First, Second и Third Party Data: что это и как с этим работать
1st, 2nd и 3rd party data — это информация о клиентах, которая нужна бизнесу для эффективных продаж. Эксперт Retail Rocket расскажет, как собирают эти данные, в чём их различие и в каких ситуациях они нужны.
Содержание
- First Party Data (данные первого уровня)
- Second Party Data (данные второго уровня)
- Third Party Data (данные третьего уровня)
- Сравнение типов данных
- Тенденции и будущее
First Party Data (данные первого уровня)
1st party data или данные первого уровня — это информация о клиенте, которую собирает сама компания. Данные первого уровня помогают бизнесу видеть интересы и предпочтения своей аудитории и использовать это для персонализации предложений.
Главная особенность данных первого уровня — они принадлежат самой компании и пользователи дают согласие с политикой конфиденциальности использования. Бизнес получает данные из разных источников:
- Сайт или мобильное приложение
- Формы подписки
- Опросы
- Рассылки по электронной почте
- Программа лояльности
- CRM-система
- Социальные сети
- Офлайн взаимодействие
Сайт или мобильное приложение. Когда мы посещаем сайты, иногда видим всплывающее окно — сообщение о политике использования cookies. Продолжая использовать сайт или соглашаясь с политикой, мы даём разрешение владельцу ресурса получать и использовать данные о нас. С помощью файлов cookie компания может отследить личные предпочтения клиента и его поведение: какие страницы он посещал, чем интересовался, какие действия совершал.
Кроме того, компании могут использовать специальные пиксели отслеживания или трекеры, которые собирают информацию о геолокации, интересах и поведении покупателей на сайте или в мобильном приложении.
Формы подписки. Чтобы получить данные о покупателе, компания предлагает заполнить небольшую онлайн-форму: указать своё имя и адрес электронной почты для получения дальнейших email-рассылок или номер телефона. Бизнес мотивирует потенциальных клиентов возможностью получать эксклюзивный контент: актуальные подборки товаров или ранний доступ к распродажам для подписчиков. Иногда покупателям предлагают бонус за заполненную форму: скидку на первую покупку, полезные материалы — электронные книги, инструкции, чек-листы.
Опросы. Компании собирают обратную связь клиентов, чтобы лучше понимать их потребности и мотивацию. Для исследования лояльности используются NPS-опросы: они помогают сегментировать аудиторию и формировать разные предложения для каждой группы клиентов.
Рассылки по электронной почте. Компания может проанализировать, какой процент покупателей открывает письма и сообщений и оценить качество контента и предложения. Если покупатели всё чаще игнорируют рассылку, это сигнал перезапустить её с новой стратегией или собрать обратную связь и выяснить причины низкой эффективности.
Программа лояльности. Клиенты делятся своими данными, заполняя анкету, и пользуются привилегиями программы: копят баллы, увеличивают накопительную скидку, получают дополнительный кешбэк или специальные предложения от компании. Бизнес, в свою очередь, получает актуальные номера телефонов, адрес электронной почты, контакты клиента в соцсетях и демографические данные: например, дату рождения.
CRM-система. В системе управления взаимоотношениями с клиентами можно увидеть историю покупок, проследить закономерность сделок, выявить высокодоходных покупателей и тех, кто давно не проявлял активность.
Социальные сети. С помощью собственных соцсетей компании получают ценные инсайты о демографии клиентов, а также об уровне их вовлечённости и лояльности. Кроме того, покупатели часто оставляют отзывы о своём опыте в комментариях — эту информацию бизнес использует, чтобы увидеть сильные и слабые стороны продукта со стороны и совершенствовать его.
Офлайновое взаимодействие с покупателем. Бизнес может получать данные при личном общении с клиентом: в точках продаж или во время телефонного разговора.
