4 added
1 removed
Original
2026-01-01
Modified
2026-02-21
1
<p><a>#статьи</a></p>
1
<p><a>#статьи</a></p>
2
<ul><li>21 апр 2023</li>
2
<ul><li>21 апр 2023</li>
3
<li>0</li>
3
<li>0</li>
4
</ul><h2>Как кластерный анализ работает в маркетинге - разбираем методы и алгоритмы на примере</h2>
4
</ul><h2>Как кластерный анализ работает в маркетинге - разбираем методы и алгоритмы на примере</h2>
5
<p>Сегментация клиентов - базовая задача маркетолога. Узнайте, как выполнять её быстрее с помощью кластерного анализа.</p>
5
<p>Сегментация клиентов - базовая задача маркетолога. Узнайте, как выполнять её быстрее с помощью кластерного анализа.</p>
6
<p>Кадр: мультсериал "Футурама" / The Curiosity Company / 20th Century Fox Television</p>
6
<p>Кадр: мультсериал "Футурама" / The Curiosity Company / 20th Century Fox Television</p>
7
<p>Обозреватель Skillbox Media по маркетингу и IT. С 2015 года работает с SEO, таргетированной и контекстной рекламой. Писала для Skypro, Yagla и Admitad.</p>
7
<p>Обозреватель Skillbox Media по маркетингу и IT. С 2015 года работает с SEO, таргетированной и контекстной рекламой. Писала для Skypro, Yagla и Admitad.</p>
8
<p>Кластерный анализ - это метод анализа, при котором объекты разделяют на группы по важным критериям. Простой пример: в супермаркете продукты расположены по рядам, и каждый подписан - "овощи", "мясо", "крупы". Говядина не попадёт к гречке, потому что это мясо, а не крупа. Деление объектов на группы называется кластеризацией.</p>
8
<p>Кластерный анализ - это метод анализа, при котором объекты разделяют на группы по важным критериям. Простой пример: в супермаркете продукты расположены по рядам, и каждый подписан - "овощи", "мясо", "крупы". Говядина не попадёт к гречке, потому что это мясо, а не крупа. Деление объектов на группы называется кластеризацией.</p>
9
<p>Полученные после кластеризации группы (или сегменты) изучают. Допустим, алгоритм анализа выделил несколько групп клиентов. В одну из них попали люди, которые покупают продукт двадцать раз в год, в другую - те, кто покупает его раз в год. Маркетолог может изучить этот кластер и понять, как сделать, чтобы люди из него покупали чаще.</p>
9
<p>Полученные после кластеризации группы (или сегменты) изучают. Допустим, алгоритм анализа выделил несколько групп клиентов. В одну из них попали люди, которые покупают продукт двадцать раз в год, в другую - те, кто покупает его раз в год. Маркетолог может изучить этот кластер и понять, как сделать, чтобы люди из него покупали чаще.</p>
10
<p>Кластерный анализ полезен везде, где нужно выделять группы клиентов и объектов. Например, банки используют анализ для определения кредитного рейтинга, а страховые компании - чтобы выявлять мошеннические операции.</p>
10
<p>Кластерный анализ полезен везде, где нужно выделять группы клиентов и объектов. Например, банки используют анализ для определения кредитного рейтинга, а страховые компании - чтобы выявлять мошеннические операции.</p>
11
<p>Чтобы рассказать вам о кластерном анализе, мы перевели<a>статью</a>Improvado - платформы для анализа маркетинговых данных. Из перевода вы узнаете:</p>
11
<p>Чтобы рассказать вам о кластерном анализе, мы перевели<a>статью</a>Improvado - платформы для анализа маркетинговых данных. Из перевода вы узнаете:</p>
12
<ul><li>как<a>кластерный анализ используют</a>в маркетинге;</li>
12
<ul><li>как<a>кластерный анализ используют</a>в маркетинге;</li>
13
<li><a>зачем использовать</a>кластерный анализ, когда есть другие методы;</li>
13
<li><a>зачем использовать</a>кластерный анализ, когда есть другие методы;</li>
14
<li><a>как работает</a>кластеризация;</li>
14
<li><a>как работает</a>кластеризация;</li>
15
<li>как использовать<a>метод кластеризации по шагам</a>;</li>
15
<li>как использовать<a>метод кластеризации по шагам</a>;</li>
16
<li><a>плюсы и минусы</a>кластерного анализа;</li>
16
<li><a>плюсы и минусы</a>кластерного анализа;</li>
17
