Последние несколько лет маркетологи только и говорят о больших данных в собственных рекламных кампаниях. Однако, до сих пор на рынке реализовано сравнительно небольшое число масштабных кейсов с использованием этой технологии. Один из них — кейс Сбербанка, которому удалось повысить эффективность рекламных кампаний в 1,5 раза с помощью объединения поведенческих и транзакционных данных. Альберт Усманов, директор по цифровому маркетингу Сбербанка, рассказал о том, как они работали с данными чтобы решить маркетинговые задачи.

Несколько слов о недооцененных данных

Банки для маркетолога - это крупнейшие и самые недооценённые игроки на рынке рекламных данных. Хороший банк знает о вас практически всё: где вы обедаете, куда и когда путешествуете, кем работаете, сколько тратите на продукты питания и так далее.

На основе транзакций по половине клиентских групп можно было бы построить модели для прогноза будущих трат и потребностей, к примеру, с помощью ассоциативного анализа трат и построения логистических регрессий внутри кластеров.

 

 

В этой радужной картине есть две проблемы:

Если в целом взглянуть на рынок финансовых услуг, а не только на ключевые банки в России и СНГ, то большинство из них не умеет превращать кучу разрозненных данных в осмысленные гипотезы и модели. И не научатся это делать в ближайшие годы из-за нормативных и внутренних бюрократических ограничений. Фактически большая часть банков сидит на мешках с деньгами, но не знает, что с ними делать.

У банков есть очень много транзакционных данных, но практически нет реальных поведенческих, к примеру, банки не знают о том, что вы мечтаете поехать в Исландию. Финансовые организацию могут узнать об этом зачастую в момент, когда вы совершите оплату, например, ужина, в одном из ресторанов Рейкьявика.

Получается, что у условного Яндекса есть знание о ваших намерениях, а у банков — возможностях. Но объединить по-человечески эти данные никто не может. Особенно если вы проводите кучу рекламных кампаний в течение месяца на совершенно разных площадках, находитесь на высококонкурентном рынке и над вами ещё висит огромное количество законодательных ограничений по использованию этих данных.

Подружили поведенческие и транзакционные данные

Чтобы получить поведенческие данные и научить их ладить с транзакционными мы - Сбербанк - приобрели компанию Segmento. Эта платформа позволяет нам легально и бережно (с точки зрения безопасности и соблюдения всех требований конфиденциальности, в т. ч. банковской тайны) получать в сети обезличенную информацию о потребностях наших клиентов или людей, которые ими могут стать.

На практике это означает, что Сбербанк может в автоматическом режиме находить обезличенные сегменты пользователей с выраженной потребностью, в активном канале, в конкретное время и с учётом конкретной ситуации, а также предоставлять им целевое предложение и рекомендовать наиболее удобный канал для его покупки или доставки.

 

 

Сейчас процесс сведения обезличенных поведенческих и транзакционных данных построен достаточно нетривиальным способом. Базовый уровень — это мэтчинг владельцев карт с помощью собственных онлайн и мобильных сервисов, например, мобильных приложений и сайтов Сбербанка. Это почти 35 миллионов розничных клиентов ежемесячно.

Второй уровень чуть сложнее: мы стараемся найти тех пользователей, кто не использует наши онлайн-сервисы или, к примеру, делает это нерегулярно. Для их поиска мы запустили отдельный проект — Synchub, позволяющий мэтчить устройства и владельцев карт с помощью «стабильных» идентификаторов через партнёрские сервисы и ресурсы.

Что в итоге получилось?

В начале второго квартала мы проводили рекламную кампанию по продвижению ипотеки от Сбербанка. Используя поведенческие данные мы разработали несколько моделей, чтобы выделить аудиторию с устойчивым интересом в категории «Жилищные кредиты». Далее - сформировали сравнительно простые алгоритмы коммуникации с каждым отдельным пользователем в зависимости от его деперсонализированного профиля.

К примеру, для людей, которые хотели жить в новостройке, мы предлагали специальные условия на кредит на покупку квартиры на первичном рынке недвижимости, а для поклонников загородной недвижимости — дачу. Такой подход позволил нам снизить стоимость качественного визита на 245% - по сравнению с другими размещением, а также снизить стоимость CPA на 170%.

 

 

Другой пример: мы предлагали людям кредит — на основе их поведения и транзакционной активности. Каждому конкретному сегменту пользователей мы показывали персонализированную сумму в рублях, ставку по кредиту, а также срок его погашения. Пользователь мог оформить кредит по индивидуальным условиям сразу в «Сбербанк Онлайн». Все это в конечном итоге позволило нам снизить в девять раз стоимость привлечения клиента, а также снизить общие операционные расходы банка на оценку кредитоспособности за счет исключения из кампании не целевых заемщиков.

 

 

Мы экспериментировали по продаже владельцам малого бизнеса кредитных продуктов от Сбербанка. Выделили компании, которые, по нашим данным, могли нуждаться в кредите. Далее - разработали модель, которая учитывала деятельность компании и перечень лиц, принимающих в ней решения (финансы, маркетинг, высший менеджмент).

С помощью этой модели мы смогли в автоматическом режиме найти и обратиться к нужным людям, конкретной коммуникацией и подходящей частотой. Такой подход позволил нам привлечь более 50% от общего количества заявок на кредит по стоимости в три раза меньше, чем в контексте.

 

 

Что дальше?

Для нас Segmento - это не только технология, который позволяет проводить рекламные кампании на обезличенные сегменты потребителей. Сейчас с помощью этого сервиса нам удалось персонализировать часть коммуникаций на sberbank.ru. Например, баннеры на главной, а также специальные предложения на внутренних страницах сайта. А в ближайшем будущем мы планируем оптимизировать продуктовые и посадочные страницы под конкретного потребителя. Это, к примеру, могут быть индивидуальные предложения или автоматический подбор продуктовых опций, которые лучше всего подходят посетителю.

В отделениях банка, которых более 16 тысяч, мы строим экосистему, которая самостоятельно принимает решение о том, какие рекламные материалы будут показываться на плазмах, экране смартфона при подключении к Wi-Fi, а также медиафасадах, - в зависимости от времени суток, местонахождения отделения или особенностей клиентского потока в нём. Иными словами, если отделение находится рядом с вузом, то рано утром основной контент будет ориентирован на жителей района, которые спешат на работу, днём - на приходящих в отделение студентов и их родителей, а вечером - гостей близлежащих кафе и магазинов.

 

Текст: Альберт Усманов, директор по цифровому маркетингу Сбербанка