяются на очень большое количество машин, при этом данные могут находиться на одном сервере, а обрабатываться на другом — тогда расходы на передачу данных с одного сервера на другой могут превысить расходы на саму обработку. Поэтому принцип локальности диктует правило обработки данных на той же машине, где они и хранятся.
Типология больших данных. Сейчас наблюдается нечто похожее на промышленную революцию, когда люди разделились на тех, кто владеет производством и тех, кто на них работает. Однако теперь на первый план выходят информационные активы, хищение которых гораздо вероятнее и проще, чем хищение материальных активов. Кроме того, сделать это можно легально, именно поэтому уделяется большое внимание Аналитике Больших данных и технологиям их защиты, которые зависят от типологии данных. Основанием для классификации больших данных служат их технические характеристики, источники и направления для реализации.
Майкл Канеллос (MichaelKanellos) исследователь и автор статей для Forbesвыделяет следующие форматы: fastdata, darkdata, lostdataи newdata.
Fastadata — это возможность быстрой аналитики данных (настолько быстрой, что возможно мгновенно определить предпочтения потребителя во время того, как он активировал свой купон на скидку в торговом центре). Ценность входящих fastdataсводится не к идеальной аналитике, но возможности выдать прогноз в режиме реального времени. IBMи CISCOстроят свои кампании на основе fastdata.Такой тип приложения больших данных в скором времени будут использовать большинство компаний.
DarkData-видеотрансляции, фотографии, комментарии в сети, входной и выходной траффик служб безопасности и охранных предприятий. DarkData — это информация, доступ к которой получить не так просто. Компания Gartnerи IDCоценивают, что примерно 80% данных являются неструктурированными и только находятся на подходе.К 2020 году количество входящих данных (измеряемых в Эксабайтах) по сравнению с 2017 годом вырастит примерно в 2,5 раза и достигнет 40 000. Как и к другим категориям данных, доступ к ним все также будет ограничен. Для того чтобы найти конечный результат аналитики такого типа данных необходимо провести огромное количество вычислений, при этом не всегда ясно, с каких устройств их собирать. В следствие технических ограничений и недостаточно развитой инфраструктуры (например, в мире насчитывают 245 миллионов камер скрытого наблюдения, работающих камер видеонаблюдения в городе всего 20% , из них способны снимать в режиме реального времени в HD только 2%).Поэтому на сегодняшний момент большая часть darkdataнаходится в тени, в силу технических ограничений к их своевременной обработке.
LostData (или операционные данные) — это информация от производственного и промышленного оборудования, и других источников, которые находятся внутри коммерческих и промышленных предприятий. В техническом понимании эти данные не потеряны (lost- англ. Потерянный). Проблема заключается в том, чточаще всего они закрыты внутри операционной системы. В своем исследовании Mc Kinsey Global Instituteоценивает, что у нефтяной вышки может быть 30 000 датчиков, но для принятий решений будет использоваться только 1% информации.
New Data-это информация, которую мы можем и хотим получить, но которую, скорее всего, не можем собрать в настоящий момент. Параметры newdata можно сравнить с историей об обнаружении огромных запасов пресной воды на территории Израиля. Примерно 8,6 триллионов галлонов воды теряется из за утечек в трубах, такого объема достаточно, чтобы наполнить Гувер Дам . Компания TaKaDoиз Израиля предприняли первые попытки по решению этой проблемы путем разработки алгоритма, который будет указывать на источники утечек. Таким образом возникает необходимость максимизировать эффективность сбора информации, и начать нужно с того, чтобы понять, на каком этапе происходит утечка данных. Еще один пример, медицинская компания GingerI.Oв своем приложении использует геолокацию и поведенческие паттерны со смартфонов для того, чтобы удаленно наблюдать за пациентами с биополярным расстройством и посылать сигнал их опекунам (или сразу в клинику) о приближении кризиса или возможных нарастающих симптомах. На сегодняшний день Ginger.io собрал более 6 миллионов данных от пациентов, что поможет компании усовершенствовать свою технологию по мере роста клиентской базы. То есть основная проблема формата newdataзаключается в том, что важно не собрать как можно больше новой информации, а как можно эффективнее и эргономичнее ее распорядиться.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Для дальнейшего исследования сегмента ритейл и e-commerceнаибольший интерес представляют собой fastdata (для своевременного анализа потребителей и генерирования мгновенных ответных действий)и newdata (для построения стратегии интегрированных коммуникаций в том числе). Однако, каждый тип данных может быть задействован в том или ином виде исходя из целей компании.
Для релевантного представления больших данных необходимо отметить существующие концепции, связанные с доступностью этих данных. Так как именно проблема безопасности передачи данных и доступа к ним для аналитики является сейчас самой обсуждаемой.
Концепция открытых данных (opendata), описанная Джоном Бертотом (John Bertot) из Universityof Maryland, основывается на идее о том, что часть данных должна быть в свободном доступе, без ограничения авторских прав, патентов и других механизмов регуляции. В соответствии с этой концепцией данные могут быть вторично использованы, обработаны и размещены в сети. По словам ученого открытые данные предоставляют возможность частным лицам, некоммерческим организациям и малому бизнесу обнаруживать свежие инсайты и производить новые услуги, продукты, корректировать стратегию развития на основе этих данных.
Феномен связанных данных был описан Тимоти Джоном Бернерс-Ли (Timothy John Berners-Lee), британским ученым и создателем технологии Всемирной паутины. Данная теория подразумевает формирование отдельной надстройки над Всемирной паутиной, целью которой является создание опубликованных данных более доступными для машинного чтения, синтеза выводов и модификации как самой информации, так и произведенной на их основе аналитике. Для размещения в открытом доступе и возможности использовать такую информацию был введен термин linkeddata, в широком понимании описывает связанные наборы информации в сети. Схема развертывания открытых данных от наименее связанных к наиболее связанным, разработанная Тимом Бернерсом — Ли, получила название 5- звездочной системы.
звезда — данные, загруженные в Интернет в любом формате с открытой лицензией (opendata). Такие данные легко читать потребителю и загружать в сеть автору. Однако, чтобы извлечь данные из документа (например, формата PDF) необходимы специальные самописные программы.
звезды — данные, которые доступны в том числе и для чтения машины (например, в формате Excel). Однако, такие данные по-прежнему ограничены документом, так как для их чтения необходимо воспользоваться специальным программным обеспечением.
звезды -данные, представленные в том числе в незапатентованном формате (например, CSVвместо Excel). Такие данные служат в большей степени для визуального восприятия, и не являются по-настоящему встроенными в Web.
звезды — все тоже самое, что и перечисленное выше, только с открытыми стандартами данных W3C (RDF или SPARQL), для того, чтобы люди могли ссылаться на информацию в сети. Данные уровня 4 звезд уже являются частью Web.
звезд — связанные данные уровня 4 звезд. Потребитель и автор получают дополнительные бонусы от сетевого эффекта (чем больше абонентов в сети, тем эта сеть более ценная).
Таким образом, большие данные существуют в различных форматах, каждый из которых выбирается компанией индивидуально для достижения поставленной цели. Не исключено, что через несколько лет благодаря развитию технологий будут описаны новые форматы данных, которые зависят от многих технических характеристик, характера открытости и уровнем связанности между собой и другими пользователями сети.
Выводы: Для дальнейшего исследования сегмента ритейл и e-commerceнаибольший интерес представляют собой fastdata (для своевременного анализа потребителей и генерирования мгновенных ответных действий)и newdata (для построения стратегии интегрированных коммуникаций в том числе). Однако, каждый тип данных может быть задействован в том или ином виде исходя из целей компании.
Обзор технических характеристик технологии больших данных показал большое число различных определений, технологий обработки, источников и форматов данных. Что еще раз подтверждает актуальность данного исследования. Вся информация была проанализирована и адаптирована для специалистов социальных коммуникаций, с целью создания общего грамотно понимания данного феномена.
2.2 Большие данные в интегрированных коммуникациях
Кампания с использованием интегрированных коммуникаций, построение которой основано на грамотной аналитике больших данных может открыть большие перспективы для организации (это применимо для различных стратегических направлений внутри компании).
Обработка, аналитика и структурирование данных напрямую зависит от задач, поставленных тем или иным отделом компании: PR, маркетинг, отдел по работе с клиентами, HR или же отдел логистики и тд. Большие данные в сфере коммуникаций могут использоваться не только для принятия решений, «… стало возможным проведение масштабного тестирования эффективности убеждения в реальном времени» — отмечает Зейнеп Туфеки (Zeynep Tufekci) — профессор университета Корнелл. Иными словами, благодаря аналитике больших данных специалисты коммуникаций смогут сразу же оценить, как было воспринято сообщение, адресованное потребителю (или выбранной целевой аудитории). Например, при взаимодействии пользователя с публикацией бренда можно оценить не только предпочтения аудитории относительно контента, но и уровень вовлеченности в определённое время суток и в конкретной локации. Даже такой простой (привычный) пример аналитики больших данных на сегодняшний день был еще недоступен в 2014 году.
Из глобального отчета компании IBMследует, что 49% компанийиспользуют аналитику больших данных для повышения качества обслуживания потребителей (это приоритетное направление), 18% используют для оптимизации внутренних операций, в том числе внутрикорпоративных коммуникаций, 14% отдают предпочтение реализации новых бизнес-моделей (маркетинговые, PRи рекламные компании), и 4% для поддержки эффективного взаимодействия персонала (тоже относится к внутрикорпоративным коммуникациям). На основе аналитики отчета IBMможно заявлять о том, что большие данные могут эффективно использоваться как для внешних, так и для внутренних коммуникаций компании. Важным трендом, отмеченном IBM является реализация пилотных проектов компаний, основанных именно на аналитике внутренних данных.
Применение больших данных в ИК может сделать такие коммуникации динамичными и персонифицированными, обращая свое сообщение к целевой группе. Аналитика больших данных имеет очень большой потенциал для разработки разного рода стратегий и построения портрета своего адресата: портрет потребителя, портер инвестора, портрет сотрудника и тд — будет охвачена каждая из важных аудиторий. Важным аспектом является возможность адаптации стратегии позиционирования бренда, компании и даже сообщения для каждого отдельного человека, а не только лишь настройка грамотного таргетинга на потребителя (что применяется сейчас чаще всего, как один из инструментов в рекламе). Большие данные позволят охватить все из описанных коммуникаций внутри компании: как внутренние, так и внешние, а с учетом высокой степени персонализации сообщения, оно будет не только услышано, но и воспринято — что является ключевым аспектом при формировании лояльной аудитории.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Например, реклама в традиционных СМИ основывается на ограниченном составе демографических данных аудитории, которые представлены в выборке. Чаще всего это были разграничения по полу и возрасту. Благодаря большим данным стало возможно использовать поведенческие данные для медиа таргетинга пишет Энтони Янг в книге Brand Media Strategy: Integrated Communications Planninginthe Digital Era. Например, поиск людей, которые живут в Москве и ищут отдых в Греции стало повседневной деятельностью для гостиничных сетей, авиакомпаний и дополнительного туристического сервиса. Это позволяет настроить персонализированные сообщения. В 2016 году для коммуникаций с пользователем стал активно использоваться Инстаграм, только лишь благодаря инструментам геолокации, фирмы в туристическом бизнесе, например, стали создавать личные аккаунты и отправлять сообщения тем пользователям, что могут быть заинтересованы в прокате скутеров или экскурсии по городу прямо сейчас. Для специалистов по маркетинговым коммуникациям «…возможно не только передавать определенные сообщения для уже известных клиентов или потенциальных, но также и закрывать цикл эффективности и возврата инвестиций (ROI) этих рекламных усилий.»
