Получи случайную криптовалюту за регистрацию!

Бигдатый маркетинг

Логотип телеграм канала @big_python — Бигдатый маркетинг Б
Логотип телеграм канала @big_python — Бигдатый маркетинг
Адрес канала: @big_python
Категории: Бизнес и стартапы
Язык: Русский
Количество подписчиков: 2.74K

Рейтинги и Отзывы

3.50

2 отзыва

Оценить канал big_python и оставить отзыв — могут только зарегестрированные пользователи. Все отзывы проходят модерацию.

5 звезд

1

4 звезд

0

3 звезд

0

2 звезд

1

1 звезд

0


Последние сообщения

2022-08-08 14:30:07
Каждый раз придумывать, что купить на ужин, — настоящее мучение. Магазины пытаются помочь и предлагают товары, которые нам, скорее всего, понравятся. А наши вкусы у них как на ладони — благодаря истории покупок и данным, которые мы сами раскидываем по всему интернету. Читайте в карточках, как «ВкусВилл» запустил рекомендательную систему на основе бигдаты.

#разбор #кейс
292 views11:30
Открыть/Комментировать
2022-08-05 11:00:02
Что сделали. Platforma и Nielsen составили профили клиентов разных АЗС на основе больших данных. Компании взяли анонимизированные данные 53 тысяч клиентов АЗС за сентябрь 2021 года и скормили ИИ.

Результат. В итоге исследователи получили не только средние чеки клиентов АЗС, но ещё распределили покупателей по доходу, возрасту и интересам. Выяснилось много любопытного.

Молодёжь чаще заправляется в «Лукойле», а взрослые — в BP и «Башнефти».

Наиболее состоятельные клиенты у BP и Shell, а люди с меньшим доходом выбирают «Лукойл» и «Башнефть».

41% клиентов покупают только один товар на АЗС — чаще всего это вода.

Те, кто покупает два товара, обычно берут что-то сладкое и воду или сладкую газировку.

Самые частые клиенты АЗС — любители ресторанов и путешествий, а реже всего заправляется «интеллигенция» — так назвали людей, которые раз в месяц покупают билеты в театры и музеи.

#исследование #кейс
242 views08:00
Открыть/Комментировать
2022-08-04 11:00:04
Про какие способы применения больших данных в маркетинге вам было бы интереснее всего узнать?
Anonymous Poll
28%
Персонализация и системы рекомендаций
50%
Изучение портрета потребителя
37%
Оценка эффективности кампаний
38%
Предсказание поведения клиентов
24%
Привлечение из офлайна в онлайн и наоборот
29%
Автоматизация
6%
Что-то ещё, напишу в комментариях
68 voters311 views08:00
Открыть/Комментировать
2022-08-03 15:00:19
Вчера был пост о пользе автоматизации — теперь держите наглядный кейс. Туристический сервис аренды жилья годами копил данные о бронированиях, предпочтениях и поведении клиентов в бесконечных табличках и ничего с ними не делал.

А потом взял, залил всё это в облако, настроил аналитику — и начал больше зарабатывать. Как это получилось — смотрите в карточках.

#кейс #ворлдвайд
287 views12:00
Открыть/Комментировать
2022-08-02 13:00:23
Большие данные без автоматизации и алгоритмов — чемодан без ручки: нести можно, но труда больше, чем пользы. Автоматизация превращает данные в живой ресурс для бизнеса — о том, как она это делает, читайте в карточках.

#какэтоработает
400 views10:00
Открыть/Комментировать
2022-08-01 13:00:19
Кейс «Ленты»: меньше очередей, больше товарооборот — всё с помощью бигдаты

Что сделали.
«Лента» запустила систему видеораспознавания, которая отслеживает очереди на кассах и прогнозирует трафик покупателей.

Как работает. ИИ анализирует количество людей на кассах и отправляет уведомление сотруднику, который зовёт ещё кассиров или советует покупателям менее загруженные кассы по громкой связи. Вдобавок программа анализирует входные камеры и с помощью математической модели предсказывает появление очередей за 20 минут.

