Marketing

Добрый день уважаемые читатели! О данном методе сегментации клиентов по давности покупок, частоте и сумме сделок написано довольно много материалов. На просторах Интернета вы без труда найдете публикации с описанием теории и практики rfm-анализа. Он может выполняться как на платформе табличного редактора (при небольшом количестве данных), так и с помощью sql-запросов или силами тематических библиотек Python/R. Методология всех примеров одна и та же, расхождение будет только в деталях. Например, порядок присвоения номеров сегментам или принцип деления на группы. Ввиду всего вышеизложенного мне будет трудно привнести новизну в эту тему. В статье я лишь постараюсь заострить ваше внимание на некоторых моментах, которые могут помочь начинающим аналитикам данных.

Для демонстрации работы скриптов я выбрал базу данных PostgreSQL и JupyterLab из комплекта Anaconda. Все примеры кода, которые вы увидите в публикации, можно найти на GitHub (ссылка). Данные для анализа взяты с портала Kaggle (ссылка).

Перед загрузкой датасета в БД изучите данные, если вы заранее не уверены в их качестве. Особенное внимание следует уделять колонкам с датами, пропускам в записях, неверному определению типа полей. Для упрощения демо-примера я также отклонил записи с возвратами товаров.

import pandas as pdimport numpy as npimport datetime as dtpd.set_option('display.max_columns', 10)pd.set_option('display.expand_frame_repr', False)df = pd.read_csv('dataset.csv', sep=',', index_col=[0])#Приводим названия столбцов датасета к нижнему региструdf.columns = [_.lower() for _ in df.columns.values]#Трансформируем строку-дату в правильный формат и избавляемся от времениdf['invoicedate'] = pd.to_datetime(df['invoicedate'], format='%m/%d/%Y %H:%M')df['invoicedate'] = df['invoicedate'].dt.normalize()#Удаляем строки с пропусками и возвратамиdf_for_report = df.loc[(~df['description'].isnull()) &                       (~df['customerid'].isnull()) &                       (~df['invoiceno'].str.contains('C', case=False))]#Назначаем всем числовым столбцам правильные форматыconvert_dict = {'invoiceno': int, 'customerid': int, 'quantity': int, 'unitprice': float}df_for_report = df_for_report.astype(convert_dict)#Контроль проведенных преобразований# print(df_for_report.head(3))# print(df_for_report.dtypes)# print(df_for_report.isnull().sum())# print(df_for_report.info())#Выгружаем датасет в новый файл формата csvdf_for_report.to_csv('dataset_for_report.csv', sep=";", index=False)

На следующем этапе необходимо создать в БД новую таблицу. Сделать это можно как в режиме графического редактора с помощью утилиты pgAdmin, так и с помощью кода Python.

import psycopg2# Подключение к БДconn = psycopg2.connect("dbname='db' user='postgres' password='gfhjkm' host='localhost' port='5432'")print("Database opened successfully")# Создаем курсорcursor = conn.cursor()with conn:    cursor.execute("""            DROP TABLE IF EXISTS dataset;        """)    cursor.execute("""            CREATE TABLE IF NOT EXISTS dataset (              invoiceno INTEGER NOT NULL,               stockcode TEXT NOT NULL,              description TEXT NOT NULL,              quantity INTEGER NOT NULL,              invoicedate DATE NOT NULL,              unitprice REAL NOT NULL,              customerid INTEGER NOT NULL,              country TEXT NOT NULL);        """)print("Operation done successfully")# Закрываем соединение и курсорcursor.close()conn.close()

Скрипт прост, поэтому останавливаться подробно на нем я не буду. Еще шаг и мы загружаем данные в PostgreSQL. Я уже обсуждал этот момент в своих предыдущих публикациях, здесь скажу лишь суть. Для ускорения добавления большого количества данных в БД лучше отказаться от услуг библиотеки Pandas.

import psycopg2from datetime import datetimestart_time = datetime.now()# Подключение к БДconn = psycopg2.connect("dbname='db' user='postgres' password='gfhjkm' host='localhost' port='5432'")print("Database opened successfully")# Создаем курсорcursor = conn.cursor()# Открываем файл. Считываем его построчно с записью в БДwith open('dataset_for_report.csv', 'r') as f:    next(f)    cursor.copy_from(f, 'dataset',sep=';', columns=('invoiceno', 'stockcode', 'description', 'quantity',                                                    'invoicedate','unitprice', 'customerid', 'country'))    conn.commit()f.close()print("Operation done successfully")# Закрываем соединение и курсорcursor.close()conn.close()end_time = datetime.now()print('Duration: {}'.format(end_time - start_time))

На этом вся предварительная работа подошла к концу и можно непосредственно приступить к построению rfm-отчета. Как вы уже, наверное, успели догадаться главенствующую роль здесь будут играть запросы sql. Для первичной аналитики я решил выбрать именно этот инструмент, так как по большому счету при обработке больших массивов неагрегированных данных у специалистов нет особенного выбора (обсуждение экосистемы Hadoop я оставляю за скобками разговора). Прежде чем писать основной запрос для rfm-анализа необходимо подготовить три вспомогательные функции: сегментирование давности, частоты и суммы покупок.

Деление диапазона данных на сегменты это процесс простой и сложный одновременно. Его простота заключается в том, что вы можете использовать встроенные возможности (пример функции Pandas cut и qcut) или слепо перенять чужой опыт. Но сложность заключается в том, что получить оптимальные результаты таким путем не получится. Максимальный эффект может быть достигнут при учете сферы бизнеса, сложившейся маркетинговой политики, целей конкретного рекламно-маркетингового мероприятия. Если акция относительно затратная и отдел маркетинга хочет точно идентифицировать бизнес-партнеров, то следует использовать максимально допустимое число сегментов. Если нужно провести массовый контакт с покупателями, то можно размыть границы сократив это число. Какой бы вы не выбрали путь, всегда задавайте сами себе несколько вопросов: удалось ли захватить всех потенциально интересных клиентов в нужные группы, какова будет себестоимость взаимодействия для компании и возможно ли будет при таком разделении максимизировать прибыль. В публикации я привожу лишь шаблонную заготовку кода функций, чтобы при работе вы уже концентрировались лишь на разработке бизнес-логики.

