Презентация о платформе управления данными 1DMP.io (разработка компании CleverDATA) во время бизнес-завтрака для партнеров 15/09/2015 совместно с Oracle и ФОРС Дистрибуция.

1. 1DMP
Data
Marke+ng
Pla/orm
by
CleverDATA

2. Company
Profile
Make
your
data
clever
1DMP
Data
Marke7ng
Pla9orm

3. cleverdata.ru
|
info@cleverdata.ru
Make
your
data
clever
Развитие
бизнеса
на
международном
рынке
Входит
в
тройку
лидеров
российских
ИТ
компаний
43
подразделения
в
России
и
за
рубежом
Более
7000
сотрудников
100
тыс.проектов
для
10
тыс.заказчиков
Marke7ng
Data
Pla9orm
решение
для
использования
внешних
данных
в
маркетинговых
кампаниях
Разработка
и
внедрение
решений
для
предиктивной
аналитики
и
обработки
больших
объемов
данных
Собственные
центры
разработки
Партнерство
с
мировыми
лидерами
Центр
экспертизы
по
технологиям
Big
Data
и
Digital
Marke+ng
1DMP

4. Data
Marke7ng
Pla9orm
платформа
управления
данными
для
целевого
маркетинга
1dmp.io
|
info@cleverdata.ru
1DMP
Сбор
и
управление
собственными
данными
и
их
анализ
для
целей
углубленной
клиентской
аналитики
«ACRM
из
коробки»
1DMC
«Биржа
данных»
для
поставки
уникальных
внешних
данных
и
взаимодействия
с
партнёрами
«БКИ
для
маркетинга»

5. 1dmp.io
|
info@cleverdata.ru
Как
увеличить
ценность
клиента?
Как
«разбудить»
спящих
клиентов?
Как
сделать
целевое
предложение?
Какой
продукт
предложить?
Как
повысить
эффективность
коммуникаций?
Какой
канал
использовать?
Как
уменьшить
отток?
Как
увеличить
лояльность?
Как
сегментировать
клиентов?
Кто
наши
клиенты?
Когда
выйти
на
контакт?

6. Целевой
маркетинг
основанный
на
данных,
больших
данных
У
целевой
рекламы
на
14%
больше
CTR
и
на
10%
больше
конверсия
Целевые
рекламные
предложения
в
18
раз
эффективнее,
чем
стандартные
рассылки
Повышение
эффективности
маркетинговых
кампаний
в
3
раза
1dmp.io
|
info@cleverdata.ru
Три
простых
шага
к
эффективности
• Собрать
максимум
данных
• Проанализировать,
задействовав
модную
математику
• Использовать
измеряя
эффективность
Эффективность
подтверждена
реальным
опытом:
Одно
из
решений

7. 1dmp.io
|
info@cleverdata.ru
• Собрать
• А
где
взять
уникальные
«внешние»
данные?
• Как
хранить
детальные
данные?
• Огромное
количество
источников,
форматов,
протоколов?
• Как
собирать
данные
из
«нестандартных»
источников
(сайты,
киоски,
приложения,
реклама)?
• Как
взаимодействовать
с
партнёрами
и
покупать
данные?
• Проанализировать
• Разнородные
данные
(тексты,
ссылки,
логи
и
тд)?
• Как
связать
offline
и
online
данные?
• Сложная
математика
и
дорогие
утилиты?
• Как
быстро
пересчитать
огромный
объем
данных?
• Использовать
• Как
интегрировать
со
всеми
каналами?
• Как
использовать
онлайн
рекламу?
• Как
монетизировать?
Но
не
все
так
просто

8. Data
Marke7ng
Pla9orm
–
дает
ответы
на
все
вопросы
и
позволяет:
Собрать
максимальное
количество
данных:
• собственные
данные;
•
данные
партнёров;
•
открытые
данные
в
сети
Интернет;
•
данные
внешних
поставщиков.
Построить
аналитический
3D
профиль
каждого
клиента
с
использованием
алгоритмов
искусственного
интеллекта
Использовать
для
целей
целевого
таргетированного
маркетинга
с
использованием
любых
каналов
1dmp.io
|
info@cleverdata.ru

