Радио 
Современные технологии во многом решили проблему дефицита данных о потребителе. При этом 26% маркетологов по-прежнему не располагают достаточной информацией, а 49% B2C-маркетологов признают, что результаты аналитики не доходят до практических действий. В то же время существует тезис, что порожденный технологиями избыток данных может нанести ущерб, если индустрия не поймет, как превратить их в эффективные решения. В каких случаях избыточная информация может стать проблемой для маркетинга — в материале корреспондента Sostav Мирона Малафая.
Данные и эффективность
Чем больше компания знает о клиенте, тем точнее реклама, эффективнее коммуникация и выше продажи. Поэтому бизнес активно инвестировал в инфраструктуру клиентских данных — от CRM (Customer Relationship Management; система управления взаимоотношениями с клиентами) и CDP (Customer Data Platform; платформа клиентских данных) до сбора first-party data (данные первого порядка). Так, 68% компаний увеличивали вложения в стратегии работы с first-party data, а в России бюджеты на CRM росли у половины опрошенных компаний.
Однако полученную информацию не всегда удается полностью осмыслить. 56% маркетологов не хватает времени, чтобы разобраться в имеющихся данных, часть которых может бизнесу вовсе не понадобиться. В связи с этим директор по маркетингу американской сети Marco's Pizza Стив Кеннеди предложил пересмотреть популярную формулу «данные — новая нефть». По его мнению, сегодня они скорее напоминают уран: при правильном обращении обладают огромной ценностью, но без необходимого понимания способны навредить. Избыточная информация оборачивается потраченными бюджетами, ошибочными решениями и снижением доверия клиентов. Похожую проблему отмечает генеральный директор агентства Quigley-Simpson Карл Фремонт, по словам которого индустрия по-прежнему испытывает сложности именно с выделением полезных инсайтов из огромных массивов информации.
Может ли мешать аналитика
По словам Евгения Балдина, директора по стратегии и исследованиям 
Media Instinct Group, дополнительные данные перестают улучшать маркетинговые решения и начинают создавать информационный шум, когда мы перестаем задавать вопрос «зачем?» Каждый новый источник данных должен проходить тест: влияет ли он на стратегическое решение или меняет распределение бюджета? Если метрика не приводит к действию — это шум. Особенно это заметно в медиа: при десятках атрибуционных моделей, воронок и долей внимания реально нужны лишь пять-шесть показателей, которые коррелируют с долгосрочным ростом. Шум возникает тогда, когда данные собираются «на всякий случай» и обсуждаются на статусах вместо того, чтобы лежать в основе годового планирования.
Ольга Исаенко, руководитель отдела стратегического развития 
Realweb:
Если логика работы с данными зафиксирована (например, основные метрики и KPI по кампаниям — для day-by-day аналитики, поиск инсайтов по сегментам аудиторий — для ежемесячной, а цепочки конверсий — для ежеквартальной), то внимание не будет размываться, будет последовательная проверка гипотез и улучшение результатов. Но если логика подхода — учесть сразу все метрики для всех кампаний, в разрезе аудиторий, дней, моделей атрибуции и так далее, то решения будут приниматься хаотично, без единого подхода. Получим перегруженность данными и невозможность понять, что повлияло на результат.
На практике компании часто отказываются от составных метрик, объединяющих множество факторов, отметила руководитель отдела стратегического развития Realweb Ольга Исаенко. Для корректных выводов необходимо анализировать динамику каждого отдельного фактора и то, как на них влияют реклама и продукт. Кроме того, компания все чаще отказывается от избыточных сегментаций, поскольку принимать решения для каждой узкой целевой аудитории зачастую неэффективно. Если говорить о случаях, когда новые данные могут негативно повлиять на маркетинговые решения, то это происходит прежде всего при использовании показателей, которые не связаны с бизнес-результатами и не объясняют их, дополнила эксперт.
