В бизнесе интеллектуальный анализ данных наиболее широко применяется в маркетинге, когда компании анализируют свои базы данных для выявления предпочтений клиентов, а затем делают им специальные адресные предложения. Например, авиакомпания American Airlines использует сведения о 26 миллионах участников своей программы для постоянных клиентов — такие, как предпочитаемые ими гостиницы, рестораны и агентства по прокату автомобилей — для разработки адресных маркетинговых кампаний, которые уже позволили ей сэкономить на издержках более 100 миллионов долларов.
Экономия получается благодаря созданию более точной модели клиента и уменьшению объемов рассылки. Вот характерный пример. Кампания по продвижению нового вида кредитных карточек методом прямого маркетинга дает обычно эффект примерно в 2% случаев. В 1997 году банк Mellon Bank USA поставил перед собой цель привлечь дополнительно 200 тыс. клиентов. При использовании обычных методов для этого потребовалось бы охватить рассылкой 10 млн кандидатов. Вместо этого с помощью технологии интеллектуального анализа данных было получено около трех тысяч моделей наиболее вероятных клиентов. Путем дальнейшего уточнения выделили группу моделей, которая, по результатам тестирования, позволяла получить положительный отклик в 12% случаев. Таким образом, для привлечения 200 тысяч новых клиентов оказалось достаточно обратиться с предложениями лишь к двум миллионам человек вместо десяти. Более того, сокращением рекламных издержек выгоды предприятия не ограничились: прибыльность для банка клиентов, привлеченных в результате этой акции, оказалась в среднем втрое выше обычной, поскольку технология интеллектуального анализа позволила найти именно тех людей, чьим нуждам услуги, предлагаемые Mellon Bank, соответствуют наиболее полно.
Приведенный пример иллюстрирует два важных аспекта применения данной технологии. Первый — сам масштаб такой работы: объем анализируемых данных и число исследуемых моделей значительно превышают соответствующие показатели, характерные для традиционного статистического анализа. Второй — то, что даже высококвалифицированные специалисты могут извлечь из применения интеллектуального анализа данных дополнительные преимущества. В случае с Mellon Bank приглашенная команда специалистов сумела добиться шестикратного улучшения результатов, затратив лишь четверть того времени, что потребовалось бы на проведение аналогичной акции «обычными» методами, используемыми собственным подразделением банка, специализирующимся на статистическом анализе. Одна из важнейших задач — сделать этот инструментарий настолько простым, чтобы конечный пользователь — специалист в своей сфере бизнеса без сколько-нибудь выдающегося знания компьютера — смог работать с ним самостоятельно.
Применение интеллектуального анализа данных становится обязательным требованием при организации взаимодействия человека с машиной. Председатель правления и главный исполнительный директор корпорации NCR Лapc Найберг таким образом описал мне стандартное меню банкомата своего банка. Первый шаг — выбор языка: английский или испанский; второй — ввод номера счета; третий — выбор типа транзакции (по ее завершении выдается предложение провести еще одну). И, наконец, в заключение на экране появляется номер телефона, по которому можно позвонить, чтобы попросить банк о ссуде под залог недвижимости. Большинству пользователей банкоматов приходится иметь дело с меню наподобие этого.
Ларе всегда снимает одну и ту же сумму с одного и того же счета; он уже получил ссуду от своего банка и платит ему каждый месяц порядочные проценты. Так почему же, когда он вставляет в щель банкомата свою кредитную карточку, тот не спросит его простым человеческим языком: «Ларе, ты, как всегда, хочешь снять обычную сумму со своего основного счета?» И почему не предложит ему какую-нибудь банковскую услугу, которой он еще не успел воспользоваться, но которая соответствует его клиентскому профилю? Такое специализированное обслуживание было бы намного удобнее для клиента и намного выигрышнее для самого банка. И ведь информация, необходимая для генерации подобных более уместных, чем задаваемые теперь, вопросов, имеется где-то в компьютерах банка. К слову сказать, банкоматы, о которых говорил Ларе, производит как раз возглавляемая им NCR, которая в последнее время уделяет большое внимание технологии интеллектуального анализа данных. Ларе же, со своей стороны, очень заинтересован в решении подобных задач для своих клиентов.
