Поведенческая аналитика

Поведенческая аналитика является недавним ^{[ когда? ]} достижения в области бизнес-аналитики , которые позволяют по-новому взглянуть на поведение потребителей на платформах электронной коммерции , онлайн-играх, веб- и мобильных приложениях, а также в Интернете вещей ( IoT ). Быстрый рост объема необработанных данных о событиях, генерируемых цифровым миром, позволяет использовать методы, выходящие за рамки демографии и других традиционных показателей, которые говорят нам, какие люди какие действия совершали в прошлом. Поведенческий анализ фокусируется на понимании того, как и потребители почему действуют , и позволяет прогнозировать, как они, вероятно, будут действовать в будущем. Это позволяет маркетологам делать правильные предложения потребительским сегментам в нужное время.

Поведенческий анализ может быть полезен как для аутентификации , так и в целях безопасности. ^[1] Он использует неидентифицируемые, но индивидуально уникальные факторы для подтверждения личности пользователя. Личность IP пользователя аутентифицируется в фоновом режиме с использованием таких факторов, как движение мыши, скорость набора текста и привычки , данные сети истории входа в систему, такие как -адрес , используемый браузер и т. д.

Поведенческий анализ использует огромные объемы необработанных данных о пользовательских событиях, собранных во время сеансов, в которых потребители используют приложение, игру или веб-сайт, включая данные о трафике, такие как путь навигации, клики , в социальных сетях взаимодействия , решения о покупке и маркетинговую реакцию. Кроме того, данные о событиях могут включать рекламные показатели, такие как время клика до конверсии, а также сравнение других показателей, таких как денежная стоимость заказа и количество времени, проведенного на сайте. ^[2] Эти данные затем компилируются и анализируются, будь то путем просмотра хода сеанса с момента первого входа пользователя на платформу до совершения продажи или с помощью того, какие другие продукты пользователь купил или просмотрел перед этой покупкой. Поведенческий анализ позволяет прогнозировать будущие действия и тенденции на основе сбора таких данных.

Поскольку анализ требует сбора и агрегирования больших объемов персональных данных , в том числе высокочувствительных (таких как сексуальная ориентация или сексуальные предпочтения, проблемы со здоровьем, местоположение), которые затем передаются между сотнями сторон, участвующих в таргетированной рекламе , поведенческий анализ вызывает значительные опасения по поводу нарушения конфиденциальности . ^[3]^[4]

В то время как бизнес-аналитика более широко фокусируется на том, кто, что, где и когда использует бизнес-аналитику , поведенческая аналитика сужает эту сферу, позволяя брать, казалось бы, несвязанные точки данных , чтобы экстраполировать , прогнозировать и определять ошибки и будущие тенденции . Требуется более целостный и человечный взгляд на данные, соединяющий отдельные точки данных, чтобы рассказать нам не только о том, что происходит, но также о том, как и почему это происходит.

Примеры и реальные применения

Данные показывают, что большой процент пользователей, использующих определенную платформу электронной коммерции, нашел ее, выполнив поиск «тайская еда» в Google. После перехода на домашнюю страницу большинство людей проводили некоторое время на странице «Азиатская еда», а затем выходили из системы, не разместив заказ. Рассмотрение каждого из этих событий как отдельных точек данных не дает представления о том, что на самом деле происходит и почему люди не совершили покупку. Однако рассмотрение этих точек данных как представления общего поведения пользователей позволяет интерполировать, как и почему пользователи действовали в этом конкретном случае.

Поведенческая аналитика рассматривает весь трафик сайта и просмотры страниц как временную шкалу связанных событий, которые не привели к заказам. Поскольку большинство пользователей уходят 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 представлена заметно, и поэтому люди не думают, что она на самом деле предлагается, даже если это так.

Поведенческая аналитика популярна в коммерческой среде. Amazon.com является лидером в использовании поведенческой аналитики, чтобы рекомендовать дополнительные продукты, которые клиенты могут купить, исходя из их предыдущих моделей покупок на сайте. ^[5] Поведенческая аналитика также используется Target, чтобы предлагать продукты покупателям в их розничных магазинах, а политические кампании используют ее, чтобы определить, как следует обращаться к потенциальным избирателям. Помимо розничных и политических приложений, поведенческая аналитика также используется банками и производственными фирмами для определения приоритетности потенциальных клиентов, генерируемых их веб-сайтами. Поведенческая аналитика также позволяет разработчикам управлять пользователями онлайн-игр и веб-приложений. ^[5]

Среди прочего, IBM и Intel создают передовые аналитические решения. В розничной торговле это IoT для отслеживания покупательского поведения (in-store tracking ). ^[6]^[7]