</ul><p>Собирать и хранить много данных о своих клиентах полезно для бизнеса. Но когда вы решите проанализировать эти данные, то поймёте, что невозможно изучать информацию о каждом клиенте отдельно. Наш мозг не в состоянии обрабатывать такое большое количество информации, а ещё это непрактично.</p>
17
</ul><p>Собирать и хранить много данных о своих клиентах полезно для бизнеса. Но когда вы решите проанализировать эти данные, то поймёте, что невозможно изучать информацию о каждом клиенте отдельно. Наш мозг не в состоянии обрабатывать такое большое количество информации, а ещё это непрактично.</p>
18
<p>Изучить всю информацию разом тоже нельзя, так как данные сильно различаются от клиента к клиенту. Нужно найти золотую середину между анализом всего и сразу и изучением каждого клиента по отдельности. Поэтому нужно разделить всех клиентов на несколько групп. Так можно будет понять, что нужно разным типам клиентов.</p>
18
<p>Изучить всю информацию разом тоже нельзя, так как данные сильно различаются от клиента к клиенту. Нужно найти золотую середину между анализом всего и сразу и изучением каждого клиента по отдельности. Поэтому нужно разделить всех клиентов на несколько групп. Так можно будет понять, что нужно разным типам клиентов.</p>
19
<p>Для этого и нужен кластерный анализ - клиентов сегментируют по одному или нескольким критериям. Если данных о клиентах очень много, для кластерного анализа используют алгоритмы машинного обучения.</p>
19
<p>Для этого и нужен кластерный анализ - клиентов сегментируют по одному или нескольким критериям. Если данных о клиентах очень много, для кластерного анализа используют алгоритмы машинного обучения.</p>
20
<p>Чаще всего кластерный анализ в маркетинге нужен для сегментации клиентов. Но с его помощью кластеризуют и другие объекты - товары, филиалы, объявления.</p>
20
<p>Чаще всего кластерный анализ в маркетинге нужен для сегментации клиентов. Но с его помощью кластеризуют и другие объекты - товары, филиалы, объявления.</p>
21
<p>Вот несколько примеров того, как кластеризацию используют в маркетинге.</p>
21
<p>Вот несколько примеров того, как кластеризацию используют в маркетинге.</p>
22
<p><strong>Описание поведения клиента.</strong>Пользователей можно кластеризовать, основываясь на разных данных:</p>
22
<p><strong>Описание поведения клиента.</strong>Пользователей можно кластеризовать, основываясь на разных данных:</p>
23
<ul><li>как часто и как глубоко они просматривают сайт;</li>
23
<ul><li>как часто и как глубоко они просматривают сайт;</li>
24
<li>как часто покупают и на какую сумму;</li>
24
<li>как часто покупают и на какую сумму;</li>
25
<li>какие товары покупают;</li>
25
<li>какие товары покупают;</li>
26
<li>как ведут себя в офлайне.</li>
26
<li>как ведут себя в офлайне.</li>
27
</ul><p><strong>Описание процесса покупки.</strong>Можно кластеризовать клиентов по разным критериям. Например:</p>
27
</ul><p><strong>Описание процесса покупки.</strong>Можно кластеризовать клиентов по разным критериям. Например:</p>
28
<ul><li>когда купили товар или услугу;</li>
28
<ul><li>когда купили товар или услугу;</li>
29
<li>кто купил продукт - клиент или кто-то для него;</li>
29
<li>кто купил продукт - клиент или кто-то для него;</li>
30
<li>в каком магазине купили товар.</li>
30
<li>в каком магазине купили товар.</li>
31
</ul><p><strong>SEO.</strong>Кластерный анализ можно использовать для анализа ключевых слов - разделять их на группы в зависимости от рейтинга, релевантности, сложности и других параметров.</p>
31
</ul><p><strong>SEO.</strong>Кластерный анализ можно использовать для анализа ключевых слов - разделять их на группы в зависимости от рейтинга, релевантности, сложности и других параметров.</p>
32
<p>В своей работе вы также можете использовать кластеры:</p>
32
<p>В своей работе вы также можете использовать кластеры:</p>
33
<ul><li>чтобы настраивать ретаргетинг и ремаркетинг;</li>
33
<ul><li>чтобы настраивать ретаргетинг и ремаркетинг;</li>
34
<li>корректировать рекламные и маркетинговые сообщения;</li>
