С помощью данных первого, второго и третьего порядка компании могут лучше понять свою аудиторию и выстроить с ней эффективные коммуникации. Что это за данные и как с ними работать — разбираемся вместе с экс-руководителем CRM-маркетинга «Нетологии» Петром Ермаковым.
20 сентября 2024
First, second, third party data: что это такое и как использовать в маркетинге
First, second, third party data: что это такое и как использовать в маркетинге
Компаниям нужна информация о клиентах, чтобы лучше понимать их поведение, предпочтения и потребности. Данные помогают маркетологам создавать персонализированный контент, делать кампании эффективнее и повышать средний чек.
Пользовательские данные делят на first, second и third party data. Вместе с экс-руководителем CRM-маркетинга «Нетологии» Петром Ермаковым разобрались, в чем разница между данными первого, второго и третьего порядка и как их используют в диджитал-маркетинге.
Содержание:
Какие есть виды данных
First party data — это информация, которую компания собирает напрямую от пользователей через собственные каналы, например веб-сайты и приложения.
Пример — данные о поведении пользователя на сайте: сколько времени он проводит на странице, какие товары добавляет в корзину, что покупал раньше. Данные, оставленные при регистрации, например имя, адрес электронной почты или предпочтения в рассылках, — это тоже first party data.
Данные первого порядка позволяют маркетологам глубоко понять аудиторию, поскольку отражают интересы и поведение реальных пользователей. Компания может проанализировать историю покупок и поведение на сайте и сегментировать аудиторию — например, по частоте покупок или интересам. Персонализированные предложения будут лучше соответствовать потребностям каждого сегмента и увеличат вероятность получить ответную реакцию.
Second party data компания получает от партнеров или других организаций, с которыми у нее есть договоренность о передаче информации. Например, сеть отелей может сотрудничать с авиакомпанией в рамках партнерской программы и получать доступ к данным о покупках билетов, предпочтениях в путешествиях и частоте полетов клиентов авиакомпании.
Данные второго порядка позволяют обогащать маркетинговые данные за счет партнеров, лучше понимать аудиторию и повышать точность таргетинга. Если ритейлер получает second party data от партнерской программы лояльности, он может использовать информацию о покупках и предпочтениях клиентов в других магазинах, чтобы предложить клиентам персонализированные скидки или рекомендации.
Third party data — это данные сторонних сервисов или организаций, специализирующихся на сборе и продаже данных о пользователях. Примером таких данных может быть демографическая информация — возраст, пол, доход, а также поведение в интернете: посещаемые сайты, интересы, взаимодействие с рекламными объявлениями. Эти данные обычно собираются с помощью трекеров, куки-файлов и других технологий, которые отслеживают действия пользователей на платформах и сайтах.
Данные третьего порядка расширяют возможности таргетинга и анализа за счет огромного объема информации, охватывающей широкую аудиторию. Например, компания может использовать информацию о поведении пользователей на других сайтах, чтобы нацеливать рекламные кампании на людей, которые проявляли интерес к схожим продуктам или услугам.
Иногда можно встретить еще одну категорию — zero party data, нулевые данные. Некоторые специалисты называют так данные, которые пользователи добровольно и сознательно предоставляют компании: например, при заполнении анкет, опросов, регистрационных форм или через настройки аккаунта, где указывают предпочтения, интересы и намерения.
На мой взгляд, существуют только данные первого, второго и третьего порядка. Попытка выделить zero party data как отдельную категорию не совсем правомерна.
Хотя zero party data подчеркивает добровольность предоставления данных пользователем, они являются частью данных первого порядка, поскольку собираются напрямую компанией через ее собственные каналы.
Бизнес создает условия, при которых пользователь делится информацией, но в любом случае инициатором сбора данных всегда является компания.
First party data
Откуда брать данные первого порядка
Формы подписки — один из главных способов сбора первичных данных. Пользователи добровольно оставляют информацию о себе, заполняя формы для получения новостей, специальных предложений или доступа к эксклюзивному контенту.
Mindbox предлагает читателю эксклюзивный контент в обмен на данные — адрес электронной почты
Опросы помогают получить больше обратной связи и глубже изучить мнения и ожидания клиентов. Обратная связь от клиентов помогает проанализировать поведение покупателей и скорректировать маркетинговую стратегию. Например, бренд Charmstore увеличил click rate рассылок на 0,64 п. п. с помощью опроса для подписчиков.