Типы

Электронная коммерция и розничная торговля: рекомендации по продуктам и прогнозирование будущих тенденций продаж.
Онлайн-игры : прогнозирование тенденций использования, нагрузки и предпочтений пользователей в будущих выпусках.
Разработка приложений. Определение того, как пользователи используют приложение, для прогнозирования будущего использования и предпочтений.
Когортный анализ – разделение пользователей на схожие группы для более четкого понимания их поведения.
Безопасность. Обнаружение скомпрометированных учетных данных и внутренних угроз путем обнаружения аномального поведения.
Предложения – Людям, которым это понравилось, также понравилось...
Представление соответствующего контента (предпочтений, групп пользователей и т. д.) на основе поведения пользователей. ^[8]

Компоненты

Идеальное решение для поведенческой аналитики должно включать в себя:

Сбор огромных объемов необработанных данных о событиях в режиме реального времени со всех соответствующих цифровых устройств и приложений, используемых во время сеансов.
Автоматическое агрегирование необработанных данных о событиях в соответствующие наборы данных для быстрого доступа, фильтрации и анализа.
Возможность запрашивать данные неограниченным количеством способов, что позволяет пользователям задавать любые бизнес-вопросы.
Обширная библиотека встроенных функций анализа, таких как когортный анализ, анализ пути и воронки.
Компонент визуализации

См. также

Ссылки

^ Шах, Салех и др. « Обнаружение скомпрометированных учетных данных пользователя на цифровом предприятии с использованием поведенческой аналитики ». Future Generation Computer Systems 93 (2019): 407-417.
^ Ямагучи, Коки (6 июня 2013 г.). «Использование рекламных данных для анализа поведения» . Колонка «Аналитика и маркетинг» . Маркетинговая земля.
^ Биддл, Сэм (20 мая 2019 г.). «Благодаря Facebook ваша сотовая компания следит за вами более внимательно, чем когда-либо» . Перехват . Проверено 1 июля 2019 г.
^ «Прощай, Chrome: веб-браузер Google стал шпионским программным обеспечением» . Вашингтон Пост .
^ Jump up to: ^а ^б «Ой, ведите себя хорошо! Как поведенческий анализ способствует более персонализированному маркетингу» (PDF) . Архивировано из оригинала (PDF) 14 июля 2014 г.
^ Гупта, Дипак (08 декабря 2021 г.). «Сообщение совета: Отслеживание в магазине: угроза конфиденциальности потребителей?» . Форбс . Проверено 20 февраля 2023 г.
^ Макс, Ронни (27 октября 2021 г.). «19 технологий слежения за людьми» . Поведенческая аналитика в розничной торговле . Проверено 20 февраля 2023 г.
^ Бехруз Омидвар-Тегерани; Сихем Амер-Яхия; Александр Термье (2015). «Интерактивный анализ групп пользователей» . Материалы 24-й Международной конференции ACM по управлению информацией и знаниями . Международная конференция по управлению информацией и знаниями (CIKM), 2015. стр. 403–412. дои : 10.1145/2806416.2806519 . ISBN 9781450337946 . S2CID 7675754 .

Дальнейшее чтение

Нагайтис, Марк. «Поведенческая аналитика: почему и как делать электронные покупки» . Электронная коммерция Таймс.

Леклер, Дженнифер. Рашин, Джейсон. «Поведенческая аналитика для чайников» . Z-библиотека.

[1] Шах, Салех и др. « Обнаружение скомпрометированных учетных данных пользователя на цифровом предприятии с использованием поведенческой аналитики ». Future Generation Computer Systems 93 (2019): 407-417.

[2] Ямагучи, Коки (6 июня 2013 г.). «Использование рекламных данных для анализа поведения» . Колонка «Аналитика и маркетинг» . Маркетинговая земля.

[3] Биддл, Сэм (20 мая 2019 г.). «Благодаря Facebook ваша сотовая компания следит за вами более внимательно, чем когда-либо» . Перехват . Проверено 1 июля 2019 г.

[4] «Прощай, Chrome: веб-браузер Google стал шпионским программным обеспечением» . Вашингтон Пост .

[IBM-5] Jump up to: ^а ^б «Ой, ведите себя хорошо! Как поведенческий анализ способствует более персонализированному маркетингу» (PDF) . Архивировано из оригинала (PDF) 14 июля 2014 г.

[Gupta_2021-6] Гупта, Дипак (08 декабря 2021 г.). «Сообщение совета: Отслеживание в магазине: угроза конфиденциальности потребителей?» . Форбс . Проверено 20 февраля 2023 г.

[Max_2021-7] Макс, Ронни (27 октября 2021 г.). «19 технологий слежения за людьми» . Поведенческая аналитика в розничной торговле . Проверено 20 февраля 2023 г.

[8] Бехруз Омидвар-Тегерани; Сихем Амер-Яхия; Александр Термье (2015). «Интерактивный анализ групп пользователей» . Материалы 24-й Международной конференции ACM по управлению информацией и знаниями . Международная конференция по управлению информацией и знаниями (CIKM), 2015. стр. 403–412. дои : 10.1145/2806416.2806519 . ISBN 9781450337946 . S2CID 7675754 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]