Спрос на большие данные обусловил появление специальных сервисов, которые открывают новые возможности для специалистов по коммуникациям. Один из самых популярных медиа проектов такого плана — Programmatic (система закупки рекламы в интернете в реальном времени на основе аукциона). Например, различные события жизненного цикла могут побуждать отдельных лиц совершать крупные покупки или даже менять компании в сфере финансовых услуг. Раскрытие данных о человеке по содержимому, которое он просматривает, или даже просто личные обновления в его профиле на Facebook, позволить компаниям ориентировать людей по мере того, как они заканчивают университет, строят семьи, заводят первого ребенка или собираются уйти на пенсию. Это дает возможность сегментировать и настраивать на них очень специфичные сообщения и продукты бренда. «Данные подталкивают СМИ к обеспечению высокого уровня персонализации, который раньше был доступен только личных коммуникациях. Возможность использовать уместные, эффективные и убедительные сообщения в большом масштабе благодаря микротаргетингу, геолокации и адаптивному планированию, станет фактором, меняющим правила игры в коммуникациях бренда».
Энтони Янг (Antony Young) доказал возможность применения аналитики данных для всех создания более динамичных решений по всем 4 P (product, place, price, promotion) в маркетингена примере кейсов.
Product — компанияCoca-Colaустановила свои торговые аппараты, которые позволяли потребителям создать собственные миксы продуктов Coca-Cola. Далее собранные данные были использованы для разработки и маркетинга продуктов.
Place — Tesco, один из крупнейших ритейлеров, адаптировал свое приложение для покупки товаров под наружную рекламу, в том числе и в метро. Теперь, потребитель может навести смартфон на понравившийся продукт в рекламе и сразу его заказать.
Price — этим приемом часто пользуются спортивные команды для корректировки стоимости билетов. Например, St. LouisCardinals использовали онлайн данные о количестве просмотров билетов, прогноз погоды и статусы игроков — что позволяло корректировать цену билета в реальном времени для получения максимального дохода.- Nike применяет эту систему еще с 2012 года, тогда, на Олимпиаде было показано около 21 000 рекламных баннеров, которые были разработаны и таргетированы на конкретные группы пользователей в Facebook.
Для того, чтобы рассмотреть применение инструмента больших данных в интегрированных коммуникациях в сегменте ритейл и e-commerce, необходимо изучить возможности применения больших данных для различных направлений данного феномена.
2.3 Большие данные в ритейл и e-commerce
В России технологии Больших Данных были внедрены компаниями как онлайн, так и офлайн торговли. На сегодняшний день, по данным CNewsAnalytics, BigData используют 20% ритейлеров. 75% специалистов розничной торговли считают Большие Данные необходимыми для развития конкурентоспособной стратегии продвижения компании. По статистике Hadoop после внедрения технологии Больших Данных прибыль в торговых организациях вырастает на 7-10%.
Специалисты М.Видео говорят об улучшении логистического планирования после внедрения SAP HANA, также, в результате ее внедрения, подготовка годовой отчетности сократилась с 10 дней до 3, скорость ежедневной загрузки данных сократилась с 3 часов до 30 минут.используют данные технологии для формирования рекомендаций посетителям сайта.
Одним из первых офлайн-магазинов внедривших анализ Больших Данных в России, была «Лента». С помощью Big Data ритейл стал изучать информацию о покупателях из кассовых чеков. Ритейлер собирает информацию для составления поведенческих моделей, что дает возможность более обоснованно принимать решения на уровне операционной и коммерческой деятельности. Кроме того, сегмент ритейл и e-commerce представляет особый интерес для применения больших данных в интегрированных коммуникациях в силу возникающей проблемы: клиенты покупают офлайн то, что увидели он-лайн, а значит, каналы пересекаются, и теперь привычное разделение коммуникаций на онлайн и офлайн сегмент теряет свою актуальность.
По данным исследования российского рынка больших данных, подготовленного CNewsAnalytics, в котором приняли участие более 100 CIOкрупных российских компаний ИТ — емких отраслей: банки, телеком, ритейл, транспорт, промышленность, нефтегаз и энергетика, наибольшее применение технологии обработки больших данных нашли в сфере банкинга (56%), телеком (67%) иритейл (34%).Факт того, что большие данные воспринимаются не как технология, а как целая концепция говорит о том, что на российском рынке уже складывается единое понятийное поле для этого сегмента.
По словам Максима Казака, руководителя CNewsAnalytics, «дальнейший успех Больших Данных в России будет зависеть от уже известного ряда факторов: наличия подготовленного персонала, объема накопленных данных, готовности к адаптации технологий и процессов у заказчиков, а также адекватного запросам заказчиков предложения и накопленного опыта успешных проектов. Рост спроса на решения BigData в России неизбежен».
Из этого же отчета следует, что в России технологии больших данных были реализованы как в онлайн так и в офлайн торговле. В 2015 году, по данным CNews Analytics, большие данные применялись у 20% ритейлеров. 75% экспертов розничной торговли утверждают, что Большие Данные незаменимы в развитии конкурентоспособной стратегии продвижения компании. Так, например, один из крупных ритейлеров М. Видео утверждает о повышении качества логистического планирования после внедрения SAP HANA, кроме того, в ходе установки, написание годовой стала возможна всего за 3 дня (ранее было за 10), а скорость ежедневной загрузки данных сократилась с 3 часов до 30 минут — такие нововведения позволяют оптимизировать внутренние процессы компании, влияя на настроение сотрудников, что является частью внутренних коммуникаций компании (в комфортной офисной среде специалисты компании более лояльны к своей организации). Еще один крупный игрок на российском рынке в сфер e-commerceWikimart применяет технологии больших данных для составления рекомендованных товаров посетителям сайта. Компания «Лента» одна из из первых офлайн-магазинов, которые внедрили аналитику больших данных в России. С помощью технологии больших данных ритейл начал обрабатывать важную информацию о потребителях на основе кассовых чеков. Кроме того, «сбор информации для составления поведенческих моделей дает возможность более обоснованно принимать решения на уровне операционной и коммерческой деятельности для сегмента ритейл».
Однако, прежде чем начать работу с большими данными, важным элементом является согласованность проектов на основе больших данных с конкретными коммуникациями и бизнес-целями. Понимание подхода, методологий, принципов работы с данными и передовыми методами является ключом к будущему PR и интегрированных коммуникаций в целом в мире больших данных.
В сегменте ритейл оптимизация коммуникаций внутри компании настолько же важна, как и формирование репутации среди глобальной общественности. Так как в сегменте ритейл и e-commerceна конечные продажи и получение прибыли в дополнении к базовым характеристикам (маркетинг, PR) оказывает влияние мерчендайзинг, управление ассортиментом, логистика, прямой контакт с аудиторией в момент покупки. Приведенные ниже кейсы доказывают успешное применение технологии больших данных для тех направлений, что важны именно в сегменте ритейл и e-commerce, а потому, фокус дальнейшего исследования будет на коммуникациях. Так как уже было выявлено ранее, для современных компаний важна не только сиюминутная прибыль, но и транслирование ценностей для формирования/поддержания/управления репутацией. Однако, возможность применения аналитики данных для усовершенствования тех показателей, что влияют на быструю прибыль являются дополнительным бонусом для организации.
. Управление ассортиментом
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Возможность менеджерам магазина предвидеть локальные изменения цен конкурентов и предпринять активные действия по закупке тех или иных позиций.
Кейс FootLocker — компания увеличила продажи и маржинальность за счет управления ассортиментом. Совместное решение с техническим партнером Quantisense было развернуто за 2недели при помощи Netezza. Footlockerзагрузили историю продаж за 3 года, историю остатков по складам и заказам, каталог товаров и информацию о расположении магазинов, курсы валютного обмена. Аналитика полученной информации позволила создать новый подход к планированию ассортимента, вместе с Quantisense компания запустила так называемый «Playbook». Более 50 менеджеров FootLocker получили интерактивный инструмент анализа «что можно сделать». Footlockerувеличили прибыль на $13.5 миллионов, увеличение продаж составило 15-20% за счет переориентировки ассортимента, была устранена проблему «дефицита» а так — же излишние скидки. Все это было реализовано как в точках продаж, так и на сайте электронной коммерции. Новая информация позволила оптимизировать не только размерный ряд и цветовые решения представленных товаров, но и время хранения товаров для оптимизации остатков.
. Мерчендайзинг
Аналитика данных дает возможность предсказать, какой будет самая продаваемая игрушка для предстоящего рождественского сезона (например), основанная на исторических данных, сообщениям в социальных сетях и тенденциях в закупках для продавцов. Так, компания Disneyвыпустила специальную лимитированную версию рождественских костюмов для детей в прошлом сезоне, что увеличило продажи на 17% по сравнению с прошлым сезоном. Аналитика данных позволила выявить, что родители чаще склонны тратить средства на детскую одежду, считая это более рациональной покупкой, нежели игрушки.
. Логистика
Аналитика данных может эффективно перенастроить маршруты, чтобы избежать дорогостоящих задержек, основанных на данных трафика и погоды в реальном времени. Сеть супермаркетов Kroger вместе с английской компанией Dunnhumby, которая специализируется на аналитике, повысила прибыль за счет внедрения результатов анализа больших данных в ежедневную деятельность. Так, компания улучшила цепь логистических поставок на основе данных о трафике и погоде, смогла сэкономить на задержках и сверхурочной оплате сотрудникам, а также завоевала лояльность покупателей за счет своевременных и быстрых поставок самых популярных продуктов.
. Прямой контакт с аудиторией в момент покупки.
Компания OBIпоставила перед собой следующую задачу: необходимо представить информацию о товарах и предложениях в руки консультантов, работающих с клиентами для помощи клиентам в подборе необходимых им товаров. Благодаря объединению как внутренних, так и внешних источников данных, удалось собрать данные, которые позволили создать контекстно-ролевую навигацию. Компания заполучила лояльность клиентов за счет возможности предоставления им персонализированных предложений, собирая данные о каждой покупке.
Глава 3.Исследование применения больших данных в интегрированных коммуникациях в сегменте ритейл и e-commerce
Для проведения исследования была разработана матрица соотношения больших данных с интегрированными коммуникациями в сегменте ритейл и e-commerce. Были отобраны следующие самые репрезентативные и часто используемые источники данных, аналитика была проведена на основе исследований компании IBM и Массачусетского Технологического Университета в период от 2010 до 2016 года.
. Банковские транзакции (внутренний источник компании)
2. Logdata (внутренний источник компании)
3. E-mails(внутренний источник компании)
. Социальные сети
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. Геоданные
. Внутренние базы данных компании (CRM, SAPи тд)
Выявленные ключевые характеристики интегрированных коммуникаций в ходе исследования теоретической части позволяют нам выделить основные направления в организации, где применима аналитика больших данных в структуре интегрированных коммуникаций.
. Связи с общественностью (PR, связи со СМИ)
. Управление и стратегия (стратегические коммуникации)
. Маркетинг (таргетинг, выборка точек контакта, рекламная компания)
. Социальные медиа (таргетинг, прямой контакт с аудиторией, сбор данных)
. Финансы и логистика
Определение целевой аудитории важно не только для разработки стратегии позиционирования бренда и выборки каналов распространения сообщения, но и для настройки сбора данных в конкретной компании под конкретный проект. Кроме того, от сегментации целевых групп зависит и само сообщение, что, как было рассмотрено ранее, является ключевой характеристикой интегрированных коммуникаций.
На основе изученной литературы аудитория компании была разделена на внешних и внутренних стейкхолдеров. Для интегрированных коммуникаций характерно адресация сообщения для всех стейкхоледеров компании (это группы лиц или отдельные организации, которые имеют то или иное влияние на компанию). Классически деление идет на 2 группы: внутренние и внешние стейкхолдеры. Внутренние стейкхолдеры — это учредители, инвесторы, сотрудники компании (в том числе потенциальные). Внешние стейкхолдеры отличаются более многочисленной аудиторией: клиенты, поставщики, СМИ, общественные организации.
