Geiger Tamás, a JabJab Online Marketing operatív vezetője azzal nyitott: bármennyire elcsépelt legyen is a frázis, valóban az adat az új olaj. Ez a mondat fejezi ki leginkább azt, ahol most vagyunk és amerre haladunk. Az olaj a „hagyományos” gazdaságban egyfajta motor, fontos érték és korlátos erőforrás, aki rendelkezik vele, annak bizonyos értelemben hatalma van és persze bevétele. Ilyen ma az adat is: korlátos a jelenléte, de sok cégnél bővíthető az adatgyűjtés köre, még akkor is, ha odafigyelünk az adat védelemre és a hozzájárulás kezelésre.
A SAJÁT ADATOK FONTOSSÁGA LESZ A MEGHATÁROZÓ
Minden cég hatalmas mennyiségű adaton ül, még akkor is, ha nem is sejti, és ezek a hangsúlyozottan saját adatok hatalmas lehetőségeket rejtenek magukban. Az online marketinget meghatározó technológia ugyanis egészen más alapokon fog működni, és a korábbi gyakorlattól eltérően a „begyűjtött” adatok helyett a saját adatok fontossága lesz a meghatározó. „Egy cég egyre kevésbé tud azokra az adatokra építeni, amit mások gyűjtöttek helyette – a Google vagy a Facebook adatai mind 3rd party, avagy harmadik feles adatok. Márpedig ha az adatok megbízhatóságáról van szó, akkor ebben a saját adatok, azaz a 1st party adatok lesznek a siker kulcsai” – mondta Geiger Tamás. „Ezért van egyre nagyobb jelentősége a saját adatoknak: minél több van, és minél ügye sebben tudjuk rendszerezni és megfelelő hozzájárulásokkal kezelni, annál inkább előnyhöz juthatunk” – tette hozzá.
ÉRTELMEZNI A MÚLTAT, ELŐREVETÍTENI A JÖVŐT
Ha vannak adataink, a múltat is jobban tudjuk értelmezni. „Információkat kapunk a gyártásról, az értékesítésről, a készletezésről vagy akár a beszállítókról, de ezeket kielemezni nem mindig triviális folyamat” – mondta a szakember. Márpedig a múltbéli adatok segítenek abban is, hogy előre lássuk a jövőt, és ez nem csak az online folyamatokra igaz. Geiger Tamás az árképzést hozta fel példaként: ha tudjuk, hogyan működött az árképzésünk az elmúlt évben, milyen tényezők befolyásolták és milyen eredménye volt, akkor azt is megjósolhatjuk, mik fogják befolyásolni az árat a következő hónapokban. A közhiedelemmel ellentétben az adatok professzionális feldolgozása már rég nem a nagyok játszótere, de a JabJab operatív vezetője szerint még mindig felmerül beszélgetéseken, hogy mennyire költséges az adatelemzés és a predikció. „Hét-nyolc éve még valóban csodálkozva figyeltük, ahogy az Amazon kirakta az ajánlórendszerét, ami előre tudja jelezni, a vásárlónak éppen mire van szüksége. Egy ilyen rendszer fejlesztése akkor valóban hatalmas költség volt, de mára a technológia eljutott arra a szintre, hogy sok minden »dobozosan« elérhető. Azaz a cégek össze tudják válogatni, mely eszközökre, technológiákra van szükségük, ráadásul ezeknek az ára sem feltétlenül magas.
„Az első lépés, hogy a cégek megtalálják a működésükben azokat az online és offline pontokat, ahol sok adat képződik.”
Vannak komplex megoldások is, mint a Salesforce, máshol pedig legókockákat kapunk, és abból építünk rendszert, és ezek a szolgáltatások többféle iparágra is alkalmazhatók és rugalmasak” – mondta Geiger Tamás, hozzátéve, hogy a technológia ára a használattal is skálázódik. „Ha többet használjuk, többe kerül – de ilyenkor ehhez már nagyobb bevétel is társul, tehát van miből fedezni.”
BEFEKTETÉS VAGY KÖLTSÉG?
