Потребительские сегменты московских районов
Российская компания DCA изучила потребительский портрет жителей разных районов Москвы. Исследование строилось на основании массива обезличенных онлайн и офлайн данных с помощью технологий Big Data и искусственного интеллекта. В результате удалось выделить топ-5 потребительских сегментов, наиболее характерных для того или иного района города.
Москва – мегаполис с многомиллионным населением. Как в любой другой столице, оно постепенно кластеризуется: появляются районы притяжения креативного класса, престижные и фешенебельные кварталы, зоны яркой ночной жизни, отдыха и рекреации, депрессивные районы. Развитая дорожная сеть, ярко выраженный центр, разветвленный общественный транспорт – условия, в которых внутригородская миграция приобретает огромные масштабы.
Жители Москвы привыкли отождествлять определенные районы и места с соответствующими слоями и социальными группами горожан: ЦПКиО им Горького с хипстерами, Воробьевы Горы – со спортсменами и «ЗОЖниками», Патриаршие – с экспатами. Но это места, куда люди приезжают. А где они живут?
Современные технологии обработки данных и цифровая реальность сети позволили аналитическому центру DCA (Data-Centric Alliance, компания, специализирующаяся на разработке маркетинговых решений на основе технологий исследования аудиторных данных) сопоставить анонимное потребительское поведение московских пользователей интернета с районами их проживания. Таким образом удалось выделить топ-5 потребительских сегментов, которые обычно используют рекламодатели, для каждого района города.
Например, удалось выяснить, что представители креативных профессий (сегмент «Хипстеры») из парка Горького, Флакона, Армы и других центров притяжения отправляются ночевать домой в Академический, Гольяново (самые аффинитивные территории для сегмента, по данным DMPFacetz.DCA), Алексеевкий, Аэропорт, Гагаринский и даже Зябликово. Аудитория с самым высоким уровнем дохода концентрируется в Крылатском, Проспекте Вернадского и Аэропорте.
В исследовании участвовали 17 самых популярных аудиторных сегментов платформы DCA (на основе статистики спроса рекламодателей в 2015-2016 годах в Москве), основанных на интересах и ближайших намерениях пользователей, отраженных в их поведении в сети. Среди таких сегментов высокая и низкая покупательская способность, интерес к моде, образованию, путешествиям по России, за границу, а также привычки и стиль жизни: гики, хипстеры, кофеманы.
В исследовании использовалась методика привязки и корреляции существующих аудиторных сегментов, в которых состоят пользователи Рунета (данные собственной DMP-платформы), с историей их перемещений в черте города (GPS-данные, полученные через мобильные устройства).
Сначала был определен район проживания пользователя. Фактически эта область Москвы, откуда в будние дни поступает наибольшее количество запросов вне рабочего времени, а по выходным и праздникам – в течение всего дня. Важным критерием здесь является наличие достаточного количества данных для достоверного определения района проживания. Поэтому в выборку попадали только те пользователи, по которым было накоплено не менее 25 фактов с указанием текущей геопозиции на протяжении двух недель. Исключили из выборки всех тех, кто был размечен в менее чем пяти аудиторных сегментов.
В итоге для каждого района были получены выборки объемом от нескольких тысяч до десятков тысяч пользователей, которые в основном коррелировали с численностью населения в этих районах. Далее мы исключили районы, для которых не смогли собрать более 2000 пользователей.
Далее для каждой пары «район – сегмент» был посчитан индекс аффинитивности (или индекс соответствия), который в данном случае характеризует, насколько разным сегментам характерно проживание в том или ином районе Москвы, по сравнению с общим значением. Аффинитивность – популярная метрика в интернет-маркетинге, которая выражает то, насколько принадлежность случайного представителя определенной аудитории к тому или иному сегменту является более или менее типичным, чем для всей генеральной совокупности. В случае данного исследования «аудиторией» являются жители различных районов, а сегмент образует множество cookies.
Наиболее интересные сегменты, для которых можно было бы достаточно точно посчитать индексы аффинитивности, представлены ниже в виде матрицы. Индексы аффинитивности изображены цветными пикселями: более холодные цвета соответствуют низкой аффинитивности района данному сегменту, т.е. концентрация сегмента в районе минимальна, а более теплые показывают высокую аффинитивность, т.е. наибольшую концентрацию сегмента в районе.
В ходе такого сравнительного анализа выявлены интересные закономерности:
- наибольшее число мигрантов (проживающих в Москве, но часто посещающих сайты в доменной зоне СНГ, .tj, .az и прочие) сосредоточено в Савеловском и Рязанском районах, меньше всего – в Ясенево и Братеево;
- люди с высокой покупательской способностью выбирают район Крылатское, а меньше всего их в Марьино и Печатниках;
- вегетарианцы проживают в Даниловском и Преображенском районах, избегая при этом Пресненский район и Аэропорт;
- молодых незамужних девушек больше всего в Тимирязевском и Хорошевском районах и меньше всего – в Орехово-Борисово и Дорогомилово;
- больше всего людей, планирующих завести домашнего питомца, проживает в районе Братеево и меньше всего в Крылатском.
19.08.2016
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
- Четыре ключевых тенденции, формирующие современное потребительское поведение - 02.09.2019
- Внезапная потребность в роскоши - 07.03.2019
- Аналитики RTB House: наступает пик предновогодней покупательской активности - 13.12.2018
- Как компании предсказывают желания покупателей и повышают продажи с помощью Big Data - 28.11.2018
- все статьи по теме...
Комментарии
Написать комментарий