Инсайт — это скрытая ценная закономерность в данных?
А вот инет ! В принципе, на этом все. Можно расходиться. Ноооо, если вам все-таки интересно, почему это не так, то давайте разбираться!
По мере того, как я погружался в вопросы извлечения прямой ценности из собираемых компаниями данных, мое понимание сути «инсайта» менялось. В какой-то момент я пришел к логичному выводу, что это скрытая и ценная закономерность в данных. Но со временем пришло осознание: слова «скрытая» и «ценная» в этом определении глубоко субъективны и, следовательно, не отражают объективную суть феномена.
Почему не обязательно «скрытая»?
— Асимметрия информации. Скрытая = неочевидная. Но очевидность — понятие крайне субъективное. Даже в одной и той же команде разные люди видят данные по-разному: то, что для одного сразу бросается в глаза, для другого может быть совершенно новым, а третий и вовсе тыщу лет как об этом знает. Это обычная асимметрия информации, и она существует даже внутри одной комнаты.
— Эффект заднего ума. Есть такая штука как «hindsight bias» — когнитивное искажение, при котором после получения новой информации события или факты начинают казаться логичными и вполне очевидными, хотя раньше воспринимались иначе. Психологи связывают это с работой памяти: мы невольно подгоняем прошлое под текущее понимание. Пока инсайта не было, он мог казаться нетривиальной находкой, а как нашли превращает его в «ну это же и так понятно», хотя еще минуту назад его просто не существовало в картине мира.
— Эффект «замыленности глаза». Если закономерность действительно значима, то возникает логичный вопрос: почему до сих пор с этим ничего не сделано? Почему закономерность, которая здорово драйвит метрику, годами не была реализована? Все дело в том, что сложно посмотреть на себя со стороны, когда ты находишься внутри пузыря. «Ненормальность» становится новой нормой, перестает восприниматься как проблема. Инсайт может лежать буквально под носом, но без свежего взгляда его не видят, не обращают внимания, не берут в работу.
Почему не обязательно «ценная»?
Ценность инсайта почти всегда определяется не им самим, а тем, дойдет ли он до реализации. Если команда не понимает, что с ним делать, — он умрет, не принеся ценности, каким бы сильным ни был. Я сейчас не про организационные барьеры вроде зоны ответственности, ресурсов или приоритетов. Я про более тонкую вещь: команда должна видеть решение, и хотеть его реализовать.
Мы используем специальное басурманское словечко «actionable», что по смыслу примерно означает «управляемый» применительно к инсайту. Но и «экшенабельность» субъективна! Для одной команды инсайт будет экшенабельным: они доведут его до реализации и получат значительный эффект. Другая команда так и не сможет найти решение, пропустит инсайт, какой бы коммерческий потенциал он в себе ни скрывал.
Именно поэтому мы не говорим о «скрытой и ценной» закономерности в данных. Мы говорим о «значимой» в том смысле, что такая закономерность действительно является рычагом воздействия на целевую метрику. А еще мы в автоматическом режиме прогнозируем конкретный, измеримый экономический эффект от внедрения инсайта вместо абстрактного рассуждения о ценности.
Чем больше я думаю об этом, тем яснее становится простая вещь. Инсайт всегда существует в контексте конкретных знаний, ограничений, решений и людей. И, возможно, именно поэтому процесс поиска инсайтов так плохо поддается формализации вручную — но отлично ложится на системный, машинный подход.
С вами был Кузин из Smart Data Hub. Не мучайте данные, мы умучаем их за вас.
А вот и
По мере того, как я погружался в вопросы извлечения прямой ценности из собираемых компаниями данных, мое понимание сути «инсайта» менялось. В какой-то момент я пришел к логичному выводу, что это скрытая и ценная закономерность в данных. Но со временем пришло осознание: слова «скрытая» и «ценная» в этом определении глубоко субъективны и, следовательно, не отражают объективную суть феномена.
Почему не обязательно «скрытая»?
— Асимметрия информации. Скрытая = неочевидная. Но очевидность — понятие крайне субъективное. Даже в одной и той же команде разные люди видят данные по-разному: то, что для одного сразу бросается в глаза, для другого может быть совершенно новым, а третий и вовсе тыщу лет как об этом знает. Это обычная асимметрия информации, и она существует даже внутри одной комнаты.
— Эффект заднего ума. Есть такая штука как «hindsight bias» — когнитивное искажение, при котором после получения новой информации события или факты начинают казаться логичными и вполне очевидными, хотя раньше воспринимались иначе. Психологи связывают это с работой памяти: мы невольно подгоняем прошлое под текущее понимание. Пока инсайта не было, он мог казаться нетривиальной находкой, а как нашли превращает его в «ну это же и так понятно», хотя еще минуту назад его просто не существовало в картине мира.
— Эффект «замыленности глаза». Если закономерность действительно значима, то возникает логичный вопрос: почему до сих пор с этим ничего не сделано? Почему закономерность, которая здорово драйвит метрику, годами не была реализована? Все дело в том, что сложно посмотреть на себя со стороны, когда ты находишься внутри пузыря. «Ненормальность» становится новой нормой, перестает восприниматься как проблема. Инсайт может лежать буквально под носом, но без свежего взгляда его не видят, не обращают внимания, не берут в работу.
Почему не обязательно «ценная»?
Ценность инсайта почти всегда определяется не им самим, а тем, дойдет ли он до реализации. Если команда не понимает, что с ним делать, — он умрет, не принеся ценности, каким бы сильным ни был. Я сейчас не про организационные барьеры вроде зоны ответственности, ресурсов или приоритетов. Я про более тонкую вещь: команда должна видеть решение, и хотеть его реализовать.
Мы используем специальное басурманское словечко «actionable», что по смыслу примерно означает «управляемый» применительно к инсайту. Но и «экшенабельность» субъективна! Для одной команды инсайт будет экшенабельным: они доведут его до реализации и получат значительный эффект. Другая команда так и не сможет найти решение, пропустит инсайт, какой бы коммерческий потенциал он в себе ни скрывал.
Именно поэтому мы не говорим о «скрытой и ценной» закономерности в данных. Мы говорим о «значимой» в том смысле, что такая закономерность действительно является рычагом воздействия на целевую метрику. А еще мы в автоматическом режиме прогнозируем конкретный, измеримый экономический эффект от внедрения инсайта вместо абстрактного рассуждения о ценности.
Чем больше я думаю об этом, тем яснее становится простая вещь. Инсайт всегда существует в контексте конкретных знаний, ограничений, решений и людей. И, возможно, именно поэтому процесс поиска инсайтов так плохо поддается формализации вручную — но отлично ложится на системный, машинный подход.
С вами был Кузин из Smart Data Hub. Не мучайте данные, мы умучаем их за вас.
🔥23💯11❤3👏3🤩2
Эффект Симпсона: когда данные честно говорят противоположные вещи
Есть одно когнитивное искажение в аналитике, про которое я частенько рассказываю на выступлениях. Как правило он вызывает одинаковую реакцию: сначала интерес, потом удивление, а потом легкое недоверие. Вроде бы все логично, формулы простые, расчеты прозрачные — но внутри остается ощущение, что «так не должно работать».