Евгений Балдин, директор по стратегии и исследованиям Media Instinct Group:
Слишком узкая детализация — например, до сегментов менее 100 человек — создает ложное чувство точности: решения масштабируются, а статистика — нет. Мультитач-атрибуция с сотнями касаний часто толкает в перфоманс вместо бренда, хотя на дистанции выигрывает второй. Слишком частые и детальные замеры провоцируют уход только в тактику вместо стратегии. Данные должны быть «медленными» для стратегии и «быстрыми» только для операционного фидбэка.
Кроме того, избыточная информация способна ухудшать качество прогнозов.
Денис Тертычный, CKO ГК 
Starlink:
С точки зрения эконометрики и ML-моделирования, избыток переменных порождает «проклятие размерности». Если мы скормим алгоритмам таргетинга сотни микропризнаков, мы спровоцируем переобучение стабильно работающих моделей. Они найдут ложные корреляции и примут случайный шум за реальные паттерны поведения. В итоге предсказательная сила падает, и мы получаем искаженные расчеты.
С позиции теории систем могу сказать, что информационный перегруз существенно удлиняет петли обратной связи. Маркетинговая машина становится неповоротливой: время на обработку начинает превышать скорость изменения рынка, и мы теряем управляемость, по сути, оптимизируя кампании для «прошлого».
И наконец, не стоит забывать про информационную безопасность. Каждый дополнительный атрибут профиля пользователя, который мы добавляем ради призрачного увеличения конверсии на доли процента, кратно повышает риск утечки информации. Хранение избыточных данных экспоненциально увеличивает затраты на DLP-инфраструктуру, аудит прав доступа и комплаенс-риски.
Кому принадлежат цифры
С увеличением количества источников возникает и организационный вопрос: кто должен определять, какие данные действительно нужны компании? Маркетологу важна эффективность коммуникации, аналитику — статистическая надежность выводов, IT-команде — корректная работа инфраструктуры, бизнесу — финансовый результат. По данным исследования Supermetrics, 52% опрошенных маркетологов не контролируют стратегию работы с данными в своих организациях. Компания предлагает разделять ответственность между маркетингом и аналитическими подразделениями: первые формулируют бизнес-вопросы и применяют результаты, вторые отвечают за качество, хранение и корректность обработки информации.
По мнению Ольги Исаенко, для эффективной работы необходима слаженная связка: бизнес задает фокус на конечный результат, маркетинг использует промежуточные метрики и дашборды, а аналитики их создают и валидируют. Конфликты между подразделениями обычно возникают из-за разницы интересов: маркетинг стремится к постоянным тестам и сбору новых данных, аналитики указывают на отсутствие статистической значимости, а бизнес требует максимальной эффективности без лишних затрат и внутренних споров. При этом верные решения, как правило, рождаются на стыке экспертиз.
Определять, какие данные нужны, а какие нет, должен директор по маркетингу через призму бизнес-целей, убежден Евгений Балдин. Роль IT и аналитиков заключается в том, чтобы предоставлять корректную информацию по запросу маркетинга. Хотя бизнес часто требует быстрой окупаемости, грамотный маркетинг способен объяснить руководству связь между инвестициями и результатами на разных временных горизонтах. Инструментом для этого служит единое управление данными со стратегическим фильтром, который позволяет отсекать лишнюю информацию.
Сергей Фокин, продакт-менеджер 
CleverData:
Только отдел маркетинга определяет, какие данные нужны маркетингу. Задача IT — доставить эти данные. Аналитики могут оперировать другим пулом данных, более широким или узким. Бизнес занимается бизнесом и находится на другом уровне абстракции.
Когда информации достаточно
В идеальной картине маркетолог располагает полной историей взаимодействия клиента с брендом, знает влияние каждого рекламного контакта и может точно прогнозировать результат. В реальности индустрия часто сталкивается с дилеммой: принять решение на неполных данных или потратить слишком много времени на попытку собрать идеальную картину.
