Комментарии

А как вы работаете над удержанием пользователей на своем маркетплейсе? Интересно узнать о вашем опыте!

А как вы работаете над удержанием пользователей на своем маркетплейсе? Интересно узнать о вашем опыте!

С точки зрения бизнеса, переход на нишевый маркетплейс – это стратегическое решение. Мы, как производитель детской одежды, заметили существенный рост продаж после размещения на Детском мире. Платформа не только обеспечивает целевую аудиторию, но и берёт на себя часть работы по проверке качества товаров. Отдельно стоит отметить технологические решения вроде DST Маркетплейс – они позволяют быстро запустить свою нишу, не беспокоясь о технических нюансах. Главное – правильно выбрать специализацию и предложить действительно качественный товар.

За нишевыми маркетплейсами однозначно будущее.

Помню, как раньше часами искал нужные строительные материалы на универсальных площадках, пробираясь через тонны не релевантных предложений. Теперь же Лемана ПРО предлагает именно то, что нужно, да ещё и с профессиональной консультацией. А возможность получить экспертное мнение онлайн – это вообще находка! Особенно впечатляет, как такие площадки выстраивают экосистему вокруг конкретной категории товаров.

Примеры инцидентов, связанных с использованием неструктурированных данных

Сотрудник аналитического отдела крупной ИТ-компании, готовясь к встрече, неосознанно загрузил файл, содержащий конфиденциальные данные клиентов, на общедоступную платформу обмена файлами. Данные стали доступны неуполномоченным лицам, что привело к их краже и нанесло ущерб репутации компании.

Сотрудник договорного отдела строительной компании получил по электронной почте документ, в который а выглядел как легитимный файл, но в который был внедрен вредоносный код. Сотрудник, ничего не подозревая, загрузил его на общий диск, после чего запустилась вредоносная программа и поставила под угрозу безопасность и целостность неструктурированных данных, хранящихся в организации.

Недовольный сотрудник исследовательского института, имея расширенные права, намеренно удалил конфиденциальные неструктурированные данные перед уходом из компании. Данные содержали интеллектуальную собственность учреждения, что привело к юридическим проблемам.

Один из руководителей логистической компании из-за неправильно настроенных средств разграничения доступа случайно удалил значительную часть неструктурированных данных, предполагая, что они уже не актуальны. Оказалось, что это была значимая информация, к которой смежное подразделение обращалось в конце каждого года для оценки работы. Этот инцидент привел к нарушению работы компании и сдвинул сроки закрытия года.

Хакеру удалось использовать уязвимости в инфраструктуре Active Directory государственного учреждения, и он получил несанкционированный доступ к неструктурированным данным, хранящимся на файловых серверах Windows в открытом виде. Это привело к утечке конфиденциальной информации.

И это далеко не полный перечень инцидентов, произошедших за последнее время. Мы то и дело читаем о подобных случаях в СМИ, а сколько еще болезненных ситуаций, связанных с потерями, которые предпочитают не разглашать?!

Контроль доступа к неструктурированным данным и внедрение технологических инструментов DAG (Data Access Governance) имеют ключевое значение для поддержания безопасности и целостности конфиденциальной информации. Решения такого класса помогают предотвращать несанкционированный доступ, утечки и инсайдерские угрозы, обеспечивать соблюдение требований, повышать культуру обращения с данными организаций и нести ответственность за их использование.

Также стоит отметить риски при обращении с неструктурированными данными.

Без строго контроля и постоянного мониторинга обращение с неструктурированными данными несет серьезные риски, такие как несанкционированное их использование, ошибки, утечка данных, несоблюдение нормативных требований.

Когда речь заходит о доступе, мы здраво рассуждаем, что нужно контролировать доступ к информационным системам организаций, нужно знать всех пользователей, которые получают права для работы с приложениями и базами данных, нужны эффективные средства автоматизации для управления этими процессами. Но зачастую на втором плане остается вопрос о хранении и получении доступа к многочисленным файлам и папкам, которые размещены на серверах компании. Почему это остается в серой зоне и за эту тему предпочитают не браться и не вспоминать о ней? Виной тому огромный объем работы, который нужно предварительно проделать, чтобы разобраться хоть в какой-то «структуре» этих неструктурированных данных, понять, что это за информация, где хранится и кем используется. А на следующем этапе определить, что с этим делать дальше: как наладить процессы ведения и разграничения данных, как поддерживать в них порядок, как отслеживать использование. К сожалению, у всех одни только вопросы, но совершенно нет ответов. Уже сейчас соотношение структурированных данных к неструктурированным не в пользу первых. А между тем мировые аналитики уже оценили масштабы роста количества неструктурированных данных. Международная аналитическая компания ITC прогнозирует, что к 2025 году объем данных вырастет до 175 зеттабайт (зетта = 1021) и бо́льшая их часть будет неструктурированной.

