Цифровой маркетинг. Учебное пособие

Рисунок 4.6 – Структура процесса моделирования процессов и систем

Базовые метрики. К простым показателям статистической обработки данных относятся абсолютные показатели за определенный промежуток времени: сеансы (хосты), пользователи, просмотр страниц (хиты), новые сеансы. Также рассматриваются усредненные показатели за определенный промежуток времени, например, просмотр страниц за сеанс, средняя длительность сеанса.

Помимо рассмотренных стандартных показателей интернет-статистики существуют специальные характеристики, которым уделяется много внимания.

CTR, Click Through Ratio (кликабельность) – предполагает процентное отношение количества кликов по определенной ссылке или по баннеру к

Bounce Rate (показатель отказов) – процент людей, которые перешли на страницу и сразу же покинули ее. Высокий показатель отказов ведет к низкому уровню конверсии, поскольку посетители не успевают в достаточной степени изучить контент.

Conversion Rate (коэффициент конверсии) – отношение числа посетителей сайта, выполнивших за время пребывания на сайте целевое действие (покупку,

Оценка эффективности. К простым показателям статистической обработки данных также относятся характеристики, описывающие эффективность привлеченных средств.

CPM, Cost Per Thousand Impressions (стоимость 1000 показов) – стоимость оплаты за 1000 показов ссылки, баннера или продукта рекламодателя на сайте вебмастера. С точки зрения эффективности интернет-рекламы лучше ориентироваться на показатели PPC и PPL.

EPC, Earnings Per Click (заработок с одного клика). В большинстве случаев используется более удобный показатель EPHC, Earnings Per One Hundred

ROI, Return On Investment (возврат инвестиций) – это показатель рентабельности вложений. ROI в процентном соотношении демонстрирует доходность (при значении более 100 %) или убыточность (при значении менее 100 %) конкретной суммы вложения средств в определенный проект. Для расчета этого показателя используется следующее выражение:

где Cost – себестоимость продукта (или услуги), Profit – доход, конечная прибыль с продажи продукта или услуги, Investment – сумма инвестиций.

91

Интеллектуальная обработка данных. С помощью методов интеллектуальной обработки данных определяются более сложные показатели (метрики) сайта.

Рассмотрим некоторые ключевые методы и примеры интеллектуального анализа данных, применяемые в цифровом маркетинге.

Ассоциация, вероятно, наиболее известный, знакомый и простой метод интеллектуального анализа данных. Для обнаружения моделей делается простое сопоставление двух или более элементов, часто того же типа.

Прогнозирование. В комбинации с другими методами интеллектуального анализа данных прогнозирование предполагает анализ тенденций, классификацию, сопоставление с моделью. Анализируя прошлые события, можно осуществить прогноз.

Когортный анализ (cohort analysis) – серия исследований, проведенных через определенные временные промежутки.

Когорта-группа лиц, объединенных общим признаком и датой совершения действия. Например, пользователи, которые зарегистрировались на определенную дату, составляют когорту: все они зашли первый раз и в тот же день. Суть когортного анализа – определение конструктивного признака для формирования когорты и отслеживание изменений в поведении этой группы людей со временем.

Относительно цифрового маркетинга это может быть выделение некоторой группы посетителей интернет-магазина и измерение ключевых показателей для данной группы в течение периода: может быть когорта потенциальных клиентов, посетивших сайт после презентации, дальше можно анализировать действия данной группы.

Когортный анализ позволяет более точно оценить окупаемость рекламных каналов, особенно для отраслей с отложенной конверсией.

Как пример, образовательное учреждение дает рекламу в социальной сети. Через две недели оказывается, что ROI (возврат инвестиций) составляет 50 %. На первый взгляд канал неэффективен. Но на самом деле еще не все привлеченные пользователи успели подать документы в приемную комиссию образовательного учреждения. И если через месяц сравнить данные за этой когортой (пользователи из социальной сети), то ROI может оказаться выше 100 %. Кроме возврата инвестиций, с помощью когортного анализа измеряют число пользователей, которые вернулись на сайт – стали клиентами после повторных заказов, конверсии и т.д.

Когорты можно настраивать не только по часовой признаку, но и подругому, например, по дате первого визита, сумме первого заказа, географии проживания, источниках трафика.

Моделирование экономических процессов и систем. Учитывая многозначность понятия «модель» в науке и технике не существует единой классификации видов моделирования: классификацию можно проводить по характеру моделей, по характеру моделируемых объектов, по сферам моделирования (в технике, физических науках, кибернетике).

