wp - grudzien 2016

Lady Gaga to Lady Big Data?

Lady Gaga to Lady Big Data?

Magazyn / Aktualności

Już nawet gwiazdki muzyki pop zdają sobie sprawę z mocy drzemiącej w Big Data. W każdym razie na pewno choćby pośrednią świadomość benefitów płynących z analizy danych ma Lady Gaga. Jej manager, Troy Carter, to bowiem zdeklarowany fanatyk tej technologii.

-

Dzięki jego pracy artystka w kilka miesięcy zyskała ponad 82 mln nowych fanów w mediach społecznościowych. W jaki sposób Carter zdołał osiągnąć taki efekt? Trzy słowa: look-alike modeling. Ta strategia sprawdza się nie tylko na scenie pop-muzyki, ale przede wszystkim w marketingu i reklamie internetowej.

Wyglądasz mi na fana Gagi

Wyprzedzając odpowiedź cyników, nie, Carter nie kupował lajków. Mimo że jest domorosłym analitykiem internetowym, to wpadł na trop w pełni profesjonalnej strategii marketingowej: look-alike modelingu. Dzięki niej udało mu się w stosunkowo prosty sposób osiągnąć to, z czym zmaga się na co dzień wielu doświadczonych badaczy danych, czyli rozszerzyć (w tym przypadku, muzyczny) target, przekonwertować Big Data w Smart Data.

Carter, zastanawiając się nad podbiciem popularności swojej zleceniodawczyni, wpadł na pomysł utworzenia sieci społecznościowej Littlemonsters.com, dedykowanej fanom muzyki artystki i skupiającej ich w jednym miejscu. W ten sprytny sposób przygotował sobie żniwiarskie poletko, bazę danych, z której następnie zbierał plony w postaci cyfrowych śladów zostawianych przez użytkowników portalu.

Carter, mózg operacyjny piosenkarki, poświęcił szmat czasu na przekopywanie się przez internetowe portrety (profile behawioralne) zdeklarowanych słuchaczy Lady Gagi. Badał, jakiej – poza Gagą – muzyki słuchają, czym się interesują, jakie filmy lubią, co jedzą, w co się ubierają, jakie marki lubią. Z dostępnością i legalnością danych nie było problemów. Po pierwsze, nie były to dane wrażliwe (prywatne), lecz dane o gustach i preferencjach. Po drugie, dzielili się nimi sami użytkownicy.

Następnym krokiem Cartera było wyszukanie w portalach społecznościowych internautów o podobnych zainteresowaniach, którzy nie mieli Lady Gagi w ulubionych wykonawcach muzycznych. Carter zakładał, że skoro interesują się oni podobnymi rzeczami co fani Gagi, to istnieje wysokie prawdopodobieństwo, że zachwycą się również takimi hitami jak „Poker Face”, „The Edge of Glory”, „Bad Romance”, „Alejandro” czy „Paparazzi”.

I zakładał słusznie. Dzięki jego wytrwałości w analizie gagowego Big Data gwiazda muzyki pop zanotowała gigantyczny wzrost liczby fanów. Na Facebooku przybyło ich 51 mln. Gdybyśmy przeliczyli to na populację państw świata, to profil Gagi wzbogaciłby się o całą ludność Korei Południowej. Z kolei na Twitterze artystka zanotowała wzrost o 31 mln nowych fanów – w przeliczeniu na mapę świata followersem Gagi byłaby cała Arabia Saudyjska.
Nieźle. Biorąc to wszystko pod uwagę Lady Gaga powinna chyba zmienić pseudonim sceniczny na „Lady Big Data”. Brzmi o wiele bardziej cool.

Klonowanie klientów

W Big Data marketingu zastosowana z powodzeniem przez Cartera strategia rozszerzania wąskiego targetu poprzez wyszukiwanie zbliżonych profilowo grup użytkowników, ma swoją fachową nazwę: to look-alike modeling, określany niekiedy jako „clon modeling” lub „look-alike targeting”.
Zaskakujący jest jednak fakt, że według badań „State of the Industry” autorstwa Digiday, co czwarty marketer nie miał zielonego pojęcia, czym ten look-alike modeling w ogóle jest. Nawet mimo tego, że deklaruje targetowanie reklam w sieci. Tymczasem to właśnie ta strategia pozwala potroić współczynnik ROI w kampanii reklamowej, w porównaniu ze standardowymi metodami targetowania. Najlepsi marketerzy w ankiecie Digiday deklarowali, że ROI po zastosowaniu tej metody dobił u nich do 5.

Na czym polega look-alike modeling? Zacznijmy od tego, że e-sklepy z grubsza zdają sobie sprawę z tego, kim są ich najlepsi klienci. Dysponują danymi dotyczącymi zachowań konsumentów na witrynie. Wiedzą np. jak często i w jakich godzinach odwiedzają sklep, co przeglądają, które produkty i ile razy w roku kupują, jak często finalizują zakupy etc. Rzadko jednak zadają sobie trud, aby te dane spróbować „przekalkować” na inne grupy internautów, którzy nie są wprawdzie ich klientami, ale przejawiają podobne zainteresowania co ich najlepsi kupujący.

I tu z pomocą przychodzi właśnie ów look-alike modeling, który pozwala takie grupy internautów wyśledzić. Skoro dało radę sklonować owcę Dolly, to dlaczego miałoby się nie powieść z masowym „sklonowaniem” naszego najlepszego klienta e-sklepu? W pierwszym przypadku w grę wchodziła genetyka – w drugim w grę wchodzi analityka Big Data. U owcy Dolly trzeba było wyodrębnić pewne geny decydujące o jej specyfice – w przypadku użytkownika e-sklepu te geny nazwiemy atrybutami lub profilem behawioralnym.