Речь про «эффект (парадокс) Симпсона». Ситуацию, когда в одних и тех же данных можно получить противоположные выводы — и оба при этом будут математически корректными. Не потому что кто-то ошибся в расчетах, а потому что данные устроены чуточку сложнее, чем кажется на первый взгляд.
Чтобы с этим эффектом действительно разобраться, одного объяснения обычно недостаточно. Его нужно увидеть на цифрах. Именно поэтому я собрал файл, в котором можно самому покрутить данные и посмотреть, как это работает на практике. В конце поста я дам ссылку, но сначала — про две формы, в которых эффект Симпсона чаще всего проявляется.
1. Статика. Здесь «Симпсон» основан на эффекте агрегации: итоговая метрика определяется не только значениями в сегментах, но и их весами. Парадокс Симпсона в статике чаще всего возникает именно здесь — когда «среднее» скрывает структуру [см. вкладку «статика» по ссылке ниже].
2. Динамика. Мы смотрим на агрегированную метрику и видим тренд — рост или падение. Начинаем делать выводы, менять бюджеты, оптимизировать стратегию. Но если разложить данные по сегментам, может выясниться, что внутри каждого сегмента ситуация развивается в противоположную сторону. Метрика улучшается везде — но общий результат во времени ухудшается. Или наоборот [см. вкладку «динамика» по ссылке ниже].
Пруфы здесь!👇
Эффект Симпсона не нарушает математику — он нарушает интуицию. Нам хочется верить, что если данные посчитаны правильно, то и вывод из них будет один. Но данные могут быть честными и при этом вводить в заблуждение, если не учитывать их структуру.
Здесь вы можете пощупать этот эффект руками: ссылка на файл с расчетами. В файле по ссылке есть два листа: один про статику, другой про динамику. Их можно спокойно разобрать и посмотреть, как из одних и тех же цифр получаются разные выводы.
Эффект Симпсона — хороший повод в следующий раз не спешить с выводами, а покопать данные поглубже, даже если метрики выглядят очень убедительно.
С вами был Кузин из Smart Data Hub. Эффект Симпсона — это когда ты все посчитал правильно, но отчет все равно вызывает недоверие у руководителя.
Есть одно когнитивное искажение в аналитике, про которое я частенько рассказываю на выступлениях. Как правило он вызывает одинаковую реакцию: сначала интерес, потом удивление, а потом легкое недоверие. Вроде бы все логично, формулы простые, расчеты прозрачные — но внутри остается ощущение, что «так не должно работать».
Речь про «эффект (парадокс) Симпсона». Ситуацию, когда в одних и тех же данных можно получить противоположные выводы — и оба при этом будут математически корректными. Не потому что кто-то ошибся в расчетах, а потому что данные устроены чуточку сложнее, чем кажется на первый взгляд.
Чтобы с этим эффектом действительно разобраться, одного объяснения обычно недостаточно. Его нужно увидеть на цифрах. Именно поэтому я собрал файл, в котором можно самому покрутить данные и посмотреть, как это работает на практике. В конце поста я дам ссылку, но сначала — про две формы, в которых эффект Симпсона чаще всего проявляется.
1. Статика. Здесь «Симпсон» основан на эффекте агрегации: итоговая метрика определяется не только значениями в сегментах, но и их весами. Парадокс Симпсона в статике чаще всего возникает именно здесь — когда «среднее» скрывает структуру [см. вкладку «статика» по ссылке ниже].
2. Динамика. Мы смотрим на агрегированную метрику и видим тренд — рост или падение. Начинаем делать выводы, менять бюджеты, оптимизировать стратегию. Но если разложить данные по сегментам, может выясниться, что внутри каждого сегмента ситуация развивается в противоположную сторону. Метрика улучшается везде — но общий результат во времени ухудшается. Или наоборот [см. вкладку «динамика» по ссылке ниже].
Пруфы здесь!👇
Эффект Симпсона не нарушает математику — он нарушает интуицию. Нам хочется верить, что если данные посчитаны правильно, то и вывод из них будет один. Но данные могут быть честными и при этом вводить в заблуждение, если не учитывать их структуру.
Здесь вы можете пощупать этот эффект руками: ссылка на файл с расчетами. В файле по ссылке есть два листа: один про статику, другой про динамику. Их можно спокойно разобрать и посмотреть, как из одних и тех же цифр получаются разные выводы.
Эффект Симпсона — хороший повод в следующий раз не спешить с выводами, а покопать данные поглубже, даже если метрики выглядят очень убедительно.
С вами был Кузин из Smart Data Hub. Эффект Симпсона — это когда ты все посчитал правильно, но отчет все равно вызывает недоверие у руководителя.
Google Docs
Парадокс Симпсона
🔥33❤🔥14👏8🤩6💯3
Раньше этот канал назывался #прокачайаналитику. Звучало как призыв в фитнес-клуб для маркетологов. Теперь буду просто Кузиным из Smart Data Hub. Давайте знакомиться👇
❤9🔥6🤩4👏1
Кто я и почему меня стоит читать (спойлер: не стоит, но вы все равно читайте)
Привет! Меня зовут Игорь Кузин. На первый взгляд — зануда и интроверт. На второй —ну точно так и есть!
Что там по фактам?
— Привлек 100+ млн рублей инвестиций в Smart Data Hub. Мы пилим AI-движок, который сам анализирует данные. Человеку остается только успевать внедрять найденные инсайты.
— Пять лет преподавал во ВШЭ, где построил курс по сквозной аналитике для профи и написал учебное пособие «Гайд по базовым метрикам маркетинговой аналитики».
— Свободное от спасения маркетинга время уделяю своим четверым детям. Такой вот work-life balance.
О чем я здесь пишу?
Про то, как мы с командой строим пятый аналитический слой. Звучит как какая-то мутная штука для гиков, но на самом деле это просто способ заставить ИИ искать инсайты на потоке, а не вот это вот «давайте выгрузим в Excel». И про то, что инсайты уже не нужно искать вручную, ну пожалуйста, это уже прошлый век. Да и вообще, что такое инсайт и чем он быть не обязан — тоже отдельная история.
Про то, как нас обманывает наш собственный мозг при анализе данных: когнитивные искажения в аналитике диджитал-маркетинга, математика парадокса Симпсона и как работает системный улучшайзинг.
И просто про всякое на стыке маркетинга и цифр:
— Маленькие мумзики мумзили мумзят или ох уж эта отраслевая специфика
— Параметры и показатели. Или как вычислить аналитический бэкграунд собеседника
— Про метрики, KPI и закон Гудхарта
Если вы дочитали до конца — значит ваш потенциал конверсии в подписку уже выше среднего. Осталось лишь нажать «подписаться», чтобы не ломать воронку.
Привет! Меня зовут Игорь Кузин. На первый взгляд — зануда и интроверт. На второй —
Что там по фактам?
— Привлек 100+ млн рублей инвестиций в Smart Data Hub. Мы пилим AI-движок, который сам анализирует данные. Человеку остается только успевать внедрять найденные инсайты.
— Пять лет преподавал во ВШЭ, где построил курс по сквозной аналитике для профи и написал учебное пособие «Гайд по базовым метрикам маркетинговой аналитики».
