Поведенческая аналитика - это недавний прогресс в бизнес-аналитике, который позволяет по-новому взглянуть на поведение потребителей на платформах электронной коммерции , онлайн-играх, веб-приложениях и мобильных приложениях, а также в Интернете вещей . Быстрое увеличение объема необработанных данных о событиях, генерируемых цифровым миром, позволяет использовать методы, выходящие за рамки обычного анализа [ рекламный язык ]по демографическим и другим традиционным показателям, которые говорят нам, какие люди и какие действия предпринимали в прошлом. Поведенческий анализ направлен на понимание того, как действуют потребители и почему, что позволяет делать точные прогнозы о том, как они, вероятно, будут действовать в будущем. Это позволяет маркетологам делать правильные предложения нужным сегментам потребителей в нужное время.
Поведенческая аналитика может быть полезна для аутентификации в целях безопасности. Он использует неидентифицируемые, но индивидуально уникальные факторы для подтверждения личности пользователя. Личность пользователя аутентифицируется в фоновом режиме с использованием таких факторов, как движение мыши, скорость набора текста и привычки , сведения о сети, такие как IP-адрес, используемый браузер и т. Д.
Поведенческая аналитика использует огромные объемы необработанных данных о пользовательских событиях, собранных во время сеансов, в которых потребители используют приложение, игру или веб-сайт, включая данные о трафике, такие как путь навигации, клики, взаимодействия в социальных сетях, решения о покупке и оперативность маркетинга. Кроме того, данные о событиях могут включать в себя рекламные показатели, такие как время от клика до конверсии, а также сравнения между другими показателями, такими как денежная стоимость заказа и количество времени, проведенного на сайте. [1] Эти точки данных затем компилируются и анализируются, отслеживая прогресс сеанса с момента первого входа пользователя на платформу до совершения продажи или какие другие продукты пользователь купил или посмотрел перед этой покупкой. Поведенческий анализ позволяет прогнозировать будущие действия и тенденции на основе сбора таких данных.
Поскольку для анализа требуется сбор и агрегирование больших объемов персональных данных, в том числе высокочувствительных (таких как сексуальная ориентация или сексуальные предпочтения, проблемы со здоровьем, местоположение), которые затем передаются между сотнями сторон, участвующих в целевой рекламе , поведенческая аналитика вызывает значительные опасения по поводу нарушения конфиденциальности. [2] [3]
В то время как бизнес-аналитика более широко ориентирована на то, кто, что, где и когда занимается бизнес-аналитикой , поведенческая аналитика сужает эту область, позволяя брать кажущиеся несвязанными точки данных для экстраполяции, прогнозирования и определения ошибок и будущих тенденций. Требуется более целостный и человечный взгляд на данные, соединяющий отдельные точки данных, чтобы сообщать нам не только о том, что происходит, но также и о том, как и почему это происходит.
Примеры и реальные приложения
Данные показывают, что большой процент пользователей, использующих определенную платформу электронной коммерции, нашел ее, выполнив поиск по запросу «тайская еда» в Google. После перехода на главную страницу большинство людей какое-то время просматривали страницу «Азиатская еда», а затем выходили из системы, не разместив заказ. Рассмотрение каждого из этих событий как отдельных точек данных не отражает того, что на самом деле происходит и почему люди не совершили покупку. Однако просмотр этих точек данных как представления общего поведения пользователя позволяет интерполировать, как и почему пользователи действовали в данном конкретном случае.
Поведенческая аналитика рассматривает весь трафик сайта и просмотры страниц как временную шкалу связанных событий, которые не привели к заказам. Поскольку большинство пользователей ушли после просмотра страницы «Азиатская еда», может быть разрыв между тем, что они ищут в Google, и тем, что отображается на странице «Азиатская еда». Зная это, беглый взгляд на страницу «Азиатская еда» показывает, что на ней не выделяется тайская еда на видном месте, и поэтому люди не думают, что она действительно предлагается, даже если это так.
Поведенческая аналитика становится все более популярной в коммерческой среде. Amazon.com является лидером в использовании поведенческой аналитики, чтобы рекомендовать дополнительные продукты, которые клиенты, вероятно, купят на основе их предыдущих моделей покупок на сайте. [4] Поведенческая аналитика также используется Target для предложения продуктов покупателям в их розничных магазинах, в то время как политические кампании используют ее для определения того, как следует подходить к потенциальным избирателям. Помимо приложений для розничной торговли и политики, поведенческая аналитика также используется банками и производственными фирмами для определения приоритетности потенциальных клиентов, генерируемых их веб-сайтами. Поведенческая аналитика также позволяет разработчикам управлять пользователями в онлайн-играх и веб-приложениях. [4]
IBM и Intel создают экосистемы подключенных решений и расширенной аналитики. В розничной торговле это Интернет вещей (IoT) для отслеживания покупательского поведения.
Типы
- Электронная торговля и розничная торговля - рекомендации по продуктам и прогнозирование будущих тенденций продаж
- Онлайн-игры - прогнозирование тенденций использования, нагрузки и пользовательских предпочтений в будущих выпусках
- Разработка приложений - определение того, как пользователи используют приложение для прогнозирования будущего использования и предпочтений.
- Когортный анализ - разбиение пользователей на похожие группы, чтобы лучше понять их поведение.
- Безопасность - обнаружение скомпрометированных учетных данных и внутренних угроз путем обнаружения аномального поведения.
- Предложения - Людям, которым это понравилось, понравилось также ...
- Представление релевантного контента (предпочтения, группы пользователей и т. Д.) На основе поведения пользователей. [5]
Составные части
Идеальное решение для поведенческой аналитики должно включать:
- Сбор в реальном времени огромных объемов необработанных данных о событиях со всех соответствующих цифровых устройств и приложений, используемых во время сеансов
- Автоматическое объединение необработанных данных о событиях в соответствующие наборы данных для быстрого доступа, фильтрации и анализа
- Возможность запрашивать данные неограниченным количеством способов, позволяя пользователям задать любой бизнес-вопрос.
- Обширная библиотека встроенных функций анализа, таких как когортный анализ, анализ путей и воронок
- Компонент визуализации
Смотрите также
Рекомендации
- ^ Yamaguchi, Kohki. «Использование рекламных данных для анализа поведения» . Колонка "Аналитика и маркетинг" . Маркетинговая земля.
- ^ Биддл, Сэм (20 мая 2019 г.). «Благодаря Facebook ваша сотовая компания наблюдает за вами более пристально, чем когда-либо» . Перехват . Проверено 1 июля 2019 .
- ^ «Прощай, Chrome: веб-браузер Google стал шпионским ПО» .
- ^ а б «О, ведите себя! Как поведенческая аналитика способствует более персонализированному маркетингу» (PDF) . Архивировано из оригинального (PDF) 14 июля 2014 года.
- ^ Бехруз Омидвар-Тегерани; Сихем Амер-Яхья; Александр Термье. Интерактивный анализ групп пользователей . Международная конференция по управлению информацией и знаниями (CIKM) 2015.
дальнейшее чтение
- Нагайтис, Марк. «Поведенческая аналитика: почему и как совершаются покупки в Интернете» . eCommerce Times.
- Джек, Смит. «Лучшие технологии для отслеживания поведения покупателей в розничной торговле» . Технология V-Count.