Интеллектуальный анализ данных входит составной частью в концепцию управления отношениями с клиентами (customer relationships management, CRM), суть которой состоит в использовании информационных технологий для выстраивания отношений с клиентами на индивидуальной основе вместо применения модели массового маркетинга. Интеллектуальный анализ данных открывает возможность дойти до каждого клиента, если только существует канал, позволяющий осуществлять индивидуализированную доставку, — будь то банкомат, веб-сайт или система прямого маркетинга на основе электронных почтовых рассылок и специальных предложений. Используя выявленные с помощью интеллектуального анализа данных закономерности, вы можете подать свой продукт клиенту таким образом, чтобы с максимальной вероятностью повысить свою ценность как поставщика для него и одновременно его ценность как покупателя для себя.
Такая персонализация обслуживания имеет далеко идущие последствия для организации рекламы во всех средствах массовой информации, включая телевидение и прессу. С вытеснением аналогового телевидения цифровым и превращением «электронных книг» в предпочитаемый носитель журнальных и газетных материалов практически вся реклама неизбежно будет переведена с массовых на индивидуализированные рельсы. Выводимые на экран рекламные объявления будут отбираться в соответствии с демографическим профилем их получателя.
Вместо того чтобы использовать средства массовой информации для рекламирования нового автомобиля или другого товара в каждом доме, компания сможет приобрести менее дорогостоящую услугу, рассчитанную на определенный демографический слой и позволяющую с максимальной эффективностью привлечь внимание наиболее вероятных покупателей. Если, например, у кого-то есть автомобиль определенного типа и вы полагаете, что по времени владелец уже должен присматривать ему замену, то имеет смысл сосредоточить на этом клиенте максимальную активность. Крупный производитель автомобилей может вкладывать определенные деньги и в охват других демографических секторов — чтобы поддержать известность торговой марки, — но основной поток средств будет направляться именно на рекламу, адресованную наиболее вероятным покупателям.
Мы уже наблюдаем первые попытки персонализации рекламы в Сети. Так, если пользователь, работая с поисковым сервером, укажет в качестве интересующей его местности город Сан-Франциско или даст понять, что хочет купить книгу о путешествиях — или литературу по какой-то другой тематике, — ему наряду с прочей информацией будет выдано рекламное объявление, связанное с этой местностью или с этой тематикой. Контекстно-чувствительная реклама, связанная с предпочтениями пользователя или с его действиями в данный момент, намного эффективнее обычного, публикуемого наугад объявления.
Способность персонализировать рекламные объявления означает, что жители разных микрорайонов, или даже отдельных домов в пределах одного и того же микрорайона, будут получать свои особые объявления. Крупные компании смогут повысить эффективность рекламных акций, а более мелкие — впервые получат доступ на телевидение и к журналам (сегодня многие носители рекламы слишком дороги для продвижения каких-либо товаров, кроме пользующихся действительно массовым спросом). Даже бакалейная лавка на углу сможет рекламировать свой товар по телевидению среди жителей близлежащих домов.
Переход к адресной рекламе должен обрадовать и потребителей. Они получат больше шансов увидеть те объявления, которые представляют для них интерес. Правда, кое-кого может обеспокоить перспектива чрезмерной осведомленности о нем рекламодателей; однако, как я уже упоминал в главе 5, надлежащее программное обеспечение позволит частным лицам раскрывать только те сведения о себе, которые они готовы раскрыть. В качестве примера можно назвать предоставление рекламодателям доступа к такой информации о клиенте, как манера ведения просмотра. Большинство подписчиков специальных изданий — например, по спортивной или научной тематике, садоводству, домашнему хозяйству или автомобилям — изучают содержащуюся в них рекламу не менее пристально, чем статьи. А если вы и к просмотру телепрограмм подходите таким же образом — выбираете лишь те, что посвящены одной или двум интересующим вас темам, — то, по всей вероятности, не будете возражать против рекламных объявлений соответствующей тематики.