9. Что
такое
3D
профиль
клиента?
• Предопределенные
• Рассчитываемые
• Событийные
• Прогнозируемые
Вероятность
оттока
35%
Кредитная
нагрузка
Низкая
Доход
семьи
Средний
Инвестиции,
экономика
66%
Автомобили
50%
Недвижимость
90%
Накопления
80%
Технологии
63%
Активность
28%
LTV
Средний
В
клиентской
базе
35.2
мес
Лояльность
75%
Уровень
коммуникации
20%
Уровень
отклика
18%
Количество
жалоб
0%
• Построен
на
базе
внутренних
и
внешних
данных
• Расчет
метрик
в
реальном
времени
• Ориентир
на
единичного
клиента
• Отражение
эволюции
клиентского
профиля
–
тренды
и
прогнозы
• Выявление
событий
Доступны
маркетологу
в
любой
момент
времени
Более
1000
метрик
и
характеристик
1dmp.io
|
info@cleverdata.ru

10. Сбор
данных
1dmp.io
|
info@cleverdata.ru
Интеграция
с
прикладным
и
системами
Public
Data
Exchange
Данные
партнёров
Открытые
данных
в
сети
Интернет
Собственные
данные
Данные
от
data
провайдеров

11. Сбор
данных
Customer
Transac+ons
CRM
1th
Party
Campaign
Management
Call
Center
Web/Mobile
analy+cs
Интеграция
с
прикладным
и
системами
Адаптеры
к
интернет
площадкам
Доски
объявлений
Площадки
e-­‐commerce
Форумы
и
блоги
3rd
Party
Данные
соц
сетей
Онлайн
реклама
(RTB)
Трафик
сети
Интернет
Public
Data
Exchange
Данные
бизнес-­‐
парнеров
2th
Party
Private
Data
Exchange
• Сбор
и
анализ
текста
• Классификация
• Ключевые
слова
• Выявление
событий
и
фактов
• Платежные
системы
• Розничные
сети
• Авиакомпании
• Автодилеры
Анкетные
данные
История
использования
продуктов
Лояльность
и
склонность
к
оттоку
Чувствительность
к
коммуникациям
Намерения
и
события
Предпочтения
и
интересы
Соц-­‐дем
информация
Контакты,
круг
общения
Поведенческие
характеристики
Финансовое
положение
Финансовые
привычки
Продуктовые
предпочтения
Намерения
и
события
1dmp.io
|
info@cleverdata.ru
Каналы
лидогенерации
• RTB
реклама:
• Мобильный
маркетинг:
• Email
маркетинг:

12. Data
Marke7ng
Cloud
1dmp.io
|
info@cleverdata.ru
Биржа
данных
–
это
доступ
к
вселенной
данных,
основанной
на
взаимодействии
владельцев,
а
не
на
агрегации
и
перепродаже
• Только
брендированные
данные
от
проверенных
поставщиков
• Фиксированная
комиссия
вне
зависимости
от
стоимости
данных
• Online
и
Offline
данные
любых
типов
и
поставщиков
Биржа
данных
дает
уникальные
возможности:
• Кросс
идентификация
• Максимизация
hit
rate

13. Data
Marke7ng
Cloud
Площадка
взаимодействия
между
поставщиками
и
потребителями
данных
Partners
discovery
Shared
learning
• Оптимизация
стоимости
• Максимальный
hit
rate
• Cross-­‐device
идентификация
• Единая
точка
доступа
к
данным
всех
поставщиков
и
партнеров
• Использование
данных
партнёра
без
обмена
конфиденциальной
информацией
Data
supplying
• Безопасность
данных
• Контроль
использования
• Защита
персональных
данных
• Гарантия
легальности
и
верификация
данных
Data
security
Single
point
• Одна
точка
интеграции
• Один
контракт
поставки
• Один
контрагент
для
расчетов
1dmp.io
|
info@cleverdata.ru
*
Мы
не
храним
и
не
передаем
персональные
данные
физических
лиц
До
80%
Более
10

