Бигдатый маркетинг
前往频道在 Telegram
Канал о том, на что способны большие данные в маркетинге. Кейсы, разборы, новости, инструкции — красиво и человеческим языком 💙 Рубрикатор: #какэтоделать #инструкции #чеклист #новости #кейс #разбор #исследование #ворлдвайд
显示更多未指定国家未指定类别
2 190
订阅者
无数据24 小时
无数据7 天
无数据30 天
吸引订阅者
三月 '23
三月 '23
+2
在0个频道中
二月 '23
+1
在0个频道中
Get PRO
一月 '23
+9
在0个频道中
Get PRO
十二月 '22
+8
在0个频道中
Get PRO
十一月 '22
+5
在0个频道中
Get PRO
十月 '22
+9
在0个频道中
Get PRO
九月 '22
+69
在0个频道中
Get PRO
八月 '22
+493
在0个频道中
Get PRO
七月 '22
+333
在0个频道中
Get PRO
六月 '22
+1 180
在0个频道中
Get PRO
五月 '22
+563
在0个频道中
Get PRO
四月 '22
+165
在0个频道中
Get PRO
三月 '22
+484
在0个频道中
Get PRO
二月 '22
+370
在0个频道中
Get PRO
一月 '22
+411
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 06 三月 | 0 | |||
| 05 三月 | 0 | |||
| 04 三月 | 0 | |||
| 03 三月 | 0 | |||
| 02 三月 | 0 | |||
| 01 三月 | +2 |
频道帖子
+7Смотрю в хрустальный шар big data и вижу ваше будущее 🔮
Пишите в комментариях, какое предсказание заберёте себе.
| 2 |  +3Представьте жаркий день, у кого-то мороженое тает в очереди на кассе «Перекрёстка», а рядом экран с рекламой. Кто бы мог подумать, что это идеальные условия для продвижения соседних фитнес-клубов? А вот DDX Fitness так и подумали. Разбор их кейса — в карточках 👆 | 1 404 |
| 3 | Кейс: «Лазурит мебель» нашёл свою целевую аудиторию среди 48,5 млн абонентов «Билайна»
Что сделали. Мебельный бренд «Лазурит мебель» увеличил продажи, откопав целевую аудиторию среди абонентов «Билайна» с помощью машинного обучения.
Как работает. «Билайн» и Solutions Factory выбрали пять критериев для поиска аудитории: среди них возраст, уровень дохода и интерес к мебели и недвижимости. Этих людей искали среди 48,5 млн абонентов «Билайна» с помощью математических моделей, которые анализируют поведенческие характеристики абонентов и делят их на группы. Например, уровень дохода модель вычисляет на основе обезличенных данных о платежах и регистрации в роуминге. А интерес к мебели определяет по заходам на мебельные сайты.
Результаты. На собранную аудиторию запустили рекламу в соцсетях и медийную. После кампании число транзакций увеличилось на 12,5%, а количество уникальных покупателей — на 11,1%.
#новости #кейс | 1 212 |
| 4 | Кейс: автобренд Haval нашёл людей, которые хотят машину, и притащил на свой сайт
Что сделали. Weborama и TargetNative проанализировали данные автолюбителей портала «За рулём», нашли тех, кто хотел бы купить Haval или что-то похожее, и таргетировали на них рекламное видео.
Как работает. TargetNative собрал анонимизированные данные пользователей «За рулём», которые заинтересованы в покупке Haval F7 или его конкурентов. Эти данные масштабировали с помощью предиктивных моделей и технологии look-alike. Затем Weborama запустила рекламное видео на эту аудиторию через собственную видеосеть, благодаря чему получилось отследить результаты и оптимизировать кампанию.
Результат. Haval получил трафик заинтересованных пользователей: среднее время на сайте увеличилось на 38%, а отказы снизились на 20%. Конверсии тоже подросли: переход на страницу «Тест-драйв» оказался выше планового на 13%, «Найти дилера» — на 20% и «Авто в наличии» — на 9%.
#новости #кейс | 1 186 |
| 5 | +8 Любопытно сравнить, кем были или мечтали быть наши родители и кем мы работаем сейчас. Представьте, что отправили письмо себе в прошлое и Первого сентября в первом классе узнали, кем будете работать спустя много лет. Как думаете, были бы вы довольны? Кем хотели быть в детстве? | 1 018 |
| 6 | +4 Пока мы говорим о том, что надо изучать покупателей, составлять их портреты, выяснять их потребности, в Китае давно научились мгновенно реагировать на спрос. Просто смотрят на данные, делают выводы, а потом вжух — и новый продукт запущен! Вот три кейса о том, как данные помогли дать людям то, что они хотят, — и немедленно.
