MARKETING DATA ANALYTICS 2025

• Какие данные нужны и как их правильно собирать
• Сколько это стоит и кто за это отвечает
• Корректная интеграция аналитики с CRM: как выбрать приоритеты и оценить потери
• Квалификация лидов: кто отвечает за лид, а кто за продажу
• Правила построение отчетности

• Почему стандартные методы не работают?
• Как использовать международный опыт для оценки потенциала нового продукта? Методы адаптации. Риски переноса международного опыта
• Как оценить спрос, если его «не видно»? Косвенные сигналы, тренды в регулировании. Косвенный спрос: кол-во запросов в поиске по ключевым проблемам (Яндекс.Wordstat), готовность рынка: динамика госзакупок по схожим решениям
• Как тестировать гипотезы без доступа к заказчикам?

• Когнитивные искажения реальности «машинных» методов их последствия для бизнеса
• Ограничения социальных методов исследований и продвижения
• Как достигать прорывов в новых продуктах, продажах и технологиях совмещая удобный и рациональный ML и AI – с иррациональными социальными методами

Вызовы рынка сегодня

• Атрибуция и сквозная аналитика в чистом виде даёт иллюзию точности, и на самом деле работает только для digital-каналов

• В оффлайне и в FMCG — это «чёрный ящик»: данные разрозненные, лаги большие, влияние промо и цены никак не учитывается

Что меняют модели

• Модели строятся не на «последнем клике», а на многофакторных данных: медиа, продажи, цены, промо, конкуренты, сезонность
• Они позволяют измерять не только «что было», но и что будет при изменении бюджета или цены.

ROI Navigator как шаг вперёд

• В отличие от классической атрибуции, ROI Navigator показывает реальные факторы роста: цена, дистрибуция, промо, медиа

• Следствие ведут аналитики — покажу, где и как мы ищем данные, чтобы распознать зарождающиеся тренды
• Как отличить тренд от шума — покажу, как мы отсекаем лишнее и выбираем то, что идет в работу
• Как тренды доходят до решений — коротко, по делу и без лишней бюрократии

• Мониторинг динамики развития FMCG в разрезе каналов торговли — ключевые бенефициары на рынке;
• Региональная специфика развития каналов торговли;
• Анализ портрета покупателей каналов торговли в разрезе локации — как может отличаться покупатель сети в разрезе одной локации;
• Синергия с ЦРПТ: новые возможности аналитики.

• Кто должен готовить данные для маркетинга? Распределение ролей между аналитиками, ML-специалистами и маркетологами
• Проблема бизнес-экспертизы – почему data-специалисты не всегда понимают маркетинговые задачи и как это исправить?
• Гибридные специалисты – как обучать маркетологов работе с данными, а аналитиков – основам маркетинга?
• Автоматизация и инструменты – какие решения помогают компенсировать нехватку квалифицированных кадров?
• Как компании выстраивают процессы между отделами для эффективной сегментации и аналитики?

Расскажем о том, что такое MMM (marketing mix modelling), от зарождения идеи и теории до грубой практики, где цифра говорит входить в канал, а в реальности подводные камни мешают. Как обходили и почему довольны текущим результатом. Никакого AI, только практические рекомендации

• Данных стало больше, чем смысла
• Аналитическая рутина автоматизируется, за людьми остаются решения. Кто те аналитики, которые могут перекинуть “мостик” от данных к бизнес решениям
• Почему важен переход от “отчет” - ориентированной аналитики к “решение” - центричной
• Как выстроить методологию стратегической аналитики и найти под эту задачу “правильных” людей

• Чат-бот для промо и взаимодействия с коммерцией: единая цифровая платформа, быстрые согласования, контроль РРЦ/лимитов, прозрачная история решений и конкурентное ценообразование
• Подбор ассортимента и расчет скидок под цели: конструкторы под план выручки, целевую маржинальность, оборачиваемость/КЗ; учет закупки, РРЦ и цен конкурентов
• Контроль цен и маржи: конструкторы для управляемого снижения цен по КЦО и регламентам, защитные пороги маржинальности, управление активным ассортиментом акций

• Почему классическая атрибуция не работает в B2B-дистрибуции
• Факторный анализ как метод - что мы на самом деле считаем
• Структура цепочки создания ценности и точки маркетингового воздействия
• Как выстроить управляемую модель влияния каналов
• Практические выводы и рекомендации

• Особенности сбора и анализа данных в B2B
• Новые подходы и инструменты для измерения эффективности маркетинга в B2B

• Правильная сегментация аудитории - залог успеха
• Заказчиков не интересует продукт. Им нужно решение проблемы. Чем заинтересовать аудиторию?
• Способы повышения эффективности лидогенерации

• Как, используя внутреннюю аналитику, определить нишу для запуска нового продукта
• Айкидо с экологией или можно ли заработать, правильно определив PESTE
• Ремаркетинг привычных инструментов планирования: Портер анализ, SWOT, матрица Ансоффа

• Как выбирали стратегию исследования и конкретные ИИ-инструменты
• Методы проведения и анализа данных с помощью ИИ
• Какие итоги получили и как выглядит процесс оптимизации бизнеса исходя из полученных результатов

• Почему вообще за это взялись SEO-специалисты
• SEO как драйвер кросс-командного взаимодействия
• Что именно сделали: кратко о системе: процесс получения, верификации и обсчета гипотезы. Корпоративный реестр АБ-тестов с ICE приоретизацией. Технические подробности разделения трафика
• Чем подход SEO отличается от классического product-AB
• Реальные кейсы тестов где конверсия выросла в 300% и бизнес-процесс не сломался

• Почему сегментация клиентов на основе бигдаты в масштабе федерального ритейлера – вызов и необходимость. Почему классические сегментации не достаточны для нас
• Как мы строим уникальную сегментацию клиентов путем обогащения чековой аналитики мультиканальными данными
• Как единый язык сегментов помогает синхронизировать действия разных подразделений и принимать более точные решения
• Ролевое управление сегментацией: клиент в центре изменений

• Работа с воронкой продаж
• Бренд-медиа и инструменты медийной поддержки
• Повышение конверсии с помощью RTM

• Разделение систем сквозной аналитики в зависимости от того, куда мы направляем трафик
• Какие метрики анализировать? Что важно, а что вторично? Выстраиваем маркетинговую воронку
• Репрезентативность данных аналитики на маленьких и больших отрезках, или как часто нужно анализировать данные? Как в целом работать с большими массивами данных сквозной аналитики в формате “to do”?

• Образ результата. Определяем, какие решения мы будем принимать, опираясь на сквозную аналитику. Пример Северстали
• Формирование базы данных для построения сквозной аналитики. О чем важно не забыть, когда начинаете с нуля. Карта коммуникаций, воронка продаж, система источников и utm-меток
• Связывание данных вручную. Выбираем идентификатор клиента, обогащаем данными и автоматизируем сбор и обработку, чтобы не “зарыться” в Excel
• Построение дашборда за 1 рабочий день: Яндекс Datalens / Google data studio / Power bi / Excel Power Query
• Помощь нейросетей. Автоматизация, логика, выводы