Эра максимально персонализированной информации

Главной задачей развития Big Data в ритейле является профилирование и сбор данных о клиенте. Эта задача настолько объемная и комплексная, что для ее решения потребуется не один год. О перспективах использования Big Data в ритейле, управлении качеством данных, а также о текущих трендах в области Customer Experience размышляет Александр Тарасов, управляющий партнер компании DIS Group.

Александр Тарасов, управляющий партнер компании DIS Group

Сегодня во всем мире, в том числе в России, отчетливо прослеживается тенденция стирания границ между традиционными индустриями. Банки сливаются с телекоммуникационными компаниями: банковский чип приравнивается к чипу телефона, а телефон превращается в банковскую карту. На рынок платежей приходят далекие от мира финансов компании, такие как Apple, Samsung, Google, Яндекс, потеснив привычные нам платежные системы Visa и Mastercard. Происходит слияние розничной и банковской индустрий либо запускают собственные маркетплейсы (в России этим путем пошел, например, Хоум Кредит Банк, в Казахстане – Kaspi Bank). Недавняя новость о движении в сторону совместного бизнеса Сбербанка и Яндекса также наделала немало шума. Как следствие, у банка возникает необходимость выстраивать у себя все процессы, присущие ритейлу, пусть и в несколько измененном виде.

Также стираются границы между ритейлом и телеком-индустрией. В Европе и США есть интересные примеры слияний традиционных медиаизданий и так называемых «бумажных» СМИ с телеком-операторами. Это уже не просто переход в «цифру», которым никого не удивишь, это абсолютно новый удобный способ доставки контента потребителю. Примеров из разных отраслей можно приводить очень много, ведь конкуренция на рынке только усиливается, идет жесткая борьба за клиента, за потребителя и за «долю в его кошельке».

Персонализация предложения как ключ к успеху

Технологии работы с данными позволяют использовать совершенно новые подходы к работе с клиентом

Очевидно, что новые технологии работы с данными позволяют использовать совершенно новые подходы к работе с клиентом. Например, если раньше компании продавали только определенные категории товаров, то сейчас многие задаются вопросом, почему бы не продавать ранее несвойственный им ассортимент или предоставлять новые сервисы? То есть вокруг актива клиентских данных происходит объединение различных отраслей. Почему это происходит?

15 лет назад один известный футуролог сказал: мы с упорством, достойным лучшего применения, платим сегодня огромные деньги за то, чтобы быть онлайн, но пройдет совсем немного времени (максимум лет 10–20), и мы будем платить за право побыть офлайн. И он, как ни странно, оказался прав. Сегодня диджитализация приводит к усталости потребителя от большого объема информации. Находясь в медийном поле, он перестает понимать, где политика, где торговля, где ему что-то пытаются предложить, где его просто информируют. Многие аналитические агентства отмечают, что среднестатистический пользователь отправляет в корзину не только спам, но и письма от тех магазинов, на которые он сам подписался. Это происходит потому, что переварить весь объем поступающей к нему информации физически невозможно.

В торговле наступает новая эра – эра максимальной персонализации информационного потока, доставляемого клиенту. И чем больше она будет персонализирована и будет вписываться в контекст того коммуникационного канала, по которому доставляется клиенту, тем выше вероятность, что клиент начнет доверять этому каналу. И в каких-то моментах клиент готов даже переплачивать за сформированные и пакетированные предложения. Речь не о письме на электронную почту, предложение будет доставляться непосредственно «в руки» клиенту, например, в ленту на Фейсбуке или в виде SMS на телефон.

Обратный пример – то, как сейчас работает Яндекс.Директ. Поделюсь собственным опытом. Однажды мне на глаза попалось интересное предложение о строительстве жилого комплекса. Меня заинтересовал внешний вид, и я совершил переход по ссылке. Посмотрев картинку, я закрыл страницу. Я не переходил по ссылкам на сайте, не изучал планировки и цены, не вступал в коммуникацию с поставщиком этого контента – покупка недвижимости меня не интересовала. Но после этого на меня посыпались предложения о покупке жилья. Чтобы избавиться от ненужной информации, мне нужно выйти из своего профиля в Яндексе.