По результатам опроса Charmstore запустили автоматическую триггерную рассылку с опросом для новых подписчиков. Рассылка непродающая, но приносит 3–5 дополнительных продаж в месяц
Анализ поведения пользователя на сайте с помощью cookies позволяет отслеживать взаимодействия человека с веб-ресурсом, предоставляя данные о посещаемых страницах и интересующих товарах.
Транзакционные данные — сбор информации о покупках — помогает понять потребительские предпочтения и спрогнозировать продажи.
Офлайн-взаимодействия, такие как личные встречи и телефонные звонки, дополняют онлайн-данные
Каждый бизнес собирает данные по-разному. Например, и «Нетология», и Skillfactory предлагают курсы по языку программирования Python. Однако «Нетология» фокусируется на обучении через онлайн-вебинары и развернутые домашние задания, а Skillfactory предпочитает гайды и тесты, поэтому у них накоплен огромный объем данных о процессе обучения, включая количество ошибок при заполнении тестов. У «Нетологии» данные отличаются.
Как использовать данные первого порядка
Персонализация рекламы. Обладая детализированной информацией о клиентах, компания может создавать персонализированный контент, который лучше соответствует их интересам и потребностям. Например, ТОКИО-CITY настроили для покупателей персональные рекомендации в корзине. Они формируются на основе предпочтений конкретного клиента и его истории заказов. Такая механика увеличивает сумму заказа.
Алгоритмы Mindbox сформировали персональные рекомендации на основе клиентских данных
Персонализированные предложения не только увеличивают вероятность покупки, но и значительно повышают удовлетворенность клиентов. В приложении ТОКИО-CITY настроены три ленты товарных рекомендаций: из рекомендаций компания получает на 15% больше заказов, чем из других разделов приложения.
Поведенческий анализ. First-party-данные позволяют провести глубокий поведенческий анализ целевой аудитории, лучше понять ее потребности и более точно настроить кросс-канальный маркетинг и ретаргетинг. Например, если пользователь часто просматривает определенный раздел товаров, но не совершает покупку, магазин может показывать ему рекламу с предложениями товаров из этого раздела или отправить персонализированное письмо с напоминанием о брошенной корзине и предложением скидки.
Интернет-магазин «Акушерство» присылает напоминание о товарах, оставленных в корзине. Если пользователь так и не оформил заказ, ему предлагают скидку на просмотренные товары
Оптимизация маркетинга. Сбор данных и их анализ позволяют оптимизировать маркетинговые стратегии: повысить эффективность и снизить затраты. Например, ресторанная компания Italy & Co. смогла сократить стоимость лида в 2,5 раза и увеличить конверсию медийной рекламы на 41% благодаря использованию first-party-данных.
Компания загрузила аудиторию из Mindbox в рекламные кабинеты и настроила персонализированные рекламные кампании, ориентированные на клиентов, которые не делали заказ больше 10 дней.
Для выбранного сегмента аудитории была выстроена рекламная воронка с напоминаниями и специальными предложениями
Second party data
Откуда брать данные второго порядка
Сбор данных второго порядка часто происходит через компании с похожей целевой аудиторией, но разными методами привлечения и удержания клиентов. Ритейлер может получить данные от производителей товаров или от партнеров по программе лояльности.
Например, авиакомпания «Аэрофлот» и сеть гостиниц Marriott запускали совместную программу лояльности, позволяя конвертировать бонусные баллы программы Marriott Rewards в премиальные мили программы «Аэрофлот Бонус».
У «Аэрофлота» есть доступ к данным о покупках билетов, частоте полетов и предпочтениях своих клиентов, а Marriott владеет информацией о бронированиях номеров, продолжительности пребывания и предпочтениях в гостиничных услугах.
Данные могут быть получены через партнерские интеграции и API — это позволяет автоматизировать обмен информацией и получать актуальные данные в режиме реального времени. Например, Lamoda интегрировала API «ЮKassa» на свою платформу для обработки платежей. Это позволило интернет-магазину не только принимать разные способы оплаты, но и автоматически получать информацию о транзакциях клиентов: частоте покупок, суммах платежей, предпочитаемых способах оплаты и географическом положении.