Как использовать 1st party data
| Тип данных | Что с ними можно делать |
| Адрес электронной почты | ✅ Контактировать с покупателем напрямую: например, чтобы получать обратную связь. ✅ Сегментировать покупателей для подготовки персонализированных предложений. ✅ Взращивать лиды — взаимодействовать с покупателем на разных этапах воронки продаж и стимулировать его на покупку. ✅ Управлять жизненным циклом покупателя: бизнес может вернуть клиента в воронку продаж, отправив ему по электронной почте выгодное предложение. |
| Номер телефона | ✅ Контактировать с покупателем напрямую: например, чтобы получать обратную связь. ✅ Запустить SMS-маркетинг: например, рассылки с промокодами, информацией о распродаже, открытии новой точки. ✅ Поддерживать покупателей: информировать о статусе заказа, оперативно связываться с ними в случае сложностей. ✅ Проводить маркетинговые исследования. |
| История покупок | ✅ Готовить персонализированные предложения на основе предпочтений покупателя. ✅ Создавать новые эффективные сценарии на основе существующих паттернов покупки: например, показывать в корзине аксессуары, которые часто покупают вместе с товаром. ✅ Анализировать жизненный цикл клиента: когда и почему он покупает, в какой момент перестаёт делать заказы. ✅ Прогнозировать отток покупателей: заранее знать, в какие периоды активность резко падает и почему. |
| Аналитика трафика на сайте | ✅ Знать производительность сайта и дорабатывать его. ✅ Совершенствовать продажи на основе информации о поведении пользователей, конверсии, пути клиента. ✅ Проводить A/B-тестирование |
| Анализ продукта | ✅ Внедрять новые функции на основе пользовательского опыта. ✅ Совершенствовать продукт. |
| Данные маркетинговых исследований | ✅ Измерять удовлетворенность клиентов. ✅ Получать отзывы о продуктах/услугах и принимать решения на основе мнений. ✅ Понимать потребности покупателей и в соответствии с ними выстраивать продажи. ✅ Исследовать рынок. |
| Результаты NPS-исследований | ✅ Мониторить лояльность клиентов и восприятие бренда. ✅ Определять направления для улучшения клиентского опыта. ✅ Сегментировать клиентов по уровню лояльности и выработать стратегию работы с каждой аудиторией. |
| Аналитика соцсетей | ✅ Сегментировать аудиторию на основе данных о демографии. ✅ Создавать эффективный контент для продаж. ✅ Получать актуальные показатели вовлеченности клиентов. ✅ Проводить анализ настроений: как покупатели воспринимают бренд. ✅ Анализировать активность конкурентов. |
✔️ Рекомендации для пользователей интернет-магазинов. С помощью рекомендаций бизнес увеличивает средний чек и конверсию.
✔️ Умные email-рассылки, которые стимулируют клиентов на новые покупки.
✔️ Эффективные веб-пуши или мобильные пуши, которые управляют поведением пользователей на сайте или в приложении.
✔️ Sms-рассылки, которые учитывают поведение пользователя.
Все данные мы получаем в защищенном, обезличенном виде, поэтому гарантируем клиентам надёжное и безопасное и при этом высокоэффективное сотрудничество
В практике Retail Rocket Group множество успешных кейсов по использованию 1st party data.
👉 Эффективная стратегия коммуникаций с участниками программы лояльности международной сети пиццерий. Исходя из пяти самых частых сценариев поведения, клиенты сети получали разные триггерные email-рассылки. В результате средний чек участника программы лояльности на 32%, а анонимного покупателя — на 28%. Общее количество транзакций от месяца к месяцу выросло на 9700.
👉 Сеть гипермаркетов «Ашан» интегрировала больше 30 алгоритмов рекомендаций от Retail Rocket Group на сайте и в мобильном приложении. Например, покупателям начали рекомендовать аналоги товаров, которых нет в наличии, появились персонализированные рекомендации в личном кабинете клиентов. В результате доход от товарных рекомендаций вырос в 5 раз.
👉 Интернет-магазин Maxidom проводит сегментацию клиентов с помощью платформы Retail rocket и запускает email-рассылки с персонализированными предложениями. Выручка от таких рассылок была на 18,62% больше, чем выручка от рассылок, сформированных с помощью собственной CRM-системы.
Second Party Data (данные второго уровня)
Second party data или данные второго уровня — это по сути информация 1st party data, которой делятся другие компании. Такие данные можно получить в рамках взаимовыгодного обмена информацией или по выгодной цене: обычно компании заинтересованы в сотрудничестве и получают свои плюсы от того, делятся информацией. Важное условие — клиенты компании, которая передаёт свои данные, должны дать согласие не только на сбор информации, но и на её передачу третьим лицам.
С помощью данных второго уровня бизнес может:
Пополнить свою базу данных. 2nd party data помогают запускать новые рекламные кампании и развивать бизнес. Например, авиакомпания может поделиться с туроператором данными о перелётах пассажиров, на основе этой информации оператор может создать новый востребованный продукт.
Получить доступ к новым аудиториям. Например, компания, которая продаёт корм для животных, может приобрести данные второго уровня у сети ветлечебниц. Это поможет расширить ассортимент кормами и витаминами для питомцев с особыми потребностями и предлагать их новой аудитории.
