Data Science и Big Data узнают о вашей беременности. Раньше вас.

Однажды в магазин Target (дело было в США, 2012 год) зашел мужчина и потребовал вызвать менеджера. В своих руках он сжимал огромную кипу купонов магазина, полученных его дочерью. 

«Моя дочь получила это по почте! – прокричал он. – Она еще в школу ходит, а вы посылаете ей купоны на детскую одежду и памперсы? Да как вы смеете! Вы хотите таким способом побудить школьниц рожать?»

Менеджер посмотрел на пачку купонов на материнскую одежду, детскую мебель – действительно, они были адресованы дочери рассерженного мужчины. Менеджер принес свои извинения. 

Через несколько дней он позвонил мужчине, чтобы еще раз извиниться. По телефону голос отца звучал растерянно. «Знаете, я серьезно поговорил с дочерью, и выяснилось, что в моем доме происходило то, о чем я совершенно не догадывался. Она рожает в августе. Примите мои извинения».

Как Target узнал, что дочь беременна до того, как об этом стало известно ее отцу? Ответ прост – благодаря системе прогнозирования беременности, разработанной компанией. Задолго до этого события магазин ставил перед своим отделом аналитики задачу: определить, какая из покупательниц ждет ребенка до того, как это станет очевидно. Отдел аналитики - это как раз тот отдел, который занимается data science в компании. Работает с big data, состоящих в том числе из покупок и поведения клиентов магазина.

Ученые доказали, что многие наши привычки (в том числе покупательские) довольно трудно изменить. Проанализировав свой маршрут по супермаркету во время закупки продуктов на неделю, вы поймете, что передвигаетесь по одной и той же траектории, кладете в корзину йогурты от одного и того же производителя, туалетную бумагу одного и того же бренда. Но в нашей жизни существуют моменты, когда привычки поддаются колоссальным изменениям – и именно эти периоды бесценны для маркетологов. Речь идет об окончании университета, переезде в другой город, смене работы или планировании беременности. Ожидание ребенка – период, когда очень сильно меняются привычки и предпочтения.

Для решения поставленной задачи аналитики проанализировали покупательские привычки беременных женщин. Была изучена история их предыдущих покупок, обнаружены закономерности. В какой-то момент у женщин происходили изменения в ассортименте покупаемых продуктов: появление в корзине определенных товаров, прекращение покупок других, а затем появление товаров, явно говорящих об их беременности или прошедших родах. На основе полученных сведений был составлен алгоритм: если у покупательницы в чеке стали появляться определенные товары - это неявные сигналы, что с большой долей вероятности женщина готовится стать матерью. Причем, сама женщина может сначала и не обращать внимание, как незаметно меняются ее покупательские привычки.

Полученный алгоритм проверяет покупки всех клиентов и выделяет тех из них, которые предположительно беременны. Далее списки таких клиенток поступают маркетологам, и теперь магазин начнет персонально "обрабатывать" покупательницу: пришлет купон со скидкой на детскую кроватку, присыпку, детские бутылочки и т.д. Причем это будет выглядеть ненавязчиво, чтобы не вызвать волну негодования за «шпионаж»: скидки на товары для детей помещаются среди скидок на другие товары.

Разумеется, беременность - не единственное, что анализируется в клиентах и используется маркетологами. Данный случай лишь наиболее красноречиво показывает возможности современного анализа данных. С тех пор прошло уже больше 5 лет. Сейчас Data Science стал более доступен, и практически любой более-менее крупный магазин пользуется подобными методами аналитики.

Так что если в магазине начнут предлагать вам присыпки и наборы для роддома - считайте это знаком, что стоит провериться :)

Оригинальная статья: http://www.nytimes.com/2012/02/19/magazine/shopping-habits.html?pagewanted=all

Перевод оригинала взят из: https://habrahabr.ru/post/221615/