Як монетизувати свої дані

Багато організацій володіють цінними власними даними, але не мають чіткого плану їх комерціалізації. У міру зростання інтересу до продажу даних, що зумовлено розвитком штучного інтелекту, необхідністю пошуку нових джерел доходу та успіхом таких компаній, як Amazon, Mastercard та Instacart, керівникам потрібний структурований підхід. Найефективніші стратегії починаються з найближчого оточення: з основного бізнесу, існуючих партнерів та фокусу на даних, що підтримують основну місію компанії. Щоб досягти успіху, компанії повинні спочатку з’ясувати, хто є їхніми клієнтами даних і які проблеми ці дані вирішують. Вони також повинні вибрати між прямою монетизацією, такою як передплата або ліцензування, та непрямими підходами, що передбачають вбудовування даних в існуючі пропозиції. Незалежно від методу, з першого дня необхідно враховувати питання конфіденційності даних, дотримання нормативних вимог та репутаційний ризик. Нарешті, важливо, як упаковуються дані. Компанії можуть продавати необроблені дані, об’єднувати аналітичні висновки або поставляти готові до комерційного використання продукти. Чим повніша пропозиція, тим більший потенціал для стратегічної диференціації та стабільних прибутків.

Що, якби ви були відповідальні за аналіз даних про альбоми, фанатів, соціальні мережі та мерчендайз для понад тисячі музикантів?

Саме таке завдання стояло перед Нарасом Ечамбаді в 2021 році, коли він приєднався до Universal Music Group (UMG), яка представляє сучасних зірок звукозапису від Леді Гаги до Емінема, легенд, таких як The Beatles, та численних нових артистів. Як перший головний директор компанії з глобальних даних та аналітики, він мав знайти спосіб зробити інформацію UMG доступною для багатьох бізнес-підрозділів та партнерів. Тому він і його команда зібрали дані з фізичних магазинів, сайтів електронної комерції, соціальних мереж, маркетингових кампаній, електронних листів та CRM-системи і використали їх для створення інструменту звітності та аналітики під назвою Fan Analytics, Marketing, and E-commerce (FAME), щоб допомогти партнерам UMG, включаючи лейбли та артистів, визначити можливості для зростання.

FAME надавала детальні дані та інформацію про поведінку кожного фаната і автоматично пропонувала подальші дії для кожної особи. Незабаром рівень залучення слухачів та коефіцієнт конверсії маркетингових кампаній значно зросли, що призвело до зростання доходів на понад 30% у каналах електронної комерції. FAME також дав UMG перевагу над конкурентами під час підписання контрактів з новими артистами та лейблами. Об’єднавши розрізнені та неорганізовані дані UMG в інтегрований, простий у використанні інструмент, команда Еечамбаді знайшла спосіб розвивати бізнес, залишаючись вірною основній місії компанії — з’єднувати артистів із їхніми шанувальниками.

Заробляти гроші на комерціалізації даних про клієнтів (та отриманих на їх основі висновків) — це не нова ідея. Кредитні агентства, які повідомляють кредиторам про ймовірність повернення позики потенційним позичальником, існують вже понад століття, а продуктові магазини продають дані про покупки (зібрані за допомогою програм лояльності) вже десятки років. У цифрову епоху компанії дізнаються більше про споживачів, стежачи за їхньою поведінкою в Інтернеті — продуктами, які вони купують, веб-сайтами, які вони відвідують, відгуками та коментарями, які вони залишають, тощо. Зараз штучний інтелект полегшує аналіз та отримання висновків з цієї інформації, ще більше підвищуючи її цінність. А в епоху уповільненого економічного зростання компанії все більше зацікавлені в пошуку способів монетизації цього активу.

