Понятие о данных. Как заставить цифры отвечать на вопросы. Машинное обучение и алгоритмы прогнозирования. Обработка и чистка данных для предсказания будущего. Области применения по каналам интернет-маркетинга. Кейс: прогнозная аналитика в действии.

1. Прогнозная
аналитика
в поисковом
маркетинге

2. Прогнозная аналитика
— это предсказание поведения людей, основанное
на прошлом опыте. В поисковой оптимизации
прогнозная аналитика помогает выявить, какой запрос
вероятнее всего приведет человека к конверсии,
у какого товара больше шансов быть проданным,
количество трафика на сайт через полгода и т.д.

3. Применение технологий
прогнозной аналитики

4. Собираем данные о запросах,
страницах, товарах
1.Парсим
счетчики
3.Пользуемся
базами
2.Парсим
интернет
4.Используем
внутреннюю статистику

5. Чистим от мусора
1. Заполняем пустоты.
2. Убираем кореллированные данные.
3. Убираем бесполезную информацию.

6. Задачи машинного обучения
1.Скоринг 4.Прогнозирование
3.Классификация
2.Сегментация
и кластеризация
5.Регрессионный
анализ
пример: коммерческая
аналитика, банковский
скоринг
пример: прогнозирование
продаж, трафика
пример: анализ аудитории
пример: сегментация
подписной базы
пример: анализ каналов
привлечения трафика
*каждая задача решается разными методами
машинного обучения

7. Как заставить машину понять
чего мы хотим ?
1. Обучить на
исторических данных.
2. Использовать метод
пристального взгляда
для подгона.

8. Простой пример
Чтобы спрогнозировать трафик нужно:
*Ошибка на любом этапе вычислений даст погрешность в 10–20%
1. Понять какой спрос будет у запроса через год (прогнозирование
временных рядов)
2. Оценить сложность продвижения запроса – его конкурентность
(скоринг)
3. Основываясь на текущих данных спрогнозировать CTR через год
(регрессионный анализ)
4. Спрогнозировать позицию с учетом продвижения и естественного
роста, а также усилий конкурентов (совокупность методов)

9. В итоге, это совсем не просто.
Но возможно.

10. Как это бывает ?

12. Ошибка прогноза менее 5%
Прогноз делался в июле Факт сняли 1 мая

13. В этом же анализе можно:
1.Выбрать максимально эффективные
запросы.
2.Внутри выборки найти запросы с:
а) Минимальными трудозатратами
на продвижение (близкие к топ-10)
б) Минимальным бюджетом на продвижение
(низкой конкуренцией)

14. Достаточно круто, не так ли ?

15. А что если это только 10% крутости?
Что если к анализу и прогнозу спроса добавить
эффективность посадочных страниц и товаров ?

16. Не нужно всматриваться,
подойдите в перерыве !

17. А что можно:
Найти весь спрос отрасли, спрогнозировать
по нему посещаемость, выделив приоритетные
запросы в пределах топ 20, ведущие на самые
маржинальные товары с низким показателем
отказов, находящиеся на высоко-конверсионной
посадочной странице …
продолжать можно бесконечно, цель ставите вы сами.

18. Области применения
Готовых решений нет, не то, что в SEO.
В целом прогнозная аналитика в России
развита плохо.

19. Прогнозная аналитика идеально
подходит для таких каналов
маркетинга:
SEO
CPC
CPA
Email
SMM

20. Пишите вопросы на почту
Ivanov@ukropmedia.ru
facebook.com/ivanov.trioseo
vk.com/trioseo
twitter.com/sem_forecast
youtube.com/user/trioseo
ukropmedia.com
facebook.com/ukropmedia
vk.com/ukropmedia
twitter.com/ukropmedia