Образовательная платформа может сотрудничать с партнерским образовательным блогом. Блог поделится данными о карьерных путях подписчиков, которые собрал через тематический тест, а образовательная платформа интегрирует эти данные в собственную базу. Так источники данных одной компании обогащаются за счет другой бизнес-конструкции.
Для «Нетологии» данные другого образовательного бизнеса будут считаться second party, тогда как для него они останутся first party data.
Как использовать данные второго порядка
Углубленный поведенческий анализ. Компании объединяют собственные данные с данными партнеров, чтобы получить более детальное представление о поведении и потребностях целевой аудитории. Это позволяет лучше понять, кто их клиент, как, когда и почему он совершает покупки.
Например, банк может сотрудничать с маркетплейсом. Банк собирает огромный объем данных о клиентах, включая информацию о транзакциях, расходах, накоплениях, кредитах и платежах. Эти данные помогают получить информацию о финансовых привычках клиентов, об их платежеспособности, уровне доходов и предпочитаемых способах оплаты.
Маркетплейс, в свою очередь, владеет данными о покупательских привычках: какие товары покупают клиенты, в какое время, как часто делают заказы, какие акции их привлекают, какую сумму они готовы потратить.
Объединив данные, можно глубже проанализировать поведение клиентов. Банк может предоставить информацию о том, какие категории товаров чаще всего покупают клиенты с высоким уровнем дохода или кто из клиентов активно использует кредитные карты. Маркетплейс же может добавить к этому данные о предпочтительных брендах, частоте покупок и категориях товаров.
Оптимизация продуктов и услуг. Информация от партнеров используется для улучшения существующих продуктов или разработки новых, более точно соответствующих потребностям клиентов.
Сотрудничая с маркетплейсом, банк может создать новый кредитный продукт или улучшить условия рассрочки для клиентов, которые активно покупают премиальные товары на маркетплейсе. Банк может предложить сниженные процентные ставки или удлиненные сроки рассрочки для таких покупок.
Маркетплейс может разработать новые предложения для держателей карт банка: эксклюзивные скидки на определенные категории товаров или бонусы при оплате покупок через мобильное приложение банка.
Повышение конкурентоспособности. Доступ к уникальным данным партнеров позволяет компании выделиться на фоне конкурентов. Например, банк может предложить кобрендинговую карту с маркетплейсом с увеличенным кешбэком на покупки в определенных категориях товаров, популярных среди клиентов маркетплейса. Более того, банк может предоставить своим клиентам эксклюзивный доступ к распродажам или предзаказам на маркетплейсе.
Допустим, на бесплатный курс «Нетологии» приходят люди по рекомендации блогера. Впоследствии всех участников курса прогревают с помощью цепочки писем. Она работает, но мы понимаем, что ее нужно сделать более эффективной.
Чтобы улучшить показатели этой цепочки, важно учитывать, что 50% пользователей приходят от блогера, а 50% — органическим путем. У этих групп разные нарративы: одни знакомы с блогом, другие пришли случайно. Мы не должны общаться с ними одинаково. Например, если блог специализируется на технических обзорах, то пользователи оттуда, вероятно, лучше разбираются в теме. Мы можем использовать это знание, чтобы адаптировать сообщения и предложить им более сложный контент.
Данные помогают понять, почему пользователи совершают те или иные действия, и позволяют настроить коммуникацию более таргетированно. Если бизнес понимает, что данные можно обогатить, нужно определить, какую задачу это решает.
Если проблема в цепочке писем, потому что в нее попадают все подряд, и мы видим, что пользователи от блогера конвертируются плохо, то мы купим у блогера дополнительные данные. Это позволит нам настроить отдельный онбординг и вести коммуникацию с этой группой более эффективно.
Third party data
Откуда брать данные третьего порядка
Данные третьего порядка можно купить у внешних организаций. Эти данные собираются из множества разных источников, таких как социальные сети, данные из мобильных приложений и от партнерских сетей, геолокационные данные, транзакции с использованием банковских карт.