Деякі компанії вже досягли успіху. Хоча роздрібна торгівля залишається найбільшим джерелом доходу Amazon, компанія використовує свої глибокі знання про інтереси клієнтів для розвитку рекламного бізнесу, який минулого року приніс 56 мільярдів доларів. Нещодавно Walmart використав подібну модель для запуску свого онлайн-рекламного бізнесу, який зараз приносить 4 мільярди доларів на рік. Більша частина з 16 мільярдів доларів доходу LinkedIn безпосередньо пов’язана з даними користувачів, які компанія продає рекрутерам. Фінансові компанії, такі як Mastercard і Visa, створили цілі консультаційні підрозділи — Mastercard Advisors і Visa Advisory Services — для продажу компаніям інформації, яку вони збирають в результаті аналізу мільйонів транзакцій. Жодна з компаній офіційно не повідомляє, скільки саме вона заробляє на цих проектах, але Mastercard припускає, що річний дохід від її підрозділу додаткових послуг зростає двозначними темпами. Деякі компанії продають дані користувачів безпосередньо компаніям, що займаються штучним інтелектом, для використання в навчанні їхніх великих мовних моделей. Коли Reddit ліцензував свої дані користувачів OpenAI в 2024 році, фінансові умови не були розкриті, але акції Reddit підскочили на 12% після цієї новини. Такі історії змусили більше компаній замислитися над найкращим способом отримання прибутку від своїх даних.

Однак наше дослідження показує, що компанії все ще не можуть визначитися з правильним підходом і не знають, з чого почати. Це не обов’язково їхня провина. Монетизація даних — це не просто надсилання електронною поштою таблиці з даними платоспроможному клієнту. Компанії повинні знати, як збирати, систематизувати та аналізувати свої дані. Вони також повинні визначити найкращі варіанти використання та зрозуміти, як правильно оцінювати свої пропозиції. І занадто багато з них створюють пропозиції даних, які не мають тісного зв’язку з їх основним бізнесом, що часто перетворюється на малоприбуткову відволікаючу діяльність.

Щоб визначити причини, через які деякі компанії стикаються з труднощами в монетизації даних, а інші досягають успіху, ми провели глибоке дослідження понад 30 організацій та опитали 12 керівників вищої ланки, які очолюють зусилля з монетизації даних у сферах роздрібної торгівлі, медіа, технологій, виробництва та маркетингу. На основі отриманих знань ми розробили концепцію підходу до монетизації даних. У цій статті ми пояснимо її та надамо поради, як компаніям розпочати цей процес. Для цього необхідно поставити три стратегічні запитання.

Хто є нашими клієнтами, які використовують дані, і як вони їх використовують?

Багато компаній володіють даними, які вони вважають цінними і які є їхньою власністю. Потенційними покупцями таких даних можуть бути технологічні компанії, брокери даних, хедж-фонди та компанії, що працюють у суміжних галузях. Але продаж даних — це не просто складання звіту.

Під час нашого дослідження ми спостерігали багато випадків, коли керівники компаній починали процес монетизації з побудови технічної інфраструктури. Часто вони витрачали на це кілька років, а потім розуміли, що не знають, які продукти розробляти і хто їх купуватиме.

Найуспішніші організації починають процес монетизації, зосередившись на випадках використання в рамках свого основного бізнесу та з існуючими партнерами, зокрема з постачальниками та клієнтами. Чому? По-перше, існуючі партнери краще за інших розуміють потенційну цінність ваших даних, оскільки вони стосуються саме їхньої галузі та ключових цілей. По-друге, оскільки вони вже мають відносини з вашою компанією, з ними легше працювати над визначенням хороших випадків використання даних. Ваші налагоджені операційні та торговельні відносини з ними також полегшують отримання більшого доходу від даних, а також збір і розподіл даних між ними після початку проекту. Ваші торговельні команди та менеджери з відносин можуть продавати їм нову пропозицію як додаткову послугу та швидко розширювати її. І остання причина, чому найкраще працювати з підприємствами у вашій існуючій екосистемі, — це конфіденційність. Власні дані організації часто підлягають суворим угодам про обмін та зберігання, наприклад, таким, що забороняють продаж брокерам даних або іншим неафілійованим третім сторонам.

