Flocktory — один из успешных российских проектов в области анализа больших данных. Саймон Проект, CEO и сооснователь компании, рассказывает о рынке big data в России, об особенностях использования анализа больших данных в маркетинге, а также о модели работы Flocktory.

CRN/RE: Ваше решение нацелено на использование больших данных в маркетинге. Как именно это происходит?

Саймон Проект: Flocktory ежемесячно анализирует свыше 5 млн. транзакций крупнейших интернет-магазинов России, таки[ как «Юлмарт», «Ситилинк», LaModa, Yves Rocher, S7 Airlines, «Утконос» и многих других. Помимо данных об истории покупок, наша платформа также анализирует данные о поведении посетителей на сайте и их социальный профиль.

В частности, наш модуль Pre-Checkout использует такие возможности по работе с данными для построения предиктивных алгоритмов, которые могут мотивировать пользователя к совершению определенных действий, например, к покупке в самый подходящий для этого момент, а также формировать индивидуальный покупательский опыт.

В другом случае с модулем Exchange (партнерская сеть по обмену таргетированным трафиком) эти данные используются для точечного таргетинга при обмене трафиком и выстраивании разных маркетинговых предложений для разных сегментов аудитории. Например, «спящих пользователей», которые давно не возвращались, магазин хочет мотивировать к совершению повторного заказа в определенной товарной категории, а новых — скидкой на их первую покупку.

Таким образом вне зависимости от того, каким модулем или набором модулей пользуется наш клиент — будь то реферальный маркетинг, модуль по увеличению конверсии, работе с отзывами или обмену трафиком — вся его работа будет строиться относительно данных, которые есть о посетителе в настоящий момент.

CRN/RE: Вы работаете по SaaS-модели и предлагаете ваше решение помодульно. Почему был выбран именно этот подход?

С.П.: Мы предлагаем клиентам платформенное решение, которое состоит из нескольких модулей. Наши клиенты обычно заказывают платформу полностью, потому что каждый модуль позволяет им работать над каким-то конкретным KPI, которого они хотели бы достигнуть. Исторически мы строили платформу шаг за шагом, а не делали все и сразу. Нашим первым продуктом был Post-Chekout, модуль реферального маркетинга. С него мы начинали работу со многими крупными клиентами, в последствии они подключали наши решения одно за другим по мере их выхода.

Нашей задачей всегда оставался четкий измеримый эффект каждого модуля в отдельности, но также и создания синергетического потенциала от их совместной работы.

CRN/RE: Согласно вашим заявлениям, Flocktory так или иначе отслеживает почти треть всех транзакций на рынке российского e-commerce. Для такой задачи нужны значительные вычислительные мощности. Используете ли вы собственный датацентр или арендуете его где-то еще? С какими сложностями вы сталкиваетесь в этом отношении с учетом роста числа подключаемых клиентов?

С.П.: На данном этапе мы арендуем инфраструктуру, что позволяет нам быстро расти — мы можем добавлять мощность системы за буквально пару кликов мыши. Эта инфраструктура выросла и усложнилась за последний год, она обеспечивает как обработку данных, так и работу всех мотивационных виджетов на сайтах наших клиентов.

Когда к 3-ему кварталу прошлого года у нас значительно выросло количество обрабатываемых данных и подключенных сайтов, мы начали проводить больше тестов и внедрять CDN решения, которые позволяют выполнять наши скрипты на сайтах клиентов с высокой скоростью из разных регионов РФ.

CRN/RE: Высока ли конкурентная активность на российском рынке? Возможно, вы также можете назвать заметных западных игроков, похожие решения которых пользуются спросом у российских клиентов?