— Свободное от спасения маркетинга время уделяю своим четверым детям. Такой вот work-life balance.
О чем я здесь пишу?
Про то, как мы с командой строим пятый аналитический слой. Звучит как какая-то мутная штука для гиков, но на самом деле это просто способ заставить ИИ искать инсайты на потоке, а не вот это вот «давайте выгрузим в Excel». И про то, что инсайты уже не нужно искать вручную, ну пожалуйста, это уже прошлый век. Да и вообще, что такое инсайт и чем он быть не обязан — тоже отдельная история.
Про то, как нас обманывает наш собственный мозг при анализе данных: когнитивные искажения в аналитике диджитал-маркетинга, математика парадокса Симпсона и как работает системный улучшайзинг.
И просто про всякое на стыке маркетинга и цифр:
— Маленькие мумзики мумзили мумзят или ох уж эта отраслевая специфика
— Параметры и показатели. Или как вычислить аналитический бэкграунд собеседника
— Про метрики, KPI и закон Гудхарта
Если вы дочитали до конца — значит ваш потенциал конверсии в подписку уже выше среднего. Осталось лишь нажать «подписаться», чтобы не ломать воронку.
❤30🔥12👍7❤🔥4🤩4💯4🤣2👏1
ТОР-10 когнитивных искажений в аналитике диджитал-маркетинга: почему мозг бьет по ROMI молотком
Много лет собирал и систематизировал приемы, с помощью которых нас обманывает наш собственный мозг. И делает он это просто восхитительно! Мы уверены, что твердо видим в данных одно, а там хоп — и совершенно другое.
Собрал все это в один лонгрид — теперь можно изучать, ужасаться и проверять себя. Текст вышел увесистый, но я постарался, чтобы без крови из глаз. Заваривайте чай, там есть на что посмотреть.
Читать, комментить и лайкать (я проверю!) здесь: https://vc.ru/marketing/2700003-top-10-kognitivnykh-iskazheniy-v-didzhital-marketinge
Кузин из Smart Data Hub. На изображении — известная оптическая иллюзия. Говорят, что там книга, но у меня до сих пор не получилось ее разглядеть.
Много лет собирал и систематизировал приемы, с помощью которых нас обманывает наш собственный мозг. И делает он это просто восхитительно! Мы уверены, что твердо видим в данных одно, а там хоп — и совершенно другое.
Собрал все это в один лонгрид — теперь можно изучать, ужасаться и проверять себя. Текст вышел увесистый, но я постарался, чтобы без крови из глаз. Заваривайте чай, там есть на что посмотреть.
Читать, комментить и лайкать (я проверю!) здесь: https://vc.ru/marketing/2700003-top-10-kognitivnykh-iskazheniy-v-didzhital-marketinge
Кузин из Smart Data Hub. На изображении — известная оптическая иллюзия. Говорят, что там книга, но у меня до сих пор не получилось ее разглядеть.
🔥31❤6👏3🤩1
История первой в мире Customer Journey Map и причем здесь автоматическая аналитика
Первая в мире Customer Journey Map родилась не в каком-нибудь душном корпоративном офисе с бесконечными PowerPoint'ами и не для скучного B2B-софта с CRM на миллион полей. Нет, друзья, это случилось в конце 90-х у Eurostar — тех самых ребят, которые решили гонять поезда под Ла-Маншем, где нормальные люди предпочитали самолеты, а не играть в «подводный гроб на колесах».
Проблема вышла эпичная: билеты продаются, люди садятся, а потом начинается массовая клаустрофобия уровня «я сейчас утону в этой трубе, спасите». Тревога накрывала еще до посадки, и пассажиры мысленно уже писали завещание.
Тут на сцену выходит консалтинговая компания Oxford [пруф здесь] и изобретает то, что мы теперь называем Customer Journey Map. Карта была простая: линейный путь от «а не махнуть ли в Париж?» до «ура, я живой на вокзале в Лондоне». Шаги, точки контакта, эмоции — и никаких вам дашбордов, триггеров и метрик.
Ключевой инсайт: пик страха — именно в тоннеле (20 минут под водой). Но они не пошли фиксить только этот узел CJM локально. Не стали раздавать леденцы в момент заныривания под Ла-Манш, включать расслабляющую музыку, пытаться ставить мягкий свет в вагоне или включать табло «дышите глубже».
Нет, они взяли и системно пересобрали всю концепцию поездки:
— начали управлять ожиданиями: объяснять, что именно будет происходить в пути;
— сократили всякое трение до и после: билеты без очередей, удобная посадка, навигация;
— перестроили ключевые маркетинговые посылы, ушли от «поезд под морем» в сторону «комфортный европейский опыт».
Один инсайт → каскад умных изменений по всей цепочке → тревога ушла, люди вернулись за второй поездкой.
Кстати, про «трение» (в оригинале «friction»). Это что-то, от чего у пользователя в голове щелкает: «да ну его нафиг». Лишний клик, форма на 42 поля, текст «укажите девичью фамилию вашей кошки» и загрузка дольше, чем ожидание такси в дождь. Любая мелочь, от которой человек получает легкий прилив ярости и закрывает вкладку навсегда.
Мораль: если автоматическая аналитика приносит вам инсайт, связанный с конкретным шагом CJM, то не спешите искать решения именно на уровне этого шага. Постарайтесь взглянуть шире: не открывает ли инсайт глаза на то, как стоит перестроить УТП вокруг конкретного продукта, креативы, ключевые точки контакта так, чтобы избавить пользователя от трения и сделать его путешествие к конверсии максимально комфортным?
С вами был Кузин из Smart Data Hub. Так выпьем же за то, чтобы пик страха был не в вашей CJM, а в где-то отзывах у ваших конкурентов! :)
Первая в мире Customer Journey Map родилась не в каком-нибудь душном корпоративном офисе с бесконечными PowerPoint'ами и не для скучного B2B-софта с CRM на миллион полей. Нет, друзья, это случилось в конце 90-х у Eurostar — тех самых ребят, которые решили гонять поезда под Ла-Маншем, где нормальные люди предпочитали самолеты, а не играть в «подводный гроб на колесах».
Проблема вышла эпичная: билеты продаются, люди садятся, а потом начинается массовая клаустрофобия уровня «я сейчас утону в этой трубе, спасите». Тревога накрывала еще до посадки, и пассажиры мысленно уже писали завещание.
Тут на сцену выходит консалтинговая компания Oxford [пруф здесь] и изобретает то, что мы теперь называем Customer Journey Map. Карта была простая: линейный путь от «а не махнуть ли в Париж?» до «ура, я живой на вокзале в Лондоне». Шаги, точки контакта, эмоции — и никаких вам дашбордов, триггеров и метрик.
Ключевой инсайт: пик страха — именно в тоннеле (20 минут под водой). Но они не пошли фиксить только этот узел CJM локально. Не стали раздавать леденцы в момент заныривания под Ла-Манш, включать расслабляющую музыку, пытаться ставить мягкий свет в вагоне или включать табло «дышите глубже».
Нет, они взяли и системно пересобрали всю концепцию поездки:
— начали управлять ожиданиями: объяснять, что именно будет происходить в пути;
— сократили всякое трение до и после: билеты без очередей, удобная посадка, навигация;
— перестроили ключевые маркетинговые посылы, ушли от «поезд под морем» в сторону «комфортный европейский опыт».
