Читать книгу Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики - Билл Фрэнкс - Страница 29

Веб-данные позволяют определить, как потребители принимают решения о покупке, на основании их навигации по сайту, а также получить представление об их предпочтениях. Возьмем, к примеру, авиакомпанию. На основании данных о заказанных билетах авиакомпания может судить о предпочтениях клиентов. Например, за сколько времени до вылета был заказан билет? Место в каком классе было заказано? Длилась ли поездка в течение выходных дней или нет? Все эти сведения очень полезны, однако веб-данные предоставляют авиакомпании еще больше информации.

Авиакомпания может выявить клиентов, которые ценят удобство. Такие клиенты обычно начинают поиск с указания конкретных дат и выбора прямых рейсов. Они откажутся от наиболее удобного прямого рейса только в случае существования большой разницы в цене при минимальной разнице в уровне комфорта. Допустим, клиент может сэкономить $700, приземлившись в нью-йоркском аэропорту имени Джона Кеннеди, а не в аэропорту «Ла Гуардия». При этом время приземления отличается на 30 минут, а дополнительные расходы на такси составляют всего около $20. В этом случае клиент, ориентированный на удобство, может решить, что экономия в $700 стоит дополнительных хлопот. Однако если выгода составляет всего $200, а время прибытия сдвигается на два часа, то такой клиент выберет наиболее удобный для себя вариант.

Авиакомпания также может выявить клиентов, которых больше всего интересует цена и которые готовы рассмотреть множество вариантов, чтобы выбрать наиболее выгодное предложение. Такие клиенты откажутся от самого дешевого варианта только в случае существования небольшой разницы в цене и огромной разницы в уровне комфорта. Например, клиент может вылететь в 10 часов утра за $220 или в 6 часов утра за $200. Дополнительные четыре часа сна стоят $20, поэтому ориентированный на цену клиент согласится на более высокую цену, чтобы приобрести билет на более поздний рейс.

На основании поисковых закономерностей авиакомпания сможет определить, насколько данный клиент привязан к конкретному предложению или маршруту. Изучил ли он все доступные возможности, прежде чем сделать выбор? Или просмотрел только конкретные маршруты и заплатил столько, сколько требовалось? Например, студент во время весенних каникул может рассмотреть любые предложения и выбрать наиболее выгодное. С другой стороны, клиента, который регулярно летает к своей семье, будет интересовать только то место, где проживают его родственники.

Если вы знаете о том, что клиенты регулярно просматривают предложения, действующие для определенных направлений в выходные дни, то поймете, что для них наиболее важно. Некоторые клиенты принимают решение слетать к семье, когда им попадается хорошее предложение. Если они найдут такое предложение, то воспользуются им. Как только эта закономерность выявлена, авиакомпания может лучше предупреждать потребности клиентов.

Эти примеры показывают, какие бесценные сведения могут быть получены путем объединения информации об истории покупок с данными о закономерностях в процессе исследования и просмотра страниц. Разумеется, потребуется время на изменение аналитических процессов таким образом, чтобы они учитывали эти закономерности. Однако после определения аспектов сайта, которые привлекают каждого отдельного потребителя, можно будет более эффективно обращаться к ним с сообщениями, которые отвечают их потребностям.