Изучая сведения, представленные в интернете о прогностической или прогнозной, как ее еще называют, аналитике, можно привести пример о внедрении в магазине Target такой программы как «система прогнозирования беременности» (pregnancy prediction system). Менеджеры компании смогли посчитать выбор беременных на ранних сроках, основываясь на предпочтениях беременных женщин на поздних сроках.
Однажды в магазин Target зашел мужчина и потребовал вызвать менеджера. В своих руках он сжимал огромную кипу купонов магазина, полученных его дочерью.
«Моя дочь получила это по почте! - прокричал он. - Она еще в школу ходит, а вы посылаете ей купоны на детскую одежду и памперсы? Да как вы смеете! Вы хотите таким способом побудить школьниц рожать?»
Менеджер посмотрел на пачку купонов на материнскую одежду, детскую мебель - действительно, они были адресованы дочери рассерженного мужчины. Менеджер принес свои извинения.
Через несколько дней он позвонил мужчине, чтобы еще раз извиниться. По телефону голос отца звучал растерянно. «Знаете, я серьезно поговорил с дочерью, и выяснилось, что в моем доме происходило то, о чем я совершенно не догадывался. Она рожает в августе. Примите мои извинения».
Как Target узнал, что дочь беременна до того, как об этом стало известно ее отцу? Ответ прост - благодаря системе прогнозирования беременности (pregnancy prediction system), разработанной аналитиком компании Эндрю Полом.
В борьбе за будущих родителей
Ученые доказали, что многие наши привычки (в том числе покупательские) довольно трудно изменить. Проанализировав свой маршрут по супермаркету во время закупки продуктов на неделю, вы поймете, что передвигаетесь по одной и той же траектории, кладете в корзину йогурты от одного и того же производителя, туалетную бумагу одного и того же бренда. Но в нашей жизни существуют моменты, когда привычки поддаются колоссальным изменениям - и именно эти периоды бесценны для маркетологов. Речь идет об окончании университета, переезде в другой город, смене работы или планировании беременности. Ожидание ребенка - период, когда мы не только бессознательно, но и сознательно готовы изменить свои привычки, и если нас правильно «зацепить» - мы превратимся в лояльных клиентов на долгие годы.
Поэтому Target поставил перед отделом прогнозной аналитики задачу: определить, какая из покупательниц ждет ребенка до того, как это станет очевидно. Проанализировав покупательские привычки беременных женщин, аналитиками была разработана система прогнозирования беременности.
Представим себе ситуацию: молодая женщина заходит в магазин и покупает лосьон с кокосовым маслом, сумку для прогулок и ярко-голубой плед. Программное обеспечение в Target выдаст свой вердикт: вероятность беременности этой покупательницы - 87%. Данные поступают маркетологам, и теперь Target начнет формировать ее привычки и управлять ими: пришлет ей купон со скидкой на детскую кроватку, присыпку, детские бутылочки и т.д. Причем это будет выглядеть ненавязчиво, чтобы не вызвать волну негодования за «шпионаж»: скидки на товары для детей помещаются среди скидок на другие товары.
Стоит отметить, что ранее Эндрю Пол, руководитель аналитического отдела Target и создатель системы прогнозирования беременности, с удовольствием давал интервью об использовании глубинного анализа данных (data mining) в сети Target и о своем «детище», но вскоре руководство приостановило его красноречие.
А как же закон?
В действительности, когда потребители осознали, каким количеством их личной информации владеет ритэйлер, начало возникать много вопросов о правомерности использования этих данных. С одной стороны, закон в Соединенных Штатах позволяет компаниям проводить исследования с тем, чтобы лучше узнать своих потребителей и продвигать свои продукты наиболее подходящим способом. С другой стороны, никто не дает гарантии, что Target не станет сообщать личные данные третьим лицам далеко не в маркетинговых целях. Известно, что Target передает информацию другим организациям, не входящим непосредственно в торговую сеть Target: продавцам, бизнес-партнерам и другим компаниям. Помимо этого, на законодательном уровне существует мало препятствий для такой передачи данных, она должна лишь соответствовать политике конфиденциальности компании.
Примеры разработок пакетов прогностической аналитики компаниями:
1. Компания SAP анонсировала новый продукт Business Objects Predictive Analysis (набор готовых прогностических алгоритмов, а также позволяет применять собственные алгоритмы статистического анализа, описанные с помощью открытого языка прогностической аналитики под названием R).
2. ClearCommerce Corporation – ClearCommerce использует Clementine® в качестве основы компонента оценки рисков в своем программном продукте ClearCommerce Engine, представляющем собой решение для обнаружения случаев мошенничества с кредитными картами.
3. Banco Espírito Santo (BES) - технологии data mining SPSS помогают BES выявлять клиентов, которые склонны прекратить пользоваться услугами банка, и вовремя принимать меры по их сохранению.
4. HSBC Bank plc - отдел кредитных карт HSBC Holdings plc использует программное обеспечение SPSS для оценки эффективности маркетинговых кампаний и разработки стратегии сегментации клиентов.
5. Ectel – положила технологии SPSS в основу своей системы контроля за случаями мошенничества в телекоммуникационной отрасли.
Департамент полиции Charlotte-Mecklenburg (CMPD) - используя SPSS, CMPD анализирует показатели, связанные с наиболее распространенными правонарушениями, и оценивает удовлетворенность граждан работой полиции.