Такие данные можно купить у крупных поставщиков — агрегаторов данных, платформ программатик-рекламы, специализированных сервисов типа «Яндекс Аудитории» и Google Marketing Platform. Через онлайн-платформы можно выбрать нужные сегменты аудитории и приобрести доступ к ним.
Через Google Ad Manager можно подключить DMP — данные от внешних провайдеров. Для этого нужно авторизоваться и выбрать нужную платформу в разделе «Связанные аккаунты»
Как использовать данные третьего порядка
Данные третьего порядка — это агрегированные данные. Их используют при настройке таргетированной рекламы, например в Google Ads или VK Ads. Они могут быть размечены и сегментированы в зависимости от того, как настроена рекламная кампания.
Третьесторонние данные — это обезличенный массив, однако из аналитики данных третьего порядка тоже можно извлечь некоторую информацию об аудитории.
Все зависит от того, как настроены и размечены ваши рекламные кампании. Например, если UTM-метка состоит из трех компонентов — возраста, пола и географического положения — вы сможете при регистрации сразу классифицировать пользователя по этим параметрам. Это позволит более точно понимать и анализировать трафик.
Данные третьего порядка интегрируются с системами автоматизации маркетинга и профилями пользователей в CRM-системе. Это позволяет проводить кросс-канальные маркетинговые кампании, более точно таргетировать рекламу и координировать маркетинговые усилия.
Например, компания может использовать данные третьего порядка для таргетирования пользователей, которые посещали определенные сайты, но не совершали покупку. Эти данные могут быть интегрированы с CRM-системой компании, чтобы автоматически сегментировать таких пользователей и отправлять им персонализированные предложения через email-рассылку. Одновременно на основе тех же данных можно настроить показ таргетированной рекламы в социальных сетях и поисковых системах, что усилит эффективность кампании за счет кросс-канального подхода и увеличит вероятность конверсии.
Mindbox интегрируется со всеми нашими системами и обогащает нашу базу данных: например, помогает определять возраст и пол пользователей.
У нас был курс «IT для женщин». Рассылать анонс курса по всей базе было бы неэффективно, поэтому с помощью Mindbox мы построили фильтр и выделили нужный сегмент аудитории — женщин. Это дало нам высокий отклик и хорошие показатели по конверсии на курс.
Особенности сбора данных
Легальный аспект. В каждой стране законодательство регламентирует порядок обращения с персональными и другими видами данных. Чтобы избежать нарушений, следует изучить законодательство страны, в которой компания ведет рекламную деятельность.
Важно не только соблюдать законодательство, но и придерживаться этических норм. Нельзя просто сообщить человеку, что вам известны его действия и интересы. Вместо этого нужно аккуратно подводить к теме, основываясь на имеющихся данных.
Сложные для построения формы. Например, сложно создать контактную форму, которая сможет собирать данные из трекера, где пользователь вводит email, телефон и соглашается с условиями, а затем добавить к этому дополнительный сбор данных. Требуется скрипт, который сможет собирать и обрабатывать эти данные. Основные проблемы возникают именно на этапе построения инфраструктуры для сбора данных.
Сбор данных второго порядка через API. Для сбора данных второго порядка можно обратиться к компании-партнеру по API, если у нее есть необходимая инфраструктура и база данных. Нужно составить и подписать сложный договор.
Настройка инфраструктуры для данных третьего порядка. Для работы с данными третьего порядка необходимо настроить инфраструктуру и согласовать бизнес-правила разметки трафика внутри компании. Все это сложные задачи, требующие значительных усилий.
Интеграция и единый профиль клиента позволяют фильтровать и управлять данными более эффективно. Переносить данные вручную из сервиса в сервис небезопасно и неудобно. Единый профиль пользователя позволяет фильтровать данные в реальном времени и корректно настраивать рассылки.
Если мы встаем на путь постоянного обогащения данных и создания единого профиля пользователя, как это делает Mindbox, необходимо разработать четкую стратегию. Важно прописывать не только полноценные KPI, но и привязывать метрики к конкретным кускам данных. Например, если мы начинаем собирать микроанкеты, мы должны четко понимать, что эти данные нужны для кастомизации и персонализации писем
Данные — это сложный, дорогой и потенциально опасный ресурс. Поэтому подходить к ним нужно с умом и большой осторожностью, всегда имея в виду конечную цель и пользу, которую они могут принести.
