Луценко - Big Data в рекламе
0 likes153 views
Документ обсуждает тенденции и прогнозы на рынке текстовой аналитики и big data, указывая на значительное увеличение объема неструктурированных данных и их важность для бизнеса. Ожидается, что глобальный рынок текстовой аналитики вырастет до 13.4 млрд долларов к 2020 году, при этом многие компании не используют в полной мере доступные данные. В России наблюдается рост интереса к текстовой аналитике, а 70% респондентов уверены, что анализ данных поможет принимать более взвешенные решения.
Луценко - Big Data в рекламе
- 1. Текстовая аналитика Big Data для мобайл решений и выявления трендов SEO Conference 2016, Казань Луценко Елена
- 2. РЫНОК BIG DATA И ТЕКСТОВОЙ АНАЛИТИКИ
- 3. Рынок Big Data в мире Wikibon Big Data Market and Forecast, 2011-2020
- 4. Тренды рынка текстовой аналитики Источник: IDC Digital Universe Study & EMC, 2011 Объем неструктурированных данных составляет 80-90% от всех данных. 68% неструктурированных данных сгенерированы потребителями
- 5. Глобальный рынок продуктов текстовой аналитики должен составить $13.4 млрд. к 2020 году при росте в 18.4% по CAGR. Текущая оценка рынка - $5.8 млрд* Европейский рынок текстовой аналитики ожидает рост на 18.3% с 2014 до 2019 года, достигнув $1 223.9 млн к 2019 году. Основные игроки: Microsoft, IBM, Oracle, SAS, SAP* 61% ЛПР считают, что анализ неструктурированных (текстовых) данных крайне важен для определения и корректировки стратегии бизнеса, однако более половины ЛПР в компаниях используют лишь до 25% доступной текстовой big data для анализа ** Тренды мирового рынка текстовой аналитики * По оценке MarketsendMarkets & MicromarketMonitor 2015 ** По оценке Forrester Report: Big Data Management Solutions Forecast 2016
- 6. С 2012 года в России число компаний, не заинтересованных в текстовой аналитике, снизилось с 35 до 18%. Число тех, кто уже использует, выросло с 20% до 40%* 70% респондентов в России считают, что анализ данных их компании поможет принимать более взвешенные решения** 31% респондентов сообщили, что их компании получили конкурентное преимущество в результате внедрения технологий больших данных** Более половины (51%) респондентов согласны, что технологии анализа больших данных сыграют решающую роль в выявлении и предотвращении кибер-атак; это может оказаться решающим фактором, так как только 67% респондентов в России уверены, что они смогут в случае необходимости полностью восстановить все свои данные** Тренды рынка текстовой аналитики в России * По оценке SAS, 2016 (открытые источники) ** По оценке Dell EMC, 2013. Опрос 678 ИТ-руководителей российских предприятий
- 7. Источник: TCS Global Trend Study, 2013 Внешние VS Внутренние Распределение данных Структурированные VS Неструктурированные
- 8. 52% компаний из разных стран и отраслей НЕ используют в полной мере накапливаемые данные, либо же вовсе «тонут» в объемах неструктурированной информации* Потенциал для роста * Согласно исследованию Information Generation, проведенному ЕМС и Institute for the Future
- 9. Степень удовлетворенности от использования текстовой аналитики Источник: Alta Plana, 2014 Очень низкая Низкая Нейтральная Высокая Очень высокая
- 10. КЕЙСЫ
- 11. Инструмент высокоскоростного извлечения коммерчески полезных знаний и определения тональности через текстовой анализ внутренних и внешних коммуникаций компании
- 12. EurekaEngine для бизнеса Инструмент извлечения коммерчески полезных знаний и определения тональности через текстовой анализ внутренних и внешних коммуникаций компании Текстовые сообщения (посты) social media: Facebook, VK, Twitter, LinkedIn, Одноклассники Web-контент: сообщения форумов, отзывы, статьи СМИ, блоги, чаты Внутренние документы: файлы Word, опросы, почтовые сообщения, презентации, текстовые записи разговоров (call-center), письменные обращения клиентов Mobile: сообщения SMS, гео-объекты, чаты мобильных игр, контент и описания приложений ДАННЫЕ, которые анализирует EurekaEngine