92

В настоящее время по технологии моделирования в экономических задачах выделяют такие основные виды моделирования: информационное моделирование; математическое моделирование; имитационное моделирование; эволюционное моделирование.

Процесс моделирования включает три элемента: субъект (исследователь); объект исследования; модель, определяющую (отражающую) отношения познающего субъекта и познаваемого объекта.

Большинство методов построения моделей предполагает наличие знаний об объекте-оригинале. В этом случае используются параметрические модели заранее известного вида.

Однако часто, особенно в задачах по экономике, априорная информация об объекте исследования может полностью отсутствовать, что обуславливает применение методов непараметрической идентификации для построения математической модели объекта контроля на основе данных эксперимента «вход

– выход». Например, при применении некоторого метода цифрового маркетинга для продвижения нового товара в большом регионе никакой информации о поведении рынка у аналитика нет.

Кроме того, существующие методы моделирования, основанные на использовании динамических характеристик, ограничиваются только линейными моделями, а методики, основанные на учете эффектов нелинейности, используют информацию только о свойствах статических характеристик. Реальные экономические объекты, как правило, одновременно обладают и нелинейными и динамическими свойствами.

Нелинейные динамические модели. Основой для создания математической (информационной) модели исследуемого объекта служат результаты измерений его входных и выходных переменных, и решение задачи идентификации связано с получением экспериментальных данных и их обработкой с учетом шумов измерений.

Для описания объектов неизвестной структуры целесообразно использовать наиболее универсальные нелинейные непараметрические динамические модели-модели Вольтерра. При этом нелинейные и динамические свойства исследуемого объекта однозначно описываются последовательностью инвариантных относительно вида входного сигнала многомерных весовых функций – ядра Вольтерра (ЯВ).

Для непрерывной нелинейной динамической системы связь между входным x(t) и выходным y(t) сигналами при нулевых начальных условиях может быть представлено рядом Вольтерра:

(4.6)

93

где wn (t1,...,tn) – ряд Вольтерра n-го порядка, функция симметрична относительно вещественных переменных t1,...,tn; yn(t) – n-а парциальная составляющая отклика нелинейной динамической системы (n-мерный интеграл свертки); t – текущее время.

Для описания нелинейной динамической системы со многими входами и многими выходами используется многомерный ряд Вольтерра, который имеет вид:

(4.7)

где yj (t) – отзыв объекта контроля на j-ом выходе в настоящий момент времени t при нулевых начальных условиях; x1(t),...,xv(t) – входные сигналы; w12 (t1,...,tn)

– ряд Вольтерра n-го порядка по i1,...,in; входам и i j-му выходе, функции симметричны относительно вещественных переменных t1,...,tn; , v – количество входов и выходов объекта контроля, соответственно.

Совокупность многомерных рядов Вольтерра полностью характеризует нелинейные и динамические свойства. Применение моделей на основе рядов Вольтерра позволяет более полно и точно учесть нелинейные и инерционные свойства объекта контроля, делает процедуру модельной диагностики более универсальной, повышает надежность.

Диагностическая процедура в этом случае сводится к определению рядов Вольтерра по данным эксперимента «вход – выход» во временной или в частотной области и построению на основе полученных ядер диагностической системы признаков, в пространстве которых строится диагностическое правило оптимальной классификации.

Предлагаемая информационная технология построения модели рынка основана на непараметрической идентификации объекта с использованием аппарата рядов Вольтерра и укладывается в последовательном решении следующих задач:

1.Генерация тестовых сигналов. В определенные промежутки времени на вход системы подается тестовый сигнал в виде импульса максимальной амплитуды.

2.Фиксация реакции системы. С помощью средств регистрации информации осуществляется запись реакции системы на тестовое воздействие, которое возмущает систему.

3.Построение зависимости отклонения системы во времени. С помощью интеллектуального алгоритма строится зависимость реакции рынка на входное воздействие.

94

Такой подход дает возможность построения адекватных моделей, более глубоко отражают индивидуальные свойства объекта, которые позволяют строить современные приложения с расширенным набором пользовательских возможностей, например, тестирование экономических систем в онлайн-режиме.

Вычислительный метод идентификации многомерных переходных характеристик. С учетом специфики исследуемого объекта для идентификации используются тестовые многоступенчатые сигналы. Если тестовый сигнал x(t) представляет собой единичную функцию (функцию Хевисайда) – ϴ(t), то результатом идентификации является переходная функция первого порядка h1(t) и диагональные сечения n-го порядка hn (t,...,t) (n≥2).

