Межплатформенная аналитика — залог долговременного успеха: мнение ведущих маркетологов

Jonathan Meltzer / Сентябрь 2020 г.
Стилизованное изображение нескольких наложенных друг на друга графиков и диаграмм и синего увеличительного стекла сверху.

Данные — это ключ к эффективным бизнес-решениям. Маркетологи по всему миру сейчас подстраиваются под изменения в поведении потребителей, вызванные пандемией COVID-19. Поэтому, чтобы сохранить лояльность клиентов и привлечь новые источники дохода, необходимо эффективно использовать данные.

Компании получают беспрецедентно большое количество данных о взаимодействии пользователей с приложениями, сайтами и подключенными устройствами. О реакции клиентов на маркетинговые программы узнают, например, по электронной почте, через социальные сети, цифровую рекламу.

Google и компания Forrester Consulting провели исследование, чтобы понять, как маркетологи используют инструменты цифровой аналитики сегодня и как хотят использовать их в будущем. Forrester Consulting опросила 750 руководителей отделов маркетинга в больших предприятиях разных отраслей в США, Великобритании, Франции, Германии, Австралии и Японии.

Результаты показали, что ведущим маркетологам сложно управлять большими объемами полученных данных. Кроме того, в приоритете остается конфиденциальность пользователей и безопасность данных. Маркетологи считают, что именно машинное обучение поможет справиться с этими задачами и станет залогом успеха в будущем.

Менее половины маркетологов используют межплатформенные инструменты аналитики

Маркетологи, которые с трудом справляются с управлением, упорядочиванием и синтезом поступающих к ним данных, не одиноки. Более половины опрошенных сказали, что управлять такими объемами данных сложно. Данные разобщены в разных командах, и привычные инструменты аналитики не подходят для их обработки.

Хотя 84% ведущих маркетологов считают, что межплатформенная аналитика «очень важна», только 43% из них используют такие решения1. Это означает, что многие выбирают отдельные инструменты для анализа данных, полученных с сайтов и мобильных приложений, из-за чего сложно увидеть общую картину2.

Инструменты платформы аналитики

TwG_Analytics.png

Обеспечивать конфиденциальность — обязательно

Нормативные требования по обеспечению конфиденциальности и защите данных сейчас выходят на первое место, поэтому аналитические решения и инструменты должны иметь соответствующие функции. Согласно Генеральному регламенту ЕС о защите персональных данных (GDPR) в Европе, закону штата Калифорния «О защите конфиденциальности потребителей» (CCPA), закону Бразилии Lei Geral de Proteção de Dados (LGPD) и другим нормативным требованиям, маркетологи несут ответственность за персональные данные пользователей.

Руководители отделов маркетинга понимают, что нужно в первую очередь инвестировать в инструменты и рабочие процессы, позволяющие защищать данные клиентов, чтобы сохранить их доверие.

64% руководителей, опрошенных Forrester, говорят, что их компании расширяют свои средства управления конфиденциальностью и данными.

64% руководителей, прошедших опрос Forrester, говорят, что их компании расширяют свои средства управления конфиденциальностью и данными. Половине опрошенных руководителей нужны решения, которые помогут объединить данные о поведении пользователей на разных платформах и устройствах и обеспечат при этом конфиденциальность и защиту3.

Автоматизация и машинное обучение открывают новые возможности

Исследование Forrester также показало: несмотря на большой потенциал машинного обучения, далеко не все маркетологи могут эффективно его использовать, чтобы обеспечить качественную обработку данных клиентов.

Четверо из пяти руководителей признают, что для успеха организации важно получать статистику с помощью машинного обучения. Только 44% считают, что их текущие решения и инструменты работают эффективно. Более половины опрошенных говорят, что их инструментам цифровой аналитики не хватает функций машинного обучения и автоматизации, необходимых для достижения маркетинговых целей4.

Однако маркетологи, которым удается объединить данные о поведении пользователей, ранее разрозненные по продуктам и точкам взаимодействия, получают новую информацию благодаря машинному обучению. Например, расширенные модели анализа данных дают доступ к более подробной статистике сложных процессов поведения пользователей, чтобы можно было принять меры для повышения эффективности. Около четырех из десяти опрошенных маркетологов говорят, что цифровая аналитика упростила передачу специальной статистики командам, работающим с продуктами. Благодаря этому они смогли предоставлять клиентам более качественное и персонализированное обслуживание и контент5.

Взгляд в будущее

Исследование четко показало, что наиболее эффективно используют данные те организации, которые инвестировали в инструменты межплатформенной аналитики. Они обеспечивают конфиденциальность и применяют статистику, полученную с помощью машинного обучения, чтобы создавать более релевантный и привлекательный для пользователей контент.

В нынешних сложных и меняющихся условиях эти решения аналитики помогут маркетологам получить ценную статистику: она принесет пользу компаниям в долгосрочной перспективе.

С полным отчетом Forrester Consulting можно ознакомиться здесь.

Почему моделировать конверсии обязательно, если нет файлов cookie