Вторая крайность опаснее, считает Евгений Балдин. Рынок ускорился: инфляция медиа, демография, платформенные алгоритмы. Пока вы собираете идеальные данные, конкуренты, возможно, приняли более эффективные решения. В медиа цена ошибки неполноты ниже — есть эвристика и экспертиза (мы знаем, как работают каналы и креативы). А цена идеальности — потеря окна возможностей и паралич решений. Рабочим кажется следующий принцип: 80% данных + 20% опыта = оперативное решение. Дальше — убытки от ожидания превышают убытки от неточности.
Решение зависит от стоимости риска, а также от времени и ресурсов, необходимых для сбора данных, дополнила Ольга Исаенко. Например, для выбора более эффективного оффера и креатива к Черной пятнице можно запустить A/B-тест и принять решение в процессе размещения, чтобы не упускать пик спроса. А для выбора каналов многомиллионной GTM-кампании нужны предварительные исследования. И таких сценариев может быть очень много.
Михаил Чиликин, руководитель аналитического отдела агентства 
i-Media:
Рекламодателю, конечно, стоит найти золотую середину: определить ключевые данные и затем их детализировать при необходимости. Диджитал-ландшафт в России довольно стремительно меняется, поэтому выстраивать идеальную картину утопично — она будет устаревать до релиза. С другой стороны, стоит помнить, что у всех участников и так по умолчанию «неполные данные», так как посчитать все касания своей аудитории с брендом технически невозможно — мы видим только часть картины и реагируем на динамику. Для обратимых решений — например, при проведении эксперимента — можно применять неполные данные. При необратимых — например, при формировании годового бюджета — цена ошибки выше и лучше максимально проработать данные и вложиться в исследования.
ИИ решит все проблемы?
Большие языковые модели умеют находить закономерности, сравнивать сегменты аудитории, строить прогнозы и проверять гипотезы. Они стали своеобразным «рычагом», который существенно ускорил работу в интеллектуальной сфере. В то же время доступность технологии снизила барьер для производства информации. Однако проблему «перепроизводства» невостребованных отчетов усугубляло любое появление новых источников данных, отметила Ольга Исаенко. Чем дешевле становился сбор данных, тем больше создавалось отчетов, часть из которых не использовалась для принятия решений. Но также появлялись метрики и подходы, без которых сложно представить современный маркетинг. По мнению спикера, на смену избыточной отчетности от ИИ со временем придут принципиально новые методологии и аналитика, которые сделают маркетинг эффективнее.
При этом пока только 6% маркетологов полностью интегрировали нейросети в рабочие процессы. Как отмечают представители индустрии, вычислительные возможности нейросетей не равны пониманию человека. Например, ИИ посчитает, сколько гостей заказали блюдо во вторник, и выявит закономерности, но не ответит, почему клиент выбрал конкретный бренд.
Евгений Балдин, директор по стратегии и исследованиям Media Instinct Group:
ИИ способен генерировать десятки вариантов сегментаций, прогнозов и корреляций за секунды. Без стратегической призмы это приведет к «аналитическому шуму» — отчетам ради отчетов. Уже сейчас есть команды, где соревнуются в сложности моделей, а не в их полезности. Решение: задавать ИИ не «что ты видишь?», а «на какой вопрос мы отвечаем?» Иначе алгоритмы начнут находить паттерны в белом шуме.
Михаил Чиликин, руководитель аналитического отдела агентства i-Media:
ИИ может перегрузить восприятие потребителей отчетов. ИИ существенно снижает порог входа в данные — теперь свой дашборд может собрать практически любой пользователь нейросеток, который владеет ими на базовом уровне. Но этот пользователь все равно вынужден подготовить почву в виде сбора данных, задать правильные промпты и вопросы, договориться с другими участниками об интерпретации и составе метрик. Отчеты можно делать быстрее и больше, но изучать их все равно людям — эта часть пути существенно не изменилась и может стать узким горлышком, поэтому особо важно эти отчеты не перегружать. Также ИИ склонен выдавать правдоподобные, но ложные инсайты — их проверка стоит времени и требует наличия специалиста. Помимо этого, ИИ хорош на начальной стадии проекта, но когда начинаются доработки, может стремительно забуксовать из-за переполнения своего контекстного окна. Подобные решения хороши для малого и среднего бизнеса или небольших команд маркетинга, но не всегда для крупных компаний, в которых полезность ИИ будет обуславливаться качеством процессов по его использованию.