--Функции для rfm-анализаcreate function func_recency(days integer) returns integer as $$    select case when days<90 then 1           when (days>=90) and (days<=180) then 2          else 3          end;$$ language sql;create function func_frequency(transactions integer) returns integer as $$    select case when transactions>50 then 1           when (transactions>=10) and (transactions<=50) then 2          else 3          end;$$ language sql;create function func_monetary(amount integer) returns integer as $$    select case when amount>10000 then 1           when (amount>=1000) and (amount<=10000) then 2          else 3          end;$$ language sql;

Теперь можно перейти к разбору скрипта, который строит rfm-отчет. Сначала мы накладываем ограничение на столбец с датами. Точка отсчета выбрана произвольно и задана в виде константы. Вы же в своем решении можете обойти этот недостаток и, отловив актуальную дату составления отчета, сдвинуться относительно нее на любой временной диапазон назад. Далее следует составление, по сути, сводной таблицы, где в первом поле мы считаем разницу между выбранной временной константой и последней датой покупки для каждого клиента, второе поле отвечает за частоту покупок, последнее за общую сумму покупок за период. Если применить к указанным полям наши функции, в итоге мы получим искомый rfm-отчет. Сохраняем sql-скрипт в отдельное представление и получаем возможность подключаться к нему из BI системы компании или использовать его в расчетах в ноутбуках JupyterLab.

-- rfm-анализselect d3.*, concat(d3.rfm_recency,d3.rfm_frequency,d3.rfm_monetary) as rfmfrom (select d2.customerid,date('2011-11-01')- max(d2.invoicedate) as recency,cast(count(distinct(d2.invoiceno)) as integer) as frequency,cast(sum(d2.amount) as integer) as monetary,func_recency(date('2011-11-01')- max(d2.invoicedate)) as rfm_recency,func_frequency(cast(count(distinct(d2.invoiceno))as integer)) as rfm_frequency,func_monetary(cast(sum(d2.amount)as integer)) as rfm_monetaryfrom    (select d.*, d.quantity * d.unitprice as amount     from public.dataset as d      where d.invoicedate < date('2011-11-01')) as d2 group by d2.customeridorder by d2.customerid) as d3;

На первый взгляд мы выполнили поставленную задачу, но это лишь иллюзия. Во-первых, сам по себе rfm-анализ не дает достаточно информации для начала маркетинговых действий, а, во-вторых, массив данных, который был предоставлен для проведения расчетов еще таит массу полезных метрик, которые помогут вашим коллегам принять верное решение.

Чем еще можно дополнить отчет? Для начала хотелось бы получить средний чек для каждого сегмента. Почему данный показатель может быть важен. Дело в том, что любое рекламно-маркетинговое взаимодействие с клиентом небесплатно. Допустим, я вам скажу, что мы хотим потрать 50 рублей, чтобы мотивировать покупателя сделать очередную покупку в нашем магазине. Это много или мало? Ответить на этот вопрос очень сложно, если вы не знаете к какому сегменту относиться этот клиент и с какой вероятностью результативного действия обычно работают такие маркетинговые мероприятия. Но также важно иметь под рукой средний чек, как некую цель, за которую будет бороться рекламный отдел. Если компания ждет, что покупатель, пришедший в магазин, совершит операций на 5000 рублей, то это одно дело. Если в среднем чек не выше 500 рублей, то это совершенно другой расклад. Sql-запрос для данной метрики прикладываю ниже. Данные расчеты уже носят вспомогательный характер, поэтому удобнее всего их проводить в JupyterLab с подключением к БД.

-- Суммарные продажи в сегменте, количество клиентов, средний чекselect r.rfm,    sum(r.monetary) as total_amount,   count(r.rfm) as count_customer,   cast(avg(r.monetary/r.frequency) as integer) as avg_checkfrom public.report_rfm_analysis as r group by r.rfm;

Что еще можно узнать из предложенного датасета. Конечно, можно рассчитать структуру продаж по странам в абсолютном и относительном выражении. Особенно это важно для интернет-торговли, когда в один сегмент могут попасть люди со всех концов земного шара. Если проанализировать демо-данные по мы сразу получим, что в ряде групп 70% покупок в денежном выражении совершают жители одной страны. Неплохая подсказка сотрудникам отдела маркетинга.

-- Структура продаж по странам в абсолютном и относительном выраженииselect d2.rfm,d2.country,cast(sum(d2.amount) as integer) as amount_country,round(cast(sum(d2.amount)/sum(sum(d2.amount))over(partition by d2.rfm)*100 as numeric),2) as percent_total_amountfrom (select d.*, d.quantity * d.unitprice as amount, r.rfm      from public.dataset as d left join                                public.report_rfm_analysis as r on d.customerid = r.customerid      where d.invoicedate < date('2011-11-01')) as d2group by d2.rfm, d2.countryorder by d2.rfm, sum(d2.amount)desc;

Будущее всей торговли это строгая персонализация предложений и рекламы. У идеальной торговой площадки есть данные по каждому клиенту с момента его первой покупки: структура потребительской корзины за прошедший год, топ-7 товаров, топ-3 дня для совершения закупок, средний чек и т. д. Но для хранения всей этой информации требуется сначала много места в хранилище данных, а затем вычислительные мощности, чтобы состыковать людей и проводимые акции в режиме реального времени. В этом случае не будет ситуаций, что за всю историю бизнес-коммуникаций клиент покупал в вашем магазине только сыр, а вы постоянно шлете ему смс-сообщения о скидках на шоколад, бананы, охлажденную курицу. В наше время клиенты уже вряд ли оценят такую заботу о своем кошелке и скорее отнесут сообщения к категории спама. Если коммуникация с клиентом то обязательно максимально целевая. Для демонстрации данного подхода я реализовал расчет топ-3 дня по объему продаж в разрезе сегмент-страна.

-- Наименование дня месяцаcreate function func_day_of_week(number_day integer) returns text as $$select (string_to_array('sunday,monday,tuesday,wednesday,thursday,friday,saturday',','))[number_day];$$ language sql;-- Топ-3 дня по объему продаж в разрезе сегмент-странаselect d4.rfm, d4.country, max(d4.top) as top_3_daysfrom   (select d3.rfm, d3.country, string_agg(d3.day_of_week,', ')over(partition by d3.rfm, d3.country) as top   from (select d2.rfm, d2.country, d2.day_of_week,sum(d2.amount) as total_amount,     row_number ()over(partition by d2.rfm, d2.country order by d2.rfm, d2.country, sum(d2.amount)desc)from      (select r.rfm,              d.country,                          func_day_of_week(cast(to_char(d.invoicedate, 'D') as integer)) as day_of_week,             d.quantity * d.unitprice as amount      from public.dataset as d left join public.report_rfm_analysis as r on d.customerid = r.customerid      where d.invoicedate < date('2011-11-01')) as d2group by d2.rfm, d2.country, d2.day_of_weekorder by d2.rfm, d2.country, sum(d2.amount) desc) as d3  where d3.row_number <= 3) as d4group by d4.rfm, d4.country

Краткие выводы. RFM-анализ и вспомогательные расчеты для него удобнее всего выполнять путем комбинирования sql и ноутбуков Python. При сегментации клиентов важно учитывать сферу бизнеса, маркетинговую политику и цели рекламной акции. RFM-отчет не дает всей полноты картины, поэтому его лучше всего сопровождать вспомогательными расчетами.

