Маркетологам следует сфокусироваться на качестве данных о клиентах, а не на их количестве. К такому выводу пришел директор по науке о данных в Good Apple Коллин Джозеф.
Потребители отмечают, что практически все производители и магазины, в которые они обращаются, запрашивают их различные личные данные. Опытные маркетологи считают, что такой общий и бездумный сбор данных не приносит пользы. 60% потребителей уже считают, что компании используют их данные не по назначению, приводит цифры Джозеф.
По словам Джозефа, большое количество слабо связанных данных не только не улучшает модели, но и может привести к неправильных выводам создателей маркетинговых кампаний. В результате хромает эффективность, а доверие клиентов снижается.
«Множество отдельных снимков с разных ракурсов хоть и пытаются показать все здание, часто содержат избыточную и дублирующую информацию. Аналогичная ситуация и с переизбытком данных о клиентах — они перекрывает друг друга, усложняя построение эффективных моделей», — считает эксперт.
Вместо одной большой модели лучше создать несколько небольших специализированных, которые дополняют друг друга. Такой подход требует тщательного отбора функциональных данных.
Например, ИИ может помочь в определении кликов и показов, которые привели к конверсии. Но необходимо понимать важность факторов, выходящих за рамки прямых затрат на рекламу. То есть вторая мини-модель сможет объяснить отобранные данные первой.
По словам Джозефа, большое количество слабо связанных данных не только не улучшает модели, но и может привести к неправильных выводам создателей маркетинговых кампаний. В результате хромает эффективность, а доверие клиентов снижается.
«Множество отдельных снимков с разных ракурсов хоть и пытаются показать все здание, часто содержат избыточную и дублирующую информацию. Аналогичная ситуация и с переизбытком данных о клиентах — они перекрывает друг друга, усложняя построение эффективных моделей», — считает эксперт.
Вместо одной большой модели лучше создать несколько небольших специализированных, которые дополняют друг друга. Такой подход требует тщательного отбора функциональных данных.
Например, ИИ может помочь в определении кликов и показов, которые привели к конверсии. Но необходимо понимать важность факторов, выходящих за рамки прямых затрат на рекламу. То есть вторая мини-модель сможет объяснить отобранные данные первой.