14. Обработка
данных
1dmp.io
|
info@cleverdata.ru
Machine
Learning
Decision
Modelling
Personality
Profiling
Trigger
Iden7fica7on
Event
Predic7on
Rela7onship
Profiling
Real-­‐7me
Analysis
Готовые
модели:
• Моделирование
оттока
клиентов
• Рекомендация
лучшего
канала
коммуникации
• Модель
кросс-­‐продаж
и
рекомендаций
Передовые
методы
анализа
данных
• Применение
алгоритмов
машинного
обучения;
• Алгоритмы
look
alike
для
сегментации;
• Использование
внутренних
и
внешних
данных;
• Постоянное
самообучение
по
мере
работы
у
улучшение
прогнозов.

15. Применение
знаний
1dmp.io
|
info@cleverdata.ru
Customer
Transac+ons
CRM
Campaign
Management
Call
Center
Web/Mobile
analy+cs
Доски
объявлений
Площадки
e-­‐commerce
Форумы
и
блоги
Данные
соц
сетей
Онлайн
реклама
(RTB)
Трафик
сети
Интернет
Данные
бизнес-­‐
парнеров
Каналы
лидогенерации
Campaign
Management
Programma+c
Buying
Мобильный
маркетинг
Email
маркетинг

16. Источники
дохода:
• Внутренние
:
Использование
знаний
для
повышения
эффективности
внутренних
процессов
и
предложение
новых
услуг
клиентам
компании.
• Внешние:
Поставка
данных
партнёрам
и
потребителям
данных.
1.
Private
DMP
Инфраструктура
поставки:
Поддержка
и
организация
собственными
силами
Продвижение:
Самостоятельное
2.
Private
DMC
Инфраструктура:
Интеграция
через
инфраструктуру
1dmp.io
Продвижение:
+
через
private
раздел
1dmp.io
2.
Public
DMC
Инфраструктура:
Интеграция
и
расчеты
через
инфраструктуру
1dmp.io
Продвижение:
+
через
public
раздел
1dmp.io
+
продвижение
силами
команды
1dmp.io
+
включенные
ваших
данных
в
состав
«3D»
профиля
платформы
1dmp
Как
зарабатывать
на
данных
1dmp.io
|
info@cleverdata.ru
• Компания
с
большой
клиентской
базой
-­‐
Finance
-­‐
Telecom
-­‐
Retail
-­‐
eCommerce
• Интернет-­‐площадка
с
большой
аудиторией
• Рекламная
Интернет
сеть
или
DSP
• Компания,
оказывающая
услуги
маркетинга
Private
DMP
Ваши
данные
Аналитические
алгоритмы
Customer
Insights
Public
Data
Exchange
Дополнительные
внешние
данные
У
вас
накоплено
большое
количество
данных:
Превратите
ваши
данные
в
знания
о
клиентах
Private
DMP
Private
DMC
Public
DMC
Private
DMP
B2C
B2B2C
Insight
–
обезличенный
состав
атрибутов
клиента,
не
содержащий
персональные
данные
и
личную
информацию,
предназначенный
для
использования
в
маркетинговых
активностях

17. Преимущества
1DMP
• Готовое
коробочное
решение
класса
ACRM
и
Data
Exchange
• Доступ
к
внешним
данным
и
большому
количеству
разнородных
источников;
• Связь
online
и
offline
данных;
• Единая
точка
накопления
и
обработки
больших
данных
• Интеграция
с
прикладными
системами
и
маркетинговыми
каналами
1dmp.io
|
info@cleverdata.ru
Поставщиков
данных
Более
10
Типов
данных
7
Новых
потребителей
в
месяц
3
Подключенных
DSP
5
Профилей
в
базе
Более
200
млн
Соц.
сети
6
Источников
clickstream
Более
4-­‐х
Реализованных
проектов
Более
10
Повышение
отклика
На
60%
Снижение
затрат
На
50%
Повышение
кросс-­‐продаж
На
25%
Срок
окупаемости
Менее
года