3.1 Анализ кейсов
Данное исследование состоит из анализа 3 кейсов компаний, которые соответствуют следующим характеристикам: компания является крупным внутри российским ритейлером, осуществляет продажи как в точках продажи, так и на сайте электронной коммерции, на начало 2016 года компания применяла аналитику данных (для возможности отследить динамику изменения показателей), финансовые показатели компании показывают увеличение прибыли (внедрение новых технологий не повлияли негативно на состояние компании). Кроме того, каждая из компаний должна осуществлять продажу товаров из разных категорий: электроника, продукты, смешанный тип для исключения вероятности зависимости применения аналитики данных от ассортимента ритейлера. Основу для аналитики кейсов составляет разработанная матрица соотношения больших данных с интегрированными коммуникациями компании, которая базируется на изученном теоретическом материале, где ключевой характеристикой является различная направленность сообщений (внутренние / внешние коммуникации). Материалами для аналитики послужили официальные сайты компаний, где были изучены официальные документы и презентации, проанализирован тип коммуникаций внутри организации, проведен анализ соответствия реализуемых проектов и трансляции сообщений относительно миссии и ценностей компании, а также были рассмотрены документы отчетности и финансовые показатели. Кроме того, был проведен анализ медиа источников, где упоминались компании в контексте инноваций, коммуникаций и больших данных в период с 2015 года по май 2017 года. Для каждого кейса были прописаны рекомендации применения аналитики больших данных для тех или иных направлений коммуникаций.
Кейс № 1. «М.ВИДЕО».
Компания «М-Видео» — одна из крупнейших в России розничных сетей продаж электроники и бытовой техники, которая была основана еще в 1993 году. В 2016 году было зафиксировано 379 работающих магазинов в 161 городе. Все торговые площадки разработаны по единому формату, размер которых составляет 1500 — 1800 м2. Размер ассортимента более 20 000 различной техники. Продажа товара осуществляется как онлайн, так и офлайн. По итогам 2015 года оборот компании составил 192 млрд рублей. В пресс-релизах и конференциях компания неоднократно упоминала о применении больших данных.Кроме того, компания имеет большую CRM-базу пользователей (на основе logdata, банковских транзакций, активности в сети), что позволяет компании проводить масштабные исследования своей аудитории. По данным пресс-релиза от 18 апреля 2017 года компания улучшила ключевые показатели эффективности на фоне снижения рынка бытовой техники и электроники за 1 квартал 2017 года. Продажи через интернет выросли на 5,9% до 6,5 млрд рублей (с НДС). «М.Видео» также улучшила качественные показатели работы розницы, влияющие на прибыль. Ключевые показатели эффективности работы розничной сети, к которым можно отнести среднее число товаров в чеке и коэффициент привлечения, то есть, количество покупателей в общем объеме посетителей, показали лучшую за последние два года динамику. Так, количество товаров в одном чеке выросло на 4%, коэффициент привлечения — на 5,6% за счет лучшего ассортимента, которые формируется на основе аналитики данных. Компания позиционирует себя как неравнодушную организацию: к клиентам, работникам, инвесторам, окружающей среде. О чем свидетельствует не только яркий и узнаваемый слоган компании «нам не все равно!», но и реализуемые проекты.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Коммуникации с инвесторами являются одним из приоритетных направлений компании, о чем упоминается в официальных документах, именно поэтому М.Видео запустили свое приложение для инвесторов и акционеров, создав дополнительную точку контакта со своей ЦА. Анализ компании М.Видео позволяет сделать утвреждение о том, что компания применяет стратегию интегрированных коммуникаций, где для каждой целевой аудитории (внешней и внутренней) компания генерирует свои уникальные сообщения и создает дополнительные точки контакта, транслируя свою миссию и ценности.
Данный кейс представляет научный интерес для исследования, так как соответствует критериям выборки: крупная российская сеть розничной торговли, осуществляют продажи онлайн и офлайн, сформировавшийся имидж на рынке, применяют технологию больших данных, показывает положительную динамику (увеличение прибыли) на момент исследования. Кроме того, «М.Видео» активно развивают стратегию интегрированных продаж omni-channel, которая была рассмотрена ранее в качестве одного из главных трендов в бизнес сегменте, особенно среди компаний ритейл и e-commerce. По словам руководства «М.Видео» данная система позволяет «унифицировать товарный ассортимент и создать бесшовный покупательский опыт в розничных магазинах и на сайте электронной коммерции Mvideo.ru». Проведено исследование применения инструментария больших данных в интегрированных коммуникациях компании.
Тип коммуникации: внутренние коммуникации.
ЦА: сотрудники
Задачи ИК: стратегия, финансы, управление, логистика
Источники: внутренние (SAP,e-mail, транзакции), внешние (социальные сети, данные геолокации)
Стоит отметить, что в любой крупной розничной сети — основная часть персонала работает на удалении от главного офиса, редко встречается с высшим руководством, а потому создание комфортной среды рабочего процесса в каждой точке продажи является залогом качественных коммуникаций с сотрудниками компании, что позволит обеспечить хороший сервис внутри каждой точки продажи. О заинтересованности компании в привлечении квалифицированного персонала говорят реализуемые программы на базе «М.Видео.» Например, проект «Видео-кафедра», где обучают студентов всему, что касается продаж и коммуникаций с клиентами. Курс состоит из десяти лекций по три часа. После успешного прохождения курса потенциальный кандидат на должность консультанта минует ступень «стажер» и может сразу приступать к работе. Набор студентов производится посредством таргетинга в социальных сетях.
Существующий метод планирования продаж в компании нуждался во внедрении нового программного обеспечения в силу несоответствия новым требованиям по обработке больших данных. Количество точек продаж постоянно увеличивается, а значит вместе с ними растет не только число поступающей информации из внутренних источников компании, но и число персонала, с которым необходимо налаживать коммуникации даже на удалении от главного офиса. Так как система мотивации персонала влияет на ключевые показатели развития кадров в компании и снижает утечку сотрудников. По словам Ольги Емельяновой, руководителя департамента бюджетирования и аналитики «М.Видео», «с ростом количества точек продаж процесс коммуникации с менеджментом с целью корректировки и согласования целей ранее представлял довольно время затратный процесс».
Внедрение аналитики данных на основе платформы SAP BW от HANA позволил составлять гибкие рабочие графики с корректной нагрузкой персонала в магазине, что позволило не только сэкономить на затратах на персонал, но и создать комфортную рабочую среду для нынешних сотрудников, где продавцы не находятся в состоянии стресса из-за того, что происходит отклонение от плана, а ТОП менеджмент имеет возможность прямых коммуникаций с представителем любой точки продажи. Павел Мартынов, руководитель отдела поддержки и развития систем отчетности «М. Видео» отметил возможность созданий продуманного и отказоустойчивого процесса, который требует минимальных усилий по поддержке со стороны сотрудников компании. Важную роль управления компанией в сегменте ритейл и e-commerce играет процесс планирования продаж, кроме того, он затрагивает большое количество сотрудников компании. Новый процесс формирования плана продаж позволил настроить качественные коммуникации между всеми звеньями компании, от ТОП-менеджмента до консультанта в магазине.
Тип коммуникации: внутренние коммуникации.
ЦА: инвесторы
Задачи ИК: стратегия, финансы, управление, маркетинг
Источники: внутренние (CRM, logданные, транзакции), внешние (данные геолокации)
Для коммуникаций с инвесторами компания М.Видео использует не только официальный сайт, но и специально-разработанное мобильное приложениеIRLibrary (см. Приложение 1), которое способно предоставлять дополнительные данные о действиях каждого инвестора и акционера (геолокация, logданные, данные транзакции). Все это позволяет оптимизировать стратегию коммуникаций с инвесторами, а также разработку персонализированных предложений и упростить сбор данных для финансовой отчетности. Кроме того, посредством приложения компания также может транслировать свои основные сообщения, размещать рекомендации по закупке тех или иных активов, предоставлять отчетность каждому акционеру лично, предлагать дополнительные предложения по закупке активов а также выгрузить всю PR информацию, с возможностью отслеживать интересующие статьи.
Тип коммуникаций: внешние коммуникации
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
ЦА: клиенты
Задачи ИК: маркетинг, финансы, PR, управление и стратегия, социальные медиа
Источники: внутренние (сайт, банковские транзакции, CRM, SAP) и внешние (социальные сети, logdata, GoogleAdWards, Яндекс Директ, рекомендации).
В 2016 году компанией была выявлена следующая проблематика: 80% покупателей взаимодействуют сразу с несколькими рекламными каналами, как оффлайн, так и онлайн. Из-за чего влияние каждого проработанного канала на совершенную покупку невозможно проанализировать . Целью компании «М.Видео», поставленной для компании OWOX, которая специализируется на внедрении уникального сервиса аналитики данных для вычисления максимально точных конверсий (на основе GoogleAnalytics 360 Suite), было оптимизировать расходы на рекламу и выявить наиболее эффективные каналы коммуникации с каждой из целевых аудиторий в зависимости от географического положения. В результате аналитики данных были получены следующие результаты: 1) выявлены каналы, которые чаще всего срабатывают в начале/середине/ конце воронки, 2) выявлены каналы, которые чаще всего срабатывают в конкретном регионе для определённой выборки 3)выявлены наиболее эффективные каналы коммуникаций для каждого региона. Все данные были получены с внешних сервисов Google (Adwords) и Яндекс (Яндекс.Директ, Яндекс.Маркет), которые предоставляют отчетность для компаний, пользующимися услугами, а также с внутренних данных сайта электронной коммерции и финансовой отчетностью М. Видео. По результатам тестирования М. Видео планирует перераспределение Performance Marketing Budget во второй половине 2017 года. Кроме того, на основе данных тестирования компания запустила разработку новой стратегии взаимодействия с клиентами в зависимости от регионов.
На основе CRMбазы данных пользователей компания сопоставила своих авторизованных клиентов на сайте и покупки, совершенные в магазинах, что позволило выявить совершенно новую тенденция для ритейлера. Более 48% покупателей, которые пришли в магазин, сначала посещают сайт электронной коммерции и сравнивают между собой интересующие их модели, а уже затем приходят за покупкой, определившись с выбором. Такой феномен получил название О2О (onlinetooffline), позволяя определять влияние онлайн рекламы на офлайн продажи. Данное знание позволило не только отредактировать точки контактов с покупателями, настроить таргетинг, но и спланировать стратегию рекламных сообщений в зависимости от географии. Так как, например, в Москве и Петербурге показатель О2О находится в районе 46%, а в регионах почти в 2 раза меньше — 28%. Кроме того, аналитика данных показала, что О2О клиенты тратят на 40% больше, чем покупатели, которые не посещают сайт перед покупкой. Это позволяет создавать дополнительные бонусы для лояльных клиентов, что нацелено не только на моментальную прибыль, но и на формирование имиджа компании. Еще один нюанс, который был выявлен в ходе аналитики данных — это влияние типа устройства, с которого клиент перешел на сайт, на его дальнейшие покупки. Например, клиенты, которые совершали вход с мобильных устройств, тратят до 30% (по регионам) и до 15% (по Москве)больше, чем клиенты, которые совершали вход на сайт перед покупкой с десктопа (см. Рисунок 3).
Рисунок 3
Что позволяет сделать вывод о необходимости дополнительных коммуникаций с мобильной аудиторией в регионах. А лидером продаж для аудитории О2О — являются смартфоны (50% покупок). В целом, благодаря аналитике данных зарегистрированных пользователей М.Видео, компания смогла составить портрет своей новой (в плане коммуникаций) O2Oаудитории. Данная аудитория является крайне важной для бизнес-сегмента, так как она приносит компании больше доходов по сравнению с другими группами покупателей, а ее рост только будет увеличиваться. Именно благодаря аналитике больших данных и выявлению новой группы аудитории, компания М. Видео могут более эффективно рассчитать инвестиции в онлайн-рекламу. После данного исследования, пресс-служба М. Видео прокомментировала планы компании в сфере рекламы следующим образом: ««В 2017 для нас, как и для ритейла в целом, будет актуально усиление присутствия онлайн и больший фокус на категорию гаджетов». Добиться высокой конверсии в офлайн возможно только благодаря постоянному изучению своей аудитории, в таком случае размещение digitalрекламы будет более эффективно для ритейлера. Кроме того, компания, которая проводит аналитику своих клиентов, способна предугадывать желания и возможные действия своих покупателей, предоставляя им информацию о нужном товаре или услуге в нужное время и в нужной локации, а также транслировать ценности.
