Поведенческая аналитика - Behavioral analytics

Поведенческая аналитика это недавний прогресс в бизнес-аналитика что позволяет по-новому взглянуть на поведение потребителей на электронная коммерция платформы, онлайн-игры, веб-приложения и мобильные приложения, а также Интернет вещей. Быстрое увеличение объема необработанных данных о событиях, генерируемых цифровым миром, позволяет использовать методы, выходящие за рамки обычного анализа.^{[рекламный язык ]} по демографическим и другим традиционным показателям, которые говорят нам, какие люди и какие действия предпринимали в прошлом. Поведенческий анализ направлен на понимание того, как действуют потребители и почему, что позволяет делать точные прогнозы о том, как они, вероятно, будут действовать в будущем. Это позволяет маркетологам делать правильные предложения нужным сегментам потребителей в нужное время.

Поведенческая аналитика может быть полезна для аутентификации в целях безопасности. Он использует неидентифицируемые, но индивидуально уникальные факторы для подтверждения личности пользователя. Личность пользователя подтверждается в фоновом режиме с использованием такого фактора, как перемещение мыши в скорость набора текста и привычки, сетевые данные истории входа, такие как IP-адрес, используемый браузер и т.

Поведенческая аналитика использует огромные объемы необработанных данных о пользовательских событиях, собираемых во время сеансов, в которых потребители используют приложение, игру или веб-сайт, включая данные о трафике, такие как путь навигации, клики, взаимодействия в социальных сетях, решения о покупке и оперативность маркетинга. Кроме того, данные о событиях могут включать рекламные показатели, такие как время от клика до конверсии, а также сравнения между другими показателями, такими как денежная стоимость заказа и количество времени, проведенного на сайте.^[1] Затем эти точки данных компилируются и анализируются, отслеживая прогресс сеанса с момента первого входа пользователя на платформу до совершения продажи или какие другие продукты пользователь купил или посмотрел до этой покупки. Поведенческий анализ позволяет прогнозировать будущие действия и тенденции на основе сбора таких данных.

Поскольку для анализа требуется сбор и агрегирование больших объемов персональных данных, в том числе очень конфиденциальных (таких как сексуальная ориентация или сексуальные предпочтения, проблемы со здоровьем, местоположение), которые затем передаются между сотнями сторон, участвующих в таргетированная реклама, поведенческая аналитика вызывает серьезные опасения по поводу нарушений конфиденциальности.^[2][3]

В то время как бизнес-аналитика более широко ориентирована на то, кто, что, где и когда бизнес-аналитика, поведенческая аналитика сужает эту область, позволяя брать, казалось бы, не связанные данные баллов для экстраполяции, прогнозирования и определения ошибок и будущих тенденций. Требуется более целостный и человечный взгляд на данные, соединяющий отдельные точки данных, чтобы рассказать нам не только о том, что происходит, но также и о том, как и почему это происходит.

Примеры и реальные приложения

Визуальное представление событий, составляющих поведенческий анализ

Данные показывают, что большой процент пользователей, использующих определенную платформу электронной коммерции, нашел ее, выполнив поиск по запросу «тайская еда» в Google. После перехода на главную страницу большинство людей какое-то время просматривали страницу «Азиатская еда», а затем выходили из системы, не разместив заказ. Рассмотрение каждого из этих событий как отдельных точек данных не отражает того, что на самом деле происходит и почему люди не совершили покупку. Однако просмотр этих точек данных как представления общего поведения пользователя позволяет интерполировать, как и почему пользователи действовали в данном конкретном случае.

Поведенческая аналитика рассматривает весь трафик сайта и просмотры страниц как временную шкалу связанных событий, которые не привели к заказам. Поскольку большинство пользователей ушли после просмотра страницы «Азиатская еда», может возникнуть разрыв между тем, что они ищут в Google, и тем, что отображается на странице «Азиатская еда». Зная это, беглый взгляд на страницу «Азиатская еда» показывает, что тайская еда на ней не выделяется на видном месте, и поэтому люди не думают, что она действительно предлагается, даже если это так.

Поведенческая аналитика становится все более популярной в коммерческой среде. Amazon.com является лидером в использовании поведенческой аналитики, чтобы рекомендовать дополнительные продукты, которые клиенты, вероятно, купят на основе их предыдущих моделей покупок на сайте.^[4] Поведенческую аналитику также используют Цель предлагать продукты покупателям в их розничных магазинах, в то время как политические кампании используют это, чтобы определить, как следует приближаться к потенциальным избирателям. Помимо приложений для розничной торговли и политики, поведенческая аналитика также используется банками и производственными фирмами для определения приоритетности потенциальных клиентов, генерируемых их веб-сайтами. Поведенческая аналитика также позволяет разработчикам управлять пользователями в онлайн-играх и веб-приложениях.^[4]

IBM и Intel создают экосистемы подключенных решений и расширенной аналитики. В розничной торговле это Интернет вещей (IoT) для отслеживания покупательского поведения.

Типы

• Электронная торговля и розничная торговля - рекомендации по продуктам и прогнозирование будущих тенденций продаж
• Онлайн-игры - прогнозирование тенденций использования, нагрузки и пользовательских предпочтений в будущих выпусках
• Разработка приложений - определение того, как пользователи используют приложение, для прогнозирования будущего использования и предпочтений.
• Когортный анализ - Разделение пользователей на похожие группы, чтобы лучше понять их поведение.
• Безопасность - обнаружение скомпрометированных учетных данных и внутренних угроз путем обнаружения аномального поведения.
• Предложения - Людям, которым это понравилось, понравилось также ...
• Представление релевантного контента (предпочтения, группы пользователей и т. Д.) На основе поведения пользователей.^[5]

Составные части

Идеальное решение для поведенческой аналитики будет включать:

• Сбор в реальном времени огромных объемов необработанных данных о событиях со всех соответствующих цифровых устройств и приложений, используемых во время сеансов
• Автоматическое объединение необработанных данных о событиях в соответствующие наборы данных для быстрого доступа, фильтрации и анализа
• Возможность запрашивать данные неограниченным количеством способов, позволяя пользователям задать любой бизнес-вопрос
• Обширная библиотека встроенных функций анализа, таких как когортный анализ, анализ путей и воронок
• Компонент визуализации

Смотрите также

Рекомендации

дальнейшее чтение

• Нагайтис, Марк. «Поведенческая аналитика: почему и как совершаются покупки в Интернете». eCommerce Times.
• Джек, Смит. «Лучшие технологии для отслеживания поведения покупателей в розничной торговле». Технология V-Count.