Для определения поддиагональных сечений переходных функций n-го порядка (n≥2) нелинейной динамической системы испытывается с помощью n тестовых ступенчатых сигналов с заданными амплитудой и различными интервалами между сигналами. При соответствующей обработке отзывов получим поддиагональные сечения n-мерных переходных функций:

(4.8)

Например, для определения переходной функции второго порядка нелинейной динамической системы с одним входом и одним выходом сначала система испытывается ступенчатыми сигналами со сдвигами по времени на t1 и t2

(4.9)

измеряются соответствующие отзывы y(t,1,0) и y(t,0,1). Затем подается на вход нелинейной динамической системы двухступенчатый сигнал

(4.10)

и из полученного отклика y(t,1,1) вычитаются отзывы на одиночные ступенчатые сигналы

(4.11)

Для определения переходной характеристики второго порядка для нелинейной динамической системы с двумя входами h12 (t – t1, t – t2) сначала система последовательно испытывается ступенчатыми сигналами со сдвигами по времени на t1 и t2 по разным входам соответственно с амплитудами a и b

(4.12)

Измеряются соответствующие отзывы y(t,11,0) и y(t,0,12). Затем одновременно подают на два входа нелинейной динамической системы ступенчатые сигналы (5.12) с такими же сдвигами t1 и t2. Из полученного отклика y(t,11,12) вычитаются отзывы на ступенчатые сигналы y(t,11,0) и y(t,0,12)

(5.13)

Выбор метода анализа данных во многом зависит от конкретной ситуации:

95

1.Статистическая обработка данных очень проста и может быть выполнена по любой статистике. Практически все готовые инструменты содержат в своем инструментарии средства для статистического анализа данных. Каждая из систем сбора и анализа интернет-статистики включает достаточно полный перечень отчетов, содержащих статистические характеристики анализируемой выборки данных.

Расчеты статистических показателей доступны любым, даже небольшим проектам, а собранная информация в целом достаточно полно описывает зависимости, экономические показатели для того, чтобы оценить эффективность маркетинговых стратегий и выработать управляющее воздействие.

2.Интеллектуальная обработка данных основана на более сложных алгоритмах. Характерной чертой интеллектуальных алгоритмов является большие объемы информации об объекте исследования, а также показания учителя (информация эксперта). Интеллектуальные алгоритмы обработки данных имеют такие системы как Google Analytics, Google Adwords, Google

Trends.

3.Моделирование процессов и систем является наиболее сложным. Для осуществления моделирования необходимы большие объемы информации, так и наборы различных алгоритмов, которые выстраиваются в единый технологический процесс обработки данных, например: фильтрация данных; нормализация данных; заполнение пробелов; сжатие информации; выделение информативных признаков; построение классификаторов; оценка качества модели.

В существующих системах интернет-статистики алгоритмы моделирования практически не реализованы вследствие двух причин: сложные алгоритмы могут быть востребованы лишь небольшим количеством проектов; высокий порог вхождения в данную область: для работ по построению моделей, подготовки исходных данных и интерпретации результатов необходимы специально подготовленные специалисты; данные алгоритмы требуют сложной обработки данных и больших вычислительных ресурсов.

Процесс моделирования маркетинговой деятельности сегодня мало развит, но его потенциальные возможности достаточно высоки. Для решения задач моделирования экономических процессов существует специализированное программное обеспечение. Альтернативным путем построения моделей является обработка данных. Распространенными в этом случае являются пакеты математических вычислений (Matlab, Matcad, Maple и т. п.). Несложные задачи можно решать с помощью электронных таблиц.

Контрольные вопросы и тестовые задания

Вопросы для самоконтроля

1.Принципы сбора статистики в интернете.

2.Преимущества автоматизации сбора данных.

3.Алгоритм работы встроенного счетчика посещений сайта.

4.Технологии и инструменты сбора статистики.

5.Методы обработки статистических данных.

96

б. совращение продолжительности бизнес-процессов; в. повышение качества управленческих решений в сфере маркетинга; г. снижение стоимости бизнес-процессов.

