Big data: Što je to i kako revolucionarizira marketinške aktivnosti

06.10.2016.

4 minute čitanja

Big data u marketingu danas ne znači samo "puno podataka", nego sposobnost da se ti podaci u realnom vremenu pretvore u personalizirane ponude, precizniju segmentaciju i točnije predviđanje ponašanja kupaca. U ovom blogu objašnjavamo što big data konkretno znači za marketinšku praksu 2026., kako se promijenio pristup podacima nakon pada third-party kolačića, i na koji način veliki brendovi i naši klijenti danas koriste te podatke za konkretne rezultate.

Big data se u marketingu spominje toliko često da je izgubio konkretno značenje, a većina teksta o toj temi ostaje na razini apstraktne definicije bez ijedne poveznice sa stvarnim radom. U nastavku objašnjavamo što big data danas stvarno znači za marketinšku praksu, koje su četiri karakteristike koje ga razlikuju od klasične analitike, i kako se ti podaci danas koriste u kontekstu promijenjenih pravila privatnosti.

Što je big data i po čemu se razlikuje od klasične analitike

Big data su skupovi podataka toliko veliki i kompleksni da ih standardan analitički softver (Excel, klasične BI ploče) ne može učinkovito obraditi. Razlikuje se od klasične analitike po četiri karakteristike, poznate kao "4V" okvir: volumen (količina podataka, danas se mjeri u petabajtima za veće sustave), brzina (koliko se brzo podaci prikupljaju i obrađuju, često u stvarnom vremenu), raznolikost (strukturirani podaci poput transakcija, ali i nestrukturirani poput teksta, slika, ponašanja na stranici) i točnost (veracity, koliko su podaci pouzdani i čisti, što je danas jednako bitno koliko i sama količina).

Kod klijenata s kojima radimo, big data rijetko znači doslovno petabajte podataka, češće znači da se GA4 ponašajni podaci, CRM povijest kupnji, e-mail engagement i offline podaci iz POS sustava spajaju u jednu sliku o korisniku, umjesto da svaki kanal gleda svoj dio odvojeno.

First-party podaci su danas temelj, ne opcija

Najveća promjena u odnosu na raniju praksu je pomak prema first-party podacima. Safari i Firefox danas defaultno blokiraju third-party kolačiće, a Chrome je 2024. odustao od potpunog gašenja third-party kolačića u korist modela gdje korisnik sam bira hoće li ih dopustiti, pri čemu sve veći dio korisnika bira da ih blokira. Rezultat je da se cross-site praćenje ponašanja kupaca više ne može oslanjati isključivo na kolačiće trećih strana.

Praktična posljedica za marketere je da se vrijednost pomaknula prema podacima koje prikupljate izravno, e-mail liste, CRM zapisi, ponašanje na vlastitoj stranici, podaci iz loyalty programa i podaci prikupljeni uz jasnu privolu (consent). Kod klijenata s kojima radimo, ovo danas znači da je Google Consent Mode i uredno postavljen server-side tracking (npr. preko Google Tag Managera) prvi korak prije bilo kakve segmentacije ili personalizacije, jer bez čistog signala nema kvalitetnog "big data" sloja na koji se može osloniti automatizacija.

Personalizacija i predikcija u stvarnom vremenu

Ono što je 2016. bilo teorijski koncept, danas je standardna praksa: GA4 i slični alati danas nude prediktivnu publiku (predictive audiences), gdje sustav na temelju povijesnog ponašanja predviđa tko će vjerojatno kupiti u sljedećih 7 dana, ili tko je pod rizikom odljeva (churn). Kod e-commerce klijenata koje vodimo, prediktivna publika izgrađena na temelju vjerojatnosti kupnje redovito daje bolji ROAS od klasičnih interesno definiranih publika, upravo zato što se temelji na stvarnom ponašanju, ne na pretpostavkama o interesima.

Hiper-personalizacija danas znači da korisnik koji je pregledao određenu kategoriju proizvoda vidi drugačiju e-mail kampanju, drugačiju landing stranicu i drugačiji remarketing oglas od korisnika koji je pregledao drugu kategoriju, a sve se to danas može automatizirati kroz spajanje CRM-a, GA4-a i email platforme, bez ručnog kreiranja desetaka segmenata.

Praćenje životne vrijednosti kupca (CLV)

Praćenje CLV-a (customer lifetime value) ostaje jedna od najkorisnijih primjena podataka u marketingu, jer omogućuje da se budžet za akviziciju usmjeri prema segmentima kupaca koji donose najveću dugoročnu vrijednost, ne samo najveću jednokratnu konverziju. Kod klijenata s ponavljajućom kupnjom (webshopovi, pretplate, usluge), CLV segmentacija redovito pokazuje da 20-ak posto kupaca donosi većinu dugoročnog prihoda, pa se prema toj skupini opravdano može trošiti veći dio marketinškog budžeta, čak i uz nešto viši trošak akvizicije.

Geo-podaci i optimizacija prodajnih strategija

Geo-analitika i danas ima praktičnu primjenu, na primjer analiza gustoće posjeta fizičkim lokacijama u odnosu na online kampanje pomaže procijeniti stvarni utjecaj digitalnog oglašavanja na posjet trgovini (store visits), ne samo na online konverziju. Kod klijenata s fizičkim poslovnicama, ova vrsta podataka često otkriva da kampanja koja izgleda slabo po online konverzijama zapravo dovodi značajan broj ljudi direktno u trgovinu, što bez povezivanja online i offline podataka ostaje nevidljivo.

Zaključak

Big data u marketingu danas nije apstraktan pojam iz teorije, nego praktičan skup alata i procesa, first-party prikupljanje podataka uz jasnu privolu, prediktivna segmentacija, CLV praćenje i povezivanje online i offline signala. Tvrtke koje ovo danas rade dobro ne razlikuju se po tome koliko podataka imaju, nego po tome koliko dobro te podatke povezuju u jednu sliku o korisniku i koliko brzo tu sliku pretvaraju u konkretnu odluku, personaliziranu ponudu, prediktivnu publiku ili prilagođen sadržaj.