Бигдатый маркетинг
Open in 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
Show moreThe country is not specifiedThe category is not specified
2 190
Subscribers
No data24 hours
No data7 days
No data30 days
Data loading in progress...
Similar Channels
No data
Any problems? Please refresh the page or contact our support manager.
Tags Cloud
No data
Any problems? Please refresh the page or contact our support manager.
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
March '23
March '23
+2
in 0 channels
February '23
+1
in 0 channels
Get PRO
January '23
+9
in 0 channels
Get PRO
December '22
+8
in 0 channels
Get PRO
November '22
+5
in 0 channels
Get PRO
October '22
+9
in 0 channels
Get PRO
September '22
+69
in 0 channels
Get PRO
August '22
+493
in 0 channels
Get PRO
July '22
+333
in 0 channels
Get PRO
June '22
+1 180
in 0 channels
Get PRO
May '22
+563
in 0 channels
Get PRO
April '22
+165
in 0 channels
Get PRO
March '22
+484
in 0 channels
Get PRO
February '22
+370
in 0 channels
Get PRO
January '22
+411
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 06 March | 0 | |||
| 05 March | 0 | |||
| 04 March | 0 | |||
| 03 March | 0 | |||
| 02 March | 0 | |||
| 01 March | +2 |
Channel Posts
+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 |