34
<li>корректировать рекламные и маркетинговые сообщения;</li>
35
<li>персонализировать пользовательский интерфейс;</li>
35
<li>персонализировать пользовательский интерфейс;</li>
36
<li>персонализировать продукт под потребности клиентов.</li>
36
<li>персонализировать продукт под потребности клиентов.</li>
37
</ul><p>Главная задача кластерного анализа - сегментация. Разделить объекты на группы можно и вручную, но кластерный анализ позволяет работать с б<strong>о</strong>льшим объёмом данных.</p>
37
</ul><p>Главная задача кластерного анализа - сегментация. Разделить объекты на группы можно и вручную, но кластерный анализ позволяет работать с б<strong>о</strong>льшим объёмом данных.</p>
38
<p>В сервисах вроде "Яндекс Метрики" или Google Analytics есть функция ручной сегментации. Там можно выбрать интересующие сегменты трафика и пользователей и проанализировать их.</p>
38
<p>В сервисах вроде "Яндекс Метрики" или Google Analytics есть функция ручной сегментации. Там можно выбрать интересующие сегменты трафика и пользователей и проанализировать их.</p>
39
<p>Но у этих инструментов есть ограничения. С ними удобно работать, если пользовательских данных мало. А когда их много, становится тяжело обработать всю информацию - например, удержать в голове данные одновременно о множестве сегментов, составленных по сотням параметров.</p>
39
<p>Но у этих инструментов есть ограничения. С ними удобно работать, если пользовательских данных мало. А когда их много, становится тяжело обработать всю информацию - например, удержать в голове данные одновременно о множестве сегментов, составленных по сотням параметров.</p>
40
<p>Тогда на помощь приходит кластерный анализ. Автоматизированные системы для работы с данными могут сами провести его, вам останется только оценить сегменты. Такие системы высвобождают ресурсы и могут использовать больше параметров для анализа, чем человек.</p>
40
<p>Тогда на помощь приходит кластерный анализ. Автоматизированные системы для работы с данными могут сами провести его, вам останется только оценить сегменты. Такие системы высвобождают ресурсы и могут использовать больше параметров для анализа, чем человек.</p>
41
<p>Кластеризация считается неконтролируемой методикой машинного обучения, потому что при ней мы не задаём, какой результат ожидаем получить. С помощью машинного обучения данные сами должны проявить естественные структуры внутри них. Звучит сложно, но станет понятно на простом примере.</p>
41
<p>Кластеризация считается неконтролируемой методикой машинного обучения, потому что при ней мы не задаём, какой результат ожидаем получить. С помощью машинного обучения данные сами должны проявить естественные структуры внутри них. Звучит сложно, но станет понятно на простом примере.</p>
42
<p>Предположим, что вы управляете компанией по производству футболок. Вы планируете подгонять футболки по фигуре своих клиентов. У вас есть данные некоторых клиентов: их рост и вес. Вы можете построить график, где по одной оси будет рост, по другой - вес, и расположить клиентов на этом графике в виде точек.</p>
42
<p>Предположим, что вы управляете компанией по производству футболок. Вы планируете подгонять футболки по фигуре своих клиентов. У вас есть данные некоторых клиентов: их рост и вес. Вы можете построить график, где по одной оси будет рост, по другой - вес, и расположить клиентов на этом графике в виде точек.</p>
43
Пример кластеризации на основе роста и веса <em>Инфографика: Майя Мальгина для Skillbox Media</em><p>На основе этих расчётов алгоритм выявляет схожесть точек. Чем меньше расстояние между парой точек, тем больше они похожи. Чем больше расстояние, тем сильнее они различаются. В результате получаются группы, точки в которых находятся близко к друг другу. Группа - это кластер. В кластере находятся клиенты с похожим ростом и весом. Алгоритм окрашивает кластеры в разные цвета, чтобы было понятно, к какой группе относится покупатель.</p>
43
