ПОВЫШЕНИЕ УРОВНЯ ПРОДАЖ ПРИ ПОМОЩИ MACHINE LEARNING

Рив Гош

ЦЕЛИ И ЗАДАЧИ

  • Бизнес-задача

    Повышение лояльности клиентов и снижение маркетинговых издержек за счет адресной работы с покупателями.

  • ИТ-задача

    Разработка и внедрение системы прогнозирования покупок.

РЕШЕНИЕ

  • Система на базе алгоритмов Machine Learning
  • Oracle Siebel CRM и Oracle BI
Решить похожую задачу

РЕАЛИЗАЦИЯ

В рамках проекта специалистами «Инфосистемы Джет» была построена математическая модель, которая прошла обучение на обширных данных из CRM-системы: реестре товарных позиций, транзакциях за предыдущий год, товарообороте и поставках, информации из чеков и демографических данных держателей дисконтных карт. В решении применен целый комплекс методов машинного обучения, включающий в себя градиентный бустинг, random forest, коллаборативную фильтрацию и др.

Внедренная ML-модель работает по двухэтапному сценарию. Сначала, анализируя закономерности покупок, система выявляет среди держателей карт лояльности (2,6 млн. человек) целевую группу клиентов – тех, кто потенциально может купить товар в ближайшие две недели.

На втором этапе по каждому из клиентов система делает прогноз на покупку двух товаров, которые с высокой долей вероятности его заинтересуют. Прогноз формируется до уровня артикула (SKU) на основании всех имеющихся товарных позиций (несколько десятков тысяч). По сформированному списку клиентов делается рассылка с предложением скидки, размер которой в рамках допустимых значений рассчитывается системой для каждого покупателя персонально.

Таким образом, методами машинного обучения определяется «золотой сегмент» держателей карт лояльности, состав и параметры которого постоянно корректируются в режиме реального времени.

Опираясь на данные ML-модели, за счет адресной работы с покупателями и своевременно предлагаемых скидок ритейлер значительно снижает затраты на маркетинговые акции, при этом повышая уровень продаж.

Раскрыть

РЕЗУЛЬТАТЫ

Проект охватил более 220 торговых точек по всей России и интернет-магазин. Полный цикл рабочего процесса с применением искусственного интеллекта реализован всего за 1,5 месяца. По результатам тестирования точность персональных товарных рекомендаций составила 33%.

Повторно обратились за покупками около 47% держателей карт лояльности (ранее показатель был на уровне 22%). Средний чек клиентов, которым были предложены товары с персональной скидкой, оказался на 42% больше, чем у остальных покупателей. За время тестирования системы они принесли сети около 7% дохода, составив всего 1% от общей клиентской базы.

Выявленные в ходе проекта корреляции открывают новые возможности в поиске вариантов персональных клиентских предложений и повышении точности математической модели. Например, добавление в массив анализируемых данных неиспользуемых ранее показателей (информацию о складах, рейтинге товаров и пр.) для расширения выборки. В рамках продолжения работы по оптимизации расходов на маркетинговые кампании также требуется анализ эффективности всех каналов взаимодействия с клиентами.

На текущий момент специалисты «Инфосистемы Джет» реализовали более 50 проектов с применением технологий Machine Learning в банках, ритейле, промышленности, страховании и других отраслях. При этом спектр решаемых задач актуален тенденциям рынка: от повышения эффективности маркетинговых акций до предотвращения брака на производстве и противодействия мошенничеству.
  • 1,5 месяца

    Срок реализации проекта

  • 220

    Торговых точек охватил проект по России

  • 33%

    Точность персональных товарных рекомендаций

  • 2,6 млн.

    Количество держателей карт лояльности

  • На 42%

    Выше средний чек покупателя после внедрения системы

ОТЗЫВ КЛИЕНТА

Применение технологий Big Data и Machine Learning открыло для нас новые перспективы в развитии нашего бизнеса и взаимоотношений с клиентами. В сжатые сроки мы получили инструмент, который позволил заметно повысить эффективность таргетированных коммуникаций с покупателями. От этого выигрывает и компания, повышая уровень продаж, и клиенты, которые вовремя получают интересующие их предложения. В настоящее время мы продолжаем развивать направление персонализированных товарных рекомендаций за счет более тесной интеграции инструментов ML в ИТ-ландшафт и бизнес-процессы. В наших ближайших планах – построение отдельного Data Lake для проведения более глубокой аналитики данных, а также совершенствование системы лояльности.

Дмитрий Подолинский

директор по маркетингу компании «Рив Гош»

Все проекты клиента

Все проекты компании

У ВАС ПОХОЖАЯ ЗАДАЧА?

Продолжая использование настоящего сайта, вы выражаете своё согласие на обработку ваших персональных данных. Порядок обработки ваших персональных данных, а также реализуемые требования к их защите содержатся в Политике обработки ПДН. В случае несогласия с обработкой ваших персональных данных вы можете отключить сохранение cookie в настройках вашего браузера.

Читать полностью