Навіть компанії, які розуміють цю логіку, можуть піддатися спокусі пропозицій від брокерів даних, які упаковують і продають дані хедж-фондам або іншим нестратегічним партнерам. На перший погляд, це здається швидкими і простими угодами, які вимагають мінімум зусиль: ви продаєте необроблені дані, заробляєте гроші, і на цьому все. Однак такі угоди можуть бути складними в реалізації. Визначити потенційних клієнтів і домовитися про ціни з декількома сторонами, з якими раніше не було партнерських відносин, досить складно. Такі можливості також можуть становити значний ризик для ваших клієнтів і постачальників, наприклад, у вигляді витоку даних, що може поставити під загрозу їхній основний бізнес і стратегічні пріоритети. Ми не стверджуємо, що такі угоди ніколи не мають сенсу, але наше дослідження показує, що вони, як правило, є більш ризикованими і створюють меншу цінність, ніж угоди зі стратегічними партнерами.

Щоб захистити себе та своїх клієнтів, вам необхідно з самого початку управляти ризиками, пов’язаними з конфіденційністю, нормативними вимогами, репутацією, безпекою даних та іншими аспектами, які виникають у процесі монетизації даних. Наприклад, провідні транзакційні компанії, консалтингові фірми та технологічні компанії ретельно підходять до агрегації та анонімізації еталонних даних, коли діляться ними з клієнтами. Але навіть якщо ви це робите, вам слід перевірити, чи використання даних у продукті або послузі не може бути неправильно витлумачено вашими партнерами. Для будь-якої пропозиції, що базується на даних, вам потрібно з самого початку тісно співпрацювати з юридичними та ризик-менеджерами, щоб оцінити потенційні проблеми та створити плани їх мінімізації.

Паралельно, керуючись потребами в даних пріоритетних випадків використання потенційних покупців, ви можете поступово створювати сучасну платформу даних і загальнокорпоративні активи даних. Спроби монетизувати дані, які погано організовані, мають низьку якість або є неповними, матимуть зворотний ефект. Проте багатьом компаніям ще далеко до створення міцної бази даних і технологій: хоча вони вже мають технології для збору даних, вони не можуть перенести їх до центрального сховища. Або вони не можуть організувати дані чи перевірити їхню якість. Або вони не мають простого способу проводити аналітику чи створювати візуалізацію даних.

Більшість підприємств не є повністю непідготовленими. Вони почали вводити дані з внутрішніх і зовнішніх джерел у сховища даних і моделювати, як усі дані будуть вписуватися в цілісні активи даних, такі як 360-градусний огляд клієнтів або 360-градусний огляд постачальників. Використовуючи гнучкі інструменти, такі як Databricks, Domo і Snowflake, вони можуть швидко створювати продукти на основі даних для тестування з клієнтами.

Чи слід нам монетизувати наші дані прямо чи опосередковано?

Найпростіший підхід полягає в тому, щоб безпосередньо стягувати з клієнтів або партнерів по каналах збуту плату за дані або пропозиції на основі даних, якими вони користуються. Ця модель зазвичай працює як передплата, при якій за встановлену ціну покупець отримує доступ до даних протягом визначеного періоду. Продавець несе певні витрати на пакування та обслуговування даних, а решта є прибутком. Британський ритейлер Tesco застосував цей підхід, зібравши величезні обсяги даних з точок продажу та використавши їх для надання послуг компаніям, що виробляють товари широкого вжитку (CPG), через підрозділ з аналізу даних під назвою Dunnhumby. Згодом Dunnhumby став окремим бізнесом, що продає різноманітні пропозиції ритейлерам та компаніям CPG.

Непряма монетизація відрізняється. Вона передбачає інтеграцію даних в існуючі пропозиції та надання їх партнерам і клієнтам без додаткових витрат. Організації, які обирають такий підхід, часто працюють у високоприбуткових галузях, де ключове значення має диференціація. Наприклад, провідні консалтингові фірми об’єднують власні аналітичні дані з консалтинговими послугами, щоб виділитися серед конкурентів і виграти проекти.

