Знаете ли вы своего клиента?
Основные признаки не могут представить потребности клиента
Создаем Customer Experience Profile
Собираем данные по десяткам заранее определенных метрик
Обновляем профиль в реальном времени
Формируем "живые" рабочие данные для маркетинговой коммуникации
Предиктивная аналитика. В чем отличие от традиционных BI систем?
Построение предиктивных моделей поведения клиента
Как предсказать отклик клиента на предложение?
Комплексные решения CleverDATA на базе продуктов партнера Teradata для автоматизации маркетинга
cleverdata.ru
1. Company
Profile
Make
your
data
clever
Customer
eXperience
Profile
и
прогнозный
маркетинг
Роман
Стятюгин,
директор
по
развитию
бизнеса
CleverDATA
31.03.2015г.
Customer
Experience
Profile
и
Прогнозный
Маркетинг
Роман
Стятюгин,
директор
по
развитию
CleverDATA
для
конференции
«Маркетинг
в
Розничном
Банке»
31/03/2015
2. cleverdata.ru
|
info@cleverdata.ru
ПРОБЛЕМА:
Не
зная
клиента,
компания
его
потеряет
Огромное
количество
коммуникаций,
атакующих
клиента
по
разным
каналам,
делают
задачу
привлечь
внимание
клиента
и
при
этом
сохранить
его
лояльность
все
более
сложно
выполнимыми.
Современная
аудитория
реагирует
на
маркетинг
только,
если
соблюдаются
условия:
Уместно.
Вовремя.
Ценно.
Доступно.
mail
ATM
web
CC,
IVR
email
mobile
chat
Нерелевантные
предложения
клиенту
приносят
больше
вреда,
чем
пользы
вызывает
отторжение
продукта
или
бренда;
маркетинговый
бюджет
расходуется
неэффективно.
3. cleverdata.ru
|
info@cleverdata.ru
Вы
уверены,
что
знаете
своего
клиента?
Считается,
что
основные
признаки
формируют
портрет
клиента
и
помогают
понять
потребности
• Родился
в
1958
году
в
России;
• Живет
в
Москве;
• Отец
двух
дочерей;
• Любит
рыбалку.
• Родился
в
1958
году
в
России;
• Живет
в
Москве;
• Отец
двух
дочерей;
• Любит
рыбалку.
Текущие
подходы
к
сегментированию
клиентов
уже
не
работают
4. cleverdata.ru
|
info@cleverdata.ru
Использование
Customer
eXperience
Profile
Digital
маркетинг
показывать
только
те
предложения,
которые
релевантны
интересам
посетителя
сайта
Маркетинговые
кампании
прогноз
отклика
на
продукт,
канал,
предложение
Управление
оттоком
оценка
вероятности
отказа
от
продукта
или
ухода
клиента
из
компании
Scoring
/
Collecron
оценка
заемщика
по
расширенному
набору
знаний
о
нем
Вероятность
оттока
35%
Лояльность
87%
Надежность
20%
Кредитная
нагрузка
Низкая
Семья
2
чел
Доход
семьи
Средний
Инвестиции,
экономика
66%
Автомобили
5%
Недвижимость
10%
Накопления
18%
Технологии
63%
Действующих
продуктов
5
Последняя
покупка
36
дн
Активность
28%
CLTV
Средний
В
клиентской
базе
35.2
мес
Удовлетворенность
75%
Уровень
коммуникации
20%
Уровень
отклика
18%
5. cleverdata.ru
|
info@cleverdata.ru
Итого
-‐
что
есть
Customer
eXperience
Profile?
§ Централизованный
сбор
десятков
заранее
определенных
«говорящих»
метрик;
§ Использование
внутренних
и
внешних
данных;
§ Расчет
метрик
в
реальном
времени;
§ Ориентир
на
единичного
клиента
или
микро-‐сегмент;
§ Отражает
эволюцию
клиентского
профайла
–
тренды
и
прогнозы;
§ Обеспечивает
«живые»
рабочие
данные
для
маркетинговых
приложений.
