Weźmy przykład „wykorzystania” Big data przez jedną z chicagowskich sieci restauracji The Steakhouse Morton's. Specjaliści od reklamy tej firmy ułożyli ciekawą – i prawdopodobnie w części prawdziwą - historię, za której powodzeniem miało stać właśnie monitorowanie i analiza różnorodnych danych. Firma opisuje przykład jednego z internautów, który napisał na Twitterze, że przed nim długi lot i jedyne o czym będzie marzył po wylądowaniu to burger z Morton's.
Dzięki użyciu hashtagu przez internautę, marketerzy odkryli ten wpis w sieci. Następnie sprawdzili, czy faktycznie jest stałym klientem oraz - na podstawie transakcji bezgotówkowych - co najczęściej zamawia. To jednak nie koniec, bo następnie ustalili, którym samolotem leci i o której będzie w miejscu docelowym. Końca tej historii można się domyślić – po wylądowaniu, na miejscowym lotnisku na szczęśliwego internautę czekał jego ulubiony zestaw, za darmo. Wszystko było oczywiście nagrywane, a następnie umieszczone w sieci jako reklama wiralowa.
Przykład oczywiście niewiele ma wspólnego z rzeczywistością. Po pierwsze, gdyby sieć restauracji Morton's przeprowadzała podobne akcje cyklicznie, już dawno poszłaby z torbami. Po drugie, sama sieć przyznaje, że nie prowadzi stałego monitoringu mediów społecznościowych, a już na pewno nie łączy wyników z rozkładem lotów. Wspomniana historia może być więc tylko przykładem, ciekawostką lub opisem, jak Big data może wyglądać za kilka lat.
Nie oznacza to jednak, że Big data to ziemia obiecana marketingowców lub melodia przyszłości. Firmy na całym świecie udowadniają, że wartość biznesowa pochodząca z analizy danych jest ogromna. Co jednak rzuca się w oczy, przykłady wykorzystania nie są aż tak spektakularne jak w powyższym przykładzie.
Nie oznacza też, że są nudne - wrażenie może zrobić przede wszystkim skala działalności. Na przykład amerykańska Macy's, czyli jedna z największych i najbardziej znanych w USA sieci supermarketów stacjonarnych. Dwa lata temu właściciele postanowili zwiększyć znaczenie swojej internetowej części biznesu, czyli Macys.com. Firma stworzyła 500 tys. spersonalizowanych newsletterów. Decyzja o wysyłce konkretnej wersji do danej osoby uwzględniała zestaw różnorodnych danych - lokalizacje klientów, możliwości logistyczne działających w nich sklepach i magazynach oraz preferencje zakupowe klientów.
Biznesowo i marketingowo Big data wykorzystuje się również w Polsce. Przykładem jest kampania Kolorowa Polska dla Dekoral z ubiegłego roku, zrealizowana przez Biuro Podróży Reklamy.
- Kampania polegała na tym, że w różnych serwisach emitowane były reach mediowe formy reklamowe w postaci kolorów. Mierzyliśmy, kto klika i w który kolor. Landing page www.kolorowapolska.pl/2014 otwierał się w takim kolorze, w jaki banner kliknął użytkownik – komentował dla serwisu Interaktywnie.com Robert Sosnowski z Biura Podróży Reklamy.
Jak następnie podaje przedstawiciel firmy, internauta mógł wypełnić ankietę złożoną z 40 pytań. Producent farb pytał głównie o preferencje kolorystyczne i łączył je z danymi internauty, który zdecydował się zalogować za pośrednictwem Facebooka.
"Z ponad trzech tysięcy wypełnionych ankiet Dekoral dowiedział się, jakie są ulubione kolory Polaków, - kobiet, mężczyzn, dzieci, matek, ojców, studentów, studentek, mieszkańców poszczególnych miast i województw oraz różnych grup wiekowych. Dane na temat kolorów były formatowane pod różne okazje - Dzień Ojca, Dzień Matki, Dzień Dziecka lub Święta Bożego Narodzenia - i dystrybuowane wraz z infografikami"_ – _ czytamy w serwisie Interaktywnie.com.