Прогнозировать поведение покупателей. 2nd party data, как и 1st party data дают чёткие паттерны в поведении аудитории. Данные второго уровня позволяют взглянуть на клиентов шире и объективнее: понять, на что они сильнее откликаются, что их мотивирует на сделку, почему они возвращаются или наоборот уходят к конкурентам.
Выстраивать полезные связи с игроками рынка. Чаще всего покупка 2nd party data влечёт за собой полезный побочный эффект — компании узнают больше друг о друге, начинают сотрудничать, создавать коллаборации или совместные рекламные кампании. От этого выигрывает и бизнес, и клиенты.
Среди примеров успешного использования данных второго уровня — сотрудничество сервиса по доставке еды Grab и Coca-Cola на индонезийском рынке. Бренд использовал данные Grab, чтобы получить доступ к молодёжной аудитории: людей 18-34 лет, которые обычно добавляют газированные напитки к заказу еды. Так в разгар пандемии COVID-2019 Coca-Cola запустила успешную акцию, в процессе которой предлагали призы покупателям с самыми высокими чеками. За неполные три месяца рекламная кампания получила 105 млн показов и принесла более 1 млн транзакций.
Third Party Data (данные третьего уровня)
Third party data или данные третьего уровня — информация, которую можно получить о компаний, специализирующихся на сборе данных. Такие данные собираются в открытых источниках в интернете или с помощью отслеживающих технологий на сайтах и платформах. Для этого используются трекеры, cookie-файлы, но в отличие от 1st party data и 2nd party data пользователи могут быть даже не в курсе, что их данные и действия кто-то отслеживает и собирает.
3rd party data — демографические данные о покупателе: его пол, возраст, образование, доход; сценарии поведения: чем интересовался, какие сайты посещал; результаты опросов. Этими данными компании делятся со всеми желающими, кто готов их приобрести. Большой вопрос к источникам таких данных — никто не знает, откуда они берутся. Из этого следует и неуверенность в точности и достоверности информации – её никто не гарантирует и это никак не перепроверить.
Компании могут приобретать данные третьего уровня, чтобы:
- Расширить свою аудиторию.
- Точнее настраивать таргетированную рекламу.
Один из примеров успешного использования данных третьего уровня может служить кейс компании L’Oreal. Бренд запустил кампанию, целью которой было привлечь клиентов своих конкурентов в Twitter. Маркетологи идентифицировали подписчиков в соцсетях своих крупнейших конкурентов, а затем привлекли данные третьего уровня, чтобы сопоставить профили в социальных сетях и выделить сегменты покупателей. Покупатели косметики разного ценового уровня получали таргетированную рекламу в Twitter. В результате продажи в каждом сегменте выросли на 12% по сравнению с предыдущим месяцем, а стоимость клика была ниже, чем во время других рекламных кампаний.
Сравнение типов данных
Особенности разных видов данных о клиенте
Тенденции и будущее
В 2025 году при работе с данными первого, второго и третьего уровня будет усиливаться роль 1st party data. Эти данные будут лидировать, и вот почему.
✅ 3rd party data, такие как cookie от сторонних поставщиков, потеряют свою актуальность. Например, в браузере Google Chrome появится функция, которая позволит принудительно отключать сторонние файлы cookie и сократит их присутствие в интернете на 80%. Эпоха, когда любой мог отслеживать поведение пользователей в интернете, а потом продавать эти данные, подходит к концу. В ответ на это компании будут активнее использовать собственные методы сбора информации, которые основанные на доверии потребителей. Данные первого уровня, сбор которых прозрачен и производится только с согласия пользователя, станут краеугольным камнем эффективных стратегий таргетинга и персонализации.
✅ Большие языковые модели (LLM) стремительно развиваются. Эти инструменты, управляемые искусственным интеллектом, всё чаще используются для принятия решений в маркетинге и продажах. Они требуют точных, качественных и непредвзятых данных о покупателях. Только при таких условиях ИИ способен предлагать надёжные и адекватные способы решения маркетинговых задач. Обеспечить такую информацию могут только данные первого уровня, полученные легально.
✅ Компании заботятся о том, чтобы вести бизнес этично. Крупнейшие бренды всё больше полагаются на данные первой стороны. В современном мире важно демонстрировать полную прозрачность и приверженность этичной обработке данных, когда во главе угла стоят безопасность и доверие клиентов.
