Александр Никифоров, куратор программы «Практики бренда»
- Истории «До/После»
Никаких картинок, сюжетов и «каруселей» в формате «До/После». Грустный ребенок до нашего сока — Веселый ребенок с нашим соком. Черно-белая семья до нашего майонеза — Счастливая с нашим майонезом. Сравнить теперь — недостаточно.
- Нейросети как надпись
Что угодно можно сделать с помощью нейросети, но это не значит, что все теперь должно содержать приписку «AI». Рецепт пива, который разработала нейросеть; Маскоты, придуманные нейросетью — пусть AI в новом году появляется пореже.
Дарья Ядерная, куратор МBА «Стратегический маркетинг и менеджмент»
- Устаревшая сегментация аудитории
Модель поведения потребителей меняется под влиянием многих факторов: мероприятий, личных достижений, общественных трендов и воздействия комьюнити. В этом смысле стоит переключаться на адаптивную сегментацию в реальном времени и отходить от поведенческих и демографических характеристик.
- Ключевые слова в контенте
Годами контент создавался на основе ключевых слов, но сегодня такой контент звучит искусственно и отвлечен от реальных интересов целевой аудитории. Теперь Googlе и другие поисковые системы все больше фокусируются на намерениях пользователей, качестве контента и понимании семантики, нежели на частоте употребления слов.
Алена Артемьева, куратор интенсива «Как принимать решения на основе данных»
- Анализ общих конверсий без детализации по шагам
Как известно, дьявол в деталях, и анализ особенностей сегментов и их показателей чаще всего дает основную пищу для повышения эффективности.
- Желание использовать ML везде (во что бы то ни стало)
На этот счет есть несколько причин: во-первых, не все ML-решения окупаются. Во-вторых, для внедрения сложных моделей нужны качественные данные. Поэтому бездумное внедрение ML скорее приведет к ухудшению ситуации и ненужным затратам.
Денис Катков, куратор программы «Продуктовая мастерская»
- Клиповое мышление и мышление фреймворками
Внезапные изменения среды, так называемые черные/серые/белые лебеди, и ускорение всех процессов призывают нас реагировать на новые условия не через призму шаблонов, фреймворков и других стандартных подходов, а через синтез (адаптацию) новых методов.
Старые подходы эффективны в работе с прошлым — уже изученными и прогнозируемыми событиями или задачами, — но они недостаточны для решения новых и неопределенных ситуаций. При этом важно понимать, что это не отменяет значимости базовых знаний и опыта. Однако стоит четко осознавать контекст, в котором мы находимся, и в условиях хаоса и неопределенности иногда отказываться от проверенных решений.
- Обработка данных без учета динамики
Современная аудитория реагирует на изменения мгновенно, поэтому методы на основе прошлого опыта (RFM-анализ, ABCDX-сегментация) не справляются с актуальными вызовами и лишают компании возможности быстро адаптироваться к новым условиям. При скоростных изменениях в экономике, технологиях и поведении аудитории использование статичных категорий приводит к устаревшим решениям.
Отсутствие учета динамических факторов, таких как изменения в психографическом профиле или потребностях клиентов, снижает гибкость и успех стратегий. Чтобы сохранять конкурентоспособность, бизнесу необходимо переходить к подходам, которые учитывают реальную динамику поведения и рыночных изменений, позволяя оперативно реагировать на новые обстоятельства и эффективно взаимодействовать с аудиторией.