Один инсайт → каскад умных изменений по всей цепочке → тревога ушла, люди вернулись за второй поездкой.
Кстати, про «трение» (в оригинале «friction»). Это что-то, от чего у пользователя в голове щелкает: «да ну его нафиг». Лишний клик, форма на 42 поля, текст «укажите девичью фамилию вашей кошки» и загрузка дольше, чем ожидание такси в дождь. Любая мелочь, от которой человек получает легкий прилив ярости и закрывает вкладку навсегда.
Мораль: если автоматическая аналитика приносит вам инсайт, связанный с конкретным шагом CJM, то не спешите искать решения именно на уровне этого шага. Постарайтесь взглянуть шире: не открывает ли инсайт глаза на то, как стоит перестроить УТП вокруг конкретного продукта, креативы, ключевые точки контакта так, чтобы избавить пользователя от трения и сделать его путешествие к конверсии максимально комфортным?
С вами был Кузин из Smart Data Hub. Так выпьем же за то, чтобы пик страха был не в вашей CJM, а в где-то отзывах у ваших конкурентов! :)
🔥26❤7👏4👍3💯3
Почему LLM для анализа маркетинговых данных — ни разу не волшебная палочка
Все вокруг: «Кидай данные в Claude/Gemini/ChatGPT — и инсайты посыплются как из рога изобилия!». Я взял реальные объемы, посчитал токены, посмотрел, как агрегация рубит все на корню — и написал статью.
О двух фундаментальных причинах, почему большие языковые модели способны неплохо описывать то, что они видят в таблицах, но абсолютно не подходят для поиска инсайтов, читайте на VC: https://vc.ru/ai/2750764-pochemu-llm-ne-podkhodit-dlya-analiza-dannykh
Кузин из Smart Data Hub. Почему LLM не волшебная палочка? Ну так ведь и данные — не сказка.
Все вокруг: «Кидай данные в Claude/Gemini/ChatGPT — и инсайты посыплются как из рога изобилия!». Я взял реальные объемы, посчитал токены, посмотрел, как агрегация рубит все на корню — и написал статью.
О двух фундаментальных причинах, почему большие языковые модели способны неплохо описывать то, что они видят в таблицах, но абсолютно не подходят для поиска инсайтов, читайте на VC: https://vc.ru/ai/2750764-pochemu-llm-ne-podkhodit-dlya-analiza-dannykh
Кузин из Smart Data Hub. Почему LLM не волшебная палочка? Ну так ведь и данные — не сказка.
🔥30❤🔥6❤3💯2👍1👏1
Инсайты, про которые я все время говорю, но ни разу нормально не показал
Долгое время в канале я рассуждаю про глубокий анализ данных, неожиданные выводы, «вот где на самом деле собака зарыта» и всякое такое.
Но, кажется, я ни разу не выложил сюда конкретных и внятных примеров. Не гипотетических эффектов, кейсов: какая задача стояла перед бизнесом, на какие данные опиралась машина, и какой вывод в итоге стал настоящей точкой роста.
Таких историй у нас накопилось очень и очень много. Некоторые согласованы и можно рассказать без риска получить письмо от юристов, некоторые требуют рандомизации цифр и размытия признаков, но суть сохранится полностью.
Поэтому предлагаю простой договор:
Если этот пост соберет 40 🔥 — я выложу первый подробный разбор: с цифрами, с графиками, с объяснением в чем ценность и с тем, что команда на стороне клиента сделала после.
Голосуем максимально честно:
🔥 — давай уже, показывай эти твои легендарные инсайты
🤔 — хм… да вроде и так все понятно, примеры особо-то и не нужны
Поехали!
Кузин из Smart Data Hub. Тот самый, который постоянно рассуждает об инсайтах, но ни разу не привел внятных примеров.
Долгое время в канале я рассуждаю про глубокий анализ данных, неожиданные выводы, «вот где на самом деле собака зарыта» и всякое такое.
Но, кажется, я ни разу не выложил сюда конкретных и внятных примеров. Не гипотетических эффектов, кейсов: какая задача стояла перед бизнесом, на какие данные опиралась машина, и какой вывод в итоге стал настоящей точкой роста.
Таких историй у нас накопилось очень и очень много. Некоторые согласованы и можно рассказать без риска получить письмо от юристов, некоторые требуют рандомизации цифр и размытия признаков, но суть сохранится полностью.
Поэтому предлагаю простой договор:
Если этот пост соберет 40 🔥 — я выложу первый подробный разбор: с цифрами, с графиками, с объяснением в чем ценность и с тем, что команда на стороне клиента сделала после.
Голосуем максимально честно:
🔥 — давай уже, показывай эти твои легендарные инсайты
🤔 — хм… да вроде и так все понятно, примеры особо-то и не нужны
Поехали!
Кузин из Smart Data Hub. Тот самый, который постоянно рассуждает об инсайтах, но ни разу не привел внятных примеров.
🔥54❤🔥4❤3💯2👍1👏1
Фантастические инсайты и где они обитают
50+ огонечков на предыдущем посте detected! Вы говорили «показывай инсайты», и завтра я приеду на «Умный маркетинг» и буду показывать их со сцены.
Что за движ
Завтра, 19 марта, в 16:00 на конференции «Умный маркетинг’26» выступаю с докладом «Фантастические инсайты и где они обитают».
О чем будет доклад
— «Инсайты в данных»: что это за диковинные звери, чем отличаются от банальной метрики «упало/выросло» и почему их нельзя заказать по прайсу «три инсайта к утру».
— Как их выслеживать: какие данные имеют смысл, где чаще всего «собака зарыта» и какие приемы помогают вытащить неочевидное, а не очередной «у кого больше бюджет — у того и продажи».
— Топ‑5 совершенно фантастических инсайтов из реальных проектов Smart Data Hub: с задачей, данными, выводом и тем, как маркетинговые команды после этого перевернули свою стратегию.
Для кого это все
Будет полезно тем из вас, кто ведет перформанс‑маркетинг и устал от отчетов ради отчетов, строит аналитику и хочет, чтобы данные реально вмешивались в решения, а не лежали в BI ради красоты, и руководителям, которые хотят отличать «легендарный инсайт» от красивой истории на слайде.
Если завтра будете на «Умном маркетинге» — приходите на мой доклад, ловить фантастических тварей в логах, отчетах и данных сквозной аналитики.
Кузин из Smart Data Hub. Тот самый, который «постоянно рассуждает об инсайтах» и на этот раз реально принес их в чемодане.
50+ огонечков на предыдущем посте detected! Вы говорили «показывай инсайты», и завтра я приеду на «Умный маркетинг» и буду показывать их со сцены.
Что за движ
Завтра, 19 марта, в 16:00 на конференции «Умный маркетинг’26» выступаю с докладом «Фантастические инсайты и где они обитают».
О чем будет доклад
— «Инсайты в данных»: что это за диковинные звери, чем отличаются от банальной метрики «упало/выросло» и почему их нельзя заказать по прайсу «три инсайта к утру».
