Un nouveau monde avec l'arrivée des Bigs Data - Marketing du Net : Actualité, analyses, dossiers, tendances

Post Top Ad

Un nouveau monde avec l'arrivée des Bigs Data

Un nouveau monde avec l'arrivée des Bigs Data

Share This
Un nouveau monde avec l'arrivée des Bigs Data


Caractérisé par son volume, sa vélocité, sa valeur et sa variété; les Bigs Data sont produites à un rythme de plus de 2,8 zettaoctets (ZB), soit 2,8 billions de gigaoctets, chaque année. Chaque jour, 2 millions de blogs sont postés, 172 millions d'utilisateurs visitent Facebook (passant ensemble 4,7 milliards de minutes sur un seul site de réseau social), 51 millions de minutes de vidéo sont téléchargées et 250 millions de photos numériques sont partagées.



 Nous continuons de générer 294 milliards de courriels chaque jour, même si beaucoup considèrent le courrier électronique comme une forme de communication périmée. Il devrait exploser à plus de 40 ZB par an d'ici 2020; et pour rester en tête du peloton, les entreprises doivent commencer à s'attaquer au Big Data dès aujourd'hui. Les investissements sont réalisés plus rapidement que jamais pour améliorer la productivité, créer de la valeur, rester compétitif, repérer les nouvelles tendances commerciales et générer des solutions analytiques passionnantes. Le Big Data est en train de devenir une caractéristique du début du 21ème siècle, où il est consommé et utilisé par de plus en plus d'entreprises. réaliser plus avec moins. Segmenting est la partie émergée du big data iceberg, et les stratégies que les entreprises ont déjà formées et continueront de former pour en tirer parti sont incroyables. Actuellement, les entreprises utilisent quatre stratégies pour tirer parti des big data: la gestion de la performance , science de la décision, analyse sociale et exploration de données. 

La gestion de la performance est l'endroit où tout commence. En comprenant la signification du big data dans les bases de données d'entreprise en utilisant des requêtes pré-déterminées, les managers peuvent poser des questions telles que les segments de marché les plus rentables. Cela peut être extrêmement complexe et nécessiter beaucoup de ressources; Cependant, les choses commencent à devenir plus faciles. La plupart des outils de veille économique offrent aujourd'hui une fonctionnalité de tableau de bord. L'utilisateur, souvent le gestionnaire ou l'analyste, peut choisir les requêtes à exécuter, et peut filtrer et classer le résultat du rapport selon certaines dimensions (par exemple, la région), ainsi que vers le bas / vers le haut sur les données. 

Plusieurs types de rapports et de graphiques permettent aux gestionnaires d'examiner facilement les tendances. Avec des tableaux de bord fonctionnels et «faciles» à utiliser, les entreprises commencent à être capables de faire plus avec moins; mais nous avons encore à voir une solution qui offre un design propre avec une fonctionnalité simple, qui offre des perspectives encore plus élevées que ce qui existe actuellement. L'exploration de données est la deuxième stratégie actuellement utilisée par les entreprises. 

Cette stratégie fait un usage intensif de statistiques pour expérimenter et obtenir des réponses à des questions auxquelles les gestionnaires n'auraient peut-être pas pensé auparavant. Cette approche utilise des techniques de modélisation prédictive pour prédire le comportement des utilisateurs en fonction de leurs transactions et préférences antérieures. L'analyse de cluster peut être utilisée pour segmenter les clients en groupes basés sur des attributs similaires qui n'ont peut-être pas été planifiés à l'origine. 

Une fois ces groupes détectés, les responsables peuvent effectuer des actions ciblées, telles que la personnalisation des messages marketing, la mise à niveau du service et la vente croisée / incitative à chaque groupe unique. Un autre cas d'utilisation populaire consiste à prédire quel groupe d'utilisateurs peut "abandonner". Armés de cette information, les gestionnaires peuvent élaborer des stratégies proactives pour conserver ce segment d'utilisateurs et réduire le taux de désabonnement. 

Le détaillant bien connu Target a utilisé les techniques d'exploration de données à grande échelle pour prédire les habitudes d'achat des groupes de clients qui traversaient un événement majeur de la vie. Target a pu identifier environ 25 produits, tels que des lotions non parfumées et des suppléments de vitamines, qui, lorsqu'ils ont été analysés ensemble, ont permis de déterminer un score de «prédiction de grossesse». Target a ensuite envoyé des promotions axées sur les produits liés au bébé aux femmes en fonction de leur score de prédiction de grossesse. 

Cela a entraîné une forte augmentation des ventes des produits Baby et Mother de Target peu après le lancement de leurs nouvelles campagnes publicitaires. La prochaine stratégie utilisée par les entreprises consiste à exploiter des sites de médias sociaux tels que Facebook, Twitter, Yelp ou Instagram. L'analyse sociale mesure la grande quantité de données non transactionnelles qui existe aujourd'hui. Une grande partie de ces données existe sur les plateformes de médias sociaux, telles que les conversations et les critiques sur Facebook, Twitter et Yelp. L'analyse sociale mesure trois grandes catégories: la sensibilisation, l'engagement et le bouche-à-oreille ou la portée. La sensibilisation porte sur l'exposition ou les mentions de contenu social et implique souvent des paramètres tels que le nombre de vues vidéo et le nombre de followers ou de membres de la communauté. L'engagement mesure le niveau d'activité et d'interaction entre les membres de la plateforme, tels que la fréquence du contenu généré par l'utilisateur. Enfin, reach mesure la mesure dans laquelle le contenu est diffusé à d'autres utilisateurs sur les plateformes sociales. 


La portée peut être mesurée à l'aide de variables telles que le nombre de retweets sur Twitter et les mentions partagées sur Facebook. Les analyseurs sociaux ont besoin d'une compréhension claire de ce qu'ils mesurent. Par exemple, une vidéo virale qui a été visionnée 10 millions de fois est un bon indicateur de sensibilisation élevée, mais ce n'est pas nécessairement une bonne mesure d'engagement et d'interaction. De plus, les mesures sociales consistent en des mesures intermédiaires non financières. 


Pour déterminer l'impact sur les entreprises, les analystes doivent souvent collecter du trafic Web et des statistiques métier, en plus des statistiques sociales, puis rechercher des corrélations. Dans le cas des vidéos virales, les analystes doivent déterminer si, après avoir visionné les vidéos YouTube, il y a du trafic vers le site Web de l'entreprise suivi d'achats de produits éventuels. L'utilisation finale des entreprises a été baptisée «Decision Science». Il implique généralement des expériences et l'analyse de données non transactionnelles, telles que des idées de produits générées par les consommateurs et des revues de produits, afin d'améliorer le processus de prise de décision. Contrairement aux analyseurs sociaux qui se concentrent sur l'analyse sociale pour mesurer les objectifs connus, les scientifiques de la décision explorent les grandes données sociales comme un moyen de mener des «recherches sur le terrain» et de tester des hypothèses.

Aucun commentaire:

Enregistrer un commentaire

Post Bottom Ad