Тип коммуникации: внешние коммуникации.
ЦА: общественные организации
Задачи ИК: маркетинг, СМИ
Источники данных: внутренние (CRM) и внешние (социальные сети, Ad Wards)
Компания поддерживает социальные и экологические инициативы, тем самым выстраивая коммуникации с глобальной общественностью, адресуя сообщение о ценности компании — «нам не все равно». Далее приведен список социальных инициатив компании М.Видео с применением аналитики больших данных.
)Социальная программа «Растём вместе», которая направлена на поддержку детей от рождения до 4-х лет, находящихся на полном государственном обеспечении. Помогает с усыновлением посредством таргетинговых инструментов на основе аналитики данных клиентской базы и выборки СМИ.
) «Мир подростка»
Программа направлена на поддержку детей — сирот, социальных сирот и подростков, попавших в трудную жизненную ситуацию, находящихся в государственных детских сиротских учреждениях. Таргетинг для привлечения волонтеров.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
) «Ветеран»
Программа направлена на поддержку ветеранов Великой Отечественной войны. Таргетинг для привлечения волонтеров.
) «Содружество»
Совместная благотворительная деятельность с некоммерческими организациями по оказанию благотворительной помощи, также применяется таргетинг для привлечения волонтеров.
Экологические инициативы компании М.Видео включают в себя программу по защите диких кошек, помощь организации WWFпо сохранению редких видов животных (данная программ осуществляется во взаимодействии с CRMбазой данных пользователей, аналитика которой помогает создавать персонализированные предложения к участию в акции).
В целом, компания «М.Видео активно применяет инструмент больших данных в реализации задач интегрированных коммуникаций. Однако, примерно 25% аудитории компании (поставщики и СМИ) имеют потенциал для применения инструментария больших данных с целью трансляции более релевантных сообщений каждой из целевых аудиторией стейкхолдеров. Соотношение инструментария больших данных, источников их получения и дальнейшего применения для решения практических задач в интегрированных коммуникациях отражено в разработанной в ходе исследования матрице соотношения больших данных и интегрированных коммуникаций (см. Приложение)
Кейс № 2. «ЮЛМАРТ»
Юлмарт — внутрироссийский холдинг, специализирующийся на интернет-коммерции, дистрибьюторская сеть составляет около 400 точек продаж в 240 городах страны. На платформе Ulmart.ruпредставлен широкий и универсальный спектр товаров, сервисов и услуг для всей семьи. Для клиентов доступно 12 миллионов позиций. Юлмарт является одним из крупнейшим онлайн-ритейлером России по версии Forbes.Компания Юлмарт целенаправленно использует интернет в качестве основного канала коммуникаций с клиентами, хотя теоретически все продажи могут быть осуществлены офлайн. Компания «Юлмарт» использует технологии больших данных, чтобы правильно построить коммуникации с клиентами и маркетинговые стратегии.. «В настоящее время «Юлмарт» представляет собой компанию, в которой менеджмент принимает решения на основе большого числа математических расчетов, анализа параметров и внешней среды» — сообщает Николай Валиотти, руководитель отдела стратегического анализа и сценарного планирования компании «Юлмарт». Интересно, что компания строго разделяет каналы и стратегию коммуникаций с покупателями и инвесторами. Созданы две различные по дизайну (цветовые и шрифтовые решения: красно-белый для клиентов и синий для инвесторов) платформы, где коммуникации с инвесторами выстроены на английском языке, а информации о компании гораздо больше, чем на основном сайте. В отличии от предыдщего кейса М.Видео, где компания транслировала главную ценность компании «нам не все равно» как для клиентов (многочисленные рекламные ролики), так и для глобальной общественности (социальные и экологические проекты с позиционированием «нам не все равно») и инвесторов (где большая часть сообщений сводится к финансовым показателям, однако главный посыл сохраняется.
Компания Юлмарт открыто сообщает о своих источниках больших данных. Внутренние: SAP (система мониторинга и обработки), CRM (база данных клиентов), ORACLEDatabase (облачное хранилище), сайт (logдата). И внешние источники: GoogleAdwards, Яндекс Метрика, Яндекс Маркет (анализ конкурентов и регулирование ставок), Emailmarketing, ситема ценовых мониторингов, система рекомендаций в сети, датчики локаций и загруженности дорог. Webаналитика каждой транзакции происходит ежесекундно, пополняя базу данных еще большим объемом информации.
Данная компания соответствует критерием выборки кейса, проведено исследование применения инструментария больших данных в интегрированных коммуникациях компании.
Тип коммуникаций: внутренние коммуникации.
ЦА: сотрудники.
Задачи ИК: управление и стратегия, финансы
Источники: внутренние (SAP, OracleDatabase, e-mails)
В 2017 году компания Юлмарт заняла 2 место в номинации «Федерация» ПремииHR-бренд 2017. Это одна из самых престижных российских наград в области менеджмента персонала, которая вручается за лучшие инновационные проекты в сфере HR.Свою награду компания получила благодаря реализации проекта “Кадрыonline». Первый в России проект по переводу полного цикла кадрового документооборота в online. Перевод включает в себя не только процесс подачи заявки того или иного процесса (например, заявка на изменение данных для внутрикорпоративных коммуникаций), но и внедрение электронных подписей и создание проверок компании государственными органами. Теперь подписание большинства документов осуществляется сотрудниками в личном кабинете в режиме onlineс любой точки России и любого удобного для сотрудника устройства. Затраты на кадровый оборот сокращены на 1 млн рублей в месяц, в дальнейшем цифра будет расти. Все это возможно на основе больших данных. Кроме того, наблюдается цикличность коммуникаций. Сообщение сотрудника поступает в общую базу, где информация хранится и обрабатывается, затем анализируется и служит основой для дальнейшей разработки стратегии внутрикорпоративных коммуникаций.
Тип коммуникаций: внутренние коммуникации.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
ЦА: инвесторы и акционеры.
Задачи ИК: финансы, страт.егия, маркетинг, социальные медиа
Источники: внутренние (SAP, Oracledatabase, e-mails) и внешние (logdata, социальные сети, GoogleAdWards, Яндекс Директ)
Аудитория инвесторов для компании Юлмарт является отдельным стратегическим направлением для коммуникаций, о чем свидетельствует оформление англоязычного сайта в иной стилистике (по сравнению с сайтом электронной коммерции), где внимание сосредоточено на мисси, ценностях и перспективных проектах компании (в отличии от сайта для клиентов, где компания уделяет большее внимание вариативности услуг и скорости доставки). Миссия компания, которую Юлмарт транслирует инвесторам и старается воплотить в создании соответствующего сервиса: «создавая удобные и простые решения для шопинга, мы объединяем людей и современные технология, оставляя нашим покупателям больше времени для жизни». Компания, основанная в 2008 году, за 5 лет собрала очень большой капитал инвестиций, в том числе от иностранных партнеров (иностранные партнеры являются ключевым сегментом, выяснено в результате аналитики стратегии компании). Внушительные объемы инвестиций свидетельствуют об эффективной коммуникации с акционерами и инвесторами (которых больше 6000) в правильно выбранных точках контакта. Часть выборки аудитории (точные цифры компания не раскрывает) была получена с помощью таргетинга в социальных сетях через профиль интересов потенциальных инвесторов. Портрет акционеров и инвесторов, построенный на основе аналитики больших данных (банковские транзакции, данные logout, cookie, геолокациии профили в социальных сетях) позволили создать обобщённую «карточку потенциального акционера/ инвестора, что в дальнейшем послужило для разработки таргетированных предложений, в течение года применения технологий компанией были достигнуты результаты, превышающие прирост акционеров за 3 года (более динамичный рост, чем у Amazon).
Кроме того, по сообщению пресс-службы Юлмарт, характер коммуникации с инвесторами приобрел иную динамику и характер после 2015 года (по завершению исследования внутренней аудитории компании на основе больших данных). По мониторингу компании за 2014 год было выявлено, что более 82% сотрудников не идентифицировали себя с местом работы и занимаемой должностью, что влияло и на общий климат компании, в том числе транслировалось акционерам и инвесторам. Вследствие этого коммуникационная стратегия с внутренней аудитория была изменена. Коммуникация с инвесторами и акционерами компании с 2015 года базируется на основе 4 ценностей компании: простота, долгосрочность, открытость, активность. Простота: коммуникации с инвесторами в социальных сетях и обратная связь 24/7. Долгосрочность: постоянная сегментация аудитории для возможности адаптации эффективных персональных сообщений, а также создание дополнительных предложений и услуг в реальном времени. Открытость: внедрение проектов внутри компании, разработанных инвесторами и акционерами. Активность: присутствие в сети увеличилось на 57%.
Тип коммуникаций: внешние коммуникации.
ЦА: клиенты.
Задачи ИК: маркетинг, управление и стратегия, социальные медиа.
Источники: внутренние (сайт, банковские транзакции, CRM, SAP) и внешние (социальные сети, logdata, GoogleAdWards, Яндекс Директ, рекомендации).
Компания Юлмарт применяет инновационные стратегии профилирования аудитории для построения грамотного таргетинга в онлайн маркетинге. В Интервью для журнала AtInternetРоман Осокин, руководитель отдела он-лайн продвижения компании «Юлмарт» говорит о том, что компания постоянно ищет новые пути развития, инсайты об их посетителях и их поведении. В этом для них важнее всего точность и объемы данных, а также глубина возможного анализа.»На основе аналитики данных “Юлмарт” проводит глубинное исследование портрета своей аудитории, по ключевым запросам, предпочитаемым товарам и возможным категориям каталога. Это дает возможность построения модели доходности по каждой рекламной компании, а также возможность оптимизировать таргетинг в зависимости от желаемого результата конверсий и бюджета. Такой подход Юлмарта относится к performanceмаркетингу, где основное внимание сосредоточено на максимальном использовании данных с целью увеличения повторных покупок и уменьшения цикла одной продажи.
Персонализированная рассылка, проводимая специалистами «Юлмарта» по результатам глубокого анализа данных с использованием методов datamining, дает высокую конверсию как по сравнению с обычными рассылками компании, так и для рынка в целом, сообщает Николай Валиотти, руководитель отдела стратегического анализа и сценарного планирования компании «Юлмарт». Такого эффекта специалисты компании смогли добиться благодаря использованию верных алгоритмом обработки данных, систем рекомендаций и глубинного анализа корреляций в потреблении. Кейс с персонализированной рассылкой Юлмарт «Шекспир, подгузники и скидки» является примером успешного применения аналитики паттернов поведения сегментированной аудитории. Было выявлено, что молодые родители осуществляют повторные покупки гораздо чаще, чем пары без детей, что позволило сэкономить на рассылке информационных сообщений о скидках для этой аудитории, а сконцентрировать основной поток сообщений на персонализированных предложениях.
Компания «Юлмарт» на рынке ритейлеров России впервые начала применение больших данных еще в 2013 году, однако, интеграция сообщения аудиториям может быть расширена еще примерно на 40% (СМИ, поставщики, общественные организации), так как сейчас компания сосредоточена на коммуникациях с 3 основными для себя группами: сотрудники компании, инвесторы и покупатели. Соотношение инструментария больших данных, источников их получения и дальнейшего применения для решения практических задач в интегрированных коммуникациях отражено в разработанной в ходе исследования матрице соотношения больших данных и интегрированных коммуникаций (см. Приложение)
Кейс № 3. X5 RetailGroup.