18. Архитектура
1dmp.io
|
info@cleverdata.ru

19. Web site
Call
Center
App
1DMP
Data Management Platform
1DMC
Data Marketing Cloud
external DSP WebCrawler
1DMP 1DMP 1DMP
Social
Web Usage
eCommerce
Private Data Partners
Open Internet Data
Campaign
Management
CRM
DWH
PublicDataPartners
ERP
Enterprise
architecture
1dmp.io
|
info@cleverdata.ru
1
2
4
3
Основные
функции
1DMP
2
–
Сбор
и
атрибуция
данных
из
BigData
источников
3
–
Сбор
и
атрибуция
данных
из
OLTP
источников
4
–
Выполнение
предиктивных
моделей
Основные
функции
1DMC
1
–
Поставка
внешних
данных
Контроль
доступа
к
данным
Статистика
и
взаиморасчеты

20. Reference
Enterprise
Architect
1dmp.io
|
info@cleverdata.ru
CRM ERP ABS
DWH
Marketing Data Mart
Campaign Management System
Channels
Web site
Call
Center
App
3D
BigData storage
Analytic engine
Master Data Storage
OLTP sources Emerging semi-structured sources
GUI
• Логи,
полу-­‐структурированные
данные
и
неструктурированные
данные,
записи
в
социальных
сетях,
вебсайты
и
т.д.
• Данные,
которые
могут
очень
быстро
накапливаться,
при
этом,
обычно
информационная
плотность
их
низкая
• Данные,
которые
очень
дорого
хранить
и
обрабатывать,
используя
традиционный
подход
Data
Management
Pla9orm
–
осуществляет
качественное
преобразование
данных,
выявляя
«знания»
в
большом
массиве
информации
Big
Data
технологии
позволяют
существенно
удешевить
хранение
и
обработку
данных

21. cleverdata.ru
|
info@cleverdata.ru
Data
Exchange
Big
Data
storage
Real
Time
storage
Predic+ve
analy+cs
Common
Services
Мастер
данные
для
быстрого
доступа
(NoSQL)
Прогнозная
аналитика
(Spark)
Хранилище
структурированной
и
неструктурированной
информации
(Hadoop)
Общие
сервисы
(авторизация,
безопасность,
загрузка
данных
и
др.)
Technology
Web
Crawler
Поставка
внешних
данных

22. 1DMP
for
Enterprise
PARTNER
PERSPECTIVE
1DMP
pla9orm
on
Oracle
Big
Data
Appliance
will
allow
customers
to
build
their
own
data
management
solu7ons,
such
as
tools
for
the
collec7on
and
classifica7on
of
web
data,
user
profile
management
within
the
data
driven
marke7ng
model
-­‐ Denis
Afanasev,
CEO
§ The
system
was
able
to
handle
101361.32
requests
per
second
with
the
99th
percen+le
of
latency
equal
to
1.17ms.
This
means
that
Big
Data
Appliance
was
able
to
handle
1.45
+mes
more
requests
per
second
with
the
1.7
+mes
bežer
latency
using
just
a
single
nod;
§ Classifica+on
+me
of
the
same
dataset
on
the
3
nodes
of
Oracle
Big
Data
Appliance
took
25.45
mins,
which
is
4.81
7mes
faster
than
a
baseline;
§ Classifica+on
+me
of
the
same
dataset
on
the
6
nodes
of
Oracle
Big
Data
Appliance
took
11.28
mins,
which
is
5.43
+mes
faster
than
the
expected
baseline.
COMPANY
OVERVIEW
§ CleverDATA
§ Industry:
Informa+on
technology
§ Employees:
20
§ Revenue:
$1M
GOALS/OBJECTIVES
§ CleverDATA
is
a
Big
Data
ISV
in
Russia
which
is
specialized
in
solu+ons
suppor+ng
customer’s
marke+ng
campaigns.
The
company
developed
1DMP
-­‐
data
management
pla/orm
which
uses
Hadoop
and
Aerospike
NoSQL
DB
on
technology
layer.
We
are
going
to
migrate
1DMP
to
Oracle
NoSQL
and
BDA
and
to
cer+fy
the
solu+on
on
BDA
under
BDA
Ready
and
Op+mized
Program
SOLUTIONS
§ 1DMP
0.5.0.0
§ Oracle
NoSQL
Database
§ Oracke
Big
Data
Appliance
§ Cloudera
Distribu+on
of
Apache
Hadoop
(CDH
4.x
&
5.x)
+
Cloudera
Manager
RESULTS
1dmp.io
|
info@cleverdata.ru

