ЛАНИТ

Группа компаний ЛАНИТ

rus | eng
+7 (495) 967-66-50
форма обратной связи

Предиктивная аналитика: что это такое и почему НКО важно ее использовать

28.03.2017

Коммерческие компании в своей работе активно используют прогнозы: высчитывают точное поведение клиента, его вероятные покупки на долгое время вперед. Каким образом этот опыт могут использовать и общественные организации? Возможно ли узнать, как эффективнее увлечь потенциальных доноров на основе привычек уже лояльной аудитории? Подобные прогнозы получаются с помощью предиктивного анализа. Корреспондент Теплицы Наталья Баранова разобралась в вопросе и спросила у экспертов, как этот метод поможет НКО кардинально изменить подход к работе.


Что такое предиктивная аналитика


Понятие предиктивной, или прогнозной, аналитики (от англ. Predictive analytics) появилось в финансовом сегменте. В первую очередь, такой метод аналитики основан на больших данных. «С ее помощью можно предсказывать поведение клиента на ближайшее время или его дальнейшие покупки. Это можно сделать благодаря анализу истории покупок», – объясняет коммерческий директор компании «Ланит Омни» Дмитрий Зеленко.

Торговые сети зачастую действуют по модели look alike – выявляют, в чем поведение одних клиентов похоже на поведение других. «Допустим, вы в одном магазине регулярно покупаете хлеб, молоко и масло, – приводит пример эксперт. – Здесь цель предиктивного анализа – сравнить ваше поведение с поведением других покупателей, похожих на вас. Я, например, наряду с хлебом, молоком и маслом покупаю еще и сметану. Если вы ее не покупаете, значит, либо вы ее не едите, либо покупаете в другом магазине. Задача магазина предложить вам купить сметану по специальной цене», – добавляет Дмитрий.

«Предиктивная аналитика, используя математические модели, позволяет прогнозировать будущее на основе анализа данных». Глеб Басханов

«Представьте, что вы владеете стопроцентной информацией о том, какие спортсмены и команды будут побеждать на соревнованиях в ближайшее время, тогда вы имеете возможность ставить на них деньги и без проблем стать миллионером. Предиктивный анализ открывает дверь к подобной возможности, потому что машина, имея данные о состоянии спортсменов, конкурентной среды, истории игр, погоды и любой другой информации лучше, чем любой брокер, может прогнозировать успех», – описывает метод руководитель отдела интернет-маркетинга агентства цифровых коммуникаций Molinos Глеб Басханов.

Где применяется предиктивный анализ


По мнению экспертов, метод предиктивного анализа активно используют системы, которые работают с большими данными. «На основе анализа поведения пользователя такие системы, как Яндекс и Facebook, выявляют вероятность покупки товара среди миллионов пользователей, которым показывается реклама. Таким образом, увеличивая возврат инвестиций для рекламодателей и прибыльность своей платформы», – заметил Глеб Басханов.

«Эти технологии повсеместно изучаются и внедряются в различных сферах, например, автомобили без водителя, операции без врача, прибыльные инвестиции». Глеб Басханов

Более того, с помощью предиктивной аналитики можно просчитать огромное множество вариантов поведения клиента. «Например, у магазина «Детский мир» 20 тысяч товаров в каталоге и 10 млн держателей карт покупателя, – рассказывает Дмитрий Зеленко. – Чтобы выбрать, кому и какой товар предложить, нужно просчитать 200 млрд вариантов. Здесь нужен другой механизм, не просто MS Excel. Мы используем программу SAP: закачиваем большие данные, полученные от торговых сетей. На выходе мы получаем варианты с таблицей вероятности. И начинаем отсекать: берем тех, у кого вероятность покупки будет высокая. На выходе остается 2 млн вариантов».

Популярный метод


Без использования предиктивной аналитики компаниям будет крайне сложно выстроить персонализированный подход к клиенту. В этом уверен Дмитрий Зеленко. «Сейчас наблюдается очень сильная конкуренция между торговыми сетями за каждого покупателя. Если вы делаете предложение, которое мне не нужно, то вы теряете клиента. К примеру, если девушка получает рекламные предложения о мужских ботинках, то в первый раз она возмутится, а во второй уже заблокирует такие сообщения», – комментирует эксперт.