- 13. ЗАДАЧА: аналитика информационного поля бренда ИНДУСТРИЯ: маркетинг, реклама, СМИ МОДУЛИ: все лингвистические модули РЕЗУЛЬТАТ: Лидеры рынка в real-time мониторинге инфо-поля; Рост продаж засчет предложения уникального продукта, разработанного на основе технологии EurekaEngine; Высокая лояльность крупных корпоративных клиентов; Снижение рисков в коммуникациях клиентов; И др. Brand Analytics занимают 1 место по качеству среди систем мониторинга соцмедиа в рейтинге TECH INDEX 2016 от AdIndex
- 14. ЗАДАЧА: рейтинг банков (аналитика обсуждений соц-медиа 50 крупнейших российских банков) ИНДУСТРИЯ: банки МОДУЛИ: SentiFinder (тональность) РЕЗУЛЬТАТ (выявленные параметры): • Лояльность потребителей к банкам; • Лояльность к банковским продуктам; • Информационные всплески обсуждений; • Тренды и тенденции в банковском секторе. Для создания рейтинга было проанализировано более 900 тыс сообщений от 700 тыс уникальных авторов
- 15. ЗАДАЧА: составление актуального рейтинга медиа-персон ИНДУСТРИЯ: СМИ МОДУЛИ: SentiFinder (определение тональности) РЕЗУЛЬТАТ: • Рейтинг медиаперсон занимает топовые позиции в интернет- пространстве, повышенная узнаваемость и авторитет СМИ; • Долгосрочное сотрудничество (2 года)
- 16. ЗАДАЧА: выявление информационных трендов по видам спорта на русском и английском языках ИНДУСТРИЯ: СМИ МОДУЛИ: SentiFinder (тональность), морфоанализатор РЕЗУЛЬТАТ (выявляемые тренды): Популярные персоны и виды спорта: определены среди лидеров роста в рейтинге популярных слов; Пики количества обсуждений; Тональность обсуждений. Ежедневный поток 1-2,5 млн сообщений.
- 18. Направления Выявление похожих аудиторий и приложений (ДМП) Встраивание в чаты мобильных игр и управление community Анализ структурированных данных + неструктурированных Определение характеристик выгодных клиентов Тегирование контента мобайл приложения «Эмоциональное» сегментирование (вкл. по гео- объектам)
- 19. Пример: продажи ПРОБЛЕМА: неожиданное снижение продаж ЗАДАЧА: найти причину РЕШЕНИЕ: структурированные данные не позволяют выявить контекст проблемы в поведении пользователей. Однако есть возможность проанализировать записи и профайлы клиентов. Совместив с анализом структурированных данных, выявить истинные причины и наиболее выгодных для бизнеса (уже или потенциально) клиентов/пользователей
- 20. Пример: чаты и community Анализ тональности сообщений и степени тональности (как по объекту, так и безобъектно) позволяет выявлять лидеров community, персонализировать общение, определять тренд развития
- 21. Пример: гео-локация по эмоциям Определение эмоционального состояния ЦА в определенной локации для таргетированного предложения услуг/товаров и push- уведомлений
- 22. Пример: тегирование контента Тегирование контента для создания новых продуктов и направлений
- 23. Пример: дополнение к аналитическим отчетам Максимально полный отчет: анализ структурированных данных и неструктурированных, выявление взаимосвязей и инсайтов
- 24. Высокая скорость обработки потока документов (десятки материалов в минуту) Качественные возможности анализа русскоязычных сообщений Возможность аналитики в режиме онлайн Как «коробочное», так и встраиваемое решение Обработка не только правильного «книжного» языка (СМИ, внешний документооборот), но и сообщений социальных сетей, форумов, блогов Преимущества EurekaEngine Уникальная скорость обработки данных – десятки миллионов документов в сутки на одном сервере, возможно линейное масштабирование
- 25. EurekaEngine EurekaEngine – резидент Skolkovo 2016
- 26. DEMO EurekaEngine: http://eurekaengine.ru/ru/demo/ КОНТАКТЫ: Луценко Елена Руководитель по коммуникациям EurekaEngine.ru lutsenko@palitrumlab.ru +7 (916) 823 98 28