A cégek erőforrása persze véges, így szeretnék minél kisebb költséggel eredményt elérni, de az adatelemzésnél figyelem be kell venni, hogy a projektek egy része szükségszerűen lyukra fut, ami csak az adatgyűjtések és elemzések során derül ki. „A lehetséges problémákat azonban ezekből fogjuk észrevenni, és ezt az attitűdöt muszáj elsajátítani: az adatokra elköltött pénz befektetés” – érzékeltette Geiger Tamás. A szakember hozzátette: az első lépés, hogy a cégek megtalálják a működésükben azokat az online és offline pontokat, ahol sok adat képződik. Már az adatok begyűjtése is kritikus pont lehet, sok cégnél ugyanis nincsenek tisztában azzal, hány helyen is képződik náluk adat. Ezután viszont olyan szakemberre van szükségük, aki az adatok lekérdezéséhez és elemzéséhez is ért, azaz rendelkezik alapvető statisztikai ismeretekkel. A leggyakrabban használt eszköz a Google Cloud, de más felhőszolgáltatók palettáján is vannak hasonló szolgáltatások. „Úgy kell elképzelni, mintha az ember elé dobnának egy csomó legókockát” – fogalmazott Geiger Tamás. Az egyik ilyen legókocka például a BigQuery. Az adatbázis-kezelőhöz hasonló eszköz másodpercek alatt mozgat meg milliónyi sort és oszlopot, és mivel a Google saját infrastruktúráján fut, bőven tudnak alá erőforrást tenni. Ez az eszköz a gépi tanulással (MI) kiegészítve már képes arra, hogy predikciókat fogalmazzon meg. Az adatbevitel után megmondjuk a rendszernek, milyen idősoros adatot vittünk be, és ebből tudunk majd adatokat lekérdezni a jövőben. „Attól függően, milyen bevitt adatokkal dolgozunk, egészen komplex in formációkat nyerhetünk ki, termékparaméterekkel, vásárlói paraméterekkel, lokációkkal. Sőt, az online és offline adatok összekapcsolásával még több plusz insighthoz juthatunk.” A hűségkártya adatai alapján könnyen össze lehet kapcsolni az online és offline adatokat például, amiből következtethetünk arra, hogy az offline aktív fogyasztó meg fog-e jelenni az online térben a következő 7 napban. Mindez nincs ingyen: a BigQuerynél az adatok tárolásáért és a lekérdezéséért kell fizetni, de ez még a nagyobb cégeknél sem több havi néhány tíz vagy száz dollárnál. A költségek nagyobb részét a ML teszi ki, itt ugyanis a rendszernek meg kell tanulnia, mire figyeljen a bemeneti adatokból.
TERMELÉSI RIPORT
Az elemzés következő lépcsőfoka az adatok összekapcsolása. Számos adat több helyen is előfordul a rendszerben, legyen az egy termék cikkszáma vagy egy vásárlói kártya száma. Ezeket fel kell térképezni és összesíteni egy nagy áttekintő riportban. Ezután következhet az adatok vizualizálása nemcsak közérthető módon, hanem úgy, hogy minden szereplő a neki releváns adatot kapja meg. Ezért olyan felületeket érdemes használni, amelyek jól vizualizálják az adatok változásait. „A Google mellett a Microsoftnak és az Amazonnak is vannak jó megoldásai. Mindegyikkel tudunk jó dashboardokat készíteni, amikkel különböző felbontásban tudjuk vizualizálni az adatokat. Hiszen egészen más fogja érdekel ni a Rossmann vezérigazgatóját és az e-commerce egység vezetőjét” – érzékeltette Geiger Tamás.
MIT VETTEK MÉG, AKIK…?
A korábban irigyelt Amazon vagy Netflix ajánlórendszeréhez hasonló Google-eszköz is elérhető már kisebb cégek számára. Ehhez a techóriás természetesen adatokat kér: milyen termékekkel kerültek interakcióba a weboldalunk vásárlói, mi az, amivel eljutottak a pénztárig, és mi az, amit végül meg is vásároltak. Az ebből kialakított predikciókat már láthatóan sok oldal használja, az alábbi mondatokkal már sok helyen találkozunk: „Önnek ezeket a termékeket ajánljuk.” „Mit vettek még, akik ezt a terméket vették?”
MEGOSZTÁS FACEBOOKON
Amikor együtt dolgozik egy beszállító és kereskedő, szükség lehet az adatok megosztására. Erre is jók a dashboardok: amikor a kereskedő interaktív dashboardon bocsátja rendelkezésre az adatokat, a beszállító azt is látja, hogy a termékeit hogyan értékesítik az adott webáruházban, ez pedig sokrétű együttműködésre és transzparenciára ad lehetőséget. Ha megnézzük a Tesco, Kifli vagy bármelyik nagyobb szereplő site-ját, a Facebookon előbb-utóbb szembejön a hirdetésük, ajánlójuk az adott termékre vagy kategóriára. Ennek az oka az adatok közös felhasználásának másik módja. „A webáruházban vagy applikációban keletkező adatok egy része a Facebooknál is landol, ez pedig speciális lehetőséget rejt magában” – mondta a JabJab operatív vezetője. „A beszállítóval a kereskedő megoszthatja katalógusának azon részét, ami az adott beszállítóhoz, termékkategóriához tartozik. Ugyanakkor megosztja az ehhez tartozó adatokat is. Így a beszállító látni fogja, mi került a kosárba vagy mit vettek meg végül. Ha ehhez beüzemelik a Facebook Collaborative Ads funkciót, a beszállító saját büdzséből tud futtatni a Facebookon olyan online kampányt, amely a kereskedő oldalára viszi a felhasználót és ott indukál értékesítést.”
Megjelent a Store Insider 2022/07-08. számában.