Как же максимально персонализировать предложение? Используя технологии обработки Big Data, фокусируясь на максимальном сборе информации о человеке, выявляя инсайты... Важно построение уже не большого группового профиля, а персонального профиля клиента на основе его посещений онлайн- и офлайн-точек продаж, совершенных им покупок, его предпочтений. Цель – максимально персонализировать предложение и, если можно так выразиться, положить «на сетчатку глаза покупателя». Сегодня роль Big Data в повышении продаж абсолютно конкретна и понятна.

Ритейлеры это осознают, такие проекты реализуются, но это по-прежнему больше напоминает технологические эксперименты, инициированные ИТ-специалистами, затеи R&D-менеджмента, в которые пока не вовлечены ни владельцы бизнеса, ни представители маркетинга.

Качество данных и процесс управления качеством данных

Здесь возникает еще один вопрос. Ритейлер технологически подготовился и начинает сбор информации. Какого качества информация ему необходима? Ключевое значение приобретают полнота и качество данных, а также наличие регулярного процесса управления их качеством, в первую очередь – клиентской информацией.

Приведу пример. Я оформил карту лояльности у одного из крупных ритейлеров детских товаров. Разборчиво, печатными буквами, очень детально заполнил анкету, указав имена и возраст своих детей. Надо сказать, что ритейлер постоянно поздравляет их с днем рождения, но... почему-то не в те дни, когда они родились. Я обратился в службу поддержки для решения проблемы. Меня поблагодарили за обращение и заверили, что поправили на другие даты. И каково же было мое удивление, когда мне пришла очередная «горячая» SMS-рассылка: у нас суперскидки, не забудьте подготовить вашего ребенка к школе! Моя супруга рассмеялась: «Конечно, не забудем, ведь у нас еще 4 года впереди!». О какой лояльности можно говорить? Как покупатель я просто отправлю все это в спам.

Это свидетельствует не просто о катастрофически низком качестве данных, а о том, что компания даже не пытается его повысить, запустить постоянно действующий бизнес-процесс управления качеством. Сегодня многие компании рассматривают инструменты класса Data Quality исключительно как технологические и используют их только для сравнения, дедубликации и очистки данных. На самом деле управление качеством – гораздо более сложный процесс. Одна из важнейших его задач – профилирование и назначение специальных метрик для всех используемых компанией данных с целью оценки качества активов, на которых она планирует зарабатывать. Если компания видит, что ее показатели значительно ниже ожидаемого результата, она запускает комплекс корректирующих мер, в т. ч. анкетирование, обзвон клиентов и прочие. Бизнес ошибочно полагает, что затраты на повышение качества данных – это только лишь затраты, а не инвестиция в актив. На самом деле такие мероприятия – это инвестиции в развитие бизнеса.

Соответственно, если мы говорим о внедрении процесса управления качеством данных, автоматически возникает необходимость решения следующей группы вопросов. Кто отвечает за процесс? Кто является владельцем данных? Кто отвечает за первичные данные? Кто и как отвечает за их консолидацию? В управленческом консультировании это называется управленческой подсистемой бизнес-процессов, призванных повысить качество актива данных с целью максимального понимания клиента. Тем самым увеличиваются объемы как прямых продаж, так и кросс-продаж, дополнительных услуг от партнеров. Почему бы, например, человеку, который обращается в поликлинику, тут же не предложить препараты из топ-5 в рейтинге самых низких цен по региону на выписанный препарат? Без управления качеством данных, без возможности собрать максимальный объем данных, выстроить связи и профилирование клиента выйти на такой уровень бизнеса не представляется возможным.