С.П.: Да, на российском рынке представлены альтернативы. Разница в том, что наши коллеги обычно фокусируются на отдельных решениях, есть те кто делает Pre-Chechekout (модуль увеличения конверсии существующего трафика), доводит покупателя до корзины, но не работает с ним дальше. В то время как у нас есть конкуренция по отдельно взятым модулям, с самого начала мы применяли целостный подход для создания синергетического эффекта между всеми нашими продуктами платформы. Для наших клиентов основным преимуществом является то, что они получают единую систему, которая связывает события всего жизненного цикла клиента и может принимать более взвешенные решения на основе более обширного набора данных.

Если говорить о западных компаниях, то за последний год мы видели вход на рынок нескольких заметных игроков, но в общей сложности их немного и они находятся на стадии развития. Для некоторых из таких компаний российский рынок для них не является наиболее приоритетным и они не фокусируют все свое внимание на его развитии.

CRN/RE: Вы также присутствуете на рынке Казахстана и Украины. Каким образом вы продаете там свои услуги — сами или через локальных партнеров?

С.П.: До конца 2014 года наш фокус был на развитии российского рынка. Из-за успехов с несколькими большими холдингам, такими как LaModa или Yves Rocher, мы также начали сотрудничество с их компаниями на рынке СНГ. Они сами рекомендовали нас своим коллегам из других стран и мы, конечно, готовы им помочь. Пока активно мы не присутствуем на этих рынках, но всегда готовы поддержать наших ведущих клиентов в росте в данном регионе.

CRN/RE: Каков ваш прогноз по рынку проектов в области больших данных в среднесрочной перспективе? Какие интересные проекты этого типа уже реализуются и чего нам ожидать в будущем?

С.П.: Решения, основанные на анализе больших данных, продолжают разрушать сложившиеся принципы маркетинга, в частности, в электронной коммерции, банковских услугах и других видах клиентского сервиса. По большому счету алгоритмы машинного обучения в миксе маркетинговых коммуникаций только начинают свое развитие. Определенно будет расти спрос на автоматизированные маркетинговые решения, основанные на анализе поведения пользователя, использованию предиктивных алгоритмов, которые позволяют лучше захватывать, таргетировать и конвертировать новые лиды и покупателей.

Среди наших клиентов из списка «Коммерсант ТОП-100» мы видим реализацию систем динамического ценообразования, когда стоимость товара заявленная посетителю изменяется в зависимости от данных, полученных о нем. Lead scoring продвигается очень сильно, набор предположений на основе чего покупатель приходит в магазин и принимает решение о покупке — по какому пути он пришел, как с ним выстраивать долгосрочную коммуникацию (как часто напоминать про покупки, как часто давать рекомендации, через какие каналы взаимодействовать в будущем и т.д.). Отдельная большая тема для ритейлеров — это Omni-channel. Компании, которые переходят от традиционного оффлайн к онлайн (яркий пример — «М.Видео», который недавно рассказал о планах увеличения своего присутствия в онлайн, http://www.crn.ru/news/detail.php?ID=102021) хотят контролировать покупательский опыт как в онлайн, так и в оффлайне, а также иметь возможность прослеживать всю цепочку покупок и принятия решений во всех точках взаимодействия клиента с брендом.

CRN/RE: Сейчас многие говорят о том, что аналитик данных — одна из самых востребованных профессий, но сетуют, что немногие люди в России обладают достаточными компетенциями для этой работы. Как вы подбираете людей для аналитического отдела, из кого он состоит и как работает?

С.П.: Конечно, мы смотрим на людей, которые закончили хорошие университеты, с опытом работы в зарубежных компаниях или на Западе. Мы нанимали людей из многих мировых компаний, таких как Google, в том числе из других стран.

В проектах с данными очень легко закопаться и забыть вектор движения. Мы ищем людей со стратегическим мышлением, которые хорошо знают математику и имеют в голове план. Таких людей действительно не много, но они есть. Уметь их находить и мотивировать интересными задачами — это тоже отдельный проект, которым нужно заниматься.

Источник: CRN/RE

Версия для печати (без изображений)   Все новости