— Как их выслеживать: какие данные имеют смысл, где чаще всего «собака зарыта» и какие приемы помогают вытащить неочевидное, а не очередной «у кого больше бюджет — у того и продажи».
— Топ‑5 совершенно фантастических инсайтов из реальных проектов Smart Data Hub: с задачей, данными, выводом и тем, как маркетинговые команды после этого перевернули свою стратегию.
Для кого это все
Будет полезно тем из вас, кто ведет перформанс‑маркетинг и устал от отчетов ради отчетов, строит аналитику и хочет, чтобы данные реально вмешивались в решения, а не лежали в BI ради красоты, и руководителям, которые хотят отличать «легендарный инсайт» от красивой истории на слайде.
Если завтра будете на «Умном маркетинге» — приходите на мой доклад, ловить фантастических тварей в логах, отчетах и данных сквозной аналитики.
Кузин из Smart Data Hub. Тот самый, который «постоянно рассуждает об инсайтах» и на этот раз реально принес их в чемодане.
❤22🔥16🤩6👏3👍1
Друзья, если вы соскучились по теплым офлайн-вечерам, то ловите митап «Чит-коды лидогенерации» 🤗
29 апреля в Москве соберемся, чтобы честно поговорить о том, где брать лиды, когда привычные каналыбольше не работают работают ну как-то не так.
Вместе со мной живыми кейсами поделятся: Дима Степаненко (Hot Wi-Fi), Дима Кивенко (Crosslife.me) и Гена Нагорнов (GeniusGroup). Дискуссию будет направлять Илья Королев, управляющий партнер ФРИИ.
Зарегистрироваться и узнать локацию можно здесь.
Кузин из Smart Data Hub. После митапа — свободное общение и нетворкинг. Приходите, буду рад повидаться!
29 апреля в Москве соберемся, чтобы честно поговорить о том, где брать лиды, когда привычные каналы
Вместе со мной живыми кейсами поделятся: Дима Степаненко (Hot Wi-Fi), Дима Кивенко (Crosslife.me) и Гена Нагорнов (GeniusGroup). Дискуссию будет направлять Илья Королев, управляющий партнер ФРИИ.
Зарегистрироваться и узнать локацию можно здесь.
Кузин из Smart Data Hub. После митапа — свободное общение и нетворкинг. Приходите, буду рад повидаться!
❤20🔥9👍1👏1🤩1
Иногда проиграть — это лучшее, что может с вами случиться
Что если самый полезный А/В-тест — это тот, который мы проиграли? Представьте себе картину: компания решила «освежить» сайт. Позвали студию Артемия Лебедева — новый логотип, нейминг, сделали легкий тюнинг на сайте, чтобы соответствовало обновленной концепции.
История, кстати, абсолютно реальная. Случилась она с одним нашим клиентом, еще во времена, когда GA в России был более популярен, чем Яндекс.Метрика.
Так вот, вроде бы небольшое обновление на сайте, ничего критичного, просто косметика. Но что-то пошло не так, и конверсия заметно просела, примерно на 2% относительно исходных ~20%. Проверили — по всем срезам данных, везде +/- на эту цифру.
Клиентская команда вздохнула, посетовали на сезонность и оставили все как есть. Бизнес продолжил жить дальше. Годами, с нормальной такой себе просадкой. И то, в чем винили «сезонность», со временем стало новой нормой.
Но ведь если потери в 2% конверсии умножить на трафик за пару-тройку лет, то это десятки-сотни миллионов рублей упущенной выручки. И если бы изменения на сайт вылили через эксперимент, то увидели бы правду: правки сработали в минус. Да, такой А/В-тест оказался бы «проигранным» — в смысле, что новая версия показала бы статистически значимое ухудшение относительно исходной. Откатили бы правки, переделали, выкатили и повторяли бы цикл до тех пор, пока не обновились бы без потерь.
Но друзья, ведь получается, что проигранный эксперимент в этом случае был бы не провалом, а обалденной страховкой! Страховкой от того, чтобы годами сливать деньги и списывать все на «сезонность», «луну в ретрограде» и «плохую карму».
Вдумайтесь, планируя сплит-тест, мы всегда очень надеемся победить, увидеть зеленый win-статус. Но ведь всего лишь за пару недель «красного» статуса мы покупаем полную (!) страховку от риска потери крупной суммы в выручке!
Кузин из Smart Data Hub. Всем дата-дривен и побольше зеленых экспериментов ❤️
Что если самый полезный А/В-тест — это тот, который мы проиграли? Представьте себе картину: компания решила «освежить» сайт. Позвали студию Артемия Лебедева — новый логотип, нейминг, сделали легкий тюнинг на сайте, чтобы соответствовало обновленной концепции.
История, кстати, абсолютно реальная. Случилась она с одним нашим клиентом, еще во времена, когда GA в России был более популярен, чем Яндекс.Метрика.
Так вот, вроде бы небольшое обновление на сайте, ничего критичного, просто косметика. Но что-то пошло не так, и конверсия заметно просела, примерно на 2% относительно исходных ~20%. Проверили — по всем срезам данных, везде +/- на эту цифру.
Клиентская команда вздохнула, посетовали на сезонность и оставили все как есть. Бизнес продолжил жить дальше. Годами, с нормальной такой себе просадкой. И то, в чем винили «сезонность», со временем стало новой нормой.
Но ведь если потери в 2% конверсии умножить на трафик за пару-тройку лет, то это десятки-сотни миллионов рублей упущенной выручки. И если бы изменения на сайт вылили через эксперимент, то увидели бы правду: правки сработали в минус. Да, такой А/В-тест оказался бы «проигранным» — в смысле, что новая версия показала бы статистически значимое ухудшение относительно исходной. Откатили бы правки, переделали, выкатили и повторяли бы цикл до тех пор, пока не обновились бы без потерь.
Но друзья, ведь получается, что проигранный эксперимент в этом случае был бы не провалом, а обалденной страховкой! Страховкой от того, чтобы годами сливать деньги и списывать все на «сезонность», «луну в ретрограде» и «плохую карму».
Вдумайтесь, планируя сплит-тест, мы всегда очень надеемся победить, увидеть зеленый win-статус. Но ведь всего лишь за пару недель «красного» статуса мы покупаем полную (!) страховку от риска потери крупной суммы в выручке!
Кузин из Smart Data Hub. Всем дата-дривен и побольше зеленых экспериментов ❤️
🔥26❤16👍4💯3👏2
Data-driven — это когда каждая идея считается гипотезой
Мы все очень хотим быть data-driven. Обожаем. Душой болеем за данные, дашборды и красивые отчеты. Но дата-дривен — это не только про принимать решения на основе цифр, а в большей мере про культуру, формирование гипотез и их доказательное внедрение.
Культура — это то, что позволяет всему этому не застревать на одном отделе аналитики, а постепенно охватывать весь бизнес. Без культуры работы с данными продвижение data-driven подходов будет постоянно спотыкаться о неприятие команд и скатываться в имитацию деятельности.
При развитой культуре к каждой новой идее в команде относятся как к гипотезе. Даже если она кажется очень сильной. Даже если в ней уверены на все сто. Пока не подтвердили экспериментом — это все равно всего лишь гипотеза. Недоказанное мнение.