23. Варианты
архитектуры
1dmp.io
|
info@cleverdata.ru
Описание
текущей
архитектуры
Заказчика
Поставка
внешних
данных
Сбор
и
атрибуция
BigData
Выполнение
аналитически
х
моделей
Сбор
и
атрибуц
ия
OLTP
источник
ов
Нет
DWH,
нет
практики
анализа
данных,
нет
сбора
полу
структурированных
данных
+
+
+
+
Есть
DHW,
нет
практики
анализа
данных,
нет
сбора
полу
структурированных
данных
+
+
+
-­‐
Есть
DWH,
есть
практика
анализа
данных,
нет
сбора
полу
структурированных
данных
+
+
-­‐
-­‐
Есть
DWH,
есть
практика
анализа
данных,
есть
сбор
полу
структурированных
данных
+
-­‐
-­‐
-­‐
CRM ERP ABS
DWH
Marketing Data Mart
Campaign Management System
Channels
Web site
Call
Center
App
3D
BigData storage
Analytic engine
Master Data Storage
OLTP sources Emerging semi-structured sources
GUI

24. Варианты
развертывания
Использование
как
сервис
в
облаке
1DMP.IO
Развертывание
в
периметре
организации
на
базе
open
source
компонент
Развертывание
на
базе
Oracle
Big
Data
Appliance
1dmp.io
|
info@cleverdata.ru
Текущая
версия
облачного
сервиса
1DMP
Доработки
по
требованию
заказчика
Развертывание
в
контуре
заказчика
и
интеграция
Адаптация
аналитических
моделей
анализа
данных
Версия
Заказчика
на
сопровождении
2-­‐3
месяца
до
бизнес-­‐результата
Подключение
поставщиков
данных
Поставка
решения
под
лицензией
AGPL

