Впервые о больших данных заговорил еще в 2008 году Клиффорд Линч, редактор журнала Nature. В 2016-м Big Data назвали одной из причин Brexit и выигрыша Дональда Трампа в президентских выборах. В 2018 году такие гиганты, как Facebook, Google и Amazon, не могут представить свое существование без больших данных.

Почему набор неструктурированной информации стал главным оружием в конкурентной гонке? Об этом в интервью для AI Conference рассказал Денис Афанасьев.

Денис Афанасьев – специалист по цифровому маркетингу. Он 15 лет работает в сфере информационных технологий, специализируется на маркетинговых инструментах для продвижения бизнеса в цифровой среде. В июле 2014 года возглавил CleverDATA – компанию-лидера в области аналитики, Big Data и автоматизации маркетинга.

Интервьюер: AI Conference (AC).
Спикер: Денис Афанасьев (Д.А.).

AC: Денис, здравствуйте. Существует предположение, что Big Data, как и электричество в свое время, постепенно внедрят во все сферы деятельности. Расскажите, в каких отраслях технологии больших данных уже используют как привычный инструмент, а в каких – собираются в ближайшее время?

Д.А.: Популярные сферы для применения Big Data – это финансы, телекоммуникации, медиа, реклама и электронная коммерция. Компании из этих индустрий накапливают большой объем информации и активно применяют ее в работе. Большие данные позволяют оптимизировать различные бизнес-процессы, искать информацию о клиентах и получать рекомендации для персонализированных коммуникаций.

Но среди отраслей есть и те, которые не обладают большим объемом накопленных данных – к примеру, строительство или сельское хозяйство. Зачастую это связано с долгим циклом развития продукта, который производит отрасль. Однако в условиях активной цифровизации, которую мы сейчас наблюдаем, объем информации будет расти. Потому и у сельского хозяйства, и у строительной сферы есть большой потенциал для развития.


AC: От чего зависит скорость внедрения Big Data в те или иные отрасли?

Д.А.: Во многом скорость внедрения новых технологий зависит от понимания ожидаемого результата. Еще на нее влияет сфера деятельности компании и сложность бизнес-процессов, на которые направлена оптимизация, а также наличие соответствующей инфраструктуры для сбора и хранения данных.

Поэтому во многих крупных компаниях внедрением современных технологий в бизнес-процессы занимаются директоры по инновациям.

В тоже время нужно понимать, что работа с данными – это не разовый проект, а постоянное развитие. Новые источники данных, различные модели машинного обучения для более точных рекомендаций появляются на рынке все время.


AC: Вы отмечаете на рынке аудиторных данных определенные тенденции. Почему меняются подходы к сбору информации?

Д.А.: Данных становится больше, как и примеров их применения в бизнесе. Появление новых источников, активное объединение онлайн- и офлайн-данных позволяет изучать потребителя детальнее и полноценно понимать его поведение.

При этом новостные ленты периодически будоражат подробностями очередных утечек данных, новыми уязвимостями тех или иных сервисов. Для регулирования вопросов такого рода нужно усовершенствовать законодательную базу, которой мы пользуемся сейчас.

К примеру, недавно вступивший в силу регламент по защите данных GDPR распространяется не только на бизнес европейского рынка, но и на любые кампании, которые могут собирать и обрабатывать данные граждан ЕС.

Кроме этого, регламент дает максимально широкое определение понятию «персональные данные», включая cookie и mac-адрес. Это вносит серьезные изменения в работу с данными для многих крупных брендов.

В России пока нет четкого определения больших данных – как и специальных норм сбора, обработки, использования, а также продажи информации. Но при этом появляются примеры сотрудничества между компаниями из разных индустрий по обмену данными.

Объединение разных источников информации о потребителях создает новые возможности для работы с клиентской базой, позволяет улучшать таргетинг, персонализировать коммуникации и в конечном итоге оптимизировать стоимость привлечения и удержания клиентов.


AC: Ваша компания, CleverDATA, сегодня сфокусирована на автоматизации маркетинговых коммуникаций и онлайн-рекламы. Расскажите, какие данные о клиенте собирают интеллектуальные маркетинговые системы?

Д.А.: В первую очередь – это персональные данные, которыми располагает сама компания. В них входят сведения о посещениях сайта и мобильных приложений, информация о потребительском поведении клиентов из CRM и программ лояльности и т.д.

Сведения о взаимодействии аудитории в рамках маркетинговых коммуникаций важны для анализа данных. То, как пользователь открывал письмо, сколько раз посещал сайт, какие действия совершал на сайте, сколько раз видел рекламный баннер, по какому рекламному сообщению перешел, а какое проигнорировал, – позволит дополнить картину об интересах потребителя, а также выстроить единую последовательную стратегию коммуникаций с каждым из них.

Недостающую информацию можно почерпнуть из внешних источников информации. Эта функция доступна у различных агрегаторов и на бирже данных, объединяющей множество поставщиков Big Data.


AC: Как происходит персонализация информации для пользователя на основе этих данных?

Д.А.: Когда мы собрали данные из всех доступных источников и обработали их, нужно сформировать по каждому потребителю или посетителю сайта подробную анкету – профиль, который отражает социально-демографические параметры, интересы к видам спорта, музыке, фильмам, хобби, наличие детей, загородной недвижимости, машины, намерения приобрести какой-либо товар или услугу и многое другое.

Новые знания об аудитории позволяют генерировать множество микросегментов и запускать таргетированные рекламные кампании с интересными для потребителя предложениями.

Кроме этого, разделив аудиторию на несколько сегментов (например, по полу и возрасту), можно кастомизировать контент на сайте. К примеру, для интернет-магазина велосипедов мы показываем посетителям-женщинам женские модели велосипедов, мужчинам – мужские, детям – молодежные модели.


AC: В чем преимущества систем на основе искусственного интеллекта перед маркетологами, а по каким критериям ИИ проигрывает человеку?

Д.А.: Искусственный интеллект способен обработать и проверить гораздо большее количество информации, чем человек. Понять и увидеть скрытые закономерности в большом массиве данных – нелегкая задача для нашего мозга, но это по силам искусственному интеллекту.

При этом сам ИИ в большей степени решает только четко поставленные задачи: один интеллект для поиска оптимального маршрута, другой – для рекомендации товарного предложения. В решении некоторых задач ИИ выигрывает, но до полноценного сравнения с человеческим мозгом ему пока, разумеется, далеко.


AC: На AI Conference вы будете говорить о роли машинного обучения в маркетинговых коммуникациях. Расскажите вкратце, какие именно аспекты этой роли вы планируете раскрыть?

Д.А.: Я расскажу, как машинное обучение помогает выстраивать маркетинговые коммуникации с максимальной персонализацией и минимальным вовлечением человека в этот процесс. Покажу примеры того, как работа с данными о собственной аудитории позволяет определить, какому потребителю какой товар, когда, как часто и с какой скидкой предлагать.

Напоследок на примере реальных кейсов я сравню результаты работы нескольких моделей машинного обучения, включая нейронные сети для определения товарных рекомендаций.


Чтобы послушать Дениса Афанасьева и других спикеров – регистрируйтесь на AI Conference, которая состоится 22 ноября в Москве.

Зарегистрироваться на AI Conference