Эксперименты, к слову, бывают самые разные. Не только классические А/В-тесты, их целый зоопарк: A/B/N-тесты, мультивариантное тестирование, А/А-тесты, свитчбэк-эксперименты и проч. А иногда реальный эксперимент провести просто невозможно (нельзя распределить трафик на несколько версий), тогда на помощь приходят квазиэксперименты. Это отдельная большая и очень интересная история, как-нибудь расскажу подробнее.
В общем я вот о чем: вы не дата-дривен, пока вы не смотрите на свои идеи как на гипотезы. Планируете выкатить улучшение? Это отлично! Но до тех пор, пока не получили подтверждение от эксперимента, это все еще гипотеза. И относиться к ней надо именно так — с уважением, но без слепой веры.
Кузин из Smart Data Hub. Самое опасное — это «да ладно, катим без теста, это точно сработает»!
Мы все очень хотим быть data-driven. Обожаем. Душой болеем за данные, дашборды и красивые отчеты. Но дата-дривен — это не только про принимать решения на основе цифр, а в большей мере про культуру, формирование гипотез и их доказательное внедрение.
Культура — это то, что позволяет всему этому не застревать на одном отделе аналитики, а постепенно охватывать весь бизнес. Без культуры работы с данными продвижение data-driven подходов будет постоянно спотыкаться о неприятие команд и скатываться в имитацию деятельности.
При развитой культуре к каждой новой идее в команде относятся как к гипотезе. Даже если она кажется очень сильной. Даже если в ней уверены на все сто. Пока не подтвердили экспериментом — это все равно всего лишь гипотеза. Недоказанное мнение.
Эксперименты, к слову, бывают самые разные. Не только классические А/В-тесты, их целый зоопарк: A/B/N-тесты, мультивариантное тестирование, А/А-тесты, свитчбэк-эксперименты и проч. А иногда реальный эксперимент провести просто невозможно (нельзя распределить трафик на несколько версий), тогда на помощь приходят квазиэксперименты. Это отдельная большая и очень интересная история, как-нибудь расскажу подробнее.
В общем я вот о чем: вы не дата-дривен, пока вы не смотрите на свои идеи как на гипотезы. Планируете выкатить улучшение? Это отлично! Но до тех пор, пока не получили подтверждение от эксперимента, это все еще гипотеза. И относиться к ней надо именно так — с уважением, но без слепой веры.
Кузин из Smart Data Hub. Самое опасное — это «да ладно, катим без теста, это точно сработает»!
🔥20👍4❤3❤🔥2🤩2🙏1
iHEAD-циклы: те же HADI, но в эпоху AI
Я не буду вам рассказывать о гроухакинге и HADI-циклах, ведь вы и так все прекрасно знаете, что Growth Hacking — это взлом роста за счет системного тестирования гипотез, а HADI — это как раз цикл проверки гипотез: Hypothesis → Action → Data → Insight. Ты придумываешь гипотезу, проверяешь ее через эксперимент, собираешь данные и на выходе получаешь инсайт 💡 Тот самый подход, на котором выросло очень много продуктов, команд, бизнесов.
Но есть и другой подход, который стал доступен в эпоху искусственного интеллекта, — это iHEAD-циклы. Здесь все начинается не с гипотезы, а с машинно сгенерированного инсайта. Система находит в данных сильные закономерности и подсвечивает точки роста (insight), далее формируется гипотеза (Hypothesis), производится оценка потенциала (Evaluation), запускается эксперимент (Action) и производится итоговая оценка результатов (Data).
Именно в этом и есть главная фишка! Поскольку AI-инсайты приходят на потоке, гипотезы тоже генерируются на потоке. Эксперименты перестают быть разовыми событиями и превращаются в постоянный, почти автоматический цикл улучшений.
Большинство компаний до сих пор живут в режиме «разового теста». Да-да, и ты, дорогой читатель, скорее всего тоже. В целом так сейчас и устроено: лишь небольшая часть улучшений в продукте, на сайте или в приложении проходят через доказательное внедрение.
iHEAD-цикл решает эту проблему. Инсайт рождается автоматически из данных → гипотеза формируется → реализуется через доказательное внедрение (эксперимент) → результаты оцениваются → решение раскатывается на 100% (или отклоняется) → система сразу подсвечивает следующую точку роста. И так по кругу, без остановок. Непрерывный пайплайн системного улучшайзинга, безостановочный конвейер роста вашего бизнеса, ваших целевых метрик: числа лидов, выручки, уровня удержания клиентов.
Ценность здесь огромная. Во-первых, скорость. Ты получаешь регулярный приток проверенных улучшений, а не ждешь вдохновения. Во-вторых, качество. Каждая новая гипотеза опирается на реальные данные, а не на предположения. В-третьих, культура. Команда постепенно начинает мыслить гипотезами и экспериментами, а не «давайте попробуем» и вот это вот все.
Кузин из Smart Data Hub. Разовые эксперименты — это как фитнес раз в месяц. iHEAD-циклы — это уже образ жизни.
Я не буду вам рассказывать о гроухакинге и HADI-циклах, ведь вы и так все прекрасно знаете, что Growth Hacking — это взлом роста за счет системного тестирования гипотез, а HADI — это как раз цикл проверки гипотез: Hypothesis → Action → Data → Insight. Ты придумываешь гипотезу, проверяешь ее через эксперимент, собираешь данные и на выходе получаешь инсайт 💡 Тот самый подход, на котором выросло очень много продуктов, команд, бизнесов.
Но есть и другой подход, который стал доступен в эпоху искусственного интеллекта, — это iHEAD-циклы. Здесь все начинается не с гипотезы, а с машинно сгенерированного инсайта. Система находит в данных сильные закономерности и подсвечивает точки роста (insight), далее формируется гипотеза (Hypothesis), производится оценка потенциала (Evaluation), запускается эксперимент (Action) и производится итоговая оценка результатов (Data).
Именно в этом и есть главная фишка! Поскольку AI-инсайты приходят на потоке, гипотезы тоже генерируются на потоке. Эксперименты перестают быть разовыми событиями и превращаются в постоянный, почти автоматический цикл улучшений.
Большинство компаний до сих пор живут в режиме «разового теста». Да-да, и ты, дорогой читатель, скорее всего тоже. В целом так сейчас и устроено: лишь небольшая часть улучшений в продукте, на сайте или в приложении проходят через доказательное внедрение.
iHEAD-цикл решает эту проблему. Инсайт рождается автоматически из данных → гипотеза формируется → реализуется через доказательное внедрение (эксперимент) → результаты оцениваются → решение раскатывается на 100% (или отклоняется) → система сразу подсвечивает следующую точку роста. И так по кругу, без остановок. Непрерывный пайплайн системного улучшайзинга, безостановочный конвейер роста вашего бизнеса, ваших целевых метрик: числа лидов, выручки, уровня удержания клиентов.
Ценность здесь огромная. Во-первых, скорость. Ты получаешь регулярный приток проверенных улучшений, а не ждешь вдохновения. Во-вторых, качество. Каждая новая гипотеза опирается на реальные данные, а не на предположения. В-третьих, культура. Команда постепенно начинает мыслить гипотезами и экспериментами, а не «давайте попробуем» и вот это вот все.