«Мыльные оперы» — основной продукт дневного вещания американского телевидения — получили свое название благодаря тому, что рекламодателями в них традиционно выступали крупные производители мыла, заинтересованные, в первую очередь, в женской аудитории. Так что идея адресной телевизионной рекламы не нова. Что появилось в последнее время радикально нового — так это применение интеллектуального анализа данных для извлечения нужной информации из массы статистики, а также цифровое телевидение и электронные книги, позволяющие подойти к аудитории более персонализировано. Сочетание этих факторов должно произвести настоящую революцию в нынешних представлениях о рекламе и маркетинге. Персонализация значительно увеличивает ценность знаний о тех, кому вы предлагаете свои товары и услуги.
Что же в нем такого особенного, в этом электронном инструментарии?
В большинстве коммерческих организаций сотрудникам необходимо рассматривать данные во множестве различных аспектов. Высшему руководству требуются консолидированные показатели продаж, а также те же самые сведения с разбивкой по регионам и странам. А менеджеру по продажам необходима разбивка по рабочим группам, по индивидуальным торговым представителям и по клиентам. Наконец, менеджерам по продуктам интересны сведения, сгруппированные по различным каналам продажи, и, возможно, детальная информация по каждому наименованию, чтобы узнать, какие из них продаются хорошо, а какие — не слишком. Всем им бывает необходимо сравнивать данные продаж с соответствующими цифрами за тот же день предыдущего месяца или за тот же период предыдущего года; фактические и плановые показатели; цифры в долларах и в других валютных единицах. Обычно, чтобы удовлетворить все эти потребности, финансовому отделу приходится составлять огромное количество разнообразных отчетов.
Но зачастую все эти различные формы отчетов могут быть сгенерированы автоматически по одной-единственной электронной таблице. Механизм «развертывания» и «свертывания» элементов представлений позволяет начать с самого обобщенного уровня и по мере необходимости переходить ко все более детализированным.
Еще один полезный механизм, известный под именем сводных таблиц, позволяет по-разному просматривать одни и те же данные. Чтобы перейти от группирования сведений о продажах по продавцам к группированию по клиентам, достаточно отбуксировать заголовок «клиент» в соответствующую позицию. В сочетании с применением шаблонов для придания данным стандартного формата эти возможности позволяют получить очень мощные, гибкие электронные отчеты, которые каждый пользователь может настраивать в соответствии со своими особыми потребностями. Кроме того, такие отчеты можно рассылать по электронной почте для сведения или для дальнейшего анализа и обсуждения всем заинтересованным лицам.
Применение механизма сводных таблиц позволяет достичь особенно впечатляющих результатов в сочетании с корпоративными хранилищами данных. СУБД, лежащая в основе такого хранилища, обычно обладает ограниченными возможностями по генерации отчетов, так что к выполнению этой работы приходится привлекать более квалифицированный персонал. Как правило, работник не имеет четкого представления о том, когда и какие дополнительные детали ему потребуются, и предпочитает составлять запросы «с запасом» — такие, что их обработка занимает по 20-30 минут. Сводная таблица, связанная с СУБД, делает хранилище данных доступным любому работнику. А интерфейс программы для работы с электронными таблицами позволяет генерировать запросы к данным высокого уровня агрегации, а затем переходить к более подробной информации по мере необходимости. Поскольку каждый такой отдельный запрос охватывает лишь небольшой объем данных, время отклика получается очень коротким. Этот интерфейс можно распространить и на динамические источники данных, такие, как поступающие в реальном масштабе времени биржевые котировки.
Специалисту, занимающемуся бизнесом, применение электронных средств позволяет осуществлять анализ быстрее и более углубленно. Бухгалтеру они позволят сэкономить на составлении отчетов время, которое можно будет использовать для помощи другим специалистам в их анализе проблем основной деятельности и для оценки необычных событий. Для тех, кто занимается управлением бизнес-информацией, электронные средства означают повышение скорости работы и качества данных. Им применение этого инструментария позволит подводить итоги месяца всего за пару дней вместо теперешних недель. Финансовые отделы смогут, не наращивая численности персонала, взять на себя дополнительные функции, такие, как долгосрочное планирование и анализ эффективности отдельных штатных единиц или реальных активов компании.
Главное преимущество электронных отчетов перед их бумажными аналогами — то, что они не только отвечают на изначально поставленный вопрос, но и дают возможность задать следующий.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70