На этом все. Всем здоровья, удачи и профессиональных успехов!

Дело хитрое и пока темное. Ozon любит внедрять всевозможные инструменты для продвижения товаров и упрощения жизни продавцов, но получается не всегда гладко. На очереди очередное нововведение. Вчера на форуме Com.E On Forum руководители маркетплейса заявили, что площадка даст партнерам возможность самостоятельно запускать рекламные компании во внешних социальных сетях. Прямо в кабинете продавца, не покидая сайта. Теперь, лично мы ждем роста спроса на маркетологов, потому как с рекламными каналами многие селлеры работать просто не смогут или не захотят. Некоторые и вовсе уходили от этих тонкостей и закрывали свои интернет-магазины, чтобы свалить всю работу на плечи Ozon.

Уже в июне Ozon хочет предложить продавцам использовать рекламные инструменты Facebook (в том числе Instagram) и Google не отходя от кассы. Продавцы смогут привлекать трафик прямо на карточки товаров делая это в личном кабинете и не заводя разные кабинеты на отдельных платформах. Но их, как мы видим, пока не так уже и много. Так что пока получается эдакий агрегатор рекламных возможностей с урезанным функционалом.

Еще Ozon заявил, что настройкой рекламы смогут заниматься даже люди без специальных навыков и знаний. Будем честными, на эту удочку предпринимателей пытаются поймать все компании. Но у маркетплейса, с одной стороны, есть все необходимые данные для верстки рекламных предложений. Более того, Ozon и сам пояснил, что для РК будут автоматически использоваться данные из карточек товаров продавцов. Видимо речь идет о фотография, названиях товара и описании.

Инструменты уже будут заточены под e-сommerce, там "под капотом" всё будет работать, а вы буквально в несколько настроек получаете возможность получить рекламу. При этом все товарные фиды уже автоматически настроены, а все конверсии будут оптимизированы под вашу продажу.

Олег Дорожок, директор по маркетингу и монетизации Ozon, форум Com.E On Forum

Вопрос только в том как именно будет притягиваться все эти данные из карточек товаров и сможет ли пользователь вносить корректировки в рекламные компании? Как бы Ozon не заигрался в автоматизированность. А еще интересный вопрос - маркетплейс позволит запускать все эти РК от своего имени или же от имени конретного продавца? Может быть instagram заполонят тонны рекламные сторис в сине-розовых тонах или все-таки выглядеть они будут несколько поживее?

Но не рекламой единой Ozon хочет оживить скучающих продавцов. Вместе с запуском внутреннего агрегатора рекламных инструментов, площадка хочет дать старт аналитике внешней рекламы. Выглядеть будет все примерно так. Только, пожалуйста, не серчайте на качество картинки - она снята в темном зале форума прямо во время презентации. Пока иных доказательств слов Ozon не имеем.

В базе, аналитика оценивать конверсионность траффика, который будет приходить на товарные карточки со сторонних площадок. Все можно будет отслеживать и далее аргументировать перед владельцем магазина на маркептлейсе или самим собой, если продавец работает в одиночку.

Да, по поводу оплаты. С ней все просто. Средства за продвижения, вроде как, будут списываться прямо со счета продавца на который падают деньги от продаж товаров.

На самом деле, все идет к тому, что продавцы маркетплейса теперь будут безотрывно следить за своими конверсиями и источниками трафика. По сути, делать все то, чем они могли бы заниматься продавая товары через собственный интернет-магазин. И если раньше, предприниматель мог потянуть на себе все процессы в одиночку, то теперь это под большим вопросом. Контроль поставок, разбирательства со складами и исправление ошибок в товарных карточках никуда не денутся. Просто сверху на эти вопросы лягут еще и обязательства по контролю за входящим трафиком и рекламой.

Это раньше Ozon выглядел как площадка, которая могла автоматизировать все процессы: продавец мог отгрузить товары на склады и следить за продажами. Сегодня конкуренция на маркетплейсе выросла и торговать стало гораздо сложнее. Все, кто раньше боролся за место под солнцем и пытался вытащить свои интернет-магазины на первые строчки поисковой выдачи, теперь тащат в топы свои товары на маркетплейсах. По сути, рынок не меняется. Меняется только то как он выглядит.

Пока интересны две вещи. Смогут ли рекламные возможности Ozon предоставить продавцам все необходимые для работы инструменты и как маркетплейс, в будущем, планирует интегрировать в свою работы маркетинговые инструменты от "Яндекс". Зачем последнему такая тесная дружба, если он сам изо всех сил пытается вытащить Яндекс.Маркет поближе к поверхности воды и сделать очередной вдох?

Откроем новый год событий в Wrike TechClub круглым столом по автоматизации маркетинговых процессов. 18 февраля в 18:00 (Мск) соберемся (виртуально, конечно) с одними из самых крутых экспертов отрасли, чтобы поговорить об актуальных вызовах для маркетинговых отделов.

Примерные темы для обсуждения:

Лиды.Маркетинговая воронка и воронка продаж

Автоматизация: процессы и инструменты

Lead nurturing

Кроссканальный маркетинг

Эксперименты

Спикеры:

Мариам Ванян, Head of Marketing Operations, Wrike

Ирина Манолова, Marketing Automation Specialist, JetBrains

Ксения Бородулина, Solution Engineer, CRM and Marketing Automation, Veeam

Анна Фомина, Email Marketing & Marketing Automation Team Lead @ Wrike

Надежда Николаева, Marketing Automation Specialist, Selectel

Сергей Лебедев, Marketo Administrator, Wrike

Встреча пройдет 18 февраля в 18:00 по Мск, онлайн.

Зарегистрироваться бесплатно

2020 год выдался достаточно сложным для многих сфер бизнеса, особенно для сфер услуг, но как нас учит исторический опыт, любая пандемия давала основу для ренессанса. Цифровой маркетинг - не исключение. На ближайшие полгода предпринимателям лучше запастись хорошими бюджетами на digital и нанять креативных ребят с горящими глазами, пришло их время.

