Системный улучшайзинг

Недавно на техническом прогоне одной конференции я слышал от спикера невероятную историю о том, как в одном из проектов его команде удалось поднять конверсию 2 раза (!) по всему (!) сайту и... это был эпический фейл!

Все дело в том, что наш герой отвечал за запуск маркетплейса финансовых услуг в одной крупной компании. Долго разрабатывали, а после запуска заплакали: конверсия была 0.05%. Да, в смысле именно "пять сотых процента", т.е. практически на уровне погрешности. Проект чуть было не закрыли, но команда отстояла и разродилась той самой фичей, которая подняла конверсию аж в 2 раза — с трагических 0.05% до плачевных 0.1%.

Конечно, фактически рост был минимален. Но появилась надежда! Далее проектную команду ждали еще 1.5 года работы над сайтом. За это время реализовали более 100 фичей (= различных решений по росту конверсии) и вышли на уровень 5% конверсии. Фантастический результат! И не было ни одной, ни одной фичи, которая давала бы прорывной рост. Каждое улучшение вносило свой небольшой вклад в общий результат.

Внутри Smart Data Hub мы называем это "системный улучшайзинг" — непрерывная работа по внедрению (в том числе и небольших) улучшений в маркетинг. Наш евангелист Дмитрий Павлов недавно рассказывал о системном улучшайзинге на конфе "Карьера в маркетинге". С помощью нехитрых математических расчетов Дмитрий показывал, что системная работа по внедрению даже небольших инсайтов, каждый из которых дает всего по 0.25% прироста по целевой метрике, приводит к чудовищному росту по результатам квартала.

Концепция системного улучшайзинга мне очень близка. На встречах с инвесторами я сам зачастую становился участником такого диалога:
— [инвестор] Какая у вас динамика роста по выручке?
— [я] Порядка 10% месяц к месяцу.
— [инвестор] Почему так медленно?
— [я] Вообще-то10% месяц к месяцу — это трехкратный рост за год.

Пруф: (1 + 10/100)^12 = 1.1^12 = 3.14, т.е. более 3 иксов роста за год.

Как говорят японцы: "Быстро — это медленно, но постоянно".

С вами был Игорь Кузин, СЕО в сервисе системного улучшайзинга и взрывных инсайтов Smart Data Hub. Запись выступления Дмитрия Павлова, если что, можно запросить здесь

Пятый аналитический слой

Во времена учебы в универе у нас, как и полагается, были семинары по философии. И был у меня один приятель, одногруппник, который страсть как любил подискутировать. Этот одногруппник и занятия по философии образовывали какую-то взрывоопасную смесь: остановить этого парня было невозможно. И все бы ничего, ведь ваш покорный слуга и сам был не прочь горячо поспорить о всякой ерунде смысле бытия, но ведь приятель задавал поистине идиотские вопросы! Однажды разговор как-то зашел о старых стульях в аудитории. Так он не удержался и, возвысив голос, в патетическом порыве озадачил всех своим вопросом: «Стулья! Но что есть стулья?» В этот раз дискуссии не вышло, группа взорвалась хохотом.

Так вот, друзья, как и тот парень из моего студенческого прошлого, я решил пойти по тонкому льду и задать вам вопрос: зачем мы вообще работаем с данными? Ведь мы собираем данные (1), обеспечиваем их обработку (2), хранение (3), формируем сотни и тысячи SQL-запросов для построения дашбордов (4) – целых 4 слоя работы с данными, зачем это все?

Мы делаем это всего для двух вещей: мониторинга и оптимизации. Мониторинг — чтобы не проморгать, если вдруг что-то пошло не так. Оптимизация — чтобы увеличить эффективность диджитал-маркетинга в условиях ограниченности ресурсов. Добиться роста числа лидов, повышения их качества, снижения CPL, повышения ROMI. Именно для этого мы строим отчетность, именно для этого мы обеспечиваем работу всех этих четырех слоев работы с данными. Именно для этого маркетинг нужен бизнесу — позволять ему зарабатывать больше, драйвить его рост.