Кузин из Smart Data Hub. Разовые эксперименты — это как фитнес раз в месяц. iHEAD-циклы — это уже образ жизни.
🔥27❤15👏4❤🔥3👍3
Давненько сюда не писали коллеги. А они классные! Так вот, ловите интересное наблюдение от нашей Тани Ниднябезсладкого:
Кажется, перестарались
Друг моего сына нам помог, захотелось его как-то отблагодарить. Не устраивать церемонию вручения премии «Человек года», а просто порадовать человека, ну скажем, моей любимой большой фиолетовой шоколадкой без начинки.
Milka, кстати, бренд не вчера придуманный. Он существует с 1901 года. То есть, казалось бы, люди там за 125 лет довольно хорошо изучили, зачем покупатели берут шоколад, и пришли к выводу, что маленькой шоколадкой (а в последнее время неприлично маленькой) они балуют себя, а большой - выражают чувства, преимущественно любви и благодарности.
Похоже, именно поэтому у заветной полки я увидела, что на больших шоколадках теперь крупно написано: «ценю», «поздравляю», «восхищаюсь» и другие готовые эмоциональные сообщения.
Пришлось выбирать уже не только шоколад, начинку, вкус, цену, размер, а ещё и фразу, которую производитель предлагает мне сказать другому человеку.
А я, честно говоря, не собиралась никем восхищаться.
И поздравлять тоже было не с чем.
«Ценю» — вроде близко, но всё равно звучит как-то чересчур.
Лучше всего мне бы подошла просто шоколадка. Тактичная такая плитка высокой калорийности без права голоса.
Так лихо сузил сценарии покупки бренд, линейка товаров которого всегда была длиннее, чем у соседей по полке.
А ведь это был идеальный случай для простого A/B-теста: за место на полке могли бы честно побороться обычная упаковка и говорящая. Ну ничего, хорошо, что несмотря на глобальное потепление, есть целых 4 времени года, и любой промах можно скрыть под толстым слоем сезонности.
Кстати, как добавить ценности, не создавая лишнее трение, знают производители Merci: они добавляют к коробке тематический вкладыш, который можно убрать при желании, и вернуть коробке с конфетами нейтральный вид.
Короче, купила в итоге тортик. Он не заставлял меня у полки решать, а точно ли я настолько восхищаюсь тем, кому он достанется.
Таня, Ниднябезсладкого в Smart'e
Я одна такая зануда?
Друг моего сына нам помог, захотелось его как-то отблагодарить. Не устраивать церемонию вручения премии «Человек года», а просто порадовать человека, ну скажем, моей любимой большой фиолетовой шоколадкой без начинки.
Milka, кстати, бренд не вчера придуманный. Он существует с 1901 года. То есть, казалось бы, люди там за 125 лет довольно хорошо изучили, зачем покупатели берут шоколад, и пришли к выводу, что маленькой шоколадкой (а в последнее время неприлично маленькой) они балуют себя, а большой - выражают чувства, преимущественно любви и благодарности.
Похоже, именно поэтому у заветной полки я увидела, что на больших шоколадках теперь крупно написано: «ценю», «поздравляю», «восхищаюсь» и другие готовые эмоциональные сообщения.
Пришлось выбирать уже не только шоколад, начинку, вкус, цену, размер, а ещё и фразу, которую производитель предлагает мне сказать другому человеку.
А я, честно говоря, не собиралась никем восхищаться.
И поздравлять тоже было не с чем.
«Ценю» — вроде близко, но всё равно звучит как-то чересчур.
Лучше всего мне бы подошла просто шоколадка. Тактичная такая плитка высокой калорийности без права голоса.
Так лихо сузил сценарии покупки бренд, линейка товаров которого всегда была длиннее, чем у соседей по полке.
А ведь это был идеальный случай для простого A/B-теста: за место на полке могли бы честно побороться обычная упаковка и говорящая. Ну ничего, хорошо, что несмотря на глобальное потепление, есть целых 4 времени года, и любой промах можно скрыть под толстым слоем сезонности.
Кстати, как добавить ценности, не создавая лишнее трение, знают производители Merci: они добавляют к коробке тематический вкладыш, который можно убрать при желании, и вернуть коробке с конфетами нейтральный вид.
Короче, купила в итоге тортик. Он не заставлял меня у полки решать, а точно ли я настолько восхищаюсь тем, кому он достанется.
Таня, Ниднябезсладкого в Smart'e
Я одна такая зануда?
❤44
Недавно в блице «Что? Где? Когда?» был вопрос: «Поход с рюкзаком — это искусство знать, что…» Знатоки продолжили красиво: «…тебе по-настоящему нужно». Правильный ответ оказался практичнее: «…что не нужно брать с собой в поход».
С сайтами похожая история. Когда мы говорим про рост конверсии, рука сама тянется что-нибудь добавить: еще один блок, еще один аргумент, еще одну кнопку, еще один экран с преимуществами, потому что ну а вдруг пользователь без седьмого преимущества не созреет. В итоге человек приходит на страницу за понятным следующим шагом, а получает небольшой поход с перегруженным рюкзаком.
На «Чит-кодах маркетинга» я показывал кейс из автомобильной тематики. Посадочная страница, горячий интерес к модели, понятное целевое действие. На верхнем уровне все выглядело вполне прилично, но в поведении пользователей было видно место, где движение к заявке начинало проседать.
Causal AI помог найти причину и сформулировать гипотезу для проверки. Не буду пересказывать решение здесь, потому что смысл записи как раз в том, чтобы посмотреть логику разбора: какие сигналы были в данных, почему обычный взгляд на страницу их легко пропускает и как из этого получается конкретное изменение, а не очередное «давайте попробуем поменять кнопочку».
Кейс получился хороший именно своей приземленностью. Без большого редизайна, без переписывания всей посадочной, без танцев с бубнами вокруг цвета CTA. Просто внимательный разбор того, что мешало пользователю двигаться дальше.
Если интересно, то запись выступления можно найти здесь 👈
Кузин из Smart Data Hub. Иногда рост конверсии начинается с простого вопроса: что на этой странице мешает (!) человеку сделать следующий шаг?
❤31
Еду на «Суровый». Кто со мной?
Коллеги сгенерили к форуму картинку, и она, по-моему, довольно точно описывает состояние российского маркетинга этой осенью: бюджет уже сидит в коробке, взгляд просит лидов подешевле, а на табличке все равно написано «Суровый». Пушистый пухляш получился милый, но тема у форума взрослая: как жить, когда трафик дорожает, планы растут, а фраза «давайте просто докинем бюджет» звучит как привет из прошлой жизни.
Спасибо организаторам Сурового Питерского форума за приглашение. Встречаемся 24-25 октября в Санкт-Петербурге. Список спикеров пока не полный, но знакомых имен уже достаточно, чтобы понимать: разговор будет плотный. Про ИИ, контент, платформы, эффективность, лиды и тот прекрасный момент, когда бизнес снова спрашивает: «А сколько денег нам принес весь этот маркетинг?»
На мой вкус, главный нерв сейчас ровно там. Контента стало больше, отличаться стало сложнее, платформы все активнее забирают себе путь пользователя, а привычная атрибуция все хуже отвечает на вопрос, что маркетинг реально добавил к результату. При этом KPI никто не отменял: лидов нужно больше, бюджет желательно меньше, а магическую кнопку «сделать хорошо» по-прежнему не завезли.