Sony Interactive Entertainment (SIE) використовувала непряму монетизацію, щоб спонукати творців розробляти нові пропозиції для своєї платформи PlayStation. SIE створила платформу даних, яка надавала творцям багаті дані про те, як геймери використовують PlayStation, включаючи дані про ігровий процес і розробку, а також дані про маркетингові та рекламні заходи. Надання творцям всієї цієї інформації безкоштовно мало стратегічний сенс, оскільки це дозволяло їм створювати кращі ігри та підвищувати зацікавленість; прибуток SIE походив від збільшення вибору та продажів ігор. Джон Тафт, колишній директор з аналітичної інженерії SIE, також зазначив, що «коли з’являється наступний інноваційний досвід, що визначає галузь, такий як Fortnite, це часто відбувається спочатку в нашій екосистемі».

Хоча пряма монетизація даних має прямі переваги для прибутку та збитків, непряма монетизація даних може бути потужним способом підвищення рентабельності інвестицій у дані. Непряма монетизація даних може допомогти компаніям розширити асортимент продукції та підвищити операційну ефективність і рівень утримання клієнтів. Наприклад, у одного з технологічних провайдерів, який брав участь у нашому дослідженні, найвищий рівень утримання клієнтів був серед тих, хто використовував його пропозиції щодо даних. Компанія з навчання та розвитку, з якою ми спілкувалися, розширила свої послуги, надаючи клієнтам порівняльні дані про навички, що користуються високим попитом, та персоналізовані пропозиції щодо нових навчальних програм, які варто розглянути. Аналіз показав, що така інформація призвела до підвищення рівня задоволеності та утримання клієнтів. Щоб підвищити операційну ефективність, виробник надав кожному зі своїх постачальників картки оцінки даних про рівень обслуговування клієнтів та наявність запасів, що дозволило зменшити вузькі місця в ланцюжку поставок та збільшити маржу.

Який тип пропозиції є правильним?

Після того, як компанія вирішила, кому вона буде продавати або надавати свої дані і чи буде вона займатися прямою або непрямою монетизацією, наступним кроком є визначення правильного типу пропозиції. Три найпоширеніші методи — це продаж необроблених даних, продаж послуг з аналізу даних та інвестування в розробку повноцінного продукту на основі даних.

Продаж необроблених даних. Це простий варіант для продавців, але створює значний обсяг роботи для покупців, які повинні обробляти та аналізувати дані, щоб отримати з них користь. Якщо ви не знаєте конкретних випадків використання необроблених даних, процес продажу може бути трудомістким, оскільки спочатку необхідно співпрацювати з покупцями, щоб визначити можливості отримання вигоди. Цей метод продажу найбільш підходить компаніям, які не мають внутрішніх можливостей для обробки та аналізу своїх даних або дані яких не відповідають стратегічним потребам існуючих партнерів по каналах збуту. У таких випадках вони зазвичай продають дані брокерам, технологічним компаніям або досвідченим користувачам, які будуть далі вдосконалювати інформацію для інших застосувань.

Продаж аналітичних послуг на основі даних. Деякі компанії аналізують свої дані та готують індивідуальні аналітичні звіти для клієнтів, позбавляючи їх необхідності самостійно структурувати та обробляти дані. Багато продуктів створюються індивідуально для задоволення унікальних потреб клієнтів. Один із великих плюсів такого підходу: він забезпечує більшу безпеку та захист конфіденційності. Сирі дані часто містять особисту інформацію та інформацію, що є власністю компанії; продаж аналітичних звітів гарантує, що конфіденційні дані не будуть випадково передані третім особам. Mastercard Advisors робить це в рамках свого сервісного бізнесу для банків і роздрібних торговців, надаючи клієнтам багаті агреговані та анонімні аналітичні дані зі своєї мережі транзакцій. Якщо ви тільки починаєте процес монетизації даних, ви можете розглянути можливість створення невеликої сервісної команди, яка буде зосереджена на підтримці потреб ваших партнерів у каналах збуту в області даних та аналітики. Якщо попит, здається, зростає навколо загального набору потреб, розгляньте можливість розробки пропозиції, яка задовольнить їх, і її масштабування. Уважно слухайте відгуки клієнтів і спостерігайте, як ваші конкуренти отримують вигоду від своїх даних.