Структурированные, неструктурированные и полуструктурированные данные

Структурированные данные отличаются от неструктурированных прежде всего форматом, способом хранения и типом анализа. Формат хранения структурированных данных – это обычно реляционная база данных, т. е., проще говоря, таблица, где есть четко зафиксированные поля и строки с наименованием или нумерацией, и в ячейках этой таблицы хранятся данные. Искать информацию в таблицах довольно просто и для человека, и для машинного алгоритма. Чтобы осуществить поиск данных в такой структуре, используются различные средства, например специальный язык SQL (Structured Query Language), который позволяет формировать запросы к таблице и просматривать построенные выборки и отчеты для получения нужной информации. Примером структурированных данных может быть информация о финансовых операциях (транзакциях) в системах и приложениях, которые используются в банках, или информация о клиентах компании, хранящаяся в определенных таблицах. Эту информацию можно классифицировать и отобрать по разным категориям данных: по адресам, телефонам, ФИО и другим признакам, поэтому она и называется структурированной.

В крупных компаниях доступ к данным, которые хранятся и обрабатываются в автоматизированных информационных системах, как правило, разграничивается посредством ролевой модели, и это зона ответственности систем класса IdM/IGA.

Неструктурированные данные хранятся хаотично в неоднородных форматах. Это может быть текст, изображение, видео. В процессе работы в компаниях такого контента накапливается очень много и контролировать его создание, перемещение, обращение с ним очень сложно.

Одна их серьезных проблем состоит в том, что те данные, которые хранятся в определенных системах и приложениях в структурированном виде постоянно копируются, скачиваются и переносятся в файлы и папки в совершенно разных форматах. Почти каждая информационная система содержит функцию экспорта, а кроме того, можно банально сделать скриншот экрана. Таким образом, данные перестают быть структурированными, а превращаются в неструктурированные. И здесь компания фактически теряет контроль над ними. Например, бухгалтер сделал скриншот экрана, на котором была размещена часть бухгалтерского отчета и в формате картинки сохранил в папке на файловом сервере, далее он может отправить его по почте или через мессенджер коллеге или внешнему партнеру. Или аналитик выгрузил данные, содержащие коммерческую тайну на общедоступный сервер, и это неизбежно приведет к массовому доступу и распространению чувствительной информации.

Некоторые данные можно отнести к полуструктуриованным. Они по природе своей не структурированы, но используют внутренние теги и маркировку, которые позволяют их разделять, выделять среди них однотипные данные или строить иерархии. Например, к таким данным можно отнести данные языка XML (eXtensible Markup Language) – расширяемого языка разметки. При помощи XML можно описывать данные через теги. У этого языка есть логическая структура, и информацию, созданную с помощью XML, можно хранить и передавать в удобном формате, который понятен и человеку, и машине. Другим примером полуструктурированных данных может быть информация в электронной почте. Метаданные, которые используются в электронных письмах позволяют аналитическим инструментам классифицировать их и осуществлять поиск по ключевым словам. Также данные, которые хранятся на корпоративных порталах, таких, например, как Sharepoint, тоже попадают под определение полуструктурированных.

Альтернативное определение больших данных — «когда стоимость хранения данных меньше, чем стоимость выяснения того, что выбросить». Мне нравится это определение, потому что оно заключает, почему люди заканчивают большими данными. Это не потому, что им это нужно; Они просто не удосужились удалить его. Если вы думаете о многих озерах данных, которые собирают организации, они полностью соответствуют этому законопроекту: гигантские, грязные болота, где никто не знает, что они держат или безопасно ли их очистить.

Стоимость хранения данных выше, чем просто стоимость хранения физических байтов. В соответствии с такими правилами, как GDPR и CCPA, вы должны отслеживать все использование определенных типов данных. Некоторые данные должны быть удалены в течение определенного периода времени. Если у вас есть телефонные номера в паркете, который где -то слишком долго сидит в вашем озере данных, вы можете нарушать законом требования.

Помимо регулирования, данные могут быть помощи судебным процессам против вас. Точно так же, как многие организации применяют ограниченные политики хранения электронной почты, чтобы уменьшить потенциальную ответственность, данные в вашем хранилище данных также могут быть использованы против вас. Если у вас есть журналы пять лет назад, которые показывали бы ошибку безопасности в вашем коде или пропущенном SLA, сохранение старых данных может продлить ваше юридическое воздействие. Существует, возможно, апокрифическая история, которую я слышал о компании, хранящей свою возможность аналитики данных в секрете, чтобы предотвратить их использование во время юридического процесса обнаружения.

Код часто страдает от того, что люди называют «битом гнили», когда он не поддерживается активно. Данные могут страдать от того же типа проблемы; То есть люди забывают точное значение специализированных полей, или проблемы с данными из прошлого, возможно, исчезли из памяти. Например, возможно, была недолговечная ошибка данных, которая устанавливала каждый идентификатор клиента в NULL. Или была огромная мошенническая сделка, которая сделала ее выглядеть как третий квартал 2017 года, был намного лучше, чем на самом деле. Часто бизнес -логика для получения данных из исторического периода времени может становиться все более и более сложной. Например, может быть правило, например: «Если дата старше 2019 года Используйте поле доходов, между 2019 и 2021 годами Используйте поле refenue_usd, а после 2022 года используйте поле refenue_usd_audited». Чем дольше вы сохраняете данные, тем сложнее отслеживать эти особые случаи. И не все из них могут быть легко проработаны, особенно если отсутствуют данные.

Если вы храните старые данные, хорошо понять, почему вы их храните. Вы задаете одни и те же вопросы снова и снова? Если это так, разве это не было бы гораздо дешевле с точки зрения затрат на хранение и запроса, чтобы просто хранить агрегаты? Вы держите это на дождливый день? Вы думаете, что есть новые вопросы, которые вы можете задать? Если так, насколько это важно? Насколько вероятно, что это вам действительно понадобится? Вы на самом деле просто накопитель данных? Все это важные вопросы, которые нужно задать, особенно когда вы пытаетесь выяснить истинную стоимость хранения данных.

Вы в больших данных один процент?

Большие данные реальны, но большинству людей, возможно, не нужно беспокоиться об этом. Некоторые вопросы, которые вы можете задать, чтобы выяснить, если вы «большие данные» с одним исполнителем »:

-Вы действительно генерируете огромный объем данных?
-Если так, то действительно ли вам нужно использовать огромное количество данных одновременно?
-Если так, то действительно ли данные слишком большими, чтобы поместиться на одной машине?
-Если да, то вы уверены, что не просто клад данных?
-Если так, вы уверены, что вам не стало бы лучше суммировать?

Если вы ответите «нет» на любой из этих вопросов, вы можете стать хорошим кандидатом на новое поколение инструментов данных, которые помогут вам обрабатывать данные в том размере, который у вас есть, а не тот размер, который люди пытаются напугать вас, думая, что вы могли когда -нибудь.

Пока вижу крайне тупое использование даже небольших структурированных данных. Например, если я искал активно и купил телевизор в инете, то мне в течение месяцев упорно суют рекламу телевизоров, хотя и ежику ясно, что сейчас для меня минимальная вероятность покупки телевизора. То есть, рекламные движки даже не разбираются в типах товаров, услуг и покупок.

С другой стороны, если мне нужен телек, то почти наверняка независимо от подсунутой мне рекламы я проведу минимальный анализ нескольких предложений и выберу лучший для меня.

Так что значение анализа big data сильно преувелияено, на мой взгляд. Не спорю, что есть отдельные ниши, где это важно и уместно, но текущий хайп вокруг этого явно завышен.

Отраслевой маркетплейс удачно сочетает преимущества универсальных маркетплейсов и специализированных оптовых интернет-магазинов. От последних он отличается тем, что на площадке представлено множество продавцов, что также дает определенные преимущества.

Нишевый маркетплейс будет полезен:
— производителям;
— крупному бизнесу;
— оптовым компаниям;
— и собственникам интернет-магазинов.

Он позволит увеличить аудиторию, расширить каналы сбыта, выйти на новые рынки и получить дополнительные доходы.

В российском e-commerce универсальные маркетплейсы уверенно удерживают лидирующие позиции. Но во многих нишах все еще нет специализированных решений, поэтому, чтобы успеть получить свою долю рынка, стоит начать разработку уже сейчас.

Отраслевой маркетплейс удачно сочетает преимущества универсальных маркетплейсов и специализированных оптовых интернет-магазинов. От последних он отличается тем, что на площадке представлено множество продавцов, что также дает определенные преимущества.

Нишевый маркетплейс будет полезен:
— производителям;
— крупному бизнесу;
— оптовым компаниям;
— и собственникам интернет-магазинов.

Он позволит увеличить аудиторию, расширить каналы сбыта, выйти на новые рынки и получить дополнительные доходы.

В российском e-commerce универсальные маркетплейсы уверенно удерживают лидирующие позиции. Но во многих нишах все еще нет специализированных решений, поэтому, чтобы успеть получить свою долю рынка, стоит начать разработку уже сейчас.

Как человек, который уже запускал свой нишевый маркетплейс с нуля, могу сказать — это был настоящий кошмар! Особенно когда дело дошло до технической реализации и интеграции всех систем. Сейчас, оглядываясь назад, понимаю, что готовое решение вроде DST Маркетплейс сэкономило бы нам минимум год времени и несколько миллионов рублей. Главное — правильно выбрать нишу и продумать маркетинговую стратегию, а техническую часть можно смело доверить профессионалам.

Как человек, который уже запускал свой нишевый маркетплейс с нуля, могу сказать — это был настоящий кошмар! Особенно когда дело дошло до технической реализации и интеграции всех систем. Сейчас, оглядываясь назад, понимаю, что готовое решение вроде DST Маркетплейс сэкономило бы нам минимум год времени и несколько миллионов рублей. Главное — правильно выбрать нишу и продумать маркетинговую стратегию, а техническую часть можно смело доверить профессионалам.

Типы маркетплейсов и варианты монетизации

По рыночной модели выделяют:

1. B2C (business-to-customer).

Площадка для торговли бизнеса с розничными покупателями. По сути, это аналог интернет-магазина с открытым каталогом, но отличается большим количеством продавцов и широким ассортиментом.

2. B2B (business-to-business).

Платформы для торговли между компаниями. Чаще всего торгуют оптом и нередко имеют закрытый каталог, куда имеют доступ лишь авторизованные пользователи, например, дилеры, дистрибьюторы и оптовые компании, которые получают индивидуальные цены и схемы оплаты.

3. C2C (customer-to-customer).

Площадки, где и продавцами, и покупателями выступают обычные пользователи. Например, «Авито» или «Юла».

4. D2C (direct-to-customer).

Площадка, которая продает товары напрямую от производителя.

Причем она может одновременно торговать как в розницу, так и оптом, то есть реализовывать комбинированный вариант B2B+B2C.

Также есть различные способы монетизации маркетплейса:

— Абонентская плата или подписка. Поставщики платят фиксированную сумму за доступ к определенному набору возможностей.

— Комиссия площадки. Маркетплейс взимает процент с каждой единицы проданного товара

— это самая распространенная модель.

— Плата за размещение. Селлеры платят за размещение каждой карточки товара, например, так работает «Авито».

— Плата за продвижение товаров. Отдельная плата может взиматься за появление карточек товара в топе выдачи, подборках на главной и участие в рассылках.

— Freemium-модель. Базовый функционал платформы предоставляется бесплатно, но ряд других инструментов уже платные, например, промоушен товаров, акции и скидки, бесплатная доставка и прочие.

При этом разные модели монетизации можно сочетать между собой, в зависимости от особенностей рынка.

Типы маркетплейсов и варианты монетизации

По рыночной модели выделяют:

1. B2C (business-to-customer).

Площадка для торговли бизнеса с розничными покупателями. По сути, это аналог интернет-магазина с открытым каталогом, но отличается большим количеством продавцов и широким ассортиментом.

2. B2B (business-to-business).

Платформы для торговли между компаниями. Чаще всего торгуют оптом и нередко имеют закрытый каталог, куда имеют доступ лишь авторизованные пользователи, например, дилеры, дистрибьюторы и оптовые компании, которые получают индивидуальные цены и схемы оплаты.

3. C2C (customer-to-customer).

Площадки, где и продавцами, и покупателями выступают обычные пользователи. Например, «Авито» или «Юла».

4. D2C (direct-to-customer).

Площадка, которая продает товары напрямую от производителя.

Причем она может одновременно торговать как в розницу, так и оптом, то есть реализовывать комбинированный вариант B2B+B2C.

Также есть различные способы монетизации маркетплейса:

— Абонентская плата или подписка. Поставщики платят фиксированную сумму за доступ к определенному набору возможностей.

— Комиссия площадки. Маркетплейс взимает процент с каждой единицы проданного товара

— это самая распространенная модель.

— Плата за размещение. Селлеры платят за размещение каждой карточки товара, например, так работает «Авито».

— Плата за продвижение товаров. Отдельная плата может взиматься за появление карточек товара в топе выдачи, подборках на главной и участие в рассылках.

— Freemium-модель. Базовый функционал платформы предоставляется бесплатно, но ряд других инструментов уже платные, например, промоушен товаров, акции и скидки, бесплатная доставка и прочие.

При этом разные модели монетизации можно сочетать между собой, в зависимости от особенностей рынка.

Типы маркетплейсов и варианты монетизации

По рыночной модели выделяют:

1. B2C (business-to-customer).

Площадка для торговли бизнеса с розничными покупателями. По сути, это аналог интернет-магазина с открытым каталогом, но отличается большим количеством продавцов и широким ассортиментом.

2. B2B (business-to-business).

Платформы для торговли между компаниями. Чаще всего торгуют оптом и нередко имеют закрытый каталог, куда имеют доступ лишь авторизованные пользователи, например, дилеры, дистрибьюторы и оптовые компании, которые получают индивидуальные цены и схемы оплаты.

3. C2C (customer-to-customer).

Площадки, где и продавцами, и покупателями выступают обычные пользователи. Например, «Авито» или «Юла».

4. D2C (direct-to-customer).

Площадка, которая продает товары напрямую от производителя.

Причем она может одновременно торговать как в розницу, так и оптом, то есть реализовывать комбинированный вариант B2B+B2C.

Также есть различные способы монетизации маркетплейса:

— Абонентская плата или подписка. Поставщики платят фиксированную сумму за доступ к определенному набору возможностей.

— Комиссия площадки. Маркетплейс взимает процент с каждой единицы проданного товара

— это самая распространенная модель.

— Плата за размещение. Селлеры платят за размещение каждой карточки товара, например, так работает «Авито».

— Плата за продвижение товаров. Отдельная плата может взиматься за появление карточек товара в топе выдачи, подборках на главной и участие в рассылках.

— Freemium-модель. Базовый функционал платформы предоставляется бесплатно, но ряд других инструментов уже платные, например, промоушен товаров, акции и скидки, бесплатная доставка и прочие.

При этом разные модели монетизации можно сочетать между собой, в зависимости от особенностей рынка.

Подскажите типы маркетплейсов и варианты их монетизации? При этом интересует разные модели монетизации, было бы здорово чтоб их можно сочетать между собой, в зависимости от особенностей рынка.

Подскажите типы маркетплейсов и варианты их монетизации? При этом интересует разные модели монетизации, было бы здорово чтоб их можно сочетать между собой, в зависимости от особенностей рынка.

Подскажите типы маркетплейсов и варианты их монетизации? При этом интересует разные модели монетизации, было бы здорово чтоб их можно сочетать между собой, в зависимости от особенностей рынка.

Как человек, который уже запускал свой нишевый маркетплейс с нуля, могу сказать — это был настоящий кошмар! Особенно когда дело дошло до технической реализации и интеграции всех систем. Сейчас, оглядываясь назад, понимаю, что готовое решение вроде DST Маркетплейс сэкономило бы нам минимум год времени и несколько миллионов рублей. Главное — правильно выбрать нишу и продумать маркетинговую стратегию, а техническую часть можно смело доверить профессионалам.