#ворлдвайд #кейс | 986 |
| 7 | +5 Прогнозирование — одна из самых соблазнительных опций машинного обучения: скормил машине кучу данных, а она рассказывает, как бизнес будет жить в ближайший год. Звучит и правда радужно, но всё немного сложнее. Читайте в карточках, что нужно для прогнозирования продаж и как использовать его с умом.
#какэтоработает | 1 043 |
| 8 | Кейс: как «Колесо.ру» выстроил воронку продаж с помощью больших данных
Что сделали. «Колесо.ру», MediaDesk и Radar запустили кампанию offline-to-online к началу зимнего сезона. Людей, которые видели наружную рекламу, делили на сегменты и ловили в онлайне.
Как работает. Когда люди проезжали наружку, Radar отбирал из них ЦА по обезличенным данным устройств и телеком-операторов. Людей поделили на три группы.
• Тех, кто видел баннер больше 10 раз, считали высокомотивированными и больше не трогали.
• На тех, кто видел баннер меньше 10 раз, делали ремаркетинг.
• Из тех, кто так и не увидел баннер, выбрали похожих на действующих клиентов и запустили таргет.
Результат. В Москве 30,5% тех, кто увидел рекламу «Колесо.ру» хоть раз, пришли в сервисные центры. А ещё среди тех, кто увидел рекламу, на 54,7% выросло знание бренда «Колесо.ру».
#кейс | 1 103 |
| 9 | Представьте: нейросеть собирает интерьер по вашим референсам. Готовы к такому?
Допустим, вы увидели классное кресло на Пинтересте, а там ни названия модели, ни магазина, в котором он продаётся. А если и удаётся найти — оно оказывается дизайнерским и сто́ит как чугунный мост.
Теперь можно попытать удачу в Hoff: дать картинку алгоритму, а он моментально выберет похожие варианты из каталога. За пару секунд алгоритм проанализирует, какого цвета и формы нужное вам кресло вплоть до деталей — может, пуговки там какие особые. Затем он просмотрит весь каталог кресел Hoff, сравнит с вашей картинкой и подберёт самое подходящее.
Ну не чудо ли! Как думаете? | 1 066 |
| 10 | +5 Предлагаю пофантазировать о том, какие сервисы для маркетологов просто обязаны появиться в будущем. Пусть данные сами себя анализируют, правда? Вот несколько идей — расскажите в комментариях, какого сервиса не хватает вам. | 1 036 |
| 11 | Кейс: ИИ делает умные подборки в «М.Видео» и приносит 20% оборота приложения
Что сделали. Модели машинного обучения анализируют данные пользователей и рекомендуют подходящие устройства, сопутствующие товары и аксессуары.
Как работает. Алгоритм анализирует, как пользователь взаимодействовал с приложением, и определяет склонность к покупке и предпочтения в технике, ценовых сегментах и брендах.
Рекомендации преследуют на всех этапах: на главной странице, в поиске, в карточке товара и даже в корзине. Если вы купили айфон, то в следующий раз на главной странице приложение предложит наушники, зарядку и защитное стекло с самыми высокими оценками.
Результаты. За 9 месяцев 2021 года оборот мобильной платформы вырос на 100,4% до 180,4 млрд рублей — это 66,9% от общих онлайн-продаж. Товары из умных подборок составляют четверть всех покупок в приложении.
#новости #кейс | 989 |
| 12 | +4 Когда слушаешь только любимые песни, рано или поздно они надоедают. Вечный вопрос: где найти музыку, которая как любимая, только новая? Алгоритмы музыкальных сервисов давно умеют искать треки, которые должны нам понравиться. Давайте разберёмся, как работает такой алгоритм в «Яндекс Музыке» ⬆️
#разбор #кейс | 1 023 |
| 13 | Почему пора доверить цены искусственному интеллекту
Цена — чувствительный момент в маркетинге: слишком высокие могут отпугнуть клиентов, слишком низкие оставят компанию без прибыли. Машинное обучение и ИИ помогают соблюсти баланс, в котором довольны и покупатели, и продавец.
Как формировали цены раньше. Стандартные способы установить цену — добавить фиксированную маржу поверх расходов на товар или поставить цену как у конкурентов.
Что изменило машинное обучение и ИИ. Математические модели предсказывают, как покупатели отреагируют на изменения цен для тысяч товаров — и продавцы могут тонко настраивать цены. Например, сделать дешевле чувствительные к цене позиции и повысить их оборот.