Продаж готових комерційних рішень. Найуспішніші продавці пропонують повністю готові продукти. Інформаційні панелі, робочі процеси, моделі машинного навчання та системи зберігання даних поєднуються з аналітичними даними. Аналітичні дані допомагають користувачам приймати кращі рішення або становлять основу цінного бізнес-процесу. Рішення можуть бути інтегровані в існуючий цифровий продукт або бути самостійними продуктами.

Як правило, компанії стягують більшу плату за дані, які є ближчими до кінцевого продукту. Часто вони починають з надання послуг на основі своїх необроблених даних, а потім переходять до створення продуктів на основі популярних випадків використання. Наприклад, ADP продає продукт для порівняння заробітної плати, який допомагає роботодавцям дізнатися середні ринкові ставки для різних посад і категорій зайнятості. Покупці використовують його, щоб встановлювати конкурентні зарплати для існуючих і нових посад та дотримуватися чинного законодавства. Instacart створив додаток, який використовує дані користувачів, щоб допомогти компаніям точніше націлювати рекламу. Коли покупці купують продукти за допомогою цього сервісу, Instacart Ads показує їм рекламу товарів, які вони, ймовірно, куплять, з огляду на їхню попередню поведінку. У 2024 році додаток приніс Instacart приблизно 958 мільйонів доларів доходу.

FordDirect, маркетингова технологічна компанія, що спеціалізується на роздрібній торгівлі автомобілями, створила комерційно готове рішення з непрямою монетизацією, призначене для підвищення ефективності продажів дилерської мережі автовиробника. Том Томас, старший віце-президент компанії з питань стратегії даних, аналітики та штучного інтелекту, розпочав роботу з компіляції необроблених даних з різних каналів, включаючи веб-сайти дилерів, CRM-системи та системи управління дилерами в бек-офісі, а потім об’єднав кілька зовнішніх джерел даних у свою платформу для відстеження шляху клієнта. Маючи в своєму розпорядженні правильну базу даних і технологічну інфраструктуру, він і його команда змогли перетворити дані на аналітичний інструмент, який допомагає дилерам оптимізувати свої витрати на рекламу. Цей інструмент сприяє збільшенню продажів автомобілів та кількості звернень до сервісних центрів через цифрові канали. Дилери також можуть використовувати ці дані для сегментації клієнтів за інтересом до автомобілів, статусом власності та схильністю до покупки, що дозволяє їм створювати цільові повідомлення. FordDirect допоміг дилерам досягти 40% зростання продажів та 22% зниження вартості кожного потенційного клієнта в цільових сегментах.

Монетизація даних може стати джерелом нових доходів, а при правильному підході вона може мати великий вплив на стратегічний напрямок розвитку вашої організації. Шлях до ефективної монетизації даних передбачає розуміння потенціалу ваших даних, вибір правильних партнерів, вибір типу пропозиції та впровадження надійних заходів безпеки. Є причина, чому все більше компаній дотримуються цієї стратегії: адже вигоди від неї можуть бути значними.

Автори:

Сурадж Срінівасан — професор бізнес-адміністрування імені Філіпа Дж. Стомберга в Гарвардській школі бізнесу, голова Digital Value Lab та член ради директорів Harvard Business Publishing.

Робін Сейберт — менеджер з взаємодії в McKinsey & Company та колишній запрошений науковий співробітник Digital Value Lab.

Мохаммед Аасер — головний стратег компанії з аналізу даних Domo.

Джерело: Harvard Business Review (https://hbr.org)