X5 RetailGroup — одна из крупнейших компаний розничной торговли в России, которая управляет портфелем брендов сетевых магазинов, чтобы охватить все группы покупателей. Внутрироссийская компания возникла более 20 лет назад, а первым магазином был «Перекресток», открытие которого состоялось в 1995 году, а уже в 1997 году не менее 27 000 человек в день делают покупки в торговой сети. В 2016 году чистая прибыль компании составила 22 млрд рублей. Рост продаж вырос на 29,1%, Кв. М торговых благодаря добавлению 2167 новых магазинов и внедрении инновационных технологий в бизнес, сообщается в Annual Reportза 2016 год.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
«В X5 Retail Group мы признаем, что долгосрочное, устойчивое лидерство на рынке требует гораздо большего, чем достижение быстрого роста финансовых показателей. Наш долгосрочный успех будет обеспечен нашей способностью создавать ценности для широкого круга стейкхолдеров, включая членов сообщетв, с которыми мы работаем, и наших сотрудников, а также благодаря нашему ответственному подходу к управлению нашим воздействием на окружающую среду» — сообщается в ежегодном отчете AnnualReport 2016 X5 RetailGroup.
Компания позиционирует себя как клиенториентированный бизнес, который создает ценность для покупателей, а за счет этого, компания представляет ценность для акционеров, партнеров и сотрудников. X5 Retail Groupуделяет большое внимание транслированию ценностей компании каждому покупателю, чтобы создать комфортные условия «взаимного сотрудничества». Миссия компании, которая заключается в улучшении качества жизни людей за счет распространения услуг торговли, уважая качество, вкусы, стиль жизни и достаток каждого покупателя, транслируется на главной странице сайта, где информация доступна всем группам стейкхолдеров компании. В ведении компании находится сразу несколько брендов: «Пятерочка» — товары экономического класса в пешей доступности от дома, «Перекресток» — акцент на премиальном обслуживании клиентов, качестве продуктов и программе лояльности (супермаркет), «Карусель» — продукты питания и товары для дома в черте города по оптовым ценам (гипермаркет). Сегментирование аудитории еще на организационном устройстве компании свидетельствует о реализации интегрированных коммуникаций не только внутри каждого бренда, но и на уровне организации. При этом миссия X5 Retail Groupтранслируется в коммуникациях с аудиторией в каждом из брендов компании.
На официальном сайте X5 Retail Groupсодержится официальная статистика для инвесторов, однако более детальная информация доступна на отдельной странице, которая выполнена в общей стилистике компании (независимо от брендов). Кроме того, компания реализует стратегию охраны окружающей среды посредством утилизации отходов, использовании многоразовых тар, применении экологических программ в сфере логистики и внедрении энергосберегающих технологий. В целом на официальном сайте любой человек (будь то клиент, потенциальный инвестор, партнер, поставщик или сотрудник) может без труда найти общую информацию о компании, ее истории и развитии по годам (чем сама компания очень гордится), адаптивный дизайн и единообразие оформления создают комфортные условия для первой коммуникации с организацией. Что является одной из задач интегрированных коммуникаций компании. Стефан Ду Шарм (Stephan Du Charm) — председатель Совета Директоров X5 Retail Group, говорит о важности корпоративной ответственности для деятельности X5. «Мы рассматриваем корпоративную ответственность как ключевое условие устойчивого лидерства на рынке. Эта ответственность означает добросовестного работодателя, установление партнерских отношений с поставщиками, постоянное предоставление нашим клиентам ценных предложений, отвечающих их потребностям, и поиск путей улучшения нашего экологического следа на благо бизнеса и общества.»2015 года компания начинает применение технологии больших данных, о чем сообщается в источниках компаний — партнеров, а сама X5 выделяет следующие сферы бизнеса приоритетными для внедрения технологии больших данных: товары, бизнес-процессы, бизнес-модели, услуги и сервис, технологии.Передовые аналитические и информационные технологии — это ключ к эффективным операциям и успешному удовлетворению запросов клиентов каждый день отмечается в ежегодном отчете X5 за 2016 год. Корпоративное хранилище данных было перенесено на платформу SAP HANA, что обеспечивает почти коммерческую отчетность в режиме реального времени, что позволяет быстро собирать и анализировать транзакции в магазине и данные о производительности (даже данные 2 летней давности).Ежедневная отчетность ускоряется благодаря новым возможностям платформы HANA.X5 уже сгенерировали более 300 новых идей, внедрение которых, как ожидается, сэкономит сотни миллионов рублей.
По словам Игоря Шехтермана,в 2017 году X5 готовятся к запуску нового онлайн-проекта супермаркетов, направленного на поддержку основной аудитории «Перекрестка», что еще раз подтверждает актуальность исследования для ритейл и e-commerceчерез единую призму.
Данная компания соответствует критерием выборки кейса, проведен анализ применения инструментария больших данных в интегрированных коммуникациях компании.
Тип коммуникаций: внутренние коммуникации.
ЦА: сотрудники.
Задачи ИК: HR, финансы, корпоративные коммуникации, стратегические коммуникации.
Источники данных: внутренние (внутренние датчики, CRM)
Обеспечение комфортной рабочей среды для сотрудников внутри магазинов стало возможным благодаря корректировке ассортимента и системы контроля за их наличием внутри каждой точки, которая основана на больших данных. Все это происходит в реально времени, тем самым разгружая сотрудников магазина для возможности сосредоточиться на качественном сервисе и коммуникациях с клиентом.
Также, в качестве реализации стратегической коммуникации было произведено усиление роли центрального офиса в качестве поставщика услуг и платформы для обмена передовым опытом в розничных форматах, большие данные для которого собираются с каждой торговой точки брендов, затем анализируются машинами и предстают в визуализированном формате — что позволило сэкономить время в 20 раз, а специалистом по стратегическому планированию корректировать свои решения в реальном времени.Retail Group уделяет большое внимание повышению качества корпоративного управления и управления рисками, реализует социальные программы для сотрудников. С открытием более 2000 магазинов каждый год высококачественный и быстрый набор персонала является ключевым для бизнеса. Чтобы справиться с этой сложной задачей по набору персонала, «Пятерочка» разработала программное обеспечение для управления персоналом на основе аналитике больших данных, которое централизует набор сотрудников на должности, требующие массового набора кадров. Эта инновация дает «Пятерочке» возможность контролировать эффективность своих процессов найма, чтобы улучшить управляемость и масштабируемость. Новый подход к подбору персонала также позволил «Пятерочке» сократить среднее время, необходимое для заполнения всех вакансий до семи дней.
Также был усовершенствован вводный курс «На ваших оценках» для новых сотрудников корпоративного центра на основе аналитики больших данных, который теперь включает онлайн-курс, собственную деловую игру «X5-Strategy» и две видеосессии о работе в магазинах и контроллерах домена.
Тип коммуникаций: внешние коммуникации.
ЦА: клиенты
Задачи ИК: маркетинг, управление, финансы, стратегия
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Источники: внутренние (CRM, банковские транзакции, SAP) и внешние (геолокация, социальные сети)
За 2016 год X5 полностью адаптировали свой ассортимент в каждом из брендов, основываясь на аналитике целевых групп, дифференциация которых происходила в основном по демографическим признакам, а затем по личным предпочтениям, которые можно было отследить благодаря карточкам лояльности. По словам Антона Мироненкова, стратегического директора X5, удалось повысить показатели удовлетворенности клиентов, с улучшением показателей NPS (индекс потребительской лояльности) по всем 3 брендам за 4 квартал 2016 года, по сравнению с 3 кварталом этого же года.
В 2016 году X5 внедрили собственную систему GIS, которая существенно упрощает процесс принятия решений о новых открытиях в магазинах и привела к 4-кратному сокращению числа ошибок при выборе новых мест. Система собирает и анализирует большие данные c различных потенциальных территорий для открытия магазина, прогнозируя определенный коэффициент успешного открытия. Большие данные включают в себя данные о типе недвижимости и количестве квартир на выбранном участке, уровень развитой инфраструктуры (автобусные остановки, учебные заведения, больницы и аптеки, детские сады), вычисляет ближайших конкурентов — все это на основе данных геолокации и спутниковых картографиеских данных (см. Приложение 3). Кроме того, система может вычислять примерный доход аудитории в диапазоне до 20 тысяч, позволяя компании маневрировать с открытием того или иного бренда. Так, компания усовершенствовала свой подход к созданию персонализированных предложений целевым аудиториям клиентов. Принятие платформы GISявляется ярким примером преимуществ операционной модели X5, что позволяет сохранять отличные предложения по цене для каждого формата, а также делиться лучшими практиками в группе.
Компания также применяет инновационные решения в оптимизации ассортимента магазина на базе данных SAPи JDA, которая позволяет выбирать лучшее расположение на полке для каждой точки продажи, чтобы клиент без труда смог его найти, а также чтобы обеспечить автоматическую доставку заканчивающихся продуктов.
Для бренда «Перекресток» была запущена программа лояльности в партнерстве с Альфа Банком, что уже сейчас дает возможность запуска персонализированных акций на основе истории транзакций. База данных клиентов «Перекресток» насчитывает около 11 миллионов клиентов, а это очень большое количество различных данных. Кроме того, на основе аналитики данных аудитории «Перекрестка» следующие регионы России были выбраны приоритетными для открытия новых точек продаж: Москва, Московская область, Санкт-Петербург, и города миллионики, на основе чего были разработаны маркетинговые стратегии и рекламные компании внутри каждого региона. В «Перекрестке» персонализированные предложения и адаптация ассортимента осуществляется на регулярной основе исходя из исследования аудитории бренда (на основе больших данных). Это также позволяет прогнозировать закупки на основе данных о спросе, что гарантирует своевременную и качественную доставку — ведь основной акцент бренда строится на премиальном сервисе. Кроме того, благодаря аналитике данных был выявлен новый портрет аудитории, которой комфортно совершать продуктовые покупке на сайтах электронной коммерции (средний возраст 25-40 лет, доход средний/ выше среднего, постоянно в сети, заняты на работе, а потому ценят комфорт и свое время) Именно поэтому в 2017 году под брендом «Перекресток» открывают первый онлайн магазин X5 RetailGroup, у которого будет полная интеграция CRM базы с офлайн магазинами сети.
В 2016 году «Перекресток» сохранил свои позиции супермаркета №1 в России. По мнению экспертов X5 RetailGroup, в условиях нестабильного состоянии экономики и устаревания традиционных моделей организации торговли, это стало возможным благодаря адаптивному ценообразованию, которое совершается на основе аналитики больших данных. Система каждую секунду мониторит изменения цен конкурентов, погодные условия, трафик и спрос на конкретный товар, что позволяет составить наиболее привлекательное для клиента предложение именно сегодня. Также бренд представляет специальные рекламные программы, которые автоматически предлагают скидки постоянным клиентам на товары, которые они регулярно покупают. Благодаря такому индивидуальному подходу клиенты пользуются клубной системой, в которой каждый владелец карточки лояльности чувствует, что ему уделяют индивидуальное внимание. На основе аудиторных показателей активных пользователей клубных карт (не реже 1 раза в 3 месяца) компания разработала следующую стратегию на 2017 год:
• Разработка персонализированных предложений и персонализированных рекламных акций;
• Внедрить всеобъемлющий CRM;
• Разработка новых каналов связи;
• Развитие партнерских отношения с другими компаниями;
• Увеличение базы держателей карт, используя внутренние и внешние источники;
• Использовать таргетинг для поддержки естественного прироста клиентов;
• Увеличить долю в продажах держателей карт лояльности с 50% до 60%. Как видно из стратегии, она охватывает различных аспекты коммуникации, как внешних, так и внутренних.
