IDC analüütikute andmetel kahekordistub ülemaailmselt talletatav info iga kaheksateist kuuga. Ettevõtetel, kes tegutsevad peamiselt internetis, on ilmselge vajadus suure hulga info järgi. Oluline on aga informatsiooni talletamise ja reaalajas analüüsimise oskus, mis annab põhjaliku ülevaate turul toimuvast ning võimaldab ennustada tulevikku. Töödeldud andmete tulemuste rakendamine võimaldab veebiavarustes tegutsevatel ettevõtetel kiirelt reageerida turumuutustele, koostada turunduseelarveid ja kohaldada oma tegevust konkurentide või üleüldiste trendidega.

Eralda terad sõkaldest

Big Data (ehk eelpool mainitud "suur hulk andmeid") on ettevõtte jaoks nii võimaluseks kui ka komistuskiviks. Uudsed andmetöötlusmeetodid on piisavaks vahendiks, et terad sõkaldest ehk ebaoluline info olulisest eraldada. Kuidas saab uusimat analüütikat ja Big Data't enda jaoks ära kasutada ja e-kaubanduses rakendada?

Kasutajaskonna segmenteerimine - kõige lihtsam analüütiline tööriist on kasutajaskonna segmenteerimine. Nii saame ülevaate, kes on veebilehe kliendid (customers) või lihtsalt külastajad (visitors). Veebilehe kliendisegmenti kirjeldatakse teatava karakteristikaga (tunnused), mis omakorda eristab neid kõikidest teistest kliendisegmentidest. Andmed, mille alusel segment luuakse, on võimalik saada järgmiselt:

• CRM süsteemidest (ostlemisajalugu, ostlemissagedus, kliendibaasi analüüs, kontaktandmed, jne)
• Välised veebianalüütika süsteemid (lehekasutaja tegevused ja käitumine veebilehel, kuidas kasutajad üldse lehele jõuavad, mida kliendid ostukorvi panid (kuid ei ostnud), jne)
• Analüütika, mis tuleneb brändi-või poeketisisestest allikatest (nätieks info kliendikaartidelt ja offline tarbija- ja ostukäitumine).
• Sihtotstarbeline uuring (uuringud, mis selgitavad tarbijakäitumist, näiteks miks loobuti ostuprotsessi lõpetamisest, kas on nähtud reklaame, kas nad on käinud ka konkurentide veebilehtedel, milliseid hinnavõrdlus veebilehti nad kasutavad jne)

Elutsükkel - iga internetikasutaja on mingis kliendi (customer) elutsüki osas. Tsüklit jaotatakse kolmeks osaks: huvi kasv, tegevuse (ostu) konversioon (conversion) ja (tegevuse) mäletamine, säilitamine (retention). Iga nimetatud osa juures saab kliendi "elutsüklit" analüüsida toetudes järgmisele:

• kulu, mis tekib ühe lehekasutaja kohta, et muuta tema "staatust" (näiteks potentsiaalsest kliendist huvitatud kliendiks, huvitatud kliendist ostvaks kliendiks, ostvast kliendist lojaalseks või endiseks kliendiks).
• tõenäosus, et "staatuse" muutus toimub (tõenäosus, et potentsiaalsest kliendist saab e-poe tõeline kasutaja)
• kasu, mis tuleneb klientide "staatusemuutusest" või "staatusesäilitamisest" (konverteeruvad või püsivad kliendid)
• aeg, mille jooksul klient püsib ühes "staatuses"

Eelpooltoodut analüüsides on võimalik veebilehte (e-poodi) optimiseerida ja müüginumbreid kasvatada.

Kliendipotentsiaal ja lojaalsus. Õige andmeanalüüs võimaldab hinnata klientide lojaalsust ja ostujõudu. "Share of wallet" (osa kliendi rahakotist, mis kuulub kindlale brändile, poele või ettevõtte sissetulek, mis tuleneb kindlast kliendist) on uuringumeetod, milles võetakse arvesse internetikasutajate sotsio-demograafilised näitajad. Nii on võimalik teada saada kindla huvigrupi tunnsujooned ja eraldada need kasutajad üleüldisest massist ning teada saada, kui palju nad kulutavad ja omakorda, mis osa sellest rahast jõuab veebilehe omaniku taskusse.

Efektiivsus. "Big Data" pakub võimalust viia läbi ka efektiivsusanalüüse (ROI - return on investment) - andes infot, kui tulus on e-ärisse tehtud investeering. Kõige paremini ilmestab viimatimainitud "post view" näide - kampaania brändinguefektiivsus. Gemiuse andmed (AdMonitor'i andmed) võimaldavad väita, et aina enam jäävad turundajate sõnumid internetikasutajate mäludesse pidama. Nad suhestuvad brändiga või isegi jõuavad ostuni mitte reklaami vaid brändi enda pärast (näiteks otsivad ise hiljem lisainfot toote/teenuse/brändi kohta).

Kõik e-kaubanduse ja "Big Data" võimalused on tugevalt seotud automatiseeritud internetiturunduse protsessidega ja uudsete IT-tööriistadega. Käitumuspõhine turundus ja kommunikatsioon tulenevalt kasutajaprofiilist on üks andmete kasutamise võimalusi. Andmeanalüüs, mida kasutatakse sihtotstarbeliselt hoiab kokku raha, tõstab ettevõtte efektiivsust ja toob kiiret tulu.