25. 25

26. Демо
1dmp.io
|
info@cleverdata.ru

27. 1dmp.io
|
info@cleverdata.ru
Интерфейс
администратора

28. 1dmp.io
|
info@cleverdata.ru
Интерфейс
администратора

29. 1dmp.io
|
info@cleverdata.ru
Интерфейс
администратора

30. 1dmp.io
|
info@cleverdata.ru
Интерфейс
администратора

31. 1dmp.io
|
info@cleverdata.ru
Интерфейс
аналитика
данных

32. 1dmp.io
|
info@cleverdata.ru
Интерфейс
аналитика
данных

33. 1dmp.io
|
info@cleverdata.ru
Интерфейс
маркетолога

34. 1dmp.io
|
info@cleverdata.ru
Интерфейс
маркетолога

35. 1dmp.io
|
info@cleverdata.ru
Интерфейс
маркетолога

36. 1dmp.io
|
info@cleverdata.ru
Интерфейс
маркетолога

37. 1dmp.io
|
info@cleverdata.ru
Интерфейс
маркетолога

38. 1dmp.io
|
info@cleverdata.ru
Интерфейс
маркетолога

39. Примеры
внедрений
1dmp.io
|
info@cleverdata.ru

40. cleverdata.ru
|
info@cleverdata.ru
Монетизация
данных
телеком
оператора
Результаты:
Построенная
платформа
управления
данными
позволяет
телеком
оператору
монетизировать
знания
(insight)
об
своих
абонентах,
в
т.ч.
путем
участия
в
RTB
аукционах
рынка
Интернет
рекламы.
Задача:
Обеспечить
возможность
монетизации
знаний
о
трафике
абонентов
для
таргетирования
интернет
рекламы
Анализ
более
1ТB
мобильного
трафика
в
сутки;
Выявление
интересов
и
намерений
пользователей
в
реальном
времени
на
основе
их
поведения
в
сети
Интернет;
Предоставление
партнерам
возможности
распространять
знания
об
абонентах
телеком
оператора
на
свою
аудиторию;
Предоставление
сервиса
по
рекомендации
рекламных
кампаний
рекламным
агентствам
и
их
представителям,
обрабатывающего
не
менее
70
000
запросов
в
секунду,
в
режиме
24x7.
Заказчик
–
российский
мобильный
оператор
из
«большой
четверки».
Услуги
сотовой
связи
и
доступа
в
интернет
в
18
странах
мира,
обслуживает
более
200
миллионов
абонентов.
Ежедневно
абонентами
оператора
генерится
650Gb
мобильного
трафика,
данные
о
котором
монетизируются.

41. cleverdata.ru
|
info@cleverdata.ru
Платформа
управления
данными
для
лидогенерации
Решение:
Внедрение
облачной
платформы
управления
данными
1DMP,
собственной
разработки
CleverDATA;
Использование
методов
предиктивной
аналитики
для
сегментирования
аудитории;
Срок
реализации
проекта
–
2
месяца.
Результаты:
Возможность
хранения
больших
«сырых»
данных
и
обогащения
внутренних
данных
сторонними;
Появление
в
активе
Заказчика
новой
услуги
-­‐
выделения
сегментов
и
лидогенерации;
Увеличение
эффективности
маркетинговых
коммуникаций
в
3
раза
–
отправка
предложений
только
релевантной
аудитории
и
только
по
«продающим»
каналам;
Привлечение
новых
клиентов
с
высоким
уровнем
откликом.
Задача:
Внедрить
платформу
управления
данными
для
создания
нового
уникального
сервиса
–
сегментирования
аудитории
с
использованием
предиктивной
аналитики
данных;
Повысить
скорость
обработки
больших
массивов
данных
до
сотни
миллионов
сообщений
в
день;
Повысить
эффективность
маркетинговых
рассылок
и
уровень
отклика.
Заказчик
-­‐
лидер
российского
рынка
мобильного
маркетинга

42. cleverdata.ru
|
info@cleverdata.ru
Решение
для
сегментации
аудитории
и
ретаргетинга
Решение:
Программное
решение
для
построения
пользовательских
сегментов
на
основе
анализа
45
TB
«сырых»
данных
с
использованием
более
100
правил;
Использование
предметно-­‐ориентированного
языка
(DSL),
разработка
грамматики
предметно-­‐
ориентированного
языка;
Разработка
Run-­‐+me
представления
DSL;
Разработка
соответствующих
парсеров.
Результаты:
Появление
в
активе
Заказчика
новой
уникальной
услуги
–
онлайн
сегментации
для
ретаргетинга
пользователей
на
основе
собранных
данных
об
активности
пользователей
в
Интернете
и
безопасности
данных
при
помощи
правил,
описанных
на
удобочитаемом
языке.
Задача:
Требуется
решение
для
анализа
и
сегментации
аудитории
на
основе
правил,
описанных
на
удобочитаемом
языке;
Для
работы
с
данными
Заказчик
использует
DMP
платформу
и
собирает
1,5
TB
данных
в
месяц
(клики,
посещения,
показ
баннеров)
от
100
клиентов.
Заказчик
–
компания,
специализирующаяся
в
области
Интернет-­‐рекламы,
использующая
технологию
RTB
и
Programma+c
Media.

