Remigiusz Siudziński Pomagają, ale nie od razu. Po pierwsze zaczęliśmy od przeanalizowania, jakie wiadomości o czytelnikach gromadzimy w tych bazach. Inaczej mówiąc, jakie dane uzyskujemy, kiedy ktoś zamawia książkę lub prenumeratę jakiegoś czasopisma. Co mu w takiej sytuacji zaproponować? Inną książkę lub może prenumeratę? No i oczywiście trzeba to zrobić w taki sposób, aby użytkownik nie potraktował tego jako spam.

CRN To na dzień dobry, a co potem?

Remigiusz Siudziński Musieliśmy sprawdzić, czy określone procesy działają. To pozwoliło nam zidentyfikować słabości, które teraz systematycznie eliminujemy. Przykładowo pewien sposób rejestracji w jednym z naszych kilkudziesięciu portali skutkował otrzymywaniem newslettera, a inny – już nie. 

CRN Co zrobić, żeby ujednolicić setki różnych procesów tego typu?

Remigiusz Siudziński Musieliśmy zabrać się za połączenie trzech repozytoriów danych, zawierających trzy rodzaje informacji, w jeden system. Pierwszy pochodzi z systemu zarządzania zamówieniami, czyli z Order Management. Drugi z naszych serwisów internetowych – to dane uzyskane podczas rejestracji użytkownika. Trzeci to dane behawioralne pochodzące z systemu Marketing Automation, czyli – w naszym przypadku – z SALESmanago.

CRN No dobrze, a co poza ujednoliceniem procedur wydawnictwo będzie z tego miało w kontekście sprzedaży?

Remigiusz Siudziński W ten sposób tworzymy spójny i wielowymiarowy obraz użytkownika. Wyobraźmy sobie, że jakaś osoba odwiedza portal Elle.pl. System informuje nas, czy jest ona bardziej zainteresowana modą, kosmetykami czy też sportem. To kolejny krok do zbudowania systemu zarządzania danymi, czyli Data Management Platform, który pomoże określić relacje między klientami a naszymi produktami i usługami.

CRN A z jakich produktów Big Data korzystacie w dziale analiz?

Remigiusz Siudziński Powiedziałbym, że to raczej Data Science, bo stosujemy ujęcie obejmujące analitykę, systemy uczenia maszynowego i produkty eksploracji danych – Data Mining. Na rynku jest wiele darmowych i płatnych narzędzi, spośród których w pierwszym rzędzie wymieniłbym SPSS, Statistica oraz R. Prawdopodobnie wybierzemy to ostatnie, bo dobrze integruje się z MS SQL. Płatne rozwiązania wykorzystamy tylko do zbudowania Data Management Platform. Nie będziemy korzystać z darmowych systemów zarządzania bazami danych, bo w ich przypadku problem polega na tym, że programiści muszą się sporo napracować, aby stworzyć zintegrowaną bazę.

CRN Załóżmy, że ten system już mamy. Jakie będą z niego korzyści?

Remigiusz Siudziński Jeśli chodzi o uczenie maszynowe, to chciałbym zaprząc je do identyfikacji użytkowników, którzy przestają korzystać z usług, czyli nie ponowią zakupów w naszych serwisach internetowych. Chciałbym go także użyć do analizy koszykowej. Czyli stworzyć reguły opisujące grupy osób, które kupowały jakiś produkt, zbadać, co jeszcze wybrali, aby wykorzystać te informacje do planowania rekomendacji.

CRN Również w przypadku CRN-a narzędzia Big Data mogą być użyteczne, bo dbamy nie tylko o systematyczny wzrost liczby prenumeratorów, ale także o rozwój naszej bazy pod względem jakościowym. 

Remigiusz Siudziński Nie wiem, czy warto zdradzać konkurencji nasze patenty. Powiem więc tylko tyle, że aby polepszyć jakość bazy prenumeratorów-przedsiębiorców, nie trzeba wcale korzystać z rozwiązań Big Data. Na podstawowym poziomie wystarczą wywiadownie gospodarcze. Można otrzymać od nich różne dane: od kontaktowych poprzez informacje o liczbie pracowników po dane finansowe oraz informacje o powiązaniach inwestorskich. Są tam nawet dane na temat marek i modeli samochodów, którymi jeżdżą pracownicy określonej firmy.