«Торговые сети должны больше знать о своих покупателях, чтобы предложение было релевантным. И это невозможно без прогнозов на основе большого объема данных». Дмитрий Зеленко

К примеру, по информации консультативной американской компании Everstring, 68% маркетологов считают, что предиктивная аналитика – это ключевой фактор роста. А по данным Forbes insights, 63% убеждены, что именно такой метод помогает предсказать желания и потребности клиентов.

23 марта 2017 года в Москве прошла конференция автоматизации маркетинга. По словам Дмитрия Зеленко, 30% докладов были так или иначе связаны с примерами использования предиктивного анализа. «Тенденция налицо: завтра этот метод будут использовать десятки, а потом и сотни компаний», – подчеркнул Зеленко.

Коммерческие компании в своей работе активно используют прогнозы: высчитывают точное поведение клиента, его вероятные покупки на долгое время вперед. Каким образом этот опыт могут использовать и общественные организации? Возможно ли узнать, как эффективнее увлечь потенциальных доноров на основе привычек уже лояльной аудитории? Подобные прогнозы получаются с помощью предиктивного анализа. Корреспондент Теплицы Наталья Баранова разобралась в вопросе и спросила у экспертов, как этот метод поможет НКО кардинально изменить подход к работе.

Что такое предиктивная аналитика


Понятие предиктивной, или прогнозной, аналитики (от англ. Predictive analytics) появилось в финансовом сегменте. В первую очередь, такой метод аналитики основан на больших данных. «С ее помощью можно предсказывать поведение клиента на ближайшее время или его дальнейшие покупки. Это можно сделать благодаря анализу истории покупок», – объясняет коммерческий директор компании «Ланит Омни» Дмитрий Зеленко.

Торговые сети зачастую действуют по модели look alike – выявляют, в чем поведение одних клиентов похоже на поведение других. «Допустим, вы в одном магазине регулярно покупаете хлеб, молоко и масло, – приводит пример эксперт. – Здесь цель предиктивного анализа – сравнить ваше поведение с поведением других покупателей, похожих на вас. Я, например, наряду с хлебом, молоком и маслом покупаю еще и сметану. Если вы ее не покупаете, значит, либо вы ее не едите, либо покупаете в другом магазине. Задача магазина предложить вам купить сметану по специальной цене», – добавляет Дмитрий.

«Предиктивная аналитика, используя математические модели, позволяет прогнозировать будущее на основе анализа данных». Глеб Басханов

«Представьте, что вы владеете стопроцентной информацией о том, какие спортсмены и команды будут побеждать на соревнованиях в ближайшее время, тогда вы имеете возможность ставить на них деньги и без проблем стать миллионером. Предиктивный анализ открывает дверь к подобной возможности, потому что машина, имея данные о состоянии спортсменов, конкурентной среды, истории игр, погоды и любой другой информации лучше, чем любой брокер, может прогнозировать успех», – описывает метод руководитель отдела интернет-маркетинга агентства цифровых коммуникаций Molinos Глеб Басханов.

Где применяется предиктивный анализ


По мнению экспертов, метод предиктивного анализа активно используют системы, которые работают с большими данными. «На основе анализа поведения пользователя такие системы, как Яндекс и Facebook, выявляют вероятность покупки товара среди миллионов пользователей, которым показывается реклама. Таким образом, увеличивая возврат инвестиций для рекламодателей и прибыльность своей платформы», – заметил Глеб Басханов.

«Эти технологии повсеместно изучаются и внедряются в различных сферах, например, автомобили без водителя, операции без врача, прибыльные инвестиции». Глеб Басханов

Более того, с помощью предиктивной аналитики можно просчитать огромное множество вариантов поведения клиента. «Например, у магазина «Детский мир» 20 тысяч товаров в каталоге и 10 млн держателей карт покупателя, – рассказывает Дмитрий Зеленко. – Чтобы выбрать, кому и какой товар предложить, нужно просчитать 200 млрд вариантов. Здесь нужен другой механизм, не просто MS Excel. Мы используем программу SAP: закачиваем большие данные, полученные от торговых сетей. На выходе мы получаем варианты с таблицей вероятности. И начинаем отсекать: берем тех, у кого вероятность покупки будет высокая. На выходе остается 2 млн вариантов».