Analiza Big data przynosi dodatkową korzyść, której na początku nie widać. W stu procentach przypadków – co pokazujemy również w tym materiale – firmy tworzą system do analizy danych z myślą o konkretnym zastosowaniu. Chcą rozwiązania "szytego na miarę". Jest to naturalna kolej rzeczy, ale wpada się wówczas w pewną pułapkę. Bardzo często osoba zaangażowana w analizowaniu danych spodziewa się jednak osiągnięcia lub potwierdzenia pewnych przewidywań. Po jego uzyskaniu następnie go analizuje, wyciąga wnioski, kontroluje czy z czasem efekt nie zanika itp. W tym momencie na oczach badacza pojawiają się klapki, które mocno zawężają horyzont spojrzenia na dane.
W pewnym sensie nie ma w tym nic dziwnego. Poszukiwanie nowych odkryć w zbiorze, który już zbadaliśmy jest piekielnie trudne. Przede wszystkim nie wiemy, czego mamy szukać. Wiemy tylko, że ma to być coś nowego i wartościowego. Aby to się udało, analityk musiałby postawić tysiące hipotez, a następnie szukać ich dowodu w danych. Już na pierwszy rzut oka takie działanie ma niewielkie szanse powodzenia, więc nikt się tego nie podejmuje. Tymczasem systemy analizy różnorodnych danych to umożliwiają. To zdolność odnajdywania odkryć wtórnych, czyli zaobserwowania wiedzy użytecznej biznesowo w teoretycznie „wydrążonym” już zbiorze danych.
Najlepszym przykładem jest system drążenia danych jednej z najpopularniejszych w USA sieci supermarketów Wal-Mart. Lata temu spece od optymalizacji przestrzeni sklepowej postanowili sobie odpowiedzieć na pytanie: jak ustawić regały oraz znajdujące się na nich przedmioty, żeby klienci podchodzili do kas z pełnymi koszami. I to dlatego dziś obok piwa możemy najczęściej znaleźć paczki z chipsami, towary kupowane najczęściej – jak chleb lub warzywa – znajdują się na samym końcu sklepu, a przy kasach znajdziemy słodycze i niewielkie napoje, czyli produkty kupowane pod wpływem impulsu. I taki układ mógłby się utrzymać jeszcze przez wiele lat, gdyby analitycy Wal-Mart nie zadali sobie pytania: czego jeszcze nie wiemy o preferencjach zakupowych naszych klientów.
Specjaliści sieci mieli do dyspozycji cały zestaw danych, czyli miliony zarejestrowanych transakcji, z informacją o każdym kupionym produkcie. Następnie wprowadzali do systemu pytanie, by na podstawie historycznych zakupów odkrył powtarzającą się zależność, która nie została odkryta do tej pory. System miał więc dokonać tego, co dla człowieka byłoby niemożliwe: odkryć coś nowego z przetworzonego do cna zbioru danych. I udało się.
Komputer zauważył coś, co dla ludzkiego oka było niedostrzegalne. Mianowicie okazało się, że część klientów regularnie dokonuje bardzo osobliwych zakupów – do koszyków wkłada dziecięce pieluszki oraz piwo. I zdarza się to przede wszystkim w weekendy. Coś, co w pierwszej chwili było zaskakujące, po pewnym czasie stało się zupełnie zrozumiałe. Analitycy poszerzyli badania i sprawdzili, że wspomnianymi klientami są głównie młodzi mężczyźni, którzy wysłani przez żony na zakupy dla dziecka szukali ukojenia w gazowanym napoju. Wal-Mart ustawił więc dodatkowe stoiska z piwem na najbardziej prawdopodobnej ścieżce młodego taty po pampersy. Jak podaje sieć, odkrycie pozwoliło zwiększyć sprzedaż piwa w weekend o kilka procent.
Szukasz porady? Skontaktuj się z ekspertem z Asseco: +48 22 574 88 23; e-mail: piotr.fabjaniak@assecods.pl