Пример кластеризации на основе роста и веса <em>Инфографика: Майя Мальгина для Skillbox Media</em><p>На основе этих расчётов алгоритм выявляет схожесть точек. Чем меньше расстояние между парой точек, тем больше они похожи. Чем больше расстояние, тем сильнее они различаются. В результате получаются группы, точки в которых находятся близко к друг другу. Группа - это кластер. В кластере находятся клиенты с похожим ростом и весом. Алгоритм окрашивает кластеры в разные цвета, чтобы было понятно, к какой группе относится покупатель.</p>
44
<p>Если вы используете всего две переменные - такие как рост и вес, то кластерный анализ кажется простым и интуитивно понятным. Если начать добавлять переменные, всё станет сложнее. Тогда можно использовать алгоритм k-средних.</p>
44
<p>Если вы используете всего две переменные - такие как рост и вес, то кластерный анализ кажется простым и интуитивно понятным. Если начать добавлять переменные, всё станет сложнее. Тогда можно использовать алгоритм k-средних.</p>
45
<p>Алгоритм k-средних - метод кластеризации, который позволяет разбивать данные на группы, похожие по пяти, десяти и более признакам. Его идея в том, что кластеризация выполняется не за один раз.</p>
45
<p>Алгоритм k-средних - метод кластеризации, который позволяет разбивать данные на группы, похожие по пяти, десяти и более признакам. Его идея в том, что кластеризация выполняется не за один раз.</p>
46
<p>Если простыми словами, то алгоритм работает так. Ему задают, сколько нужно выделить кластеров, и он делает множество подходов (итераций), чтобы найти их. Во время первой итерации он находит две удалённые друг от друга точки и формирует кластеры вокруг них. Во время следующих берёт другие точки и строит новые кластеры. Так он ищет группы точек с наиболее близкими средними значениями. Алгоритм завершается, когда при очередной итерации кластеры не изменяются.</p>
46
<p>Если простыми словами, то алгоритм работает так. Ему задают, сколько нужно выделить кластеров, и он делает множество подходов (итераций), чтобы найти их. Во время первой итерации он находит две удалённые друг от друга точки и формирует кластеры вокруг них. Во время следующих берёт другие точки и строит новые кластеры. Так он ищет группы точек с наиболее близкими средними значениями. Алгоритм завершается, когда при очередной итерации кластеры не изменяются.</p>
47
Визуально работу метода k-средних можно представить так<em>Инфографика: Майя Мальгина для Skillbox Media</em><p><strong>Какая роль у маркетолога в этом процессе?</strong>Маркетолог задаёт переменные - показатели, по которым формируют кластеры. Например, это могут быть не "рост" и "вес", а "доход клиента", "возраст", "стоимость покупки" и другие. Также маркетолог описывает кластеры, созданные алгоритмом, и определяет, можно ли использовать полученные результаты.</p>
47
Визуально работу метода k-средних можно представить так<em>Инфографика: Майя Мальгина для Skillbox Media</em><p><strong>Какая роль у маркетолога в этом процессе?</strong>Маркетолог задаёт переменные - показатели, по которым формируют кластеры. Например, это могут быть не "рост" и "вес", а "доход клиента", "возраст", "стоимость покупки" и другие. Также маркетолог описывает кластеры, созданные алгоритмом, и определяет, можно ли использовать полученные результаты.</p>
48
<p>Маркетолог может экспериментировать: добавлять или удалять переменные и повторно запускать алгоритм. Это позволяет проверить, создаёт ли алгоритм более осмысленные кластеры.</p>
48
<p>Маркетолог может экспериментировать: добавлять или удалять переменные и повторно запускать алгоритм. Это позволяет проверить, создаёт ли алгоритм более осмысленные кластеры.</p>
49
<p>Вот что нужно сделать, чтобы провести кластерный анализ.</p>
49
<p>Вот что нужно сделать, чтобы провести кластерный анализ.</p>
50
<ul><li>Подготовить данные. Вы должны убедиться, что у вас есть все необходимые сведения. Это должны быть детализированные данные по каждому клиенту или продукту. Агрегированные данные не подойдут.</li>