А вот о прогнозах на середину 2021 года, я расскажу в конце статьи.

Как сказал в Член Совета Forbes Кристиан Томсон: Благодаря постоянным обновлениям, новым методам и изменениям в алгоритмах цифровых технологий маркетологи часто пытаются не отставать. Осведомленность о возникающих или продолжающихся тенденциях является жизненно важной частью для того, чтобы оставаться на вершине игры. Он же и отметил несколько особенностей маркетинга наступающего десятилетия.

Через социальные сети вы легко и быстро можете привлекать новых клиентов, при этом ваша воронка продаж значительно может быть сокращена и это даже облегчит вашим клиентам процесс совершения покупок.

Ранее ожидалось, что уже к 2020 году посты с покупками станут нормой. Сегодняшние покупатели ищут новых впечатлений, выходя в Интернет, и для многих это означает большую интерактивность. Фактически, колоссальные 91% ищут больше визуального и интерактивного контента.

Этот период можно прозвать "Цифровыми впечатлениями".

На протяжении многих лет контент был аксиомой цифрового маркетинга и 2021 год не будет исключением.

Качественный контент позволяет вам продемонстрировать свой опыт и общаться с клиентами из авторитетных источников. Ваш контент - это также то, что поисковые системы предоставляют поисковикам в Интернете, поэтому продолжение создания высококачественного контента является обязательным.

И важной составляющей контента является "Видеомаркетинг" является одним из, если не самым важным маркетинговым трендом сегодня и, вероятно, в ближайшие 5-10 лет. Эти цифры показывают важность включения видео в вашу стратегию цифрового маркетинга в 2020 году:

• 70% потребителей говорят, что они поделились видео бренда

• 72% компаний говорят, что видео улучшило их конверсию

• 52% потребителей говорят, что просмотр видеороликов о товарах делает их более уверенными в принятии решений о покупке в интернете

• 65% руководителей посещают сайт маркетолога и 39% звонят поставщику после просмотра видео

Маркетинг влияния

И когда Вы будете запускать видео контент, вам нужно не забыть и про маркетинг влияния, про Лидеров мнений.

• 63% потребителей доверяют мнению влиятельных людей о продуктах гораздо больше, чем тому, что бренды говорят о себе сами

• 58% людей купили новый продукт в течение последних шести месяцев из-за рекомендации влиятельного лица

Живое видео особенно популярно среди большого числа компаний, которые используют его для интервью, демонстрации продукта и закулисных проблесков бренда, таких как жизнь в офисе, как производятся продукты, корпоративные мероприятия и т. д

Персонализированные видеосообщения

1:1 видео - это когда компании или маркетологи создают персонализированные видеосообщения, а не делают телефонные звонки или отправляют электронные письма. С уменьшением стоимости кинооборудования и все более качественными камерами смартфонов это становится проще, чем когда-либо.

Но озадачившись контентом впечатлений, вы также должны побеспокоиться заранее и о точках соприкосновения с ним.

Нулевое положение

Нулевое положение в поисковой выдаче 1 больше не является целью. Первое место в поисковой выдаче теперь занимает нулевая позиция - избранный фрагмент текста, появляющийся над результатами поиска.

Это главное местоположение часто предоставляет информацию, относящуюся к поисковому запросу, а также предоставляет ссылку на страницу, с которой эта информация берется.

Нулевое положение - это первый, а иногда и единственный результат, который просматривают некоторые пользователи.

Таким образом, он очень желанен и должен стать целью ваших усилий. Хотя многие владельцы бизнеса ценят тот факт, что маркетинг продолжает меняться быстрыми темпами, те, кто готов адаптироваться и развиваться, будут продолжать привлекать высококачественных клиентов в цифровом мире. Можете прямо сейчас дать задание вашему отделу оптимизации и аналитики.

Маркетинг жизненного цикла

Маркетинг жизненного цикла или как его учили в России раньше в более примитивной форме: "Маркетинг пути клиента".

Подход, при котором стратегия цифрового маркетинга, выстраивается с точки зрения взаимодействия клиента с компанией. Как большинство компаний представляет путь клиента сейчас: реклама клик на сайт покупка.

Маркетинг жизненного цикла изучает путь клиента более детально со всеми сомнениями и их причинами, стоп-факторами и мотивами вернуться на сайт.

В чём главное отличие от обычной стратегии взаимодействия? Главное отличие в том, что маркетинг жизненного цикла видит в ЦА не абстрактную социально-демографическую группу, а каждого реального человека в отдельности со своими интересами и клиентским опытом. Исходя из этого, выстраивается коммуникация.

Как Вы понимаете, без базы данных и аналитики данных, без клиентского отдела Вам будет сложно идти в ногу со временем, ведь обезличенный маркетинг уже не отвечает современным реалиям.

• Все послания, которые получает человек, взаимосвязаны и логически дополняют друг друга, соответствуют стадии взаимодействия с компанией.

• Клиент, который уже совершил покупку, не получит сообщение с приветственным знакомством или предложением.

Если вы хотите выделиться в 2021 году, вам нужно персонализировать свой маркетинг а это означает персонализированный контент, продукты, электронные письма и многое другое.

Рассмотрим эти характеристики персонализации:

• 63% потребителей сильно раздражают общие рекламные взрывы

• 80% говорят, что они с большей вероятностью будут вести бизнес с компанией, если она предлагает персонализированный опыт

• 90% утверждают, что находят персонализацию привлекательной

Кевин Джордж утверждает, что "персонализированные, запускаемые электронные письма, основанные на поведении, в 3 раза лучше, чем пакетные и взрывные электронные письма.

Инновации в маркетинге

В целом, если говорить об инновациях в инструментарии маркетинга, то скорее всего это основные тренды, но теперь задача усложняется еще и тем, что вам придется не просто занимать нулевые позиции в поисковых запросах, но преподносить свой контент так, чтобы его могли легко распознавать и находить благодаря голосовому поиску!

55% всех американских домов будут иметь смарт-динамик к 2022 году.

72% людей, владеющих голосовыми динамиками, говорят, что их устройства используются как часть их повседневной жизни.

Голосовые покупки должны подскочить до 40 миллиардов долларов в 2022 году , по сравнению с 2 миллиардами долларов сегодня.