Кроме того, аналитика аудитории позволила «Перекрестку» не только оптимизировать маркетинговую стратегию, но и формат создания предложений и ассортимента в силу трансформации аудитории бренда. Если ранее бренд определял свою целевую аудиторию по следующим критериям: 1) каждый человек, живущий и работающий в радиусе 1,5 км от магазина, 2) лица со средним или выше среднего доходом, 3) семьи с детьми 4) состоятельные мужчины и женщины, 5) богатая молодежь, 6)пожилые и пенсионеры. То теперь целевая аудитория выглядит следующим образом: 1) каждый человек, живущий и работающий в радиусе 1,5 км от магазина, 2) лица со средним или низким доходом, 3) семьи с детьми со средним или низким доходом, 4) женщины, управляющие семейными бюджетами, 5) мужчины со специальным списком покупок или с ограниченным бюджетом, 6) пожилые и пенсионеры. Компания разработала ежедневные рекламные акции для новой целевой аудитории, основанные на расходовании средств (банковские транзакции), а также исследовании вкусовых предпочтений каждой группы клиента (основано на данных карточек лояльности).
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Похожие механизмы применяются и в сети «Карусель», основная задача которой (на 2017 год) — оптимизация цен и внедрение персонализированных предложений каждому клиенту для повышения лояльности. Программа лояльности «Карусель» была возобновлена в 2015 году и составила 46% от чистых розничных продаж в 2016 году, при этом долгосрочная цель — достичь 80% к 2020 году. Новая программа использует передовую аналитику для таргетинга персонализированных предложений и рекламных акций и позволит реализовать специальные акции только для держателей карт с новыми каналами связи, включая мобильное приложение, которое находится в разработке.
Тип коммуникаций: внешние коммуникации.
ЦА: партнеры
Задачи ИК: финансы, маркетинг
Источники: внутренние (SAP) и внешние (социальные сети)
Благодаря аналитике портрета партнеров группы X5 на основе больших данных была разработана система мотивации субподрядчиков, что позволило улучшить условия аренды, расходы на дополнительные коммуникации и маркетинг, а также увеличило трафик точки продажи.
Кроме того, на базе данных SAPи с помощью JDA, «Пятерочка» имеет возможность повышать трафик за счет синергетического эффекта, что представляет собой выгодное предложение для субподрядчиков.
Система электронного документооборота X5 (EDI) является одной из самых передовых в секторе ритейл и значительно улучшила эффективность и качество работы с поставщиками и другими сторонами, задействованными в бизнес-процессах компании.
Благодаря применению инструмента больших данных в интегрированных коммуникациях компания X5 Retail Groupc 2015 года смогла реализовать следующие задачи:
)Ускорение процесса принятия решений. Используя ИТ-системы для эффективного сбора, управления и анализа данных, возможна оптимизации бизнес-процессов, таких как выбор мест для новых магазинов.
)Лучшее понимание клиентов. Данные и аналитика являются одним из ключевых элементов понимания поведения клиентов и адаптации подхода к созданию ценности для наилучшего удовлетворения их потребностей. Управление маркетинговыми стратегиями.
)Управление магазином. Улучшено управление магазином, управление ассортиментом, доступность на полках и эффективность с помощью автоматизированных систем сбора, анализа и прогнозирования данных.
) Прогнозирование и управление цепочками поставок
Тип коммуникаций: внешние коммуникации.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
ЦА: общественные организации
Задачи коммуникации:
Источники: CRMбаза, социальные сети
В августе 2015 года X5 в партнерстве с Марсом и Русским продовольственным фондом (членом Глобальной сети продовольственных банков) приступила к реализации проекта под названием «Корзина доброты» для сбора и обеспечения защиты «уязвимых» людей по всей России. В 2016 году около 20 000 клиентов пожертвовали более 27,5 тонн продуктов питания нуждающимся людям в рамках программы «Корзина Доброта». Программа «Корзина доброты» была развернута в 200 магазинах «Пятерочка», «Перекресток» и «Карусель» в 18 городах России в 2016 году. В 2017 году организаторы проекта планируют удвоить свой географический охват и нанять более 1000 добровольцев за счет внедрения алгоритмов больших данных и в это направление (таргетинг, рассылка специальных предложений, аналитика регионов).
Компания запустила совместный партнерский проект с Фондом развития интернет — инициатив (ФРИИ). «Сотрудничество с ФРИИ дает возможность тестирования и внедрения инновации ранних этапах проекта, найти новые и нестандартные способы решения собственных задач, которые нацелены на повышение операционной эффективности бизнеса во всех звеньях цепочки поставок — от производителя до магазина», отмечает исполнительный директор X5 Игорь Шехтерман. Планируется совершенствование сервиса self-checkout, который позволяет исключать очереди, ставится акцент на максимальной персонализации продуктовой корзины, внедряются интеллектуальные программы лояльности, основанные на аналитике совершенных покупок на основе инструментария больших данных и машинного обучения — эти и многие другие технологии позволят ритейлеру более точно предсказывать покупательские предпочтения и формировать наиболее востребованные предложения ассортимента и сервиса для клиентов своей компани.
Анализ компании X5 Retail Group выявил успешное применение инструментария больших данных в стратегии интегрированных коммуникаций. На основе аналитик больших данных уже реализуются проекты, направленные на решение различных коммуникационных задач (в маркетинге, финансах, стратегическом управлении и планировании), а также разработано около 300 новых идей, внедрение которых планируется до 2020 года. Соотношение инструментария больших данных, источников их получения и дальнейшего применения для решения практических задач в интегрированных коммуникациях отражено в разработанной в ходе исследования матрице соотношения больших данных и интегрированных коммуникаций (см. Приложение)
3.2 Экспертные интервью
Для того, чтобы уточнить и подтвердить данные исследования было проведено 3 экспертных интервью с представителями технической и коммуникационной индустрии. Артур Хачуян, основатель и генеральный директор SocialDataHub. Сергей Нестеренко, руководитель отделения интеграции дивизиона данных IBS. Анастасия Михалина, руководитель практик «Розничная торговля» и «Медиа-индустрия, реклама, развлечения» в WARD HOWELL.
Были подтверждены выбранные для построения матрицы и аналитики кейсов источники данных. «Обычно, это либо данные, которые представляют сами компании (они ведут у себя CRM базы данных), либо внешние источники.» — Артур Хачуян (см. Приложение 8). Артур также отметил, что их компания использует данные по банковским транзакциям, а самый распространённый источник — это данные из социальных сетей: « самих платформ сейчас сотни». «Обычно это различные виды внутренних данных, полученные из разных корпоративных систем и открытые данные: данные социальных сетей, геолокации, гугл карты и прочее» — Сергей Нестеренко. Из интервью следует, что выбранные для аналитики источники данных могут применены не только в сегменте ритейл и e-commerce.
Было отмечено, что существует большое количество моделей и метрик, которые способны спрогнозировать то или иное поведение покупателя. Например, «аналитика данных позволяет прогнозировать твое поведение, как покупателя. Был очень интересный кейс, когда мы определили, что люди, которые путешествуют в азиатские страны, чаще других покупали экзотические фрукты: манго, кокосы» — отмечает Артур Хачуян.
Нехватка квалифицированных специалистов и большие затраты на внедрение новых технологий — это основные барьеры для развития больших данных в коммуникациях. Артур Хачуян отметил очень низкий уровень знания специалистами по коммуникации элементарных технических характеристик: «очень часто к нам приходят и ставят задачу люди, которые отвечают за техническую сторону в компании. В целом, это недостаток квалифицированных специалистов, отсутствие понимание технологии больших данных. Еще, конечно, необходимость довольно больших затрат на внедрение новых технологий, покупки программного обеспечения» (см. Приложение 8). А Сергей Нестеренко отметил популяризацию профессии Data Scientists: «как это сейчас модно называть, она довольно редкая, но спрос на нее уже колоссальный: на одно резюме специалиста около 60 откликов в неделю».
Эксперты также отметили, что большие данные открывают новые перспективы для специалистов по коммуникациям. «Я очень жду, когда пиарщики и рекламщики откажутся от аудиторий 18-80, средний достаток. И начнут наконец работать с реальными людьми. Во-вторых, процесс коммуникации станет более сложным, разнонаправленным» — отмечает Анастасия Михалина.
Если затрагивать техническую сторону, то даже мнения экспертов на этот счет разошлись. Одни из них считают, что возможно использовать единую аналитику данных (с технической стороны) для разных направлений внутри организации, другие не придерживаются такой позиции. «Если единый алгоритм, — то, я думаю, нет, я не знаю таких сложных алгоритмов, во всяком случае. Но я точно уверена, что у всех компаний должна быть какая-то стратегия использования больших данных» — отмечает Анастасия Михалина). Артур Хачуян наоборот говорит о том, что технологии постоянно совершенствуются и перспективы создания единых алгоритмов все же есть, но в будущем. Расхождение мнений среди специалистов технической и коммуникационной индустрии по поводу технических характеристик еще раз подтверждают неадаптированность инструмента больших данных для социальных наук. Однако, все эксперты сошлись во мнении, что применение инструмента больших данных пока доступно лишь для крупных проектов.
Анна Михалина также подтвердила, что инструмент больших данных меняет и будет менять сегмент ритейл и e-commerce. «Конечно, ритайл и e-commerce изменится. Он станет более адаптивным и таргетированным. Мы больше не будем воспринимать рекламу ритейла как что-то ненужное и навязчивое. Будет доступно очень большое количество оптимизаций внутри организации и в точках продажи, ну и, конечно же, будет создан новый формат общения с потребителем.».
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Среди трендов в технологии больших данных были выявлены потоковая аналитика и перенос данных в облако.«Еще один тренд это потоковая (streaming) аналитика, она дает возможность анализировать входящие данные в реальном масштабе времени. Эта возможность очень важна для приложений, которые построены поверх данных, собираемых с датчиков интернета вещей. Также можно говорить о тренде переноса инфраструктуры больших данных в облако (Oracle или Amazon, например, предоставляет такую возможность).» — Сергей Нестеренко.
Заключение
Большие данные меняют соотношение затрат и ценностей. Чем больше данных в анализе — тем информация более ценна, что позволяет экономить на затратах на дополнительный анализ данных. Кроме того, аналитика данных позволяет сэкономить время и затраты на перебирании гипотез: если ранее для применения той или иной стратегии компании проходили через стандартный путь исследователя (построение гипотезы, обозначение вопроса, анализ выбранных данных, ответ), то теперь путь выглядит иначе (данные, исследование, установка корреляций, инсайт). Все те же 4 шага (затраты на время, ресурсы), но в результате у компании есть инсайт с которым можно работать, в отличии от гипотезы, которая и вовсе может не подтвердиться. В ходе исследования было выявлена тенденция применения аналитики больших данных для достижения маркетинговых целей и моментального увеличения продаж в начале 2015 года, о чем неоднократно упоминали сами представители компании. И если еще пару лет применение данной стратегии обеспечивало конкурентное преимущество компании, то в ближайшие пару лет, ориентированность исключительно на маркетинговые коммуникации (и получение быстрой выручки) не будет приносить желаемого результата, как это было ранее с другими инновационными подходами прошлых годов. Общемировая тенденция к использованию подхода интегрированных коммуникаций в компании, которая пришла на смену маркетинговым коммуникациям и интегрированным маркетинговым коммуникациям, диктует становление новых трендов в современных технологиях (и наоборот).Входе исследования был выявлен цикличный характер применения больших данных в интегрированных коммуникациях, который представлен в формате визуализации данных (Приложение 1).
Для того, чтобы разработать механизм адаптации инструментария аналитики больших данных, который ранее применялся в фундаментальных науках, для практических задач в интегрированных коммуникациях ритейл и e-commerce были реализованы следующие задачи исследования.
Были рассмотрены особенности интегрированных коммуникаций в сравнении с интегрированными маркетинговыми коммуникациями и выявлена их отличительная особенность. Интегрированные коммуникации главным образом характеризуются согласованностью различных сообщений по разным каналам (PR, диджитал, реклама) для разных целевых групп (потребители, внутренняя среда компании, стейкхолдеры и др). Интеграция коммуникаций происходит вертикально и горизонтально внутри структуры организации, а для сегмента ритейл и e-commerce наибольший интерес представляют коммуникации со следующими группами стейкхолдеров: инвесторы и акционеры, покупатели (в том числе потенциальные), СМИ, партнеры и поставщики, общественные организации.