50
<ul><li>Подготовить данные. Вы должны убедиться, что у вас есть все необходимые сведения. Это должны быть детализированные данные по каждому клиенту или продукту. Агрегированные данные не подойдут.</li>
51
<li>Перевести данные в цифры. Это нужно, чтобы можно было посчитать расстояние между "точками" - объектами, которые нужно кластеризовать. Например, если один из параметров - город, можно присвоить Москве код 402, Санкт-Петербургу - 403 и так далее.</li>
51
<li>Перевести данные в цифры. Это нужно, чтобы можно было посчитать расстояние между "точками" - объектами, которые нужно кластеризовать. Например, если один из параметров - город, можно присвоить Москве код 402, Санкт-Петербургу - 403 и так далее.</li>
52
<li>Объединить данные в хранилище. Это нужно скорее для удобства. Например, можно собрать данные в BigQuery от Google.</li>
52
<li>Объединить данные в хранилище. Это нужно скорее для удобства. Например, можно собрать данные в BigQuery от Google.</li>
53
</ul><p>Возможно, вам также понадобится преобразовать данные, если они выражены в разных единицах измерения. Например, можно стандартизировать все значения так, чтобы они находились в диапазоне от 0 до 1.</p>
53
</ul><p>Возможно, вам также понадобится преобразовать данные, если они выражены в разных единицах измерения. Например, можно стандартизировать все значения так, чтобы они находились в диапазоне от 0 до 1.</p>
54
<p>Когда данные обработаны, можно использовать алгоритм. Есть несколько способов кластеризации:</p>
54
<p>Когда данные обработаны, можно использовать алгоритм. Есть несколько способов кластеризации:</p>
55
<ul><li>использовать программный метод - например, если в команде есть специалисты по анализу данных, они могут применять для кластерного анализа языки R или Python;</li>
55
<ul><li>использовать программный метод - например, если в команде есть специалисты по анализу данных, они могут применять для кластерного анализа языки R или Python;</li>
56
<li>обратиться к аналитическим сервисам вроде Tableau - в них есть встроенные инструменты для кластеризации;</li>
56
<li>обратиться к аналитическим сервисам вроде Tableau - в них есть встроенные инструменты для кластеризации;</li>
57
<li>работать с хранилищами данных - например, в BigQuery можно визуализировать результаты, если вы знаете синтаксис языка SQL;</li>
57
<li>работать с хранилищами данных - например, в BigQuery можно визуализировать результаты, если вы знаете синтаксис языка SQL;</li>
58
<li>использовать Excel и считать всё вручную, но это подходит только для небольшого числа объектов - например, если нужно разнести семь объектов с двумя параметрами на две группы.</li>
58
<li>использовать Excel и считать всё вручную, но это подходит только для небольшого числа объектов - например, если нужно разнести семь объектов с двумя параметрами на две группы.</li>
59
</ul><p>На изображении ниже видно, как результат кластерного анализа может выглядеть на практике. Это пример из сервиса Tableau, в котором есть функция кластеризации. Большое количество продуктов сгруппированы в три отдельных кластера по цене и рентабельности.</p>
59
</ul><p>На изображении ниже видно, как результат кластерного анализа может выглядеть на практике. Это пример из сервиса Tableau, в котором есть функция кластеризации. Большое количество продуктов сгруппированы в три отдельных кластера по цене и рентабельности.</p>
60
Пример кластеризации товаров на основе их цены и прибыли в Tableau<em>Скриншот: Evolytics.com / Skillbox Media</em><p>В алгоритм кластеризации можно включить гораздо больше переменных. Но даже при использовании только двух переменных результат анализа может быть действительно информативным. Например, если вы отвечаете за маркетинг и стратегию, вы можете на его основе определить, какие продукты стоит продвигать в первую очередь, а от каких лучше отказаться.</p>
60
Пример кластеризации товаров на основе их цены и прибыли в Tableau<em>Скриншот: Evolytics.com / Skillbox Media</em><p>В алгоритм кластеризации можно включить гораздо больше переменных. Но даже при использовании только двух переменных результат анализа может быть действительно информативным. Например, если вы отвечаете за маркетинг и стратегию, вы можете на его основе определить, какие продукты стоит продвигать в первую очередь, а от каких лучше отказаться.</p>
61
<p>Кластерный анализ - не идеальное решение для всех. Вот плюсы и минусы, о которых стоит помнить.</p>
61
<p>Кластерный анализ - не идеальное решение для всех. Вот плюсы и минусы, о которых стоит помнить.</p>
62
<p>Плюсы:</p>
62
<p>Плюсы:</p>
63
<ul><li>данные просто визуализировать и интерпретировать;</li>
63
<ul><li>данные просто визуализировать и интерпретировать;</li>
64
<li>анализ легко масштабировать на миллионы записей;</li>
64
<li>анализ легко масштабировать на миллионы записей;</li>
65
<li>система динамичная - если изменить данные, то кластеры тоже изменятся.</li>
65
<li>система динамичная - если изменить данные, то кластеры тоже изменятся.</li>
66
</ul><p>Минусы:</p>
66
</ul><p>Минусы:</p>
67
<ul><li>разные выполнения алгоритмов могут давать разные результаты;</li>
67
<ul><li>разные выполнения алгоритмов могут давать разные результаты;</li>
68
<li>при использовании алгоритма k-средних маркетолог должен заранее определить, сколько кластеров должно быть;</li>
68
<li>при использовании алгоритма k-средних маркетолог должен заранее определить, сколько кластеров должно быть;</li>
69
<li>перед применением кластерного анализа нужно подготовить данные.</li>
69
<li>перед применением кластерного анализа нужно подготовить данные.</li>
70
</ul><ul><li>Кластеризация подходит для деятельности, при которой важно разделять данные на группы.</li>
70
</ul><ul><li>Кластеризация подходит для деятельности, при которой важно разделять данные на группы.</li>
71
<li>Если данных мало, кластерный анализ не нужен - можно использовать "Яндекс Метрику" или другие простые аналитические инструменты. Кластерный анализ подходит, когда данных много.</li>
71
<li>Если данных мало, кластерный анализ не нужен - можно использовать "Яндекс Метрику" или другие простые аналитические инструменты. Кластерный анализ подходит, когда данных много.</li>
72
<li>Кластеризация данных происходит с помощью алгоритмов. Они разделяют все объекты на группы на основе расстояния между "точками".</li>
72
<li>Кластеризация данных происходит с помощью алгоритмов. Они разделяют все объекты на группы на основе расстояния между "точками".</li>
73
<li>Для кластеризации важно подготовить детализированные данные и собрать их в одном месте.</li>
73
<li>Для кластеризации важно подготовить детализированные данные и собрать их в одном месте.</li>
74
<li>Кластерный анализ хорош тем, что с его помощью можно легко анализировать большой объём данных и визуализировать их.</li>
74
<li>Кластерный анализ хорош тем, что с его помощью можно легко анализировать большой объём данных и визуализировать их.</li>
75
</ul><ul><li>Если хотите разобраться в веб-аналитике, прочитайте<a>обзор сервиса "Яндекс Метрика"</a>и <a>гайд по Google Analytics 4</a>. Это самые популярные инструменты веб-аналитики в России. Из материалов Skillbox Media вы узнаете, какие функции в них есть и как с ними работать.</li>
75
</ul><ul><li>Если хотите разобраться в веб-аналитике, прочитайте<a>обзор сервиса "Яндекс Метрика"</a>и <a>гайд по Google Analytics 4</a>. Это самые популярные инструменты веб-аналитики в России. Из материалов Skillbox Media вы узнаете, какие функции в них есть и как с ними работать.</li>
76
<li>Для анализа также пригодится Excel - в нём можно проводить расчёты, строить диаграммы, сравнивать показатели. Прочитайте статьи о <a>ВПР</a>,<a>базах данных</a>и <a>сортировке</a>. А чтобы научиться большему, используйте нашу<a>подборку бесплатных уроков</a>.</li>
76
<li>Для анализа также пригодится Excel - в нём можно проводить расчёты, строить диаграммы, сравнивать показатели. Прочитайте статьи о <a>ВПР</a>,<a>базах данных</a>и <a>сортировке</a>. А чтобы научиться большему, используйте нашу<a>подборку бесплатных уроков</a>.</li>
77
<li>Чтобы понять, насколько эффективно работает маркетинг, или отследить путь каждого клиента, нужно объединить большой объём данных из разных источников. В этом могут помочь сервисы сквозной аналитики. В Skillbox Media есть<a>статья о сквозной аналитике</a> - из неё вы узнаете, как работает и чем полезна технология.</li>
77
<li>Чтобы понять, насколько эффективно работает маркетинг, или отследить путь каждого клиента, нужно объединить большой объём данных из разных источников. В этом могут помочь сервисы сквозной аналитики. В Skillbox Media есть<a>статья о сквозной аналитике</a> - из неё вы узнаете, как работает и чем полезна технология.</li>
78
<li>Один из самых простых и интуитивно понятных инструментов для аналитики - "Яндекс Метрика". Это бесплатный многофункциональный сервис, который позволяет отслеживать поведение посетителей сайта.<a>Рассказали в статье</a>, как начать им пользоваться - установить и настроить.</li>
78
<li>Один из самых простых и интуитивно понятных инструментов для аналитики - "Яндекс Метрика". Это бесплатный многофункциональный сервис, который позволяет отслеживать поведение посетителей сайта.<a>Рассказали в статье</a>, как начать им пользоваться - установить и настроить.</li>
79
<li>Если у вас сложная система, например онлайн-магазин с несколькими источниками трафика, вам нужна сквозная аналитика. Подробно о том, как она работает и для чего её используют, говорим в <a>этом материале</a>.</li>
79
<li>Если у вас сложная система, например онлайн-магазин с несколькими источниками трафика, вам нужна сквозная аналитика. Подробно о том, как она работает и для чего её используют, говорим в <a>этом материале</a>.</li>
80
<li>Кластерный анализ - не единственный маркетинговый метод. Освоить другие методы анализа и научиться правильно интерпретировать данные можно на курсе Skillbox "<a>Профессия Маркетолог-аналитик</a>". На нём учат автоматизировать рутинные процессы, использовать Python, SQL и Google BigQuery.</li>
80
<li>Кластерный анализ - не единственный маркетинговый метод. Освоить другие методы анализа и научиться правильно интерпретировать данные можно на курсе Skillbox "<a>Профессия Маркетолог-аналитик</a>". На нём учат автоматизировать рутинные процессы, использовать Python, SQL и Google BigQuery.</li>
81
<li>Аналитика нужна везде - в компаниях работают финансовые, системные, бизнес-аналитики и другие специалисты. Стартовать в профессии можно с курса Skillbox "<a>Аналитик данных с нуля</a>". На нём учат структурировать, обрабатывать и анализировать данные с помощью BI-систем, языков Python и SQL. С этими навыками можно устроиться в штат, а потом - выбрать узкую специализацию в аналитике.</li>
81
<li>Аналитика нужна везде - в компаниях работают финансовые, системные, бизнес-аналитики и другие специалисты. Стартовать в профессии можно с курса Skillbox "<a>Аналитик данных с нуля</a>". На нём учат структурировать, обрабатывать и анализировать данные с помощью BI-систем, языков Python и SQL. С этими навыками можно устроиться в штат, а потом - выбрать узкую специализацию в аналитике.</li>
82
-
</ul><a><b>Попробуйте 4 профессии в интернет-маркетинге на практике ➞</b>На бесплатном мини-курсе вы исследуете ЦА, создадите сайт, оформите социальные сети, напишете продающие тексты и настроите рекламу. Смотреть программу</a>
82
+
</ul><p>Интернет-маркетинг на практике</p>
83
+
<p>Вы изучите SMM, копирайтинг, таргетинг и продвижение в интернете. На примере кафе с доставкой еды вы разберёте, как продвигать бизнес в интернете, и соберёте сильное портфолио.</p>
84
+
<p><a>Пройти бесплатно</a></p>
85
+
<a><b>Попробуйте 4 профессии в интернет-маркетинге на практике ➞</b>На бесплатном мини-курсе вы исследуете ЦА, создадите сайт, оформите социальные сети, напишете продающие тексты и настроите рекламу. Смотреть программу</a>