Мировые поставки смарт-динамиков почти утроились в период с 1 квартала 2018 года по 2 квартал 2019 года, увеличившись с 9,36 млн единиц до 26,1 млн единиц и сейчас сложно сказать какие показатели будут наблюдаться в 2021 году, но тенденция явно идёт к росту несмотря на кризисные явления.

Если вы не устали от прочтения, то только теперь мы приходим к основным и самым фундаментальным тенденциям, которые и объединяют все инструменты и инновации, а именно речь идёт об "Омниканальном маркетинге".

Омниканальный маркетинг

Омниканальный маркетинг - это процесс маркетинга на нескольких платформах (таких как социальные сети, приложения, электронная почта и блог), поэтому вы можете общаться с потенциальными клиентами на большем количестве точек соприкосновения. Когда вы делаете омниканальный маркетинг правильно, вы можете предложить улучшенный пользовательский опыт и сплоченное сообщение бренда, которое побуждает людей к действию.

Современный маркетинг и метрики идут рука об руку, поэтому, если вы не инвестируете в лучшую аналитику, вам будет трудно управлять результатами, которые вы хотите видеть. Проблема, однако, в том, что путешествие клиента теперь более сложное. Мы живем в эпоху омниканалов, когда среднестатистический потребитель, прежде чем совершить покупку, подключает к бренду до шести точек соприкосновения.

С несколькими каналами для управления и множеством способов продвижения ваших продуктов и услуг работа по отслеживанию аналитики быстро превращается в гигантскую миссию.

И как Вы уже поняли, тенденции цифровизации мягко нас подводят от инструментария digital специалиста, к инструментарию маркетолога аналитика, но будет ли это логическим завершением цепочки тенденций и построения эффективной работы маркетинга?

Если Вы ответили "Да", то вынужден буду вас огорчить, так как маркетинг вынужден возвращаться к своему логическому началу - "Экономическим истокам". Ведь что такое маркетинг? Это знание и владение рынком и здесь нам придется еще раз углубиться в фундаментальную науку.

Экономические истоки и прогнозы

Я бы сказал, что если говорить о рынке СНГ и в частности России, то фундаментальный маркетинг начал отходить на второй план и это прискорбно.

Маркетинг сам по себе это дисциплина менеджмента и я бы сказал, что действительно в 2021 после кризисным году актуальным должен быть менеджмент маркетинга, хотя эти понятия и путают.

все упирается в истоки предприятия и я искренне надеюсь, что ввиду огромного количества компаний банкротов, после кризиса уже маркетинг будет начинаться с разработки бизнес плана, который и должен учитывать риски и маркетинговые бюджеты на долгие годы вперед, который учитывает форс-мажорные ситуации и страхование инвестиций.

Нужно понимать, что бизнес-план это динамический, а не статистический документ. Анализ рисков это не разовое мероприятие, ведь рынок динамичен. Должен постоянно вестись мониторинг и анализ рисков.

Сейчас никто, ни банки не смотрят на маркетинг как на предмет инвестирования, а ведь инвестиции в маркетинг (продвижение) это основной локомотив любого предприятия.

Если мы затронули "Локомотив" предприятия, то хотелось бы затронуть и составляющую "Вагонов" маркетинга - контент.

Длинноформатный контент

В 2020 году короткие сообщения никуда не приведут ни с Google, ни с вашей аудиторией. Как правило, сообщения длиной не менее 3000 слов привлекают больше всего трафика, поскольку предлагают читателям углубленное изучение тем. Длинноформатный контент позволяет создателям контента зарекомендовать себя в качестве эксперта по предмету и дает им больше возможностей для таргетинга на ключевые слова.

Исследование, проведенное журналом Search Engine Journal, показывает, что длинный контент (лонгриды, видео) получает на 77% больше обратных ссылок, чем короткие статьи, что очень важно для привлечения органического трафика.

На днях исследовательское агентство Data Insight решило посмотреть не на отдельные части отрасли торговли, а на самих продавцов без которых торговли просто бы не было. Учитывая, ограничительные меры, которые захватили страну в 2020 году, особую роль в торговле сыграли маркетплейсы. На них вышли и представители офлайн-бизнеса и крупные сети. Зачем и почему?

Мы внимательно изучили детали исследования и добавили к нему собственные замечания, которые удалось получить с помощью сервисов аналитики.Мы рассмотрели категории товаров, которым удалось вырасти в 2020 году сильнее всего и узнали что за товары в них кроются.

Если вам просто хочется узнать о результатах и пойти дальше - публикуем краткую сводку. Если интересны подробности, то после нее мы детально рассмотрим все выводы и проанализируем показатели продаж самых взрывных категорий товаров в 2020 году.

Увеличить свой оборот на маркетплейсах смогли 89% продавцов.

Больше 55% селлеров не распыляются используют электронные площадки как основной или единственный канал продаж.

Известно, что 80% продавцов заняли витрины маркетплейса, чтобы увеличить аудиторию и продажи.

Аудитории продавцов сильно пересекаются, то есть поставщики ведут торговлю в среднем на 2-3 площадках из 5. При этом самая высокая доля уникальных продавцов у Wildberries.

Лидерами по индексу годового роста стали зоотовары, косметика и спортовары. Меньше всего подросли книги, одежда и обувь, но рост все равно заметен.

Почти 48% cеллеров считают стоимость продаж через площадки маркетплейсов сопоставимыми с другими каналами. При этом самыми низкими они называют комиссии AliExpress.

По мнению продавцов, маркетплейсы больше всего подходят для продажи электроники, товаров для дома и спорта.

Лучшие возможности для брендинга, по мнению селлеров, предоставляет AliExpress, а Ozon предлагает лучшие рекламные инструменты.

Как проводилось исследование?

Агенство собирало данные несколькими способами. Во-первых, был проведен, онлайн--опрос продавцов, которые самостоятельно заполнили стандартизированные анкеты. Количество таких селлеров достигло 2360 человек. Во-вторых, проведено кабинетное исследование - так собраны данные об условиях работы торговых платформ. В-третьих, агенство агрегировало данные о трафике, полученные от аналитических сервисов за первые 8 месяце 2020 года.

Не стыдные объемы

Финансовые отчеты российских маркетплейсов пестрят информацией о том, что продажи площадок выросли всего лишь за 2020 год в два раза. Причин может быть много. Например, сами маркетплейсы стали чаще выступать в роли продавцов и увеличили выручку. Другие варианты - на площадках просто увеличилось количество селлеров, либо у каждого их них вырос собственный объем продаж. Где истина?