6. cleverdata.ru
|
info@cleverdata.ru
В
чем
разница?
Big
Data
Real
Time
Analyrcs
Традиционные
аналитические
системы
«Что
уже
случилось
и
почему?»
«Что
произойдет?
Что
стоит
предпринять?»
Большие
объемы
данных
разной
структуры
Real-‐rme
системы
Структурированные
sampled-‐данные
Офф-‐лайн
системы
Традиционные
BI
системы
покажут
завтра
то,
что
было
позавчера
CIO
Fortune
50
Banks
7. cleverdata.ru
|
info@cleverdata.ru
Difficulty
Value
Prescrip~ve
Analy~cs
Predic~ve
Analy~cs
Diagnosrc
Analyrcs
Descriprve
Analyrcs
What
happened?
What
will
happen?
Why
did
it
happened?
How
can
we
make
it
happen?
4
шага
в
DATA-‐driven
будущее
8. cleverdata.ru
|
info@cleverdata.ru
Построение
предиктивных
моделей
Data
Preprocessing
Feature
Engineering
Feature
Selecron
Machine
Learning
• Необходимая
обработка
данных:
очистка
шумов,
выбросов.
Приведение
данных
к
нормальному
виду
• Генерация
факторов
и
признаков
в
модели.
Поиск
скрытых
паттернов
• Выбор
предикторов,
выявление
значимых
закономерностей
• Построение
модели
алгоритмами
машинного
обучения,
тюнинг
модели
• Тестирование
модели
на
реальных
данных
Back
Tesrng
9. cleverdata.ru
|
info@cleverdata.ru
Моделирование
отклика
на
предложение
• Фиксированный
capacity
по
взаимодействию
• Необходимо
привлечь
новых
клиентов
(увеличить
отклик)
Формирование
предложение
клиентам
с
максимальной
вероятностью
отклика
• Небольшой
объем
клиентской
базы
• Необходимо
оптимизировать
расходы
на
коммуникации
Оптимизация
канала
коммуникации
с
целью
увеличения
прибыли
Стратегия
1
Стратегия
2
О
т
к
л
и
к
Объем
базы
Экономия
расходов
при
том
же
отклике
Рост
привлечения
на
том
же
объеме
коммуникаций
10. cleverdata.ru
|
info@cleverdata.ru
Предикторы
Длительность
и
сумма
первого
кредита
Количество
активных
кредитов
Образование
Отклик
растет
при
увеличении
переплаты
за
предыдущий
кредит
Результаты:
Увеличение
GINI
на
15%
На
38%
базы
достигается
82%
отклика
Модель
на
30%
лучше
текущих
показателей
• Выявлены
клиенты,
склонные
к
отклику
из
большой
массы
спящих
клиентов
• Расходы
на
коммуникацию
снижены
за
счет
перераспределения
клиентов
по
каналам
• Применена
стратегия
оптимизации
расходов
на
коммуникации
с
целью
максимизации
прибыли
11. cleverdata.ru
|
info@cleverdata.ru
Customer
eXperience
Profiler
Web
usage
Внешние
данные
Изменение
контента
сайта
«под
клиента»
Веб-‐сайт
CXP:
Как
увеличить
продажи?
СМС-‐рассылки
CRM
Оффлайн
данные
Транзакции
Терминалы
Веб
статистика
Данные
с
сайта
Mobile
App
накопление
данных
о
клиенте
Исходящие
маркетинговые
предложения
Оффлайн
Real
Time
Bidding
(RTB)
Онлайн
реклама
Какой
контент,
какую
посадочную
страницу
показать
конкретному
пользователю
Рекомендация,
какой
продукт
предложить
конкретному
клиенту
Какую
рекламу
показать
конкретному
пользователю
Интернета
Customer
eXperience
Profiler
Сбор
данных
о
клиенте
Анализ
данных
Построение
профиля
клиента
Рекомендательная
система
на
основе
data
mining,
предиктивных
моделей
и
машинного
обучения
Рекомендация
для