Когда трафик дорожает, рост все чаще приходится искать внутри воронки: где человек уже пришел, заинтересовался, почти дошел до действия, но по какой-то причине не сделал следующий шаг. Об этом и мой доклад: как использовать Causal AI, чтобы находить причины потерь, отличать причинность от красивой корреляции, проверять гипотезы на данных и считать экономический эффект. Разберу реальный кейс: с ошибками, пересмотром гипотез и выводами, которые можно утащить в другие проекты без танцев с бубном вокруг отчетов.
Описание доклада уже появилось на сайте форума. И еще приятное: у меня есть промокоды на билеты со скидкой. Кому нужен — пишите в личку.
Кузин из Smart Data Hub. Везу в Петербург Causal AI, доклад и надежду, что пухляша пустят без бейджа.
Коллеги сгенерили к форуму картинку, и она, по-моему, довольно точно описывает состояние российского маркетинга этой осенью: бюджет уже сидит в коробке, взгляд просит лидов подешевле, а на табличке все равно написано «Суровый». Пушистый пухляш получился милый, но тема у форума взрослая: как жить, когда трафик дорожает, планы растут, а фраза «давайте просто докинем бюджет» звучит как привет из прошлой жизни.
Спасибо организаторам Сурового Питерского форума за приглашение. Встречаемся 24-25 октября в Санкт-Петербурге. Список спикеров пока не полный, но знакомых имен уже достаточно, чтобы понимать: разговор будет плотный. Про ИИ, контент, платформы, эффективность, лиды и тот прекрасный момент, когда бизнес снова спрашивает: «А сколько денег нам принес весь этот маркетинг?»
На мой вкус, главный нерв сейчас ровно там. Контента стало больше, отличаться стало сложнее, платформы все активнее забирают себе путь пользователя, а привычная атрибуция все хуже отвечает на вопрос, что маркетинг реально добавил к результату. При этом KPI никто не отменял: лидов нужно больше, бюджет желательно меньше, а магическую кнопку «сделать хорошо» по-прежнему не завезли.
Когда трафик дорожает, рост все чаще приходится искать внутри воронки: где человек уже пришел, заинтересовался, почти дошел до действия, но по какой-то причине не сделал следующий шаг. Об этом и мой доклад: как использовать Causal AI, чтобы находить причины потерь, отличать причинность от красивой корреляции, проверять гипотезы на данных и считать экономический эффект. Разберу реальный кейс: с ошибками, пересмотром гипотез и выводами, которые можно утащить в другие проекты без танцев с бубном вокруг отчетов.
Описание доклада уже появилось на сайте форума. И еще приятное: у меня есть промокоды на билеты со скидкой. Кому нужен — пишите в личку.
Кузин из Smart Data Hub. Везу в Петербург Causal AI, доклад и надежду, что пухляша пустят без бейджа.
❤35
KNEWSTAR 001, что в переводе означает Volkswagen Tiguan
Встречали в дилерских центрах таблички, на которых рядом с названием и описанием характеристик китайской модели автомобиля в скобках стоит пояснение на понятном (например, Volkswagen Tiguan или BMW х5)?
Это очень точный симптом рынка. Покупатель ещё не считывает новые названия, не понимает иерархию брендов, не держит в голове модельный ряд. Находчивый дилер переводит новый рынок на знакомый язык.
К счастью, или нет, мы не одиноки. На китайском рынке проседают немецкие бренды: по данным AP, продажи Volkswagen, Mercedes-Benz, BMW и Porsche во втором квартале 2026 года упали на 30–41% год к году.
А внутри Германии, наоборот, все заметнее китайские марки. BYD ещё не захватил рынок, но уже вышел из зоны статистической погрешности: в июле немцы купили 5 245 новых автомобилей BYD, это почти каждый пятидесятый новый автомобиль в стране. Даже на самом консервативном домашнем рынке привычная карта брендов начинает двигаться.
В России автодилеры уже давно проходят похожий передел. Аудитория заново распределяется между марками, доверие к новым брендам приходится строить почти с нуля.
Именно в такие периоды появляется окно возможностей. Кто быстрее поймет спрос, перестроит воронку, научится влюблять в новые бренды, тот сможет отвоевать аудиторию, которая раньше казалась недоступной.
26–27 августа на Полном приводе будет целых два дня интенсива с понятными, свежими, работающими кейсами. Вместе с коллегами, которые на 100% погружены в реалии автобизнеса, будем говорить о том, как понять, сколько конкуренты тратят на привлечение, где вы переплачиваете за лиды, как выжать максимум из Авито, как добирать спрос через VK, Telegram и SEO.
Обсудим темы, которые актуальны для любого рынка с дорогим лидом, длинной сделкой и осторожным покупателем. Чтобы точно не проиграть, как немцы, можно прийти на эфир или посмотреть потом запись самых интересных докладов в удобное время, но важно зарегистрироваться.
Кузин из Smart Data Hub и выступит, и послушает коллег. Что в переводе с китайского означает: должно быть интересно.
Встречали в дилерских центрах таблички, на которых рядом с названием и описанием характеристик китайской модели автомобиля в скобках стоит пояснение на понятном (например, Volkswagen Tiguan или BMW х5)?
Это очень точный симптом рынка. Покупатель ещё не считывает новые названия, не понимает иерархию брендов, не держит в голове модельный ряд. Находчивый дилер переводит новый рынок на знакомый язык.
К счастью, или нет, мы не одиноки. На китайском рынке проседают немецкие бренды: по данным AP, продажи Volkswagen, Mercedes-Benz, BMW и Porsche во втором квартале 2026 года упали на 30–41% год к году.
А внутри Германии, наоборот, все заметнее китайские марки. BYD ещё не захватил рынок, но уже вышел из зоны статистической погрешности: в июле немцы купили 5 245 новых автомобилей BYD, это почти каждый пятидесятый новый автомобиль в стране. Даже на самом консервативном домашнем рынке привычная карта брендов начинает двигаться.
В России автодилеры уже давно проходят похожий передел. Аудитория заново распределяется между марками, доверие к новым брендам приходится строить почти с нуля.
Именно в такие периоды появляется окно возможностей. Кто быстрее поймет спрос, перестроит воронку, научится влюблять в новые бренды, тот сможет отвоевать аудиторию, которая раньше казалась недоступной.
26–27 августа на Полном приводе будет целых два дня интенсива с понятными, свежими, работающими кейсами. Вместе с коллегами, которые на 100% погружены в реалии автобизнеса, будем говорить о том, как понять, сколько конкуренты тратят на привлечение, где вы переплачиваете за лиды, как выжать максимум из Авито, как добирать спрос через VK, Telegram и SEO.
Обсудим темы, которые актуальны для любого рынка с дорогим лидом, длинной сделкой и осторожным покупателем. Чтобы точно не проиграть, как немцы, можно прийти на эфир или посмотреть потом запись самых интересных докладов в удобное время, но важно зарегистрироваться.
Кузин из Smart Data Hub и выступит, и послушает коллег. Что в переводе с китайского означает: должно быть интересно.
❤29