Судя по данным исследования, продавцам маркетплейсов на самом деле удалось заработать больше. Об этом говорят 58% опрошенных. В целом, если взглянуть на сводную таблицу, становится ясно, что 2020 год оказался для сегмента e-commerce успешным. И это при всех опасениях.

Онлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 2 360, данные Data Insight

Что скрасило часы покупателей в 2020 году?

Исследователи оценили рост продаж товаров в разных категориях по шкале от 0 до 2. Приятно, что все селены перешагнули нулевой порог и увеличить объемы смогли продавцы всех категорий.

Индекс рассчитан как средневзвешенная оценка роста оборота у селлеров в категории, данные Data Insight

В лидерах роста оказались зоотовары, косметика и спорттовары. Связь роста с ограничительными мерами, кажется, очевидной. Домашние животные продолжали тереться о хозяйскую ногу, поэтому покупка корма была неизбежной даже в условиях строгой изоляции. В свою очередь, магазины косметики убрали с полок все пробники, поэтому посещать офлайн-точки даже после выхода из дома не было смысла - заказать уже проверенные бренд оказалось проще. А вот закрытие спортзалов, очевидно, могло спровоцировать людей на организацию аналогичного пространства у себя дома.

Что именно покупали - проверим чуть позже на нескольких категориях. Пока взгляните на графики самостоятельно.

Онлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 100, данные Data InsightОнлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 168, данные Data Insight Онлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 143, данные Data Insight

Прирост виден и мы даже предположили с чем он может быть связан. Но какие товары в этих категориях на самом деле покупали? С помощью сервиса внешней аналитики маркетплейсов SellerFox мы проанализировали показатели продаж и выручки за 6 месяцев 2020 года в разрезе нескольких маркетплейсов. Декабрь осознанно исключили из выборки, чтобы праздничная паника покупателей не сильно искажала полученные графики. Вот что мы увидели.

Что скрасило часы покупателей в 2020 году? Ответственность за тех, кому корм купили

Взглянем на динамику продаж и выручки категории зоотоваров. На первых графиках данные маркетплейса Ozon. Видно, что спрос на товары часто взлетает вверх. Полагаем, это связано со спецификой основного товара - кормов для животных. Их покупают с определенной периодичностью, независимо от строгости карантинных мер. Пакет за пакетом. Если взглянуть на перечень популярных товаров становится ясно, что предположение может быть верным - в топах мешки с товарами большого объема. Еще одно интересное замечание - товары для собак и кошек приобретают чаще шлеек, поводков и зерна для грызунов. Пушистые в тренде.

Анализ категории "Товары для животных" маркетплейса Ozon, данные сервиса аналитики "SellerFox"Анализ категории "Товары для животных" маркетплейса Ozon, данные сервиса аналитики "SellerFox"Анализ категории "Товары для животных" маркетплейса Ozon, данные сервиса аналитики "SellerFox"

Если сравнить графики, полученные после анализа Ozon и Wildberries, можно увидеть, что на первой площадке спрос на зоотовары значительно выше. Но покупатели WB ведут себя более спокойно, их поведение постоянно. Только в конце года на площадке произошел всплеск активности - покупатели стали сметать зоотовары с полок. Чуть позже взглянем на топовые - интересно, что кроется в пиковых значениях.

Анализ категории "Зоотовары" маркетплейса Ozon, данные сервиса аналитики "SellerFox"

Судя по всему, у покупателей Wildberries в почете кошки или мелкие породы собак. Среди популярных товаров спрятались горы наполнителей и когтеточки. Нашлось в топе место и кормам, которые в отличии от Ozon относятся к ценовой категории "ниже среднего". Если вы торгуете элитными продуктами для животных, возможно, ваша аудитория на Ozon. На WB к братьям меньшим относятся явно проще.

Что скрасило часы покупателей в 2020 году? Движение в сторону входной двери

Спорттовары часто оказываются в результатах исследования. Например, весной этого года, то же самое агенство Data Insight подсчитало, что именно эту категорию товаров реже всего выкупают во время курьерской доставки. Почему - загадка. Но что касается покупки таких товаров, тут все более прозрачно и понятно. Взгляните на кривые, пик спроса на спортивные товары приходится на период ограничительных мер. Чем дальше по календарю, тем менее спонтанно ведут себя покупатели Ozon.

Анализ категории "Спортивные товары" маркетплейса Ozon, данные сервиса аналитики "SellerFox"

У Wildberries история немного противоположная. Видно, что кривые стали стремиться вниз лишь поздней осенью. Такая разница может быть связана лишь с тем, что портрет аудитории двух площадок совершенно разных. Возможно, на Ozon, действительно закупались офисные работники, лишенные спортзалов на время карантина. А на WB, предположим, активно орудуют родители, покупающие инвентарь и форму для детей в начале учебного года.

Анализ категории "Спорт" маркетплейса Wildberries, данные сервиса аналитики "SellerFox"

Если рассматривать подкатегории товаров, то тут все выглядит органично - самые популярные их них - тренажеры и ассортимент для отдыха на природе. Но если взглянуть на эти результаты в срезе популярных товаров, мы увидим там целый арсенал металлоискателей. Да, они продаются как раз в подкатегории "Отдыха на природе, рыбалка и охота". Становится ясно, что мы не подумали о тех, кто заточил себя в 2020 году в загородных домах. В остальном все гладко - обручи и вкусные правильные батончики. Хоть карикатуры на спорт рисуй - набор отличный.

Анализ категории "Спорт" маркетплейса Ozon, данные сервиса аналитики "SellerFox"Анализ категории "Спорт" маркетплейса Ozon, данные сервиса аналитики "SellerFox"

Спорт в обнимку с товарами, купленными на Wildberries выглядит как-то роднее. Например, осенью, когда популярность категории еще не рассеялась, в отличии от Ozon, среди топовых товаров на площадке немало привычных глазу вещей.

Анализ категории "Спорт" маркетплейса Wildberries, данные сервиса аналитики "SellerFox"

Где прогуливались покупатели в 2020 году?

Когда на улицу без справки не выйдешь, только и остается, что прогуливаться мимо виртуальных витрин. Покупатели это охотно делали и рост трафика на маркетплейсах оказался взрывным. Исследователи тем временем, копнули еще глубже и узнали среди каких категорий товаров покупатели проводили свои часы. Итоговый график получился не только пестрым, но и показательным. Если давно интересовались тем, что и на каком маркетплейсе может лучше продаваться - держите ответ.