Но путь к этим целям зачастую оказывается настолько долгим, что мы уже забываем, куда шли. Мы тонем в бесконечной полировке этих четырех процессов по сбору, обработке, хранению и визуализации данных. Мы строим аналитику и не замечаем, как сам процесс построения уже оказывается нашей целью. Потому что «так правильно», «так принято», «уже выделены ответственные». И на практике я нередко встречал ситуации, когда построение аналитики условно на 100% вызывало фрустрацию бизнес-заказчика. Все эти десятки и сотни дашбордов построены, о Боже, и что же теперь дальше? Зачастую все эти тонны отчетов так и не открываются, а если и открываются, то сил и времени их анализировать, копать данные, катастрофически не хватает.

Но ирония в том, что для оптимизации и мониторинга, на самом деле, не нужны отчеты и дашборды. Нужны инсайты, которые вовремя подсветят опасную динамику в данных, и, главное, покажут ключевые зоны роста: области, где бизнес теряет деньги на неэффективном маркетинге и точки ультраэффективного масштабирования.

Мы в Smart Data Hub называем это концепцией 5го аналитического слоя. Слоя автоматического анализа данных на базе AI. Именно того слоя, который обеспечивает непосредственную финансовую отдачу от данных.

Мы строим автоматическую аналитику для десятков крупнейших компаний, лидеров российского рынка в различных отраслях, и мы поняли, что практически не делились этим опытом с вами! Да, мы обещаем исправиться и системно рассказывать о том, как строить автоматическую аналитику цифрового маркетинга. И в качестве первого шага — ловите наш кейс с брендом Lada на Adindex, где подрядчикам удалось сократить CPL на десятки процентов за счет автоматической аналитики на базе AI.

Игорь Кузин, директор департамента философии и визионерства в Smart Data Hub

Пара слов о мониторинге данных. Или мальчик, который кричал «Волки!»

На днях я писал о мониторинге данных — о том, как отслеживать данные, чтобы ничего не «проморгать». Кому доводилось «промаргивать», тот меня поймет, это по-настоящему больно. Чтобы этого не случилось хорошие маркетологи настраивают алертинг — автоматические уведомления, которые срабатывают, если что-то пошло не так.

Кажется, что может быть проще? Сравнили было/стало, и если упало, то ушел алерт. Делов-то! Вот только мы в Smart Data Hub называем это когнитивной ловушкой простоты алертинга.

Как в той самой басне Эзопа про мальчика-пастушка, который кричал «Волки! Волки!» Жители сбегались на помощь, а он смеялся над ними. Но когда на самом деле появился волк, то мальчику уже никто не поверил. Короче, Эзоп еще VI в до н.э. предупреждал нас о проблеме ложных срабатываний в алертинге! И ведь как точно сформулировал — сначала сотни ложных срабатываний, а потом, когда алерт реально придет, то его уже никто и не посмотрит.

Сегодня на митапе буду рассказывать про все способы построить алертинг: от простого к сложному. Как для наших клиентов мы строили сложнейшие системы правил, которые должен был поддерживать целый отдел. Как настраивали умные пороги, которые должны были кричать «Волки!» при отклонении. Как раскручивали ML-решения. И, главное, почему все это, зараза, не работает!

Существует ли идеальное решение? Возможно ли оно в принципе? Или мы обречены вечно балансировать между срывом KPI и профессиональным выгоранием от алертингового спама?

Приглашаю вас, дорогие друзья, на мой сегодняшний доклад "Девять кругов ада алертинга или как мы перепробовали все и пришли к AI-решению". Разложу все по полочкам по Данте: мы пройдем с вами через удивительные подземелья алертинга и поймем, что нужно делать, чтобы оно все-таки заработало.

Игорь Кузин, временно исполняющий обязанности Вергилия в Smart Data Hub

P.S. Зарегистрироваться на митап «Data Стэк'26» можно вот тут. До встречи в эфире!