Как получать "большие данные" с помощью одного маленького приложения
В современной бизнес-среде модно оперировать термином «big data». Представители компаний, которые «шагают в ногу со временем», обсуждают в кулуарах отраслевых конференций и форумов, кто и как эти данные применяет в своем бизнесе и какие результаты получает в итоге. Однако без ответа остается вопрос: большие данные – это сколько? Специалисты SocialKey Ads преобразовали для себя этот вопрос в задачу и решили пойти нестандартным путем для ее решения.
Не верь глазам своим
Интернет-приложения, позволяющие собирать статистику о поведении людей, приобретают все большую популярность в России. Примерами таких приложений служат тесты и тематические опросы: «Какой автомобиль тебе подойдет?», «Можешь ли ты стать бизнесменом?» и пр. Желая узнать о себе что-то новое, участники искренне отвечают на вопросы, а разработчики получают уникальную информацию о предпочтениях целевой аудитории. К примеру, если девушка заинтересовалась тестом для невест и указала дату предполагаемого события, владелец приложения знает не только, что ей продать, но и когда, в каком городе, кто может стать вторым покупателем его магазина. Другим способом сбора данных является использование шпионских программ и утилит для поиска информации в соцсетях. Подобные приложения позволяют отслеживать перемещение пользователя, время, когда он обычно бывает онлайн, и т. д.
Из всех существующих приложений наиболее полезными оказываются те, что дают возможность компаниям быстро находить покупателей для своих товаров. Анализируя большие данные, собранные в интернете и социальных сетях, мы столкнулись со следующими противоречиями:
- уровень дохода пользователя далеко не всегда равен уровню его потребления;
- «декларируемое» поведение пользователя в онлайн не соответствует его реальному поведению.
Это заставило нас задуматься над следующими вопросами:
- как определить, сколько действительно денег у пользователя для совершения покупки?
- как узнать, какие параметры влияют на его выбор, и в какой конкретный момент пользователь готов его изменить?
- как понять, готов ли пользователь переплачивать за удовлетворение своих эстетических и вкусовых потребностей?
Все решения в одном приложении
Для того чтобы ответить на возникшие вопросы, мы:
- выбрали одну отрасль, в которой анализировали поведение потребителей, – недвижимость;
- придумали «чувствительный» метод сбора данных о потребительских предпочтениях (приложение «Эквалайзер желаний»);
- нашли способ, как определить готовность дополнительно платить за продукт, который пользователю кажется идеальным.
Эквалайзер желаний
Принципы работы приложения:
1. Обмен данными
Никаких скрытых способов сбора информации. Пользователь сам дает право на использование открытых данных страницы.
Что мы получаем: доступ к данным.
2. Первичные знания
Не влияем на выбранный пользователем бюджет. Лишь напоминаем о текущих рыночных ценах.
Что мы получаем: сведения о планируемой сумме покупки.
3. Выбор по желанию
Пользователь, управляя рычагами эквалайзера, выбирает интересующий его набор предложенных опций. Они все в действительности представлены на рынке жилой недвижимости в 2016 году.
Что мы получаем: картину выбора пользователя при заданном бюджете.
4. Промежуточные итоги
Определяем психотип конкретного пользователя (в fun-формате), исходя из его поведения при выборе опций, и «раскрываем» их суммарную стоимость.
5. Осознанный выбор
На данном этапе пользователь видит, как каждая опция меняет суммарную стоимость квартиры.
Что мы получаем: данные об изменениях, которые совершает пользователь под влиянием новой стоимости квартиры, и понимание о его готовности переплатить за красоту и эстетику.
6. Финальный результат
Пользователь получает визуальный образ своей будущей квартиры с учетом выбранных опций. Нажимая кнопки «получить детализацию стоимости», «получить скидку на квартиру мечты» и вводя свои контактные данные (имя, телефон, e-mail), пользователь получает реальные предложения от застройщика.
Что мы получаем: общую картину всех действий пользователя с момента ввода начального бюджета до выбора итоговых опций квартиры.
Что получает застройщик: качественный лид.
Для застройщика собранные нами данные преобразованы в необходимый для отдела продаж вид.
Итоги тестирования приложения
По итогам двух недель тестового размещения приложения мы получили более 4500 уникальных пользователей и 50 лидов высокого качества. Все это стало возможным благодаря:
- актуальности темы приложения;
- конкретной пользе для пользователя, выраженной в реальных предложениях от застройщика;
- социальной значимости приложения;
- виральности (игровым механикам);
- таргетингу на конкретную целевую аудиторию в социальных сетях.
Применяй и монетизируй!
Результаты тестирования приложения «Эквалайзер желаний» на примере рынка недвижимости позволяют говорить о том, что такой подход применим к любому бизнесу. Для этого нужно:
- собирать уникальные аудиторные сегменты пользователей, исходя из их предпочтений в выборе конкретных параметров;
- проводить маркетинговые исследования (стратегическое планирование продаж, разработку продуктовой линейки, оптимизацию текущей рекламы);
- осуществлять продажу лидов высокого качества (+30% к стоимости за счет высокой конверсии).
Приложение дает возможность проследить, как меняется выбор людей в момент покупки квартиры, какие опции являются самыми популярными, от чего покупатели готовы отказаться ради дополнительных квадратных метров, а от чего нет. Полученная информация позволяет найти правильный подход к построению диалога между застройщиком и потенциальным клиентом. Так, получив полную информацию о располагаемом бюджете, площади квартиры, высоте потолков и пр., застройщик обращается к пользователю напрямую и может нативно влиять на его поведение и выбор.
Эффективность использования технологий работы с большими данными можно видеть уже на первых этапах привлечения клиентов. Это выражается в росте количества целевых обращений в компанию через звонки, заявки или посещение офисов продаж.
Advertology.Ru
24.05.2016
Еще статьи по теме
- Big Data в рекламе: какую платформу работы с данными выбрать? - 15.11.2023
- Unilever запустил образовательный проект в области Big Data - 28.10.2021
- Кампания Авито и dentsu на данных МТС доказала эффективность наружной рекламы - 15.04.2021
- МТС разработала технологию оценки эффективности наружной рекламы с помощью Big Data - 15.04.2021
- Эксперты IAB Russia подготовили гайд по работе с аудиторными данными - 15.04.2021
- МТС повысила эффективность наружной рекламы с помощью Big Data - 02.11.2020
- Как компании предсказывают желания покупателей и повышают продажи с помощью Big Data - 28.11.2018
- В России создана Ассоциация участников рынка больших данных - 17.10.2018
- Das Magazin: как Big Data и пара ученых обеспечили победу Трампу и Brexit - 09.12.2016
- "Дизайн станет новой Big Data" - 14.11.2016
- все статьи по теме...
Комментарии
Написать комментарий