43. cleverdata.ru
|
info@cleverdata.ru
Прогнозирование
отклика
клиентов
на
предложение
Решение:
Анализ
исторических
данных
и
выявление
признаков
клиентов,
откликнувшихся
на
предложение
через
определенный
канал
коммуникаций;
Построение
предиктивной
модели
на
основе
алгоритмов
машинного
обучения;
Применение
модели
для
клиентской
базы
и
выявление
по
заданным
признакам
клиентов
с
потенциально
высоким
откликом
на
предложение
из
массы
«спящих»
клиентов;
Использование
двух
комплексных
каналов
коммуникаций
–
(1)Telemarke7ng:
звонок
из
колл-­‐центра
+
e-­‐mail
+
SMS
и
(2)
Mailing:
e-­‐mail
+
SMS
Результаты:
Применена
стратегия
оптимизации
расходов
на
коммуникации
с
целью
максимизации
прибыли
Выявлены
клиенты
с
потенциально
высоким
откликом
на
предложение
из
массы
«спящих»
клиентов;
Расходы
на
коммуникацию
снижены
за
счет
перераспределения
клиентов
по
каналам;
На
38%
клиентской
базы
было
достигнуто
82%
отклика,
что
на
22%
лучше
ситуации
до
проекта;
Срок
окупаемости
пилотного
проекта
–
менее
месяца,
промышленного
–
3-­‐4
месяца.
Задача:
Требуется
оптимизировать
расходы
на
маркетинговые
коммуникации
с
целью
максимизации
прибыли
и
получить
требуемый
уровень
отклика
на
предложение
в
рамках
маркетинговой
кампании;
В
данном
кейсе
откликом
считается
заявка
на
кредит,
поданная
в
Банк
в
течение
6
месяцев
после
коммуникации.
Заказчик
–
российский
банк
из
Топ-­‐100,
специализирующийся
на
выдаче
потребительских
кредитов
и
предоставляющий
дистанционные
кредиты
через
контакт-­‐центр

44. cleverdata.ru
|
info@cleverdata.ru
Подбор
предложений
для
посетителей
веб-­‐сайта
Решение:
Анализ
исторических
данных
о
клиентах,
получавших
услуги
Банка
через
веб-­‐сайт;
Выявление
признаков
и
составление
профиля
идеального
клиента
для
каждого
из
продуктов
компании
Использование
модели
в
реальных
условиях.
Подбор
оптимального
предложения
для
каждого
конкретного
посетителя
веб-­‐сайта;
В
режиме
реального
времени
на
основе
данных
о
пользователе,
полученных
из
внешних
источников
определение
вероятности
его
заинтересованности
тем
или
иным
продуктом.
Результаты:
Формирование
профиля
интересов
посетителей
веб-­‐сайта;
Показ
релевантного
интересам
и
ожиданиям
посетителя
предложения
(ипотека,
автокредит,
денежный
перевод,
размещение
срочного
депозита)
Высокая
конверсия
посещения
веб-­‐сайта
Банка,
рост
лояльности
посетителей
за
счет
релевантного
контента.
Задача:
Проанализировать
в
реальном
времени
интересы
и
предпочтения
потенциальных
клиентов
на
основе
информации
из
внешних
источников;
Увеличить
конверсию
посещения
веб-­‐сайта
Банка
за
счет
показа
таргетированных
предложений.
Заказчик
–
российский
банк
из
Топ-­‐30,
специализирующийся
на
розничном
кредитовании
и
срочных
депозитах