Результат. В пилотных магазинах очереди сократились на 13%, а товарооборот вырос на 1,2% — для одного гипермаркета это 2–3 миллиона рублей. А ещё в этих магазинах на 11% увеличилось число покупателей.

#кейс
309 views10:00
Открыть/Комментировать
2022-07-29 15:57:34 Big data, big idea. Расчётливый футбол

Как вам такое: цена билета на матч зависит от успехов и состава команды?

Такую систему динамического ценообразования внедрила Национальная футбольная лига США. Там подумали: почему одно и то же место стоит одинаково на популярных играх с топовыми командами и на матчах команд-аутсайдеров?

Решение — прогнозировать спрос на матч и менять цену в зависимости от прогноза. Для этого НФЛ построила предиктивную модель, которая анализирует кучу данных: в какой фазе сезона пройдёт игра, какие успехи у команд-соперников, будут ли на поле известные игроки, какие ставки делают на игру. Дальше модель строит прогноз, и если спрос на игру высокий, цены на билеты повышают. А если спрос небольшой, цены снижаются — и это не только повышает продажи, но и помогает собрать аудиторию командам, которые переживают трудный период.

Огонь?
259 views12:57
Открыть/Комментировать
2022-07-28 15:02:30
Кейс: ИИ составил профили пользователей и увеличил кросс-продажи супермаркета

Что сделали. Агентство CleverData помогло сетевому гипермаркету увеличить кросс-продажи с помощью AI-модели. Модель сводит воедино данные об офлайн- и онлайн-покупках, анализирует профили пользователей и составляет рекомендации. Человек делает покупку в магазине и получает триггерное письмо с персональным предложением. Все данные анонимизируются: грубо говоря, система знает, что человек часто покупает бананы, но не знает, кто он и где он живёт.

Результат. Рекомендации AI-модели увеличили кросс-продажи похожих товаров на 12%. Конверсия из открывших персональные письма на 67% больше, чем из общей рассылки.

#кейс
372 views12:02
Открыть/Комментировать
2022-07-27 11:00:13 Как большие данные помогли НКО для пенсионеров расширить аудиторию

Чтобы привлечь людей определённой возрастной группы, недостаточно смотреть только на возраст — в этом убедилась американская НКО, которая решила привлечь посетителей чуть моложе основной ЦА. Агентство Merkle проанализировало данные и достучалось до них с помощью персонализированной рекламы.

Проблема. Клиент — организация, которая помогает пожилым людям улучшать качество жизни. Организация решила вырастить число членов на 5% к 2028 году и для этого нацелилась на аудиторию 50–59-летних. Проблема в том, что люди в этом возрасте ещё не считают себя пожилыми, а услуги организации актуальными, хотя у неё есть предложения для всех возрастов.

Решение. Чтобы привлечь больше 50–59-летних участников, агентство предложило клиенту составить портрет аудитории. Для анализа взяли базу данных 200 000 жителей США 50–59 лет и с помощью математической модели разделили их на сегменты, основываясь на 540 признаках. Эти сегменты наложили на имеющуюся базу членов организации — так удалось выяснить, через какие каналы приходят люди из разных сегментов и какими услугами они пользуются.

Для каждого сегмента агентство подготовило отдельные креативы и предложения. Чтобы проверить, как ЦА реагирует на «свои» рекламные сообщения, людям из разных сегментов показывали также сообщения для других сегментов и общее сообщение для аудитории 50–59 лет.

Результаты. Сегментированная реклама привлекла новых участников в организацию клиента: конверсия с рекламных сообщений выросла на 48%, при этом каждый новый участник стоил клиенту на 73% меньше.

#разбор #кейс
652 views08:00
Открыть/Комментировать
2022-07-26 15:14:37
Цифровой двойник — это не ваш аватар в кожаном плаще, как в «Матрице», а полезная технология, которая помогает контролировать сложные системы. Как она устроена и как компании с её помощью экономят и зарабатывают — читайте в карточках.
713 views12:14
Открыть/Комментировать