20 Фев 2019, 09:00

Верный помощник: как анализ больших данных помогает решать задачи маркетинга

Кейсы и возможности Data Science Maketing от Юлии Волошки, Communications Coordinator в AI Booster

Данные есть у каждого бизнеса, и сейчас появляется все больше технических возможностей использовать их как маркетинговый инструмент. В настоящее время коммуникации выходят на новый уровень и становятся все более технологичными и персонализированными, помогая значительно повысить эффективность бизнеса, снизить затраты и привлечь новых потребителей. Делимся кейсами о том, как мы с AI Booster помогаем компаниям реализовывать сложные технические решения без больших затрат времени и денег.

Юлия Волошка
Secret Agent, AI Booster

Украина входит в топ стран Восточной Европы по уровню развития технологий машинного обучения, согласно исследованию AI in Eastern Europe Landscape Overview 2018 от аналитической компании Deep Knowledge Analytics. 

Украинские компании, которые производят продукты и делают качественные решения в сфере AI, известны во всем мире. Это, например, Ring, Grammarly, WIX, Genesis. Украинские компании-аутсорсеры создают решения для международных банков, космических проектов и правительств других стран. AI-стартапы, созданные украинцами, покоряют международные площадки, за последнее время Product Hunt взорвали и вышли в топ продуктов — Captain Growth, Reflect Face Swap, Weblium.

Однако, несмотря на высокий уровень развития технологических компаний, только небольшой процент бизнеса использует новые технологии в своей операционной и маркетинговой деятельности. Например, в регионах у 50% компаний нет сайтов, а около 68% компаний Украины не знают, что такое CRM-системы и не слышали о них ничего.  

Новые возможности Data Science Marketing

Предиктивная аналитика 

С помощью анализа истории покупок можно предсказывать, когда у человека закончится стиральный порошок или раствор для линз и напоминать ему купить его, предположим, предоставляя персональную скидку. Или при покупке определенного товара предлагать ему сопутствующие товары. К примеру, если человек купил телефон, предлагать ему новые наушники.

Автоматическая поддержка потребителей и боты

Для того, чтобы снизить затраты на поддержку пользователей, сейчас активно используют автоматические системы поддержки, ботов и чаты. Чтобы сделать коммуникацию максимально комфортной, ботов обучают на истории запросов, и это помогает с помощью искусственного интеллекта делать ответы машины максимально правильными, соответствующими запросу. В итоге такая коммуникация повышает лояльность клиентов. Также с помощью ботов можно автоматизировать рутинные процессы, например, классифицировать входящие письма или заявки на отпуск.  

Computer Vision 

Это технология, в основе которой лежит распознавание изображений. Большие торговые сети используют анализ товаров на полках для прогноза закупок, когда камеры фиксируют недостающие предметы на полках, что позволяет оптимизировать закупки и сократить затраты на хранение и логистику. Также для торговых сетей можно, например, научить весы определять, какой фрукт или овощ ты взвешиваешь, и автоматически выбивать ценник без ввода названия или кода.

Текстовый анализ

Анализ текста позволяет выделять из комментариев или других массивов текстов похожие по смысловым значениям. Например, это может помочь найти проплаченные комментарии для маркетплейсов и улучшить качество отзывов о продукте.

 

  

Как уже сейчас компании используют Data Science?

Первый кейс — Анализ потребителей 

В банковской сфере и телекоме о пользователях есть большое количество данных, но они анонимные. Это просто набор действий клиентов, которые накапливаются, и их анализ дает возможность разбивать пользователей на категории.
Таким образом, проводится сегментация аудитории для того, чтобы предоставлять им персонализированные предложения. 

Наш реальный кейс — это решение для компании Vodafone. В рамках DS Competition мы привлекли независимых разработчиков, и 38 команд работали над задачами по определению возраста абонентов.
На основании анализа различных признаков поведения пользователей в сети, абонентских пакетов и активности была создана модель, которая разбивает пользователей на шесть возрастных категорий. В дальнейшей маркетинговой активности компания может использовать эти данные для персонализации предложений и продажи продуктов и услуг определенным категориям пользователей.

Второй кейс — Склонность категории пользователей к покупке определенного продукта

Если анализировать потребителей, которые уже купили определенный продукт или услугу, можно построить прогноз склонности к покупке других пользователей. Выделяя общие характеристики, анализируя предпочтения аудитории, можно выделить наиболее похожую аудиторию, которая вероятнее всего купит товар или услугу. И уже этой аудитории можно предоставлять персонализированные рекламные коммуникации и не тратить бюджет впустую.
Для решения задачи Vodafone по склонности пользователя к покупке приложения Vodafone Music 57 команд создавали свои решения, и лучшие из них будут внедрены для использования в маркетинговых активностях.

Как же понять, что ваша компания может использовать Data Science?

Если любое ваше подразделение ведет учет чего-либо, то вы уже собираете данные. 

Это могут быть: логистические потоки, складские остатки, данные о покупках, статистика продаж, обращение в поддержку, описание товаров, аккаунты пользователей, история покупок, звонки, характеристики товаров, видеозаписи с камер — все это массивы данных, которые потенциально могут быть использованы для создания решений на основе Data Science.

Это поможет лучше узнать потребности клиентов, увеличить средний чек, делать допродажи, удерживать клиентов, оптимизировать закупки,  снизить затраты и этим увеличить прибыль.

 

Расскажите друзьям про новость

Новое видео

Добро пожаловать на новый mmr.ua. Сайт работает в тестовом режиме.
Hello. Add your message here.