Были выявлены современные технологические тренды, которые используются в интегрированных коммуникациях. Среди них phydgital технологии, платформы дополненной реальности для интеграции в интернет-магазин, потоковая аналитика данных, адаптивные механизмы для подбора рекомендаций и персонализированных предложений в режиме онлайн, и, конечно же, сама технология аналитики больших данных.
Адаптировать понятийный аппарат больших данных к практическим задачам интегрированных коммуникаций. Выведено рабочее определение для исследования: Большие данные — это большой массив неструктурированных данных (более 100гб в сутки), которые постоянно обновляются и поступают из разных источников (интернет вещей, социальные сети, внутренние базы данных) в режиме реального времени, аналитика которых может принести конкурентное преимущество для организации с точки зрения экономической выгоды, при условии их достоверности и валидности. Были также выявлены наиболее распространенные источники поступления больших данных для сегмента ритейл и e-commerce. Это Банковские транзакции (внутренний источник компании), logdata (внутренний источник компании), e-mails (внутренний источник компании), социальные сети, геоданные, Внутренние базы данных компании (CRM, SAP и тд). И IoTкак таковой, однако углубленное изучение этого источника не проводилось в силу большого количества технических характеристик. Fastdata (для своевременного анализа потребителей и генерирования мгновенных ответных действий)и Newdata (для построения стратегии интегрированных коммуникаций в том числе) представляют наибольший интерес в качестве инструмента интегрированных коммуникаций.
Были также рассмотрены возможности применения больших данных в интегрированных коммуникациях. Можно заявлять о том, что большие данные могут эффективно использоваться как для внешних, так и для внутренних коммуникаций компании. Важным трендом, отмеченным в исследовании является реализация пилотных проектов компаний, основанных именно на аналитике внутренних данных. Применение больших данных в ИК может сделать такие коммуникации динамичными и персонифицированными, обращая свое сообщение к целевой группе.
Большие данные активно применяются в сегменте ритейл и e-commerce. Применение аналитики данных возможно не только для реализации маркетинговых стратегий (охват всех 4 P), но и для оптимизации мерчендайзинга, логистики, управления ассортиментов и прямым контактом с аудиторией. Были отмечены следующие тренды в коммуникации на примере ритейл и e-commerce: технология Omni Channel (слияние онлайн и офлайн инструментов), O2O (online to offline) коммуникация.
Также была доказана гипотеза возможности применения инструмента больших данных в качестве инструмента интегрированных коммуникаций для адресации сообщения как внутренним, так и внешним группам стейкхолдеров на основе исследования 3 российских копаний в сегменте ритейл и e-commerce и выявлен механизма адаптации инструментария больших данных к задачам интегрированных коммуникаций, который представлен в виде матрицы.
Разработанная матрица соотношения больших данных с интегрированными коммуникациями на примере ритейл и e-commerce в дальнейшем может быть адаптирована и других сегментов бизнеса, с учетом изучения особенностей целевых аудиторий. Данные исследования были подтверждены 3 экспертами, представителями технической и коммуникационной индустрии.
Список литературы и источников
Книги
. Барнетт Дж. Маркетинговые коммуникации. Интегрированный подход СПб.: Питер, 2002;
. Друкер П. Ф. Задачи менеджмента в XXI веке // М.: Вильямс, 2000;
. Майер-Шенбергер В. Больше данные: Революция, которая изменит то, как мы живем, работаем и мыслим // М.: Манн, ИВанов и Фербер, 2013;
. Котлер Ф. Основы маркетинга: Пер. с англ. — Новосибирск: Наука, 1992;
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. Писарева Е.В. Интегрированные маркетинговые коммуникации: современные технологии, стратегии, инструментарий (теория и практика) // М. : «Ваш полиграфический партнер», 2014;
6. Фаулер М. NoSQL: новая методология разработки нереляционных баз данных // М.: «Вильямс» <https://ru.wikipedia.org/w/index.php?title=%D0%92%D0%B8%D0%BB%D1%8C%D1%8F%D0%BC%D1%81_(%D0%B8%D0%B7%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D1%82%D0%B2%D0%BE)&action=edit&redlink=1>, 2013;
7. Beyer, M. The Importance of ‘Big Data’: A Definition / Gartner, 2012;
. Big Data. Related Technologies, Challenges, and Future Prospects / Chen M., Mao S., Zhang Y., Leung V. // New York: Spinger, 2014;
. Big data: The next frontier for innovation, competition, and productivity / Manyika J., Chui M., Brown B., Bughin J., Dobbs R., Roxburgh C., Hung Byers A. // McKinsey Global Institute, 2011;
. Diebold F. A personal perspective on the origin(s) and development of “Big data”: the phenomenon, the term, and the discipline // University of Pennsylvania, 2012;
. Evans D. The Internet of things: how the next evolution of the Internet is changing everything // Boston: Cisco Publishing, 2011;
. Griffin, A. PR In Practice: Crisis, Issues and Reputation Management: A Handbook for PR and Communications Professionals // London: Kogan, 2014;
. Grunig, L. Excellent Public Relations and Effective Organizations. A Study of Communication Management in Three Countries. // NJ: Lawrence Erlbaum Associates, 2002;
. How to develop, manage and lead exceptional communications / Tench R., Vercic D., Zerfass A., Moreno A., Verhoeven P. // London: Palgrave Macmillan, 2017;
. Kotler P. Marketing_Management: analysis, planning, implementation // London: Pearson, 2011;
. Lecinski J. Winning the zero moment of truth — ZMOT // New York: Vook, 2012;
. Lipovetsky G. Hypermodern times // Cambridge: Polity, 2005;
. Manyika J. By 2025, Internet of things applications could have $11 trillion impact // McKinsey Global Institute, 2015;
. Rodrigo N. Big Data: Principles and Paradigms // Melbourne: Morgan Kaufmann, 2016;
. Schultz E. Integrated Marketing Communications //McGraw Hill Professional, 1993;
. Tufekci Z. Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls / Proceedings of the Eight International AAAI Conference on Weblogs and Social Media // The AAAI Press, 2014;
. Volk S. A systematic review of 40 years of public relations evaluation and measurement research: looking into the past, the present, and the future // University of Leipzig, 2016;
. Young, A. Integrated communications planning in the digital era, second edition // New York: Palgrave Macmillan, 2014.
Статьи
. Радченко И.А. Использование открытых данных в научных исследованиях // Информационное общество, 2013, №1-2;
. Черняк Л. Большие Данные — новая теория и практика // Открытые системы. СУБД, 2011, № 10;
4. Ashton K. That ‘Internet of things’ thing // RFID Journal, 2009, №6;
. Bertot J.C., Jaeger P.T., Grimes J.M. Promoting transparency and accountability through ICTs, social media, and collaborative e‐government // Transforming Government: People, Process and Policy, 2012, №6;
. Borne K. Top 10 Big Data challenges — A serious look at 10 Big Data V’s // MapR, 2014, №4;
. Einwillera S. Examining the link between integrated communication management and communication effectiveness in medium-sized enterprises // Journal of marketing communications, 2012, №5;
. Endaltseva A. The present state of integrated communication in Russia // Public Relations Review. 2015, Vol. 41, №4;
. Finne A. Rethinking marketing communication: From integrated marketing communication to relationship communication // Journal of Marketing Communications, 2009, №15;
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. Grigorescu A. Review of International Comparative Management / Revista de Management Comparat International, 2015, Vol. 16, №4;
. Loebbecke C. Reflections on society and business model transformation arising from digitalization and big data analytics: a research agenda // International Journal of strategic communication, 2015, №3;
. Morgan J. Simple explanation of ‘The Internet of things’ // Forbes, 2014
. Schultz D. New, Newer, Newest: Evolving Stages of IMC // Journal of integrated marketing communications, 2010, №1;
. Solomon M. Omnichannel Customer Experience: Expert Systems, 360 Degree Views And AI // Forbes, 2015, №4;
. Thibodeau P. Gartner’s Top 10 IT challenges include exiting baby boomers, Big Data // Computerworld, 2011, №18;
. Wiesenberg M. Big data and automation in strategic communication // International Journal of strategic communication, 2017, №2.
Приложение 1
Визуализация цикличного характера применения инструмента больших данных в интегрированных коммуникациях
Приложение 2
Мобильное приложение IRLibrary для акционеров и инвесторов компании М. Видео
Приложение 3
Матрица соотношения БД с ИК, компания М.Видео
Приложение 4
Матрица соотношения БД с ИК, компания Юлмарт
Приложение 5
Матрица соотношения БД с ИК, компания X5 Retail Group
Приложение 6
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Гайд интервью с экспертами
. В каких целях вы используете большие данные?
Чаще всего их используют для аналитики, составления портретов клиентов (и в целом для подробной сегментации целевой аудитории), а также для разработки маркетинговой стратегии, внутрикорпоративных коммуникаций и финансов. Может быть, даже для усовершенствования логистики?
. Какие барьеры для развития больших данных в коммуникациях вы видите?
Чаще всего отмечают недостаток квалифицированных специалистов, отсутствие понимание технологии больших данных.
. Возможно ли использовать единую аналитику данных (с технической стороны) для разных направлений внутри организации?
Настройка таргетинга, построение системы лояльности, оптимизация внутренних процессов, настройка логистики, общение с инвесторами и тд)?
. Какие перспективы развития больших данных Вы видите?
. Есть ли у вас пример использования больших данных в коммуникациях, которым бы вы могли поделиться?
Может быть, большие данные открывают новые перспективы для специалистов по коммуникациям.
. Изменится ли, на ваш взгляд, рынок ритейл и e-commerce благодаря большим данным ?
Приложение 7
Расшифровка интервью с Артуром Хачуяном, основателем и генеральным директором Social DataHub
Здравствуйте! Цель моей дипломной работы адаптировать инструмент больших данных для возможности применения специалистами в области интегрированных коммуникаций.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Поэтому первый вопрос связан с характеристиками данных. Во время исследования я столкнулась с очень большим количеством источников данных и различных технических характеристик. Какие источники данных, например, вы используете?
— Для какого сегмента?
— Ритейл и интернет-коммерция.
— Ага, ну сейчас я могу привести самые распространенные источники, которые мы у себя используем. Обычно, это либо данные, которые представляют сами компании (они ведут у себя CRM базы данных), либо внешние источники. Кстати, порой получить к ним доступ бывает довольно сложно и нужно уметь обходиться теми возможностями, что есть в открытом доступе. Например, мы используем очень много информации из социальных сетей: возраст, семейное положение, занимаемая должность, путешествия, друзья, сексуальные предпочтения. В общем, все, что доступно в его профиле!
— А зачем могут понадобиться данные о путешествиях ?
— Ну, например, это часто позволяет прогнозировать твое поведение, как покупателя. Был очень интересный кейс, когда мы определили, что люди, которые путешествуют в азиатские страны, чаще других покупали экзотические фрукты: манго, кокосы и все такое.
— Даже так?
— Да! Еще мы исследуем потенциал инвестора или акционера, то есть какие именно персонализированные предложения его могут интересовать. Сейчас объясню механизм. Самое простое — это зарплата. Хороший алгоритм для вычисления зарплаты для Москвы и Санкт-Петербурга — это база Headhunter, Superjob (по крайней мере мы их используем) — это открытая база о средних зарплатах для конкретной должности в определенной сфере бизнеса. Потом мы берем социальная сеть и смотрим, где работает клиент , плюс его должность. Так мы вычисляем его зарплату в диапазоне тысяч 30. Причем, даже если должность не указана, по публикациям можно понять, кем работает человек.
— Звучит очень доступно и просто.
