Как Data Flywheel может повысить ваши доходы, маркетинг и обеспечить рост за счет продукта

Научитесь грамотно использовать Data Flywheel, чтобы увеличить интерес к продукту/услуге за счет повышения рентабельности инвестиций (ROI), а также обеспечить привлечение/удержание клиентов.
1 min read
How an effective ‘Data Flywheel’ can enhance your revenue, marketing, and Product-Led Growth

В этой статье мы обсудим:

Что такое Data Flywheel?

Data Flywheel (маховик данных) увеличивает интерес к продукту или процессу в ускоренном темпе благодаря стратегическому использованию данных. Маховик накапливает энергию по мере вращения до такой степени, что становится независимым. Он использует информацию для создания добродетельного цикла, в котором больше данных приводит к более быстрым темпам обучения, лучшим продуктам и высоким показателям привлечения/удержания клиентов. Эффективная стратегия маховика способствует внедрению новых продуктов, увеличению доходов и росту прибыли.

Классический пример Data Flywheel – функция рекомендаций Netflix, основанная на алгоритмах. Когда эта функция только появилась, Netflix рекомендовал наиболее популярные видео. Со временем он стал собирать данные о просмотрах и оценках пользователей и передавать их в «механизм рекомендаций». Это позволило предлагать контент из разряда «рекомендовано для вас» каждому пользователю, что способствует увеличению количества просмотров.

Сейчас пользователи Netflix просматривают более 200 млн часов контента в день.

Чем больше данных вы можете собрать о продукте, бизнес-процессе/потребительском процессе или конкуренте, тем больше вы можете стимулировать рост. Подобно маховику, рост начинается медленно, постепенно ускоряясь. Концепция маховика была впервые предложена Джимом Коллинзом в его книге «От хорошего к великому: Почему одни компании совершают прорыв, а другие нет…». Его самая известная история успеха связана с представлением этой концепции Джеффу Безосу в 2003 году, что стало ключевой частью клиентоориентированной философии Amazon.

Сбор данных – основа успешного Data Flywheel

Сбор данных в больших масштабах служит основой стратегии Data Flywheel. Данные – это топливо, которое приводит в движение двигатель маховика. Хотя существует множество способов сбора данных с собственных веб-сайтов и приложений, сбор данных из внешних источников, таких как веб-сайты, может оказаться сложной задачей. Например, маркетологи компаний электронной коммерции хотели бы получить доступ к данным о Sell-Through Rate (STR) похожих товаров на конкурирующих торговых площадках. Они могли бы извлечь выгоду из таких данных, как:

  • Рейтинги продавцов и отзывы
  • Динамическое ценообразование
  • Изображения, заголовки и категории товаров
  • Результаты поисковой системы торговой площадки
  • Специальные предложения

К сожалению, многие веб-сайты устанавливают барьеры, чтобы затруднить сбор данных конкурентам. CAPTCHA, ограничения сервера на основе геолокации и ограничения объема/скорости запросов, часто могут привести к тому, что ваш IP-адрес будет занесен в черный список, заблокирован или вы увидите ложную информацию. Вы можете написать собственные скрипты Python для сбора данных, но это трудоемкое занятие. В некоторых случаях оно может привести к блокировке аккаунта за «подозрительную активность». Вы также можете нанять DevOps, экспертов по данным, ИТ-персонал и разработчиков для создания и обслуживания систем для оперативного сбора данных, но это очень дорогостоящее решение, которое трудно масштабировать.

Что действительно необходимо компаниям, так это автоматизированное, гибкое и финансово выгодное решение, которое может оптимизировать сбор веб-данных. Такое решение должно работать глобально и иметь доступ к любому веб-сайту с открытым исходным кодом. Оно должно уметь обходить блокировки сайтов с помощью сложной логики повторных попыток. Любой инструмент/сервис должен также соответствовать ведущим в отрасли принципам этического использования, чтобы гарантировать, что собранные данные сохранят свою долгосрочную ценность для бизнеса. Кроме того, компании хотят получать данные, которые уже были структурированы, очищены, синтезированы и отформатированы таким образом, чтобы их можно было сразу же импортировать и использовать командами и системами.

Data Flywheel может помочь в разработке и маркетинге новых продуктов

Компания Amazon является лидером в использовании стратегии маховика данных для разработки и продвижения новых продуктов. Хорошим примером является членство в программе Amazon Prime. Низкие цены Amazon Prime привлекают множество потребителей. Клиенты могут четко видеть ценностное предложение, например, варианты доставки в тот же день или на следующий день. Однако Prime используется Amazon в качестве начальной точки соприкосновения для перекрестных/допродаж; участники программы получают доступ ко многим другим услугам, таким как Prime Video, Amazon Music, Audible, Amazon Pantry и т.д., что способствует дальнейшим продажам и подпискам. Amazon использует данные о предпочтениях клиентов и тенденциях в одном сервисе, чтобы обосновать маркетинговую тактику при дополнительных продажах. Например, клиенты, покупающие детские игрушки, могут быть заинтересованы в подписке на Amazon Prime из-за контента для детей.

