1. Роль аналитики в
электронной коммерции
Олег Наумов
Директор проекта KupiLuxe.ru
Конференция «Бизнес-интернет магазинов»
Киев, 3 ноября 2011 г.
1

2. о себе
Experience:
• Head of KupiLuxe.ru Business Unit
– KupiVIP.ru
– August 2011 – Present (3 months)
• Head of Analytics / Knowledge center
– KupiVIP.ru
– November 2009 – July 2011 (1 year 9 months)
• Project leader
– MASMI Research
– May 2009 – November 2009 (6 months)
• Internship
– Roland Berger Strategy Consultants Contacts:
– 2007 – 2008 • +7-926-208-14-04
• oleg@kupiluxe.ru
Education • http://www.linkedin.co
m/profile/view?id=101
• Московский Государственный Университет им. М.В.
Ломоносова (МГУ), Master of Science, Entrepreneurship, Faculty 455457
of Economics, 2006 – 2008
• Московский Государственный Университет им. М.В.
Ломоносова (МГУ), Bachelor, Economics, Faculty of Economics,
2002 – 2006
2

3. • «Можно управлять тем, что можно
измерить»
Peter Drucker
• «Data is the new oil»
Clive Humby
«Я точно знаю, что трачу половину
рекламного бюджета впустую, но не
знаю какую именно»
John Wanamaker
3

4. Аналитические функции, которые не
стоит путать
Reporting
Planning & Forecasting
Analytics
4

5. Преимущества электронной коммерции
Доступность данных по сравнению с
другими отраслями
Скорость внедрения изменений и
самообучающиеся алгоритмы
Значительное влияние на ROI
5

6. Вам нужна развитая аналитика если Вы
хотите построить большую компанию
• Маркетинг (to make marketing • Operations
data driven)
– Управление запасами
– Каналы коммуникации
– Операции на складе
(особенно Email marketing)
– Оптимизация логистики
– Работа с партнерами
– Привлечение клиентов
– CRM • Product and web analytics
• Сегментация клиентов – Увеличение конверсии
• Customer Lifetime Value посетитель-покупатель
– Постоянное тестирование
шаблонов/цветов/шрифтов и т.д.
• Sales
– Оптимизация ассортимента
– Ценообразование
– Работа с товарными остатками
6

7. Типы аналитических задач
• Распределение/оптим • Создание рекомендаций
изация ресурсов – Cross-sell
– Пример Direct mail
– Up-sell
project
• Сделайте тест на – Retargeting
10% вашей БД – Product development
клиентов
• Анализируйте отклик • People you may also know
и выявите какие • Job you may interested in
качества клиента на • Those who bought this
него влияют also bought
• Среди оставшихся
90% посылайте
письма только тем, у
кого вероятность
отклика выше
определенного
порога.
7

8. Amazon.com start page
8

9. Zappos.com Product detail
1. VISUALLY SIMILAR
2. CUSTOMERS WHO BOUGHT
THIS ITEM ALSO BOUGHT
3. CUSTOMERS WHO VIEWED
THIS ITEM ALSO VIEWED
9

10. Жизненный цикл аналитической задачи
• Данные
4. Внедрение
1. Сбор данных
рекомендаций
• Информация
• Знание
3. Выработка 2. Обработка и
рекомендаций анализ
• Действие
10

11. Сбор данных
Google Analytics / External  Подумайте об
Other web sources инфраструктуре
of information
analytics tool Front-end DB • MS SQL
Call-center /
Front-end DB
CRM
Server
MySQL
DB  Подумайте о
сотрудниках
• DB
Developer
Analytics Datawarehouse
Back-end DB Email
ERP System marketing
DB
Morning Customer Recomen-
reports segmentation dations
Other
11

12. Методы и софт для обработки и
анализа данных
• Ассоциативные
правила
– Рекомендации
• Классификация
– Внутренние процессы
• Кластеризация
– Сегментация клиентов
• Другие
12

13. Выработка рекомендаций
• понимает бизнес
Аналитик
• может интерпретировать
и объяснять результаты
работы аналитической
платформы
• проводит бенчмаркинг с
компаниями в своей
стране и за рубежом
• постоянно учится
Кадровая проблема
13

14. Внедрение рекомендаций
• A/А testing
– Выберите сравнимые тестовые и контрольную
группы
• A/B testing
– Пример: тестирование вложений бланка
возврата
• Определение тестовой и контрольной групп
• Отслеживание поведение в течение 3 месяцев
• Вывод: долгосрочно - те пользователи, которым
вкладывается бланк, делают больше возвратов, но
ещѐ больше делают новых заказов!
14

15. Best practices in e-commerce
См. также:
• Роман Зыков (Wikimart, ex-Ozon)
• DJ Pattil (ex-LinkedIn, ex-Facebook)
• Артур Хьюз. Маркетинг на основе баз
данных
• Tom Davenport. Competing on Analytics
• McKinsey Global Institute - Big Data: the
next frontier for innovation, competition
and productivity
15

16. Рекомендации
Заранее продумать как вы будете управлять вашими данными
Создать аналитический отдел/нанять консультанта
Прививать культуру тестирования и таргетирования
Действуйте на основе KPI
Создавайте и совершенствуйте алгоритмы, которые работают
16

17. Спасибо за внимание!
17