Преимущества комплексных решений от одного поставщика

Я бы провел аналогию с ERP-системами. Никому в голову сегодня не приходит взять финансовый модуль одного производителя, логистический – от другого и складской – от третьего. Компании осознают, что важна не функциональная ориентация (финансы-логистика, финансы-закупки-транспортировка-складирование-сбыт), важен сквозной процесс – от формирования заказа до его исполнения, постсервисного обслуживания. Соответственно, необходимо единое решение, которое позволит сэкономить – как минимум за счет интеграции. То же самое касается процессов управления данными. Действительно, есть ряд производителей, предлагающих в своем сегменте качественные решения, которые имеют свои преимущества и своего покупателя. Но на корпоративном уровне этого недостаточно. Необходимо иметь инструментарий работы с данными. Сейчас в компании Informatica, решения которой мы представляем на российском рынке, набирает обороты такой класс продуктов, как Intelligent Data Lake, который позволяет выстроить единое понятийное поле между бизнесом и ответственными за данные лицами. Речь идет о корпоративных глоссариях. Для бесперебойной работы поисковой машины необходимо выработать общий терминологический аппарат. Данные – это и клиент, и электронная почта, и продажи, и т. д. К сожалению, очень часто от ритейлеров приходится слышать: у нас есть витрина- агрегатор данных, но мы не можем понять, откуда у нас взялись эти цифры, прогнозные значения, из каких первичных данных они зародились. Здесь мы начинаем говорить о необходимости управления метаданными. Нужны ли все данные в ближайшем доступе? Наверное, нет. Они имеют какую-то историчность, следовательно, необходимо их архивирование – с возможностью доступа в любое время. Еще один очень важный момент – безопасность данных. Традиционный подход, предполагающий жесткие ограничения доступа к данным, уже недопустим. Требуются другие инструменты, которые, с одной стороны, не ограничивают работу с данными, а с другой – позволяют защитить чувствительные данные. Это решения, связанные с динамическим маскированием данных, с созданием тестовых сред, а также мониторинга защиты конфиденциальных данных. Вся линейка решений данного класса также широко представлена нашей компанией на рынке.

Таким образом, речь идет уже о необходимости целого комплекса приложений, которые являются неотъемлемой частью общей функции управления данными. Такие решения, представляющие собой комплексную платформу для решения всех стоящих перед компанией задач по управлению данными, есть у крупных вендоров. Например, наша компания предлагает для решения этих задач Axon Data Governance Solution – продукт, позволяющий связать метаданные, бизнес-глоссарий, бизнес-процессы и организационную структуру компании. Это новое слово в подходе к организации управления данными. Поэтому крупных игроков отличает именно комплексный подход, стремление максимально закрыть весь диапазон необходимых инструментов и решений, которые помогут крупной корпорации выстроить процесс управления своими данными.

Российские и мировые кейсы по обработке Big Data

Главной задачей развития  Big Data в ритейле является  профилирование и сбор данных о клиенте

Решения на базе платформы Informatica внедрены в таких компаниях, как Amazon, Google, Wal-Mart. Google, к примеру, использует Product Information Management – Product 360 с целью управления публикуемыми каталогами. Это решение в первую очередь направлено на решение задач, связанных с мастер-данными, клиентскими данными, построением золотой записи клиента, продуктовых каталогов, и задач, связанных с качеством данных.

Сегодня ритейл только подходит к пониманию необходимости построения золотой записи клиента и единого продуктового каталога. На мой взгляд, решение этой задачи первично при построении омниканального взаимодействия с клиентами, поскольку информация, представленная в разных каналах коммуникаций, нередко очень сильно разнится.

Сегодня уже начинают появляться специалисты, которые отвечают за работу с данными, а крупные компании ищут сотрудников на должность Chief Data Officer (CDO). Конечно, инициаторами этих изменений также являются ИТ-подразделения, однако, на мой взгляд, российский бизнес к этой теме пока не готов, скорее всего, у наших ритейлеров CDO станут появляться ближе к 2019– 2020 годам.

Тренды и драйверы развития Big Data

Главной задачей развития Big Data в ритейле является профилирование и сбор данных о клиенте. Эта задача настолько объемная и комплексная, что для ее решения потребуется не один год. В ближайшее время мы будем наблюдать активную трансформацию ритейла, основные тренды будут напрямую связаны со стиранием границ между различными сегментами бизнеса, сбором персональных поведенческих данных клиента для повышения качества профилирования, а также слияние клиентских баз, исторической информации между различными компаниями.

Кроме того, сегодня вендоры предлагают такое количество решений по Big Data, к которому наш ритейл пока не готов. На Западе очевиден тренд перевода данных в облачные решения, но не уверен, что это понадобится нашим игрокам в ближайшие три года. Этот путь российскому ритейлу еще только предстоит пройти.