Оценка DI за I половину 2020г. на основе классификации наиболее посещаемых товарных страниц (от 600 до 4000 для каждого маркетплейса)

При этом сами продавцы тоже высказали свое мнение о том, какой маркетплейс больше подходит для той или иной группы товаров. Единогласное мнение - все эти площадки хорошо подходят для продажи электроники. Но есть исключения. Взгляните на график и подумайте, вы тоже были подобного мнения о площадках?

Онлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 2 360, в формулировках опроса использовалось старое название Беру

Выгодная встреча

Независимо от того, торгуют ли селлеры на определенных площадках или нет - они точно все о них знают. Поэтому многие планируют отгрузки и продажи с учетом требований маркетплейсов, а некоторые и вовсе пока не решаются выходить на часть из них. Но судя по данным исследования, продавцы не всегда принимают решение "за и против", основываясь только на цифрах. Например, в таблице ниже реальные предложения маркетплейсов, а под ней то как эти значения видят и воспринимают сами продавцы.

Данные исследовательского агентства Data InsightОнлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 2 360 * В формулировках опроса использовалось старое название Беру

Смотрите, Яндекс.Маркет предлагает селлерам самый низкий и, более того, единый коэффициент комиссии на все категории товаров. При этом продавцы во время опроса ответили, что самые низкие комиссии они встречали не здесь, а на AliExpress и Wildberries. Наверняка дело в том, что за низкими комиссиями Маркета скрываются суровые требования и запреты. У того же AliExpress комиссия чуть выше Яндекса, при этом площадка предлагает продавцам участие во всевозможных программах, компенсирующих расходы во время запуска - первые бесплатные продажи и удобная логистика. Продавцы оценивают свои затраты комплексно. Это похвально.

Повернуться лицом

Конечно, многие продавцы выходят на маркетплейсы уже имея за плечами опыт в e-commerce. Простое увеличение объемов продаж порой недостаточный фактор для того, чтобы селлер чувствовал себя счастливым. И если есть те, кто просто торгует и зарабатывает деньги, то и те, для кого сохранение или построение собственного бренда - смысл жизни. Именно поэтому продавцы часто обращают внимание на возможности продвижения своего магазина внутри площадок. Судя по данным исследования, такие возможности предлагают далеко не все. Или, как минимум, не в полном объеме.

Онлайн-опрос продавцов маркетплейсов, сентябрь 2020, n = 2 360 * В формулировках опроса использовалось старое название Беру

Кошелек вовсе не резиновый

Уже после публикации результатов этого исследования в новостях появился еще один приятный информационный повод. Журнал Forbes составил список самые дорогостоящих компаний Рунета и в нем оказались все известные российские маркетплейсы. Более того, первые три места удалось занять именно маркетплейсам. Если захотите увидеть все участников гонки за 1 место, просто спросите у поисковика - новость невероятно свежая.

В 2020 году маркептлесы действительно превратились в золотые сундуки. Одни лишь графики в этом материале говорят о многом. С другой стороны, тот же Forbes и его эксперты опасаются, что взлет таких площадок - временное явление. Резкий взлет обусловлен экономической ситуацией в стране, но удастся ли сохранить площадкам свое место на вершине? Опять же, взгляните на результаты исследования. Продавцы отдают предпочтения и чаще ставят на первое место вовсе не самые дорогостоящие компании, а те, что предоставляют им качественный сервис и поддержку.

В любом случае, какая бы площадка не оказалась на первом месте, достижения каждой немыслимы без вклада обычных селлеров. Возможно, их будущее продавцы тоже могут построить сами.

Что, Зачем, Когда и Как

Какой из цветов, розовый или голубой, поспособствует тому, чтобы больше людей кликали на кнопку регистрации на сайте? Стоит ли использовать Gif вместо статичного изображения для Главной страницы? Сколько должно быть опций меню для привлечения клиентов, пять или семь? Какая версия больше способствует доведению клиентов до последнего этапа воронки?

Вы можете продолжать вносить изменения наугад или попробовать А/В тестирование!

А/В тестирование используется для определения наиболее эффективной версии продукта на рынке.

Компании самых разных масштабов от стартапов до крупных высокотехнологичных предприятий прибегают к А/В тестированию, чтобы сделать более осознанный выбор. Даже самое простое тестирование может помочь в принятии важных решений.

Что такое А/В тестирование?

А/В тестирование это метод исследования, при котором разным группам посетителей сайта одновременно показаны две версии одной и той же веб-страницы для определения, какая из них работает эффективнее.

Если вкратце, то исследование показывает, какая из версий (А) или (В) лучше?

A/B тестирование, также известное как сплит-тестирование (split testing) или групповое тестирование (bucket testing), по сути, представляет собой эксперимент, в котором пользователям случайным образом показываются два или более варианта рекламы, маркетингового емэйла или веб-страницы, а затем используются различные методы статистического анализа для определения какой вариант дает больше конверсий.

Как правило, при A/B тестировании вариант, который дает более высокую конверсию, является выигрышным, т.е. этот вариант может помочь вам оптимизировать ваш сайт для получения более высоких результатов.

Для чего нужно A/B тестирование?

При емэйл-рассылках пользователям отправляется два варианта письма, и таким образом, маркетинговая команда узнает, какое письмо дало больший эффект с точки зрения прочтения и кликабельности.

Но они не знают, что именно заставило пользователя открыть письмо: предварительный текст, тема, визуальные эффекты или содержание письма? Какой из элементов емэйла является наиболее привлекающим внимание можно определить с помощью A/B теста.

Он может помочь вам изучить поведение посетителей и клиентов на вашем сайте, прежде чем принимать важные решения об изменениях, и повысить ваши шансы на успех. Иными словами, A/B тестирование помогает избежать ненужных рисков, позволяя целенаправленно использовать свои ресурсы для достижения максимальной отдачи и эффективности.

В каких случаях следует использовать A/B тестирование?

Платформа для онлайн-обучения хочет внести изменения в свою главную страницу, чтобы новый, более привлекательный дизайн увеличил количество пользователей, проходящих их курсы. Или, например, они хотят сфокусировать внимание клиентов на более подробном описании карьеры на странице обзора курса, и это изменение потенциально может побудить большее количество пользователей зарегистрироваться и пройти курс A/B тестирование может проверить так ли это.

Все, что отображается на веб-странице и может повлиять на поведение посетителя при просмотре сайта, можно протестировать с помощью A/B тестирования.