Szukamy zatem nowych grup użytkowników o cechach („genach”) zbliżonych podobnych do tych, jakie ma nasz najlepszy klient. W ten sposób możemy rozszerzyć bądź od podstaw zbudować nową publiczność, czyli potencjalnych klientów, której reklamodawcy będą mogli zaprezentować swoje oferty mając pewność, że trafiają we właściwy target. Najpierw zatem definiujemy pożądany mianownik („genotyp”?) naszej grupy, którą chcemy sklonować, czyli pewien katalog preferencji, w których występuje również intencja zakupowa, a następnie, poszukujemy wśród innych grup internautów jego „lustrzanych profili”, posiadających niewielkie odchylenia preferencyjne.

Należy jednak mieć z tyłu głowy fakt, że praktyka analizy danych – niekoniecznie nawet ich dużych zbiorów danych – nakazuje pominąć wszystkie te cechy, które są wprawdzie silnie ze sobą skorelowane, ale jednak niewystarczająco zróżnicowane w grupie. Przykładowo: na nic zda się nam informacja, że wszyscy nasi najlepsi klienci są ludźmi. Pozdrawiam – Captain Obvious.

Look-alike modeling zdaje egzamin przede wszystkim wówczas, gdy zmagamy się z targetem wąskim jak ucho igielne, a chcemy rozszerzyć naszą publiczność. Okazuje się pomocna także wtedy, gdy chcemy „wyrobić budżet” kampanii, ilość zaplanowanych odsłon witryny czy zwiększyć współczynnik konwersji. Może i nie jest „lekiem na całe zło”, ale lekiem na bezsenność marketerów, których po nocach nawiedza koszmar wąskiego targetu – na pewno.

Jednakowa wyjątkowość

„Każdy z nas jest wyjątkowy”. Czy wyczuwacie paradoksalność, a raczej: oksymoroniczność tego twierdzenia? Jeśli faktycznie „każdy z nas jest wyjątkowy”, to przecież właśnie ta „wyjątkowość” sprawia, że… wszyscy jesteśmy jednakowi. Tacy sami, przynajmniej w pewnych aspektach. To jasne, że żaden człowiek nie jest klonem drugiego, ale przecież nie jesteśmy od siebie aż tak diametralnie różni, żeby nie mieć ze sobą kompletnie nic wspólnego. Może akurat dzielimy zamiłowanie do muzyki Lady Gagi?

Rzecz ma się poniekąd tak, jak z hipsterami: z jednej strony tak bardzo chcą być inni od reszty społeczeństwa (antykonformiści, indywidualiści), że wszyscy są właściwie tacy sami. Idealny hipster nie istnieje. Nawet jeśli nie chcemy „być jak ktoś inny”, to i tak właśnie owi „inni” określają nas w większym stopniu, niż mogłoby nam się wydawać. Najwyższa pora, żeby z tych paradoksów marketerzy wyciągnęli wnioski.

Big Data jest jak kilka tysięcy par dodatkowych oczu, które pozwalają nam patrzeć na klienta z setek tysięcy zupełnie nowych perspektyw. To właśnie przez pryzmat tych obserwacji wyłania się odpowiedni kierunek działań. W końcu nie zmieniła się przecież psychologia handlu, nikt też nie odkrył uniwersalnego wzoru na sprzedaż. Jednak dzięki analityce internetowej oraz nowoczesnym komputerom stało się możliwe odnajdywanie takich powiązań i zależności między faktami, o których wcześniej nie śniło się nawet filozofom.

::

fot. © Mathias Rosenthal - Zobacz portfolio

Zobacz inne polecane artykuły

Od zera do miliardera: Satya Nadella. Człowiek, który redefiniuje produktywność

Magazyn / Ludzie

Od zera do miliardera: Satya Nadella. Człowiek, który redefiniuje produktywność
Od zera do miliardera: Satya Nadella. Człowiek, który redefiniuje produktywność

Gdy mowa o najbardziej nowatorskich firmach technologicznych na świecie, na myśl zazwyczaj jako pierwsze przychodzą takie spółki, jak Apple, Google czy Facebook. Microsoft w gronie wymienionych jest zaś traktowany raczej jako starszy brat, który może i kiedyś napędzał rozwój technologii, ale dziś na tyle przyzwyczaił się do stosowanych przez lata rozwiązań, że daleko mu do miana najważniejszego innowatora. Stojący od przeszło dwóch lat na czele założonej przez Billa Gatesa firmy Satya Nadella robi jednak wszystko, by ów wizerunek zmienić... a niedawny zakup LinkedIna to tylko jeden z przykładów jego starań.

Polski YouTube ma już 25 „milionerów”. Podsumowanie roku na YouTube

Brief.pl / Aktualności

Polski YouTube ma już 25 „milionerów”. Podsumowanie roku na YouTube
Polski YouTube ma już 25 „milionerów”. Podsumowanie roku na YouTube

YouTube ogłasza coroczne podsumowanie najchętniej oglądanych filmów i teledysków – Rewind 2016. „Dzieciaki prosto z więzienia! Zobacz kontrowersyjny występ! [Mam Talent]” to najchętniej oglądane wideo w Polsce. Na liście nie zabrakło również polskich gwiazd YouTube: Abstrachuje.tv z filmami „Czego nie mówią: policjanci” oraz „Najlepszy film motywacyjny na świecie”, a także wideo „Wąs! Wąs! Wąs!” Cyber Mariana (feat. Czwarta Fala). W rankingu znalazł się też film Twardowsky 2.0., jeden z materiałów wchodzących w skład niestandardowego projektu Legendy polskie stworzonego przez Allegro. Jeśli chodzi o zestawienie muzyczne, Polacy najchętniej oglądali klip Sylwii Grzeszczak „Tamta dziewczyna”.