Раньше этот канал назывался #прокачайаналитику. Звучало как призыв в фитнес-клуб для маркетологов. Теперь буду просто Кузиным из Smart Data Hub. Давайте знакомиться👇

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.

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.

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! :)

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.

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.

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.

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 каналы больше 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!

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 ❤️

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»!

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.

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?

Кейс рюкзак с лишними элементами на сайте

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?

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.