Вот неполный список того, что можно оценить с помощью A/B тестирования - заголовок, контент, дизайн страницы, изображения, рекламные акции и предложения, упоминания в социальных сетях, навигация по сайту и пользовательский интерфейс, CTA-кнопка (Call to action - призыв к действию) и ее текст, варианты оплаты, варианты доставки и т. д.

При проведении A/B тестирования сравнения должны быть как можно проще. Например, не сравнивайте две совершенно разные версии своего веб-сайта, потому что вы не поймете, какие факторы действительно имели значение. Точно так же, если на сайт добавляется новый модуль или меню, он не может быть протестирован с помощью A/B тестирования, поскольку в этом случае у нас нет основ для сопоставления.

Как проводится A/B тестирование?

Идеальная воронка продаж для интернет-магазина выглядит следующим образом:

Домашняя страница -> Список категорий/Поиск продукта -> Просмотр страницы продукта -> Корзина -> Оформление заказа

Магазин теряет своих пользователей по мере того, как они проходят этапы этой воронки. Затем проводится A/B-тестирование, чтобы опробовать изменения, которые, как мы надеемся, повысят коэффициент конверсии от одного этапа к другому.

A/B тестирование проводится в четыре этапа:

Определение изменения и метрики

Для начала решите, какую информацию вы сможете собирать и анализировать. Мы не просто предполагаем, а используем соответствующие аналитические инструменты, чтобы в первую очередь удостовериться, что у вас действительно есть проблема, и определить, где именно она находится.

Аналитика часто дает представление о том, что вы можете попробовать усовершенствовать. Например, мы решили изменить кнопку с призывом к действию (CTA) на странице продукта с Buy Now на Shop Now, чтобы увеличить количество пользователей, которые добавляют товары в корзину.

Затем выбираются метрики для измерения уровня вовлеченности пользователей. В нашем примере метрикой будет служить кликабельность кнопки Buy Now. Коэффициент кликабельности (Click through rate - CTR) - это количество кликов уникальных пользователей, разделенное на количество просмотров уникальными пользователями. Вы можете выбрать столько метрик, сколько захотите, и чем больше вы оцениваете, тем выше вероятность того, что вы заметите существенные различия.

Определение гипотезы

Проверка гипотез в статистике - это способ проверить результаты исследования, чтобы понять, есть ли у вас какие-либо существенные результаты. Наиболее важные и запутанные аспекты проверки гипотез - это определение нулевой и альтернативной гипотез.

Проще говоря, утверждение, которое истинно до того, как мы собираем какие-либо данные, является нулевой гипотезой. При A/B тестировании основная нулевая гипотеза будет заключаться в том, что новая версия не лучше или даже хуже старой. Для нашего примера это утверждение, что новый коэффициент кликабельности (CTR) меньше или равен старому.

Альтернативой является конкурирующая гипотеза, зачастую являющаяся логическим отрицанием нулевой гипотезы. Утверждения, которые мы пытаемся доказать, всегда появляются альтернативой. Итак, при A/B тестировании альтернативная гипотеза состоит в том, что новая версия лучше старой. В нашем примере это утверждение о том, что новый CTR будет больше старого.

Создание эксперимента (размер выборки, факторы воздействия, время выполнения, участники)

Обычно пользователи выбираются случайным образом и распределяются либо в контрольную группу, либо в экспериментальную группу. Затем мы запускаем эксперимент, в котором контрольная группа видит старую версию, а экспериментальная группа - новую.

Каждый пользователь видит только один вариант дизайна (A или B), даже если обновляет интерфейс. Таким образом, каждую из версий будет просматривать одинаковое количество людей, и вы сможете проанализировать, какая версия обеспечивает улучшение метрики, которое вы считаете существенным.

Размер выборки, который вы выберете, позволяет приблизительно определить, сколько времени займет сбор достаточного количества данных.

Анализ результатов A/B тестирования

После завершения исследования мы можем проанализировать результаты. На этом этапе больше всего сконцентрировано внимание аналитиков. Мы рассчитываем значения показателей как для контрольной, так и для экспериментальной группы.

Затем применяются различные статистические методы, такие как распределение выборок (Sampling Distribution) с применением бутстреппинга, регрессии и различных других алгоритмов машинного обучения, для оценки метрики и демонстрации разницы между работой двух версий вашей веб-страницы и наличия статистически значимой разницы.

Трудности при A/B тестировании

При планировании A/B тестирования и составлении выводов по его результатам необходимо учитывать множество факторов. Перечислим несколько самых распространенных:

1. Эффект новизны и отторжение изменений, когда старые пользователи впервые сталкиваются с изменениями.

2. Достаточный трафик и конверсии для значимых и повторяемых результатов.

3. Последовательность среди испытуемых в контрольной и экспериментальной группе.

4. Выбор лучших показателей для принятия окончательного решения. Например, измерение дохода в сопоставлении с количеством кликов.

5. Практическая значимость коэффициента конверсии, стоимость запуска новой фичи по сравнению с прибылью от увеличения конверсии.

6. Продолжительность времени исследования, чтобы учесть такие факторы, как изменения в настроении людей в зависимости от времени дня/недели или сезонных событий.

При написании этой статьи я старалась выражать мысли как можно проще, чтобы люди, не знакомые с A/B тестированием, могли получить общее представление о нем. Существуют различные аналитические инструменты, которые используются для A/B тестирования в крупных отраслях, такие как Google Analytics и Google Optimize, Vwo, Optimizely, набор для A/B тестирования HubSpot, Crazy Egg и т. д.

A/B - это не роскошь для маркетологов, у которых есть свободное время; это - источник жизненной силы взлома роста.

Один из самых популярных примеров A/B тестирования - 41 оттенок синего, когда Google не могли решить, какой из двух синих цветов они предпочитают для определенного элемента дизайна. По некоторым данным, они использовали A/B тестирование для оценки привлекательности 41 различных оттенков синего. Кроме того, ознакомьтесь с 7 невероятными примерами A/B тестов, проводимых реальными компаниями примеры A/B тестирования промышленного уровня.

Точный подход к A/B тестированию может привести к огромным преимуществам и более эффективному взаимодействию с пользователями, повышению коэффициента конверсии, простоте анализа и увеличению продаж это беспроигрышный вариант!!

---

Перевод статьи подготовлен в преддверии старта курса "Промышленный ML на больших данных".

Приглашаем всех желающих записаться на бесплатный демо-урок, в рамках которого рассмотрим потоковую обработку больших данных. Подходы, архитектуры, фреймворки, сравнение, обзор и выбор. Основных игроков и перспективных новичков. А также реальные проекты, интересные связки и многое другое!