Ревизия данных
Как определить, какие показатели действительно нужны маркетингу? Один из путей решения проблемы, обозначенной Стивом Кеннеди, — пересмотр информации, которую принято считать обязательной. Например, по мнению Евгения Балдина, переоценены соцдемхарактеристики: в мобильном мире поведение и контекст зачастую значат больше, чем «паспорт». Данные о кликах и последнем касании создают ложную иллюзию прямой конверсии и при этом нивелируют реальную значимость бренда. В то же время, по мнению эксперта, недостаточное внимание уделяется контексту потребления, который предсказывает внимание пользователя лучше любого таргетинга, а также психографике, основанной на паттернах поведения. Системно недооцениваются метрики внимания и данные тех, кто отказался от покупки: поведение и мотивы людей, не совершивших сделку, объясняют рынок точнее, чем лояльные отзывы.
Сергей Фокин, продакт-менеджер CleverData:
Неавторизованная активность клиента — недооцененная «золотая жила» для построения полного клиентского пути. Важно помнить, чем полнее история, тем точнее работа прогнозных моделей на отток, на лучшее предложение и так далее. Забыли про анонимную активность — выкинули часть пути конкретного клиента из датасета анализа, следовательно, получили по нему неверный прогноз. Последствия могут быть весьма разнообразны: упустили вероятность оттока, потратили бюджет, предотвращая отток, который не должен был состояться, отпугнули нецелевой рекламой.
Рач Хумалян, технический директор 
Digital Caramel:
На мой взгляд, рынок цифровой рекламы переоценивает данные, которые легко измерить, и недооценивает те, что помогают оценить качество контакта с аудиторией. К переоцененным я бы отнес CTR (Click-Through Rate; коэффициент кликабельности), социально-демографические сегменты на основе сторонних данных и количество показов. Высокий CTR не гарантирует продаж: клики могут быть случайными, а часть из них — результатом недействительной активности. Погоня за кликабельностью стимулирует использование агрессивных форматов, которые раздражают пользователей и могут вредить бренду. Сегменты вроде «женщины 25−34 лет, интересующиеся путешествиями» тоже создают иллюзию точности. На практике они часто строятся на недолговечных cookie и косвенных признаках, достоверность которых ограничена. А засчитанный показ еще не означает, что пользователь действительно увидел рекламу.
Недооценены контекст потребления контента, видимость рекламы, время в зоне видимости. То, что человек читает прямо сейчас, помогает понять его актуальный интерес без необходимости собирать персональные данные. А время видимого контакта позволяет отличить рекламу, которую пользователь успел заметить, от баннера, исчезнувшего с экрана за долю секунды. Важны и показатели вовлеченности: дочитывания, возвращения на сайт, время на странице. Они помогают оценить качество аудитории, но при закупке рекламы им уделяют меньше внимания, чем охватам и кликам.
Рынок переплачивает за данные о том, кто пользователь, и недооценивает информацию о том, в каком контексте и при каких условиях он встречает рекламу. Именно качество контакта, а не формальное количество показов или кликов, должно быть отправной точкой для оценки эффективности размещения.
Итоги
Компании продолжают расширять инфраструктуру сбора информации, но далеко не все данные превращаются в эффективные решения: аналитика дублируется, метрики не связаны с бизнес-результатами, а детализация создает иллюзию точности. В итоге избыточная информация может замедлять принятие решений и приводить к нежелательным результатам. Выходом может стать избавление от «лишнего». Каждому источнику данных нужен понятный бизнес-вопрос и правило применения. Особенно важно сместить фокус с легко измеримых показателей — кликов, показов и формальных соцдем-сегментов — на качество контакта, контекст потребления, поведение аудитории и данные тех, кто не совершил покупку.