16 мая 2013 г. Яндекс провел Yet another Conference on Marketing. Во второй половине дня конференция разделилась на два потока. Представляем вашему вниманию обзор докладов из первого зала.
Николай Хлебинский (RetailRocket) продолжил тему рекомендации товаров в интернет-магазинах, начатую ранее Аркадием Итенбергом и Михаилом Сливинским из Викимарта. Он заметил, что для товарных рекомендаций требуется анализ естественного поведения пользователей, их интерес к предложениям магазина. Для этого нужно посмотреть базовые действия: просмотр карточки товара, добавление товара в корзину, покупка, лайк, отзыв и т.д. Каждому такому событию можно присвоить условный вес, который будет отражать интерес пользователя к каждому конкретному товару. На их основе можно создавать товарные рекомендации. Взаимодействие пользователей с рекомендательными блоками также должно учитываться при формировании товарных рекомендаций. Внутри это выглядит как огромный набор таблиц, в которых интерес пользователей к товару выражен в числовом значении.
При работе с большими наборами данных есть ряд вызовов: сбор данных, их сохранение и обработка, инкрементальность, поддержка.
Зачем нужны рекомендации товаров? Как замечает Николай, они повышают конверсию, увеличивают трафик и средний чек.
Эффективность систем рекомендаций изменяется во времени. Кроме того, скорость обучения системы зависит напрямую от маркетинговой активности.
Как измерить эффект от внедрения рекомендаций? Смотреть на вовлечение пользователей (длительность сессий, комментарии, показатель отказов), лояльность (лайки, прямой трафик, внешние ссылки), KPI по сегменту, взаимодействующему с рекомендациями (доля посетителей, конверсия в сегменте), деньги.
Алексей Беляев (Видео Интернешнл) рассказал про новые метрики в медийной рекламе.
Рекламодатель выбирает, где разместить рекламу. С его точки зрения хорошее размещение удовлетворяет ряду условий:
- охватывает максимальную долю целевой аудитории;
- не тратит бюджет впустую, то есть охватывает минимальную долю нецелевой аудитории.
Какие метрики помогают сделать правильный выбор? В классическом медиабаинге принимаются во внимание два основных фактора: охват площадки, аффинитивность аудитории площадки.
От медиабаинга, когда мы выбирали площадку, мы переходим к audience buying – покупке аудитории независимо от того, где она находится. Меняется таргетирование, появляются новые метрики. Таргетирование стало вероятностным. Любая система вероятностного таргетинга определяется еще такими метриками, как полнота (точность) и меткость (насколько правильно вы определяете целевую/нецелевую аудиторию).
Максим Лобов (Яндекс) представил доклад на тему «Методы оценки размеров групп пользователей сервиса». Для начала Максим рассказал, зачем нужно сегментировать аудиторию. У разных людей есть разные потребности. Под каждую из них можно придумывать свою функциональность. Также сегментирование позволяет давать конкретное сообщение человеку, которое зацепить именно его. Разные сегменты по-разному используют сервисы, здесь важен контекст использования.
Бывает несколько типов сегментаций: социально-демографическая, поведенческая.
Как найти сегменты? Есть два важных правила:
- общайтесь со своей аудиторией, узнавайте, что движет людьми;
- смотреть, что человек делает на сайте, как себя там ведет.
На основе этих двух составляющих необходимо делать гипотезы, которые потом проверять.
Далее Максим на примере сервисов Яндекса привел 4 способа оценки сегментов пользователей.
Яндекс.Работа. Есть несколько групп людей: рабочих профессий, творческих профессий (дизайнеры, фотографы и т.п.), люди, нацеленные на карьеру, которые будут искать карьерный рост и спрашивать про зарплату. Было найдено 5 сегментов, более 5 тыс. вакансий разделили по сегментам, исходя из характеристик этих сегментов. Затем посмотрели статистику ключевых слов, как люди спрашивают определенные вакансии.
Как использовали: добавили зарплатомер – функционал, который позволяет понять, какую зарплату в среднем может получать тот или иной специалист в определенном городе.
Яндекс.Карты. Взяли базу M Index, которая содержит множество характеристик, посмотрели вопросы, связанные с географическими перемещениями. На выходе получили 20 кластеров, которые разбили на 5 сегментов. На выходе показали, куда развивать проект.
Яндекс.Гардероб. На глобальные исследования времени не было, поэтому оценивали такие параметры, как люди используют Интернет, насколько готовы покупать онлайн, как часто будут покупать, будут ли сегменты расти. Сегменты оценивались экспертно, на выходе получился сам сервис Яндекс.Гардероб.
Яндекс.Словари. Была задача понять, что можно сделать интересного еще в сервисе. Взяли тысячу случайных сессий, где был хотя бы один хит на slovari.yandex.ru. Оценили факторы, которые характеризуют поведение людей, и провели сегментацию.
Сегментация показала, что есть группа людей, которые имеют один конкретный вопрос. С ним они приходят, смотрят 1-2 страницы и уходят. Для них добавили энциклопедический ответ прямо в поиске при наборе запроса.
В конце доклада Максим объяснил, что выбор того или иного метода зависел от времени, которое можно было потратить на нахождение ответа, необходимой точности.
Иван Ямщиков (Яндекс) продолжил тему сегментации, рассмотрев ее с психологической точки зрения. Есть теория, что характеристики нашей личности и поведение в жизни влияют на наше поведение в Интернете. Вопрос в том, как же понять, как мы себя ведем в реальности? На помощь приходит психология.
В книге «Психологический таргетинг» Ольга Шурыгина и Сергей Филиппов предлагают делить людей по четырем архетипам.
С этими типами людей надо выстраивать разную коммуникацию. Хозяину реклама должна объяснять выгоду от сделки, Воину предлагать аргументы для оценки, пользу, Музе открывать удивительные вещи, Подарку – подтверждать, что он уникален и привлекателен. К каждому типу нужно использовать и разные слова. Кроме того, все эти типы чувствительны к разным видам рекламных акций.
На основе этих идей Яндекс решил изучить когнитивные стили, пригласив психолога Ольгу Шурыгину к участию в проекте. Было выделено несколько релевантных задаче когнитивных стилей (способов познания реальности). Одна из шкал особенно заинтересовала специалистов. Это дихотомия «синтетик-аналитик».
Чтобы выяснить, есть ли «цифровой след» у этой шкалы, были придуманы метрики, позволяющие ответить на вопрос: этот человек синтетик или аналитик. Наблюдение показало, что метрики между собой коррелируют. Затем подключили «Крипту» и выкатили вопросы на определение когнитивного стиля, которые используют психологи для выделения аналитиков и синтетиков. «Крипта» искала, чем эти люди различаются и чем похожи. Оказалось, что у этих людей разное аффинити поисковых запросов.
Читайте также:
