Виды маркетинга по области применения и степени развития

       Технология  комплексного многомерного анализа  данных получила название OLAP (On-Line Analytical Processing). Концепция OLAP была описана в 1993 году Эдгаром Коддом, известным исследователем баз данных и автором реляционной модели данных.

     Технология  основана на построении многомерных  наборов данных – OLAP-кубов. Осями  многомерной системы координат  служат основные атрибуты анализируемого бизнес-процесса. На пересечениях осей-измерений  – находятся данные, количественно  характеризующие процесс-меры.

     Пользователь, анализирующий информацию, может  «разрезать» куб по разным направлениям, получать сводные или, наоборот, детальные  сведения и осуществлять прочие манипуляции, которые ему придут в голову в  процессе анализа.

     Измерения в предлагаемой системе представлены на определенных уровнях группировки. Кроме этого можно рассматривать  в качестве измерений любую другую характеристику.

     Трехмерный  куб трудно отобразить на экране компьютера так, чтобы были видны значения интересующих мер.

     Для визуализации данных, хранящихся в  кубе, применяются, как правило, привычные  двумерные, т.е. табличные, представления, имеющие сложные иерархические  заголовки строк и столбцов.

     Двумерное представление куба можно получить, «разрезав» его поперек одной  или нескольких осей (измерений): мы фиксируем значения всех измерений, кроме двух, – и получаем обычную  двумерную таблицу. В горизонтальной оси таблицы (заголовки столбцов) представлено одно измерение, в вертикальной (заголовки строк) – другое, а в ячейках таблицы – значения мер.

     Значения, «откладываемые» вдоль измерений, называются членами или метками. Метки используются как для «разрезания» куба, так и для ограничения (фильтрации) выбираемых данных – когда в измерении, остающемся «неразрезанным», нас интересует не все значения, а их подмножество.

     Оперативный анализ информации в табличной форме  обладает одним существенным недостатком  – отсутствием наглядности, поэтому полученную аналитическую группировку желательно графически интерпретировать. И вот тут уже имеет смысл подробно говорить о системах поддержки принятия решений (СППР, DSS).

     Исходные  данные для построения OLAP-кубов обычно хранятся в реляционных базах  данных. Нередко это специализированные реляционные базы данных, называемые также хранилищами данных (Data Warehouse). В отличие от так называемых оперативных баз данных, с которыми работают приложения, модифицирующие данные, хранилища данных предназначены исключительно для обработки и анализа информации, поэтому проектируются они таким образом, чтобы время выполнения запросов к ним было минимальным. Обычно данные копируются в хранилище из оперативных баз данных согласно определенному расписанию.

     Общую схему работы настольной OLAP системы  можно представить следующим  образом:

     

     Алгоритм  работы следующий:

     Получение данных в виде плоской таблицы  или результата выполнения SQL запроса.

     Кэширование данных и преобразование их к многомерному кубу.

     Отображение построенного куба при помощи кросс-таблицы или диаграммы и т.п. В общем случае, к одному кубу может быть подключено произвольное количество отображений.

     Рассмотрим как подобная система может быть устроена внутри. Начнем мы это с той стороны, которую можно посмотреть и пощупать, то есть с отображений.

     Отображения, используемые в OLAP системах, чаще всего  бывают двух видов – кросс-таблицы и диаграммы. Рассмотрим кросс-таблицу, которая является основным и наиболее распространенным способом отображения куба.

     Кросс-таблица

     На  приведенном ниже рисунке, желтым цветом отображены строки и столбцы, содержащие агрегированные результаты, светло-серым  цветом отмечены ячейки, в которые  попадают факты и темно-серым  ячейки, содержащие данные размерностей.

     

     Таким образом, таблицу можно разделить  на следующие элементы, с которыми мы и будем работать в дальнейшем:

     Заполняя  матрицу с фактами, мы должны действовать  следующим образом:

     На  основании данных об измерениях определить координаты добавляемого элемента в  матрице.

     Определить  координаты столбцов и строк итогов, на которые влияет добавляемый элемент.

     Добавить  элемент в матрицу и соответствующие  столбцы и строки итогов.

     При этом нужно отметить то, что полученная матрица будет сильно разреженной, почему ее организация в виде двумерного массива (вариант, лежащий на поверхности) не только нерациональна, но, скорее всего, и невозможна в связи с большой  размерностью этой матрицы, для хранения которой не хватит никакого объема оперативной памяти. Например, если наш куб содержит информацию о продажах за один год, и если в нем будет всего 3 измерения – Клиенты (250), Продукты (500) и Дата (365), то мы получим матрицу фактов следующих размеров:

     Кол-во элементов = 250 х 500 х 365 = 45 625 000

     И это при том, что заполненных  элементов в матрице может  быть всего несколько тысяч. Причем, чем больше количество измерений, тем  более разреженной будет матрица.

     Поэтому, для работы с этой матрицей нужно  применить специальные механизмы  работы с разреженными матрицами. Возможны различные варианты организации  разреженной матрицы. Они довольно хорошо описаны в литературе по программированию, например, в первом томе классической книги "Искусство программирования" Дональда Кнута.

     Рассмотрим  теперь, как можно определить координаты факта, зная соответствующие ему  измерения. Для этого рассмотрим подробнее структуру заголовка:

     

     Данные, хранящиеся в таблице необходимо преобразовать для их использования. Так, в целях повышения производительности при построении гиперкуба, желательно находить уникальные элементы, хранящиеся в столбцах, являющихся измерениями  куба. Кроме того, можно производить  предварительное агрегирование  фактов для записей, имеющих одинаковые значения размерностей. Как уже было сказано выше, для нас важны  уникальные значения, имеющиеся в  полях измерений. Тогда для их хранения можно предложить следующую структуру:

     Для хранения гиперкуба проще всего  использовать базу данных своего внутреннего  формата. Схематически преобразования можно представить следующим  образом:

     

     То  есть вместо одной таблицы мы получили нормализованную базу данных. Вообще–то  нормализация снижает скорость работы системы, – могут сказать специалисты  по базам данных, и в этом они  будут безусловно правы, в случае когда нам надо получить значения для элементов словарей (в нашем случае значения измерений). Но все дело в том, что нам эти значения на этапе построения среза вообще не нужны. Как уже было сказано выше, нас интересуют только координаты в нашем гиперкубе, поэтому определим координаты для значений измерений. Самым простым будет перенумеровать значения элементов. Для того, чтобы в пределах одного измерения нумерация была однозначной, предварительно отсортируем списки значений измерений (словари, выражаясь терминами БД) в алфавитном порядке. Кроме того, перенумеруем и факты, причем факты преагрегированные. Получим следующую схему:

     

     Теперь  осталось только связать элементы разных таблиц между собой. В теории реляционных  баз данных это осуществляется при  помощи специальных промежуточных  таблиц. Нам достаточно каждой записи в таблицах измерений поставить  в соответствие список, элементами которого будут номера фактов, при  формировании которых использовались эти измерения (то есть определить все  факты, имеющие одинаковое значение координаты, описываемой этим измерением). Для фактов соответственно каждой записи поставим в соответствие значения координат, по которым она расположена в  гиперкубе. В дальнейшем везде под  координатами записи в гиперкубе  будут пониматься номера соответствующих  записей в таблицах значений измерений. Тогда для нашего гипотетического  примера получим следующий набор, определяющий внутреннее представление  гиперкуба:

     

       Такое будет у нас внутреннее представление  гиперкуба. Так как мы делаем его  не для реляционной базы данных, то в качестве полей связи значений измерений используются просто поля переменной длины (в РБД такое  сделать мы бы не смогли, так как  там количество колонок таблицы  определено заранее).

2. Организация маркетинговой деятельности в среде Internet

       Интернет-маркетинг (англ. internet marketing) — это практика использования всех аспектов традиционного маркетинга в Интернете, затрагивающая основные элементы маркетинг-микса: цена, продукт, место продаж и продвижение. Основная цель — получение максимального эффекта от потенциальной аудитории сайта.

       Основные  элементы комплекса интернет-маркетинга:

       Товар (Product) — то, что вы продаете с помощью Интернета, должен иметь достойное качество. Он конкурирует не только с другими сайтами, но и традиционными магазинами.

       Цена (Price) — принято считать, что цена в Интернете ниже, чем в обычном магазине за счет экономии на издержках. Контролируйте цены и сравнивайте их с конкурентами регулярно.

       Продвижение (Promotion) — комплекс мер по продвижению как сайта, так и товара в целом в сети. Включает в себя огромный арсенал инструментов (поисковое продвижение, контекстная реклама, баннерная реклама, e-mail маркетинг, аффилиативный маркетинг, вирусный маркетинг, скрытый маркетинг, интерактивная реклама, работа с блогами и т. д.).

       Место продаж (Place) — точка продаж, то есть сайт. Огромную роль играет как графический дизайн, так и юзабилити сайта. Так же стоит обратить внимание на скорость загрузки, работу с платежными системами, условия доставки, работу с клиентами до, во время и после продажи.

       Интернет-маркетинг  является составляющей электронной  коммерции. Его также называют online-маркетингом. Он может включать такие части, как  интернет-интеграция, информационный менеджмент, PR, служба работы с покупателями и продажи. Электронная коммерция  и интернет-маркетинг стали популярными  с расширением доступа к интернету  и являют собой неотъемлемую часть  любой нормальной маркетинговой  кампании. Сегмент интернет-маркетинга и рекламы растёт как в потребительском  секторе, о чем свидетельствует  появление с каждым днем все новых интернет-магазинов, так и на рынке B2B. Основными преимуществами интернет-маркетинга считаются интерактивность, возможность максимально точного таргетинга, возможность постклик-анализа, который ведет к максимальному повышению таких показателей как конверсия сайта и ROI интернет-рекламы. Интернет-маркетинг включает в себя такие элементы системы как: контекстная реклама, SEO, продвижение сайта.

       Интернет-маркетинг  появился в начале 1990-х годов, когда  текстовые сайты начали размещать  информацию о товарах. Сейчас интернет-маркетинг - это нечто большее, чем продажа  информационных продуктов, сейчас идет торговля информационным пространством, программными продуктами, бизнес-моделями и многими другими товарами и услугами. Такие компании, как Google, Yahoo, и MSN подняли на новый уровень и сегментировали рынок интернет-рекламы, предлагая малому и среднему бизнесу услуги по локальной рекламе. Рентабельность инвестиций возросла, а расходы удалось снизить. Этот тип маркетинга стал основой современного капитализма, которая позволяет любому, у кого есть идея, товар или услуга достичь максимально широкой аудитории.

       Использование термина «интернет-маркетинг» обычно подразумевает использование стратегий  маркетинга прямого отклика, которые  традиционно используются при прямых почтовых рассылках, радио и в  телевизионных рекламных роликах, только здесь они применяются  к бизнес пространству интернета.

       Эти методы оказались очень эффективными при использовании в интернете  благодаря возможностям точно отслеживать  статистику, умноженным на возможность  находиться в относительно постоянном контакте с потребителями, будь-то сектор B2B или B2C (бизнес-потребитель). Эта возможность  прецизионного анализа применяется  сейчас повсеместно, и поэтому так  часто можно увидеть такие  термины, как ROI — коэффициент окупаемости  инвестиций, conversion rate — коэффициент эффективного посещения (он же — Конверсия сайта), а также мгновенно получить статистику продаж, спроса и т. д.