ИИ позволяет пойти дальше и проанализировать ценовые паттерны для целых категорий товаров. Например, протестировать, как лёгкое повышение или понижение цены одного кетчупа влияет на продажи не только этого кетчупа, но и других продуктов с той же полки.
#какэтоработает | 1 021 |
| 14 | Кейс Ortos: как настроить рассылку так, чтобы она не бесила клиентов
Что сделали. Ортопедический магазин «Ортос» настроил рассылку с помощью машинного обучения: проанализировал данные пользователей и выявил, во сколько отправлять им письма, чтобы это не раздражало. Алгоритм соотнёс данные о времени отправки писем и их эффективности и выявил оптимальное время и частоту рассылки для каждого сегмента аудитории.
Результаты. В 2 раза выше конверсия в заказ, в 3 раза меньше отписок. Открываемость писем — выше на 30%.
А как вы выбираете время для отправки писем?
#кейс | 1 372 |
| 15 | +4 Самая гениальная нейросеть, которая анализирует тонны данных каждую секунду — наш мозг. Инструменты — всё те же, которые есть в арсенале ма ркетологов и дата-сайентистов. Не верите — смотрите, как в жизни выглядят автоматизация, сегментация, персонализация и прогнозы 🔮
А вы какие инструменты замечаете в повседневной жизни? | 1 194 |
| 16 | +4 Вчера вы видели, как компания увеличила доход от триггерных писем с помощью CDP — Customer Data Platform. Давайте разберёмся подробно, что это такое и чем полезно маркетологу ☝️ | 1 132 |
| 17 | Кейс: интернет-магазин персонализировал триггеры и получает с них половину дохода
Что сделали. Интернет-магазин «Офис Эксперт» персонализировал рассылку с помощью CDP и увеличил доход от триггерных писем.
Как работает. Customer Data Platform (CDP) — платформа, которая объединяет информацию из разных источников в одном месте. С помощью продвинутой сегментации платформы компания настроила новые цепочки триггерных писем. Пользователям начали сообщать о ждущих в корзине товарах, о снижении цен или просто напоминали о себе людям, которые давно не заходили на сайт.
Результаты. Благодаря сегментации с помощью CDP доля дохода от триггерных писем увеличилась с 14 до 50% — больше всего покупок приносят напоминания о товарах в корзине.
#кейс | 1 068 |
| 18 | +4 Чем больше данных собирает компания, тем больше у неё возможностей дать каждому клиенту такой же персональный сервис, как в крошечном бутике. Всё благодаря персонализации — смотрите, как «Амазон» с помощью больших данных говорит каждому пользователю: «Всё только для тебя».
#ворлдвайд | 996 |
| 19 | Что если продвигать печать фотокниг лучше в дождливые дни? Звучит дико, но европейский сервис печати фото CEWE выяснил, что именно так и надо делать.
Сервис выдвинул гипотезу: люди чаще заказывают фотокниги в дождливые дни. Штука в том, что заказ фотокниги — не самое простое дело: нужно скачать программу, выбрать фотографии, собрать книгу, отправить в печать. И компании показалось, что дождливые дни — лучшее время, чтобы провести пару часов у компьютера.
Чтобы проверить гипотезу, компания соединила и проанализировала данные заказчиков фотокниг в разных городах и данные ближайших метеостанций. Оказалось, что в определённые месяцы дождь значительно влияет на конверсию: например, в ноябре и декабре в дождливые дни конверсия выше примерно на треть. Сервис печати сделал выводы и теперь повышает рекламные ставки в городе, когда там портится погода.
Как вам идея?
#идея #кейс | 1 084 |
| 20 | «Конверсию ТВ-рекламы сложно посчитать» — говорили они. «Большие данные» — ответил Selgros
Что сделали. Selgros Cash&Carry с помощью больших данных проанализировал эффективность ТВ-рекламы — узнали, кто реагирует на рекламу, и посчитали точную конверсию.
Как работает. По заказу Selgros платформа TVID Technology, компании MediaHills и Platforma разделили пользователей на группы по интересам и провели полный анализ их пути с помощью больших данных партнёров — например, «Ростелекома», ВТБ и видеосервиса Wink. С помощью этой информации торговая сеть оценила результаты двухнедельной федеральной ТВ-кампании.
Результаты. Количество покупателей в период кампании выросло на 25%, а среднесуточное число транзакций — на 10%. Выяснилось, что покупатели Selgros смотрят «Музыкальную интуицию», «Камеди клаб» и «Формулу еды», а ещё интересуются сериалами — теперь компания сможет эффективнее планировать будущие размещения.
#новости #кейс | 984 |