Другой пример – Quby, голландская технологическая компания, предлагающая технологии для дома, направленные на сокращение потерь энергии. Quby использовала стратегию маховика данных, чтобы значительно расширить свой рынок и добиться успеха.

Quby предлагала домашний дисплей и умный термостат, которые отслеживали точное потребление энергии. Их продавали коммунальные предприятия по всей Европе. Компания использовали информацию в контексте алгоритмов обучения данных, позволяющих обнаруживать использование бытовой техники. В 2017 году Quby запустила свой первый сервис на базе ИИ «Waste Checker». Компания смогла обнаружить неэффективное использование бытовой техники, начиная от стиральных и посудомоечных машин и заканчивая системами центрального отопления и душевыми кабинами. Как только было обнаружено нецелесообразное поведение, Quby предлагала персональные рекомендации по действиям, которые можно предпринять для сокращения потерь энергии. Умные термостаты Qubys ежесекундно собирали и анализировали данные. Они использовали их, чтобы запустить новый пересмотренный вариант разбивки счетов за электроэнергию. Это помогало снизить расходы клиента, уменьшить углеродный след и сократить потери энергии.

Третий пример – Reddico, агентство цифрового маркетинга, предоставляющее ведущие услуги поискового маркетинга предприятиям в Великобритании. Ключевая задача компаний, которые занимаются поисковой оптимизацией (SEO), – предоставление клиентам информации на глобальной основе. Сбор данных о результатах поиска в различных географических регионах – сложный процесс, который требует много времени. Компания Reddico смогла предложить новую высококонкурентную услугу с лазерным гео-таргетингом, заключив партнерство с сетью сбора данных. Этот партнер предоставил им возможность направлять трафик с помощью одноранговых устройств в целевые ГЕО, что позволило клиентам оптимизировать и локализовать кампании на основе фактических результатов поиска на стороне клиента.

Поддержание успешного Data Flywheel может улучшить ROI

Data Flywheel может повысить рентабельность маркетинга тремя способами:

Во-первых, эффективный маховик данных может увеличить доходы за счет предоставления данных для постоянного улучшения продуктов и услуг, что приводит к росту потребителей. Это более известно как «добродетельный цикл»: больше данных, быстрее обучение, лучшие продукты, рост клиентов.

Во-вторых, эффективная стратегия Data Flywheel приводит к снижению стоимости привлечения клиентов (CAC). Поскольку продукт постоянно улучшается на основе отзывов пользователей и данных о взаимодействии с продуктом. Может быть достигнута точка, когда продукт соответствует рынку насколько, что снижает затраты на привлечение клиентов и повышает рентабельность инвестиций. На рынке ПО компании бизнес-модели PLG, такие как Dropbox, Slack и Calendy, являются примером того, как стратегия маховика данных может снизить CAC. В-третьих, при правильной реализации стратегия маховика данных может снизить риски, связанные с соблюдением нормативных требований при сборе веб-данных в крупных масштабах. Сбор данных для коммерческого использования подлежит нормативному надзору, как, например, в случае с Общим регламентом ЕС по защите данных (GDPR) и Калифорнийским законом о конфиденциальности потребителей (CCPA). Если ваша компания или субподрядчики нарушат любое из этих положений, вы можете столкнуться со штрафами и поставить под угрозу ценность продуктов и услуг, основанных на данных.

Подведем итоги

Маховики данных – это стратегия для стимулирования роста и доходов. Они позволяют создать эффективный цикл обучения, улучшения продуктов и повышения коэффициента конверсии/удержания клиентов. Подобно маховику, процесс обучения на основе данных продолжает ускоряться, используя эту инерцию, чтобы помочь системам развиваться более независимо.

Маховики зависят от данных. Сбор данных с внешних веб-сайтов, таких как Amazon, Twitter, LinkedIn и Google, в масштабах компании является сложной задачей. Эффективные решения для сбора веб-данных должны решать эти проблемы с соблюдением этических норм и нормативных требований.

Вас также может заинтересовать

More from Bright Data

Datasets Icon
Get immediately structured data
Access reliable public web data for any use case. The datasets can be downloaded or delivered in a variety of formats. Subscribe to get fresh records of your preferred dataset based on a pre-defined schedule.
Web scraper IDE Icon
Build reliable web scrapers. Fast.
Build scrapers in a cloud environment with code templates and functions that speed up the development. This solution is based on Bright Data’s Web Unlocker and proxy infrastructure making it easy to scale and never get blocked.
Web Unlocker Icon
Implement an automated unlocking solution
Boost the unblocking process with fingerprint management, CAPTCHA-solving, and IP rotation. Any scraper, written in any language, can integrate it via a regular proxy interface.

Ready to get started?