CRN A czy na przykład systemy Big Data mogą pomóc w określeniu, jak będzie się zmieniała „populacja” firm resellerskich w przyszłości?

Remigiusz Siudziński Można spróbować zbudować odpowiedni model, a następnie go przetestować. Jeśli będzie prognozował z dużym błędem, to może znaczyć, że mamy za mało danych. Najczęściej problem tkwi bowiem w danych, a nie w algorytmach. Jeśli chcemy zwiększyć skuteczność prognozowania, łatwiej jest tego dokonać, poszerzając zakres danych, niż aplikując nową metodę analityczną.

CRN OK, załóżmy, że metoda jest dobra, ale trzeba ją uzupełnić o dane? O jakie?

Remigiusz Siudziński O historyczne, ale właściwie określone, na przykład wielkość obrotów lub liczbę osób zatrudnionych w branży lub w jej segmentach. Weryfikacja modelu polega na zastosowaniu metody w odniesieniu do prawdziwych danych z przeszłości. Gdyby wynik estymacji i dane rzeczywiste okazały się podobne, wtedy tę metodę można by uznać za wiarygodną.

CRN A ile czasu zajmie stworzenie określonego modelu dla bazy liczącej kilka tysięcy firm z uwzględnieniem bardzo różnych czynników, czasem nawet dość, zdawałoby się, odległych od IT, jak na przykład zmiany w prawie czy zmiany pokoleniowe?

Remigiusz Siudziński Nie ma na to prostej odpowiedzi. To zależy od danych i od tego, czy i w jakim stopniu rozwiązanie problemu jest uzależnione od posiadanych przez nas informacji. Może być tak, że cały rok będziemy zbierać dane z zewnątrz, ale efekt będzie mizerny – przyjęty przez nas model okaże się nieprzydatny. Generalnie widzę fundament do współpracy między redakcją CRN a działem Big Data w Burdzie. W waszej bazie znajduje się wiele informacji, które są uzyskiwane w trakcie rejestracji prenumeratora. Poza tym dane dotyczą ciekawej grupy użytkowników. Moim zdaniem ich wartość jest spora.

CRN Na pewno, ale nie chcemy i nie będziemy na przykład wykorzystywać naszych analiz do, dajmy na to, cross-sellingu. Nasi prenumeratorzy są bardzo wrażliwi na tym punkcie i oczekują od nas konkretnej, branżowej wiedzy. Z kolei nasi reklamodawcy chcą z taką wiedzą dotrzeć do jak największej i najlepszej grupy docelowej. Każde działanie niespójne z powyższymi założeniami to dla nas potencjalny kłopot, a nie zysk.

Remigiusz Siudziński Niemniej dzięki naszym działaniom możemy chociażby jeszcze bardziej zwiększyć skuteczność newslettera. SALESmanago informuje, w które pokazywane tam artykuły klikają prenumeratorzy. W przyszłości wszystkie dane z tego systemu będą dostępne w DMP. Współczynnik klikalności CTR określa procentowy udział osób, które kliknęły link, w odniesieniu do osób, którym wysłano link. Dla CRN-a oscyluje on w granicy 6 proc. To bardzo dużo, bo w przypadku innych tytułów to jedynie około 1 proc. Natomiast OR, czyli liczba otwarć wiadomości, wynosi 18 proc. i też wyraźnie przekracza średnią w wydawnictwie.

CRN W jaki sposób dzięki takiej wiedzy można jeszcze bardziej poprawiać skuteczność?

Remigiusz Siudziński Na przykład dzięki wysyłaniu maili zgodnych z zainteresowaniami prenumeratora, ale też do przygotowania kilku wersji newslettera. Jeden dla szefa firmy, inny do PM-a, a jeszcze inny dla handlowca. Rzecz jasna, trzeba odpowiednio skategoryzować użytkowników. A potem porównać efektywność nowego mailingu ze starym. Dodatkowo poznalibyśmy wówczas CTR dla prezesów, PM-ów i handlowców. Dzięki temu będziemy wiedzieć, która grupa jest najbardziej „podatna” na mailing. W każdym razie pole do działania jest. I to bardzo dobra wiadomość dla wszystkich – czytelników, redakcji i wydawnictwa.

Artykuł Od nadmiaru głowa nie boli pochodzi z serwisu CRN.