45. cleverdata.ru
|
info@cleverdata.ru
Предиктивная
модель
оттока
клиентов
Решение:
Анализ
с
помощью
инструментов
Data
Mining
исторических
данных
о
клиентах,
прекративших
пользоваться
услугами
Заказчика;
Определение
закономерных
признаков
оттока
и
его
вероятности
за
фиксированный
интервал
времени;
Построение
предиктивной
модели
оттока
клиентов
на
базе
исторических
данных
и
паттернов;
Микросегментация
клиентской
базы
Заказчика
и
машинное
обучение
модели;
Выбор
наилучшего
предложения
(действия)
с
целью
максимизации
отклика,
отсрочки
оттока
и
увеличения
активности
клиента.
Результаты:
Своевременное
выявление
каждого
клиента,
потенциально
планирующего
прекратить
пользоваться
услугами
Заказчика;
Использование
самых
действенных
инструментов
для
мотивации
и
возврата
«оттекающих»
клиентов;
Снижение
расходов
на
удержание
клиентов,
повышение
их
лояльности,
рост
продаж
в
целом.
Задача:
Анализ
клиентской
базы
и
выявление
склонных
к
оттоку
клиентов;
Определение
наилучшего
предложения
различных
сегментов
склонных
к
оттоку
клиентов
с
целью
предотвращения
ухода.

46. Получение
знаний
о
клиентах
для
выстраивания
целевого
взаимодействия
Снижение
затрат
на
маркетинговые
кампании
в
силу
сужения
сегментов
Повышение
лояльности
клиентов
после
получения
релевантного
контента
и
снижения
«спама»
Повышение
отклика
на
кампании
и,
как
следствие,
увеличение
конверсии
и
продаж
Сбор
и
анализ
данных
профилей,
информации
об
участии
в
группах
и
сообществах,
записях
на
«стене»
путем
семантического
разбора
текста
сообщений
пользователя
и
проведения
соответствия
между
словами
и
категориями
интересов;
Объединение
полученных
данных
с
внутренними
данными
с
помощью
сервисов
платформы
1DMP.io;
Извлечение
знаний
и
выделение
сегментов
по
категориям
интересов
данных
об
интересах
для
использования
в
маркетинговых
кампаниях.
cleverdata.ru
|
info@cleverdata.ru
Сбор
данных
о
клиентах
из
соц.сетей
Решение:
Результаты:
Задача:
Обогащение
внутренних
(1st/2nd
party)
данных
о
клиентах
за
счет
внешних
данных;
Получение
информации
об
интересах
и
предпочтениях
клиентов
для
таргетированного
взаимодействия.
Заказчик
–
российский
розничный
банк
из
числа
Топ-­‐30

47. Возможность
оперативной
оценки
каждого
потенциального
сотрудника;
Прогнозирование
времени
работы
кандидата
в
компании;
Сокращение
времени,
затрачиваемого
на
интервью
с
кандидатами
на
вакансию
продавца;
Снижение
нагрузки
на
HR-­‐департамент;
Снижение
затрат
на
обучение
и
адаптацию;
Повышение
качества
работы
Департамента
продаж.
cleverdata.ru
|
info@cleverdata.ru
Модель
оценки
соискателей
на
вакансию
Решение:
Сбор
и
обработка
внешних
данных
о
соискателях
(источники
–
социальные
сети,
сайты
вакансий,
платежные
системы,
SMS
рассылки);
Моделирование.
Поиск
корреляций
между
признаками
реальных
продавцов
компании
и
качеством
их
работы;
Выделение
значимых
предикторов.
Использование
методов
machine
learning
для
«обучения»
модели;
Тестирование
работы
модели
на
реальных
данных,
достижение
точности
модели
не
менее
70%.
Результаты:
Задача:
Разработать
аналитическую
модель
для
предварительной
оценки
соискателей
на
вакансию
продавца;
Использовать
для
построения
модели
внешние
(3rd
party)
данные
о
кандидате
из
различных
источников;
Протестировать
полученную
модель
на
реальных
данных
и
получить
заданный
уровень
точности.
Заказчик
–
крупная
розничная
мультибрендовая
торговая
сеть