9.К нефинансовым эффектам от внедрения маркетинговой информационной системы можно отнести:

а. повышение лояльности потребителей б. совращение продолжительности бизнес-процессов

в. повышение качества управленческих решений в сфере маркетинга г. улучшение качества обслуживания потребителей

10.Отличительной особенностью методологии IDEF0:

а. четкий учет соподчинённости объектов б. активное использование математических моделей и инструментов

анализа в. использование комбинационно-синтезирующего метода

г. коллективное проектирование

98

ЗАКЛЮЧЕНИЕ

Теория маркетинга, возникла на индустриальной стадии развития человечества в период формирования рынка покупателя и обострения проблемы сбыта, что является закономерным результатом развития меркантилизма, классической и неоклассической политической экономии, маржинализма, институционализма. Маркетинг повышает потребительскую ценность товара, позволяя решить сбытовую проблему двумя способами: адаптационным, за счет маркетинговых инструментов в рамках рыночной формы связи (если общественная форма продукта труда станет товарной, то это станет следствием и подтверждением эффективности маркетинговых усилий); радикальным, за счет маркетинговых инструментов ликвидируется рыночная форма связи, осуществляется переход на планомерную форму связи с потребителями в форме заказов.

Современная концепция маркетинга – это концепция социальноповеденческого маркетинга на основе массовой индивидуализации, предложения максимальной потребительской ценности, оптимального решения проблем потребителя.

Принципом построения периодизации теории маркетинга является: «этап развития теории маркетинга – новая концепция маркетинга, которая соответствует определенному периоду развития экономики». Каждая концепция маркетинга определяет сущность периода, обусловливает научную ценность производных методологических разработок и эффективность маркетинговой деятельности с точки зрения решения проблемы, которая вызвала появление маркетинга, – оптимизации сбыта. В развитии теории маркетинга можно выделить три этапа: а) этап формирования классической концепции маркетинга на основе ориентации на потребителя (1900-1970 гг. – ранняя индустриальная экономика); б) этап формирования концепции социально-этического маркетинга (1970-2000 гг. – поздняя индустриальная экономика); в) этап формирования концепции социально-этического маркетинга на основе массовой индивидуализации, предложения максимальной потребительской ценности и оптимального решения проблем потребителя (с 2000 г. – постиндустриальная экономика).

Теории маркетинга присущи два признака: первый – направленность на устранение недостатка товарного производства в виде нерациональных затрат живого и овеществленного труда, ответственность за решение проблемы оптимизации сбыта на основе выявления предпосылок трансформации продуктов труда в товар; второй – комплексность и синхронность использования маркетинговых инструментов. Маркетинговые инструменты формируются в комплекс маркетинга. Это означает, что каждый инструмент имеет специфическое значение, но цель маркетинга достигается только тогда, когда они используются в комплексе.

Базовой категорией маркетинговой науки является «ориентация на потребителя». В современной экономике меняется способ достижения такой ориентации. Если в классическом варианте маркетинговый подход имеет

99

алгоритм: «выявление потребности – производство товара – предложение товара

– формирование связей с потребителями – сделка», то в современных условиях такой алгоритм приобретает следующий вид: «известная потребность – разработка товара – каталожное предложение линейки новых товаров – ознакомление потребителей с предложением – выбор потребителем варианта товара – формирование связей с потребителями – производство товара – соглашение».

Пертинентность маркетинговых коммуникаций – это понятие, отражающее свойство маркетинговых коммуникаций результативно влиять на поведение потребителей за счет правильного подбора объекта и предмета маркетинговых коммуникаций, носителя, места и времени воздействия. Коэффициент пертинентности маркетинговых коммуникаций является прямо пропорциональным количеству купивших товар под влиянием коммуникативного воздействия от общего количества потенциальных покупателей, подвергшихся коммуникативному воздействию. Если маркетинговые коммуникации наделены пертинентностью, то маркетологам удалось направить коммуникативное воздействие на нужную аудиторию в нужное время и в нужном месте, а содержание и форма воздействия заставили потенциальных клиентов стать покупателями. Коэффициент пертинентности маркетинговых коммуникаций является показателем эффективности привлечения покупателей.

Модель новейших маркетинговых коммуникаций содержит формы, средства реализации, возможности и преимущества онлайн-коммуникаций, цели маркетинговой деятельности в Интернете. Определены атрибуты модели новейших маркетинговых коммуникаций дают возможность комплексно отразить специфику прогрессивных цифровых инструментов маркетинговых коммуникаций.

Одним из главных преимуществ цифрового маркетинга перед классическим является измерение его результатов, который основывается на сборе и хранении статистических показателей действий пользователя. Для сбора и анализа собранной интернет-статистики используются специальные программы или интернет-сервисы. К наиболее популярным сервисам сбора и анализа статистики о посещаемости сайтов относятся Google Analytics, Yandex Metrix и Liveinternet.

100