— Вот, это простая модель. Еще есть более сложная модель, где учитывается место жительства, база ЦИАН — средняя стоимость аренды жилья, средняя стоимость покупки жилья, оценивается, где находится офис твоей компании и тд. Соответственно, то же самое… Кстати, такая технология применяется и для аналитики групп потенциальных клиентов. Соответственно, если это в регионах, то учитываются экономические показатели, Росстат и еще куча всяких источников. Ну, вот такая модель может спрогнозировать с большой точностью твою заработную плату. Кстати, продолжаю тему про путешествия. Можно сделать прогноз средней стоимости номера в отеле или на Airbnb. И примерно понять, сколько денег ты потратил на отдых. Метрик очень много вообще разных.
— А какие еще метрики есть?
— Есть метрики твоей вовлеченности, то ест насколько вообще ты активен. Тут хорошо работает анализ лайков- тот контент, который лайкаешь ты. Например, я уже рассказывал один кейс вашей коллеге, если он лайкает БДСМ, то значит у него довольно большой доход. Так часто бывает, мы сами сперва удивлялись.
— Да?
— Да, просто часто топ-менеджеры после 40 или 50, они очень склонны к БДСМ и всему такому. Просто есть прямая зависимость между зарплатой. То есть если у человека например нельзя определить доход выше 150-180 тысяч, и ему 45 лет, у него есть жена и он любит БДСМ, то вероятно он подпадает в категорию топ-менеджеров.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
— А если все же вернуться к источникам, какие из них еще применяются в ритейле? Вот вы говорили про внешние…
— Да, ну вообще много данных запрашивают по геолокациям, хотя это компании и сами могут собирать, все зависит от их технических характеристик. Еще берем данные по банковским транзакциям, но тут уже очень скользкий момент, чтобы не переступить черту персональных данных. Самое распространенное, конечно, это данные из социальных сетей, самих платформ сейчас сотни, не говоря о количестве супер разрозенных данных. Причем, самое интересное в аналитике данных, ты каждый раз можешь выявлять новые корреляции, и на их основе строить целые стратегии дальнейших исследований. Вот, как я говорил про корреляцию между зарплатой и БДСМ. А еще между покупкой ужина и визита к врачу, между лайком вечеринки и покупкой жилья. Каждый раз что-то новое всплывает.
— Выходит, что это уже как часть социальной науки?
— Совершенно верно!
— А какая основная услуга у вас?
— Ну это какие-то маркетинговые ресерч-исследования аудитории (кто твоя аудитория, какое у них поведение), как я уже говорил, много чего спрогнозировать интересного можно.
— Например?
— Например, проанализировать клиентов, объединить их, чтобы понять, кто они в социальных сетях, какое у них поведение, что их натолкнуло на покупку именно в твоей сети. Ну и очень популярная сейчас история- это подбор лидеров мнений, блогеров. Потом еще таргетирование, конечно, сейчас это прям в тренде. Под разные акции можно найти узкие группы покупателей, чтобы твое сообщение попало в точку.
— А возможно ли использовать единую аналитику данных (с технической стороны) для разных направлений внутри организации? Настройка таргетинга, построение системы лояльности, оптимизация внутренних процессов, настройка логистики, общение с инвесторами и тд)?
— Ну, с технической стороны, конечно. Другое дело, что у нас организации чаще обращаются с задачами аналитики к сторонним организациям вообще, не говоря о том, чтобы наладить целый процесс у себя в компании.
— А с чем это связано?
Да с банальной экономии времени и ресурсов. Тренд ведь уже появился и во всю используется конкурентами, поэтому компании предпочитают быстро получить аналитику (ну сравнительно быстро) и не заморачиваться с обучением собственных специалистов.
Еще у меня такой вопрос: какие барьеры для развития больших данных в коммуникациях вы видите?
В первую очередь это уровень незнания специалистами по коммуникации элементарных технических характеристик, очень часто к нам приходят и ставят задачу люди, которые отвечают за техническую сторону в компании. В целом, это недостаток квалифицированных специалистов, отсутствие понимание технологии больших данных. Еще, конечно, необходимость довольно больших затрат на внедрение новых технологий, покупки программного обеспечения, ну, и тому подобное. Просто у нас в стране каким-то маленьким ритейлерам вообще пока нет смысла применять эту технологию, она просто не окупится даже. Дефицит таких кадров наблюдается не только потому, что они должны обладать довольно сложным набором навыков и компетенций, но еще и потому что сегодня мало кто вообще понимает, как их подготовить, например, или там как их оценивать и правильно организовывать работу. Но это больше касается именно технических специалистов, я не говорю про специалистов по коммуникациям.
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
Исходя из такое проблематики, считаете ли вы, что адаптация инструментария больших данных для специалистов по коммуникациям является значимой мерой?
Конечно! Если ты с этим соприкасаешься, ты должен понимать, как это работает. Я не думаю, что стоит углубляться во все технические термины, но знать, например, чем отличается CRM база от SAP, или, какие есть возможности потоковой аналитики. Важно понимать, что вообще это за ресурс такой — большие данные, и каких целей можно с помощью него достигнуть. Да, не спорю, что потенциал у этого инструмента еще даже полностью не раскрыт, но у нас случались курьезные ситуации, когда там приходит представитель компании и думает, что по данным мы ему чуть ли на дату рождения детей предскажем. Это ведь не магия, это просто еще один новый инструмент для многих профессий, кстати. Поэтому да, мне кажется необходимо внутри организацией просвещать своих специалистов, нужно, чтобы технические специалисты вместе с другими прорабатывали детали по какому-то упрощенному стандарту, ну, чтобы говорили все на одном языке — тогда и жить проще.
Какие тренды в применении технологии больших данных в ритейл и e-commerce вы бы отметили?
Ритейл и интернет коммерция это вообще очень многофункциональный профиль для применения аналитики данных, кстати говоря. То есть тут есть куда развиваться в плане модернизации в самих точках продаж: улучшение мерчендайзинга, определение клиента по биометрическим данным и создание персонализированных технологичных коммуникаций, внедрение каких-то сервисов и технологий типа Scan & Go, чтобы упростить навигацию внутри магазина. Это такое большое поле для творчества, и на западе существует сотни технологий на основе аналитики данных, которые представляют интерес для этой сферы. Второе, это какие-то маркетинговые оптимизации (еще лучший таргетинг, рассылки директ и прочее), ну и третье, это оптимизации рабочих процессов внутри самой организации, для их сотрудников. Например, перевод документооборота в онлайн. Если в вкратце — то потенциал еще есть и он большой!
Артур, спасибо большое за комментарии
Приложение 8
Расшифровка интервью с Сергеем Нестеренко, руководителем отделения интеграции дивизиона данных IBS
— Здравствуйте! Цель моей дипломной работы адаптировать инструмент больших данных для возможности применения специалистами в области интегрированных коммуникаций. Поэтому первый вопрос связан с характеристиками данных. Во время исследования я столкнулась с очень большим количеством источников данных и различных технических характеристик. Какие источники данных, например, вы используете?
— Обычно это различные виды внутренних данных, полученные из разных корпоративных систем и открытые данные: данные социальных сетей, геолокации, гугл карты и прочее.
— А Какие барьеры для развития больших данных на ваш взгляд?
— В первую очередь, это дефицит специалистов, еще не сформировавшиеся технологии, проблемы с безопасностью и конфиденциальностью. Это довольно большие проблемы для корпоративного сегмента, так как возникает непонимание, как применять технологии, каких специалистов звать: толи Data Scientists , как это сейчас модно называть, она довольно редкая, но спрос на нее уже колоссальный: на одно резюме специалиста около 60 откликов в неделю. Толи вообще стратегов, которые знают, что нужно получить от этих данных.
— Какие перспективы развития больших данных?
— Большие данные это все-таки тренд для крупных проектов пока что. И в ритейле и внутри организации есть свои трудности с внедрением, поэтому чаще всего компании начинают с приведения к должному виду своих баз данных, и на это уходит довольно большое количество времени и ресурсов. Но уже сейчас разработаны некоторые решения, которые в скором времени, я думаю, станут чем-то вроде стандартов, но пока что это все очень затратно. Еще один тренд это потоковая (streaming) аналитика, она дает возможность анализировать входящие данные в реальном масштабе времени. Эта возможность очень важна для приложений, которые построены поверх данных, собираемых с датчиков интернета вещей. Также можно говорить о тренде переноса инфраструктуры больших данных в облако (Oracle или Amazon, например, предоставляет такую возможность).
Приложение 9
Расшифровка интервью с Анастасией Михалиной
Консультант в WARD HOWELL, руководитель практик «Розничная торговля» и «Медиа-индустрия, реклама, развлечения»
Нужна помощь в написании диплома?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Сдача работы по главам. Уникальность более 70%. Правки вносим бесплатно.
. С какой целью компании чаще всего заказывают аналитику больших данных (маркетинг / разработка рекламной компании/ оптимизация внутренних процессов/ другое?)
Насколько я знаю, чаще всего компании, которые реально интересуются темой BigData, заказывают их аналитику для составления портретов потребителей. Так что можно сказать, что в целях разработки рекламной кампании. На самом деле не слышал, чтобы кто-то использовал BigData, например, для аналитики рынка, хотя мне кажется это перспективным.
Составление портретов потребителей же очень популярно. Чаще всего оно производится на основании персональных данных — ФИО, телефон, дата рождения, возможно, город проживания. С высокой долей вероятности по этим параметрам можно найти в сети любого человека. Ну, затем уже смотрим, чем человек увлекается, кем работает, есть ли у него животные, где учится. Любая информация может быть полезной. Например, для магазинов одежды выделяются такие группы, как будущие выпускники школы/институты, невесты и женихи. Им делаются какие-то персональные предложения, это обычно бывает эффективно. Обычно — это промокод или скидка, что-то такое.
. Возможно ли использовать единую аналитику данных (с технической стороны) для разных направлений внутри организации (настройка таргетинга, построение системы лояльности, оптимизация внутренних процессов, настройка логистики, общение с инвесторами и тд)?
Ну, тут смотря что понимать под единой аналитикой данных. Если единый алгоритм, — то, я думаю, нет, я не знаю таких сложных алгоритмов, во всяком случае. Но я точно уверен, что у всех компаний должна быть какая-то стратегия использования больших данных — экономически и логически неэффективно использовать данные хаотично, это должен быть единый процесс, включающий в себя все направления — как ты сказала, таргетинг, система лояльности и т.д.
. Какие тенденции в России на рынке больших данных в применении для коммуникаций вы бы отметили?
Сложно сказать, что рынок больших данных в России уже сложился, трудно выделить какие-то тренды. Из того, что я вижу сейчас — это факт, что большие данные в основном использует ритейл и банки. Обычно это касается онлайн-коммуникаций, тут большие данные очень эффективно. Но я могу сказать, что сейчас об этом очень много говорят, но гораздо меньше делают. Из того, что делают — это составление портретов потребителей, таргетинг. Ну, для банков еще скоринг. Да, возможно, чат-боты еще, они же тоже на принципе BigData построены.
. Считаете ли вы, что большие данные открывают новые перспективы для специалистов по коммуникациям. Если да, то какие?
Да, конечно. Ну, во-первых, они позволяют лучше узнавать своего потребителя, иметь подробные описания аудиторий. Я очень жду, когда пиарщики и рекламщики откажутся от аудиторий 18-80, средний достаток. И начнут наконец работать с реальными людьми. Во-вторых, процесс коммуникации станет более сложным, разнонаправленным. Ведь теперь коммуникация будет вестись параллельно с очень разными аудиториями. Это очень большой вывод для индустрии, требующий ресурсов — как экономических, так и интеллектуальных.
. Изменится ли, на ваш взгляд, рынок ритейл и e-commerce благодаря большим данным?
Конечно, изменится. Он станет более адаптивным и таргетированным. Мы больше не будем воспринимать рекламу ритейла как что-то ненужное и навязчивое. Реклама будет нашей палочкой-выручалочкой, ведь она будет направлена на решение наших реальных проблем.