Популярный метод


Без использования предиктивной аналитики компаниям будет крайне сложно выстроить персонализированный подход к клиенту. В этом уверен Дмитрий Зеленко. «Сейчас наблюдается очень сильная конкуренция между торговыми сетями за каждого покупателя. Если вы делаете предложение, которое мне не нужно, то вы теряете клиента. К примеру, если девушка получает рекламные предложения о мужских ботинках, то в первый раз она возмутится, а во второй уже заблокирует такие сообщения», – комментирует эксперт.

«Торговые сети должны больше знать о своих покупателях, чтобы предложение было релевантным. И это невозможно без прогнозов на основе большого объема данных». Дмитрий Зеленко

К примеру, по информации консультативной американской компании Everstring, 68% маркетологов считают, что предиктивная аналитика – это ключевой фактор роста. А по данным Forbes insights, 63% убеждены, что именно такой метод помогает предсказать желания и потребности клиентов.

23 марта 2017 года в Москве прошла конференция автоматизации маркетинга. По словам Дмитрия Зеленко, 30% докладов были так или иначе связаны с примерами использования предиктивного анализа. «Тенденция налицо: завтра этот метод будут использовать десятки, а потом и сотни компаний», – подчеркнул Зеленко.


Преимущества для НКО


Для некоммерческих организаций применение такого метода может стать крайне любопытным опытом. «Многие думают, что предиктивный анализ используются только в коммерческих проектах, так как стоимость анализа для НКО слишком высока. Это ошибочное мнение», – комментирует digital-стратег Molinos Наталья Воробьева.

«Статистический анализ данных позволяет общественным организациям определять тех, кто готов стать донором, волонтером или совершить пожертвование». Наталья Воробьева

По мнению эксперта, исследования позволят дать ответы на такие вопросы:
  • кто более склонен к тому, чтобы совершить пожертвование или стать донором;
  • в каком возрасте люди обычно начинают активно вовлекаться в участие в благотворительных акциях;
  • из какого района, города или области максимальное число пожертвований;
  • в какое время года люди чаще задумываются о благотворительности;
  • какая средняя сумма, которую готов пожертвовать тот или иной сегмент аудитории.

Исследование должно состоять из анализа и интерпретации данных, полученных из разных источников. К примеру, из онлайн-опросов, статистики пожертвований, через соцмедиа активность (поиск людей, похожих по поведению на тех, кто активно делится и лайкает записи в вашем сообществе в соцмедиа).

«В результате проведенного анализа благотворительная организация сможет определить портрет и поведение своей потенциальной аудитории и использовать эти данные в поиске новой, похожей аудитории. Предсказывая, кого вероятнее будет увлечь, фонды могут существенно повысить уровень вовлечения. Предиктивный анализ также помогает определить отрасли или профили компаний, которые с большей долей вероятности готовы стать партнером». Наталья Воробьева

По словам эксперта, для того чтобы получать достоверные факты, необходимо привлекать не только маркетологов, но и экспертов, обладающих знаниями в области статистики. «Иначе, интерпретация данных может быть не совсем корректной, – предупредила Воробьева. – Так, например, одна из благотворительных организаций опубликовала исследование, в котором выявила корреляцию между склонностью к благотворительности и именем человека. Как позже оказалось, влияние оказывал возраст, а данные по имени не были статистически значимыми».

В заключение Дмитрий Зеленко советует НКО понять, какие данные у нее есть. «Затем с этим списком можно обратиться в нашу компанию, – говорит он. – Мы посмотрим и подскажем, что с ними можно сделать». Эксперт уверяет: бессмысленных данных не бывает, их ценность просто нужно понимать.


Автор:  Наталья Баранова
Источник:  Теплица Социальных Технологий, 28.03.2017
Ссылка на источник:  https://te-st.ru/2017/03/28/predictive-analytics-for-ngo/
Яндекс.Метрика