Объяснил Андрей Себрант — директор по стратегическому маркетингу «Яндекс».
Недавно НИУ ВШЭ (Санкт-Петербург) опубликовала интервью с гуру российского интернета — Андреем Себрантом. Он работает в «Яндексе» с 2004 года и сейчас занимает должность директора по стратегическому маркетингу. Андрей высказал очень интересную мысль: он уверен, что программы обучения маркетингу вовсе не гуманитарные: на самом деле они относятся к области точных наук. «Поступи Онлайн» объясняет, почему это важно и что изменится в вашей голове, если вы согласитесь с Себрантом.
Что такое маркетинг
Андрей Себрант — тот самый человек, который, во многом, изобрел не только современный российский интернет-маркетинг, но и российский сегмент интернета в целом. Хотя по образованию он вовсе не маркетолог, а физик. До того, как в стране начали активно развиваться интернет-технологии, Андрей, кандидат физико-математических наук, много лет занимался экспериментальной физикой. Он работал в Институте атомной энергии им. Курчатова, который сейчас называется ТРИНИТИ, но после развала СССР понял, что продолжать вести исследования на прежнем уровне невозможно: для этого не хватало финансирования.
Профессиональному ученому пришлось поменять сферу деятельности, но неожиданно для себя он понял, что интернет-бизнес и интернет-маркетинг очень похожи на физику. «Оказалось, что новые задачи по совершенствованию тарифных планов и их продвижению сильно напоминают то, что я делал в институте, — говорит Себрант. — Просто среда другая: вместо нелинейной лазерной плазмы пользователи, но они тоже генерируют много данных, как и мои датчики на работе».
Проработав в области интернет-бизнеса 15 лет и добившись отличных результатов, Андрей сделал неожиданный вывод о профессиях в маркетинге.
«Люди воспринимают маркетинг как какую-то полугуманитарную дисциплину, а не как эмпирическую науку, коей он и является, — уверен он. — Я стал об этом рассказывать, надо мной много смеялись, особенно на маркетинговых конференциях. А в последние годы утверждения о том, что маркетинг — это data-driven область деятельности и решения надо принимать не на основе своей интуиции, а на основе хотя бы простейшего АВ-тестирования, стали базовыми вещами. Ну нет, кое-где до сих пор считают, что маркетинг — не совсем эмпирическая наука. Но им потом трудно устроиться на работу».
Андрей Себрат в интервью «Поступи Онлайн» также сказал: «Сейчас маркетологи активно пользуются лексикой программистов и в спорах оперируют цифрами. Самое важное изменение — маркетологи стали людьми с инженерным мышлением. Они только-только маркетологи научились работать в командах с технарями, перестали шарахаться от программистов и нашли общий язык с системными администраторами. Но мир не дает им расслабиться. Теперь им предстоит работать в команде с умными машинками. Классический пример — вопрос сегментации аудитории. Люди для этого не нужны. Машина может подобрать аудиторию сама. Допустим, вы продаете автомобили. Теперь вам не нужно составлять портрет покупателя — выяснять пол, возраст, какие сайты он читает и даже какой у него доход. Машина может сама найти потенциальных покупателей и напрямую к ним обратиться на любых площадках. На следующем этапе ИИ будет работать рядом с маркетологами, программистами, менеджерами продуктов. Ведь во многом маркетинг — это и сам цифровой продукт. Работа с искусственным интеллектом — это очередной психологический барьер, который не все преодолеют».
Как связан маркетинг и data science
Может показаться, что только Россия вместе с другими развивающимися странами оказалась за бортом мировых тенденций. Но и на западе маркетинг пока не получил статуса науки, которая опирается на статистику и цифры, а не на чьи-то интуитивные догадки. Несколько лет назад в британском онлайн-журнале Digiday вышла анонимное интервью data-специалиста, который рассказал, что маркетинговые агентства и департаменты не знают, кого хотят нанять, когда ищут аналитика данных. Эксперт пожаловался, что они не видят никакой разницы между data-аналитиками, которые создают стратегии, опираясь на таблицы с данными тестов, и data scientist, которые создают сами эти тесты, опираясь на статистику, вычисления и линейную алгебру. «Для них это темный лес, — сказал герой материала. — Маркетинговые компании, не готовые к работе с данными, заканчивают тем, что нанимают data scientist и тратят на него по 100 тысяч долларов в год. А ведь малому бизнесу такие специалисты вообще не нужны. Им просто требуется кто-то, кто сможет правильно понять таблицу, то есть data-аналитик. Если компания в вакансии пишет, что ей нужен человек, владеющий Excel, она на самом деле ищет аналитика. А вот если в списке есть R, Python и машинное обучение, им требуется data scientist, не важно, как они называют эту работу».
По словам эксперта Digiday, в Великобритании data science для маркетологов — это какая-то абракадабра, значения этого слова до конца никто не понимает. Причина отчасти заключается в том, что в рамках образовательных программ и курсов даже для будущих data scientists (не говоря уж о маркетологах) студенты не изучают статистику. «Это полный бред, — говорит герой материала. — Школы программирования учат людей писать код по формулам, а потом называют их data scientists. Но у них в программе нет ни статистики, ни линейной алгебры, так что выпускники на самом деле не имеют ни малейшего понятия, что делают и с какой целью».
Маркетинг работает с аудиторией на рынке, но аудитория — это люди. Их много, и их решения всегда можно «подсчитать», а потом предсказать их поведение. Чего хотят клиенты, какая у них есть проблема? Какой продукт нужно сделать для них? Как он должен развиваться, чтобы популярность росла, а не падала? Если вы не видите, как ведет себя аудитория, вы не сможете ответить на эти вопросы. А значит, будете действовать вслепую и не сможете принять правильные решения.
Но узнать все в точности можно только с помощью статистики и подсчетов. Вот почему маркетинг должен опираться на данные. Данные — это математика. Именно поэтому компании, которые работают в области интернета (вроде «Яндекса»), нанимают специалистов, получивших образование в сфере точных наук.
Где учиться, чтобы стать маркетологом
К сожалению, пока даже за рубежом и даже в рамках обучения data science, а не просто маркетингу, образовательные центры не всегда принимают во внимание эту, казалось бы, очевидную вещь. Абитуриенты, которые хотят стать маркетологами, год за годом поступают на профильные программы, но не получают в их рамках важнейшего инструмента — умения правильно читать данные, которые генерирует аудитория. Это создает массу проблем — как для самих специалистов при поиске работы, так и для компаний при поиске сотрудников. Многие люди разочаровываются в профессии, им трудно работать, трудно менять работу. А компании, даже крупные, порой принимают неправильные решения в бизнесе и потом расплачиваются за это.
Для абитуриентов все это означает следующее:
- Нельзя идти в маркетинг, если вам не нравится математика. В этой области приходится думать в формате чисел, тут нужна любовь к точным наукам и способности к ним.
- Если вам нравится математика и хочется пойти в маркетинг, желательно «добрать» необходимые знания в области статистики, вычислений и линейной алгебры. Вы можете получить математическое образование или образование в области данных. Но оно скорее сделает вас data scientist (который сможет работать и в маркетинге тоже), а не, собственно, маркетологом. Поэтому лучше с самого начала пойти на профильную программу «Маркетинг» и «достроить» ее потом за счет курсов data science, например.
Маркетолог на самом деле не работает с людьми — он работает со статистическими данными, которые генерируют люди. Да, общаться на такой работе приходится много, для интровертов она не подходит. Но построить карьеру у вас получится, только если вы сможете точно подсчитать и четко увидеть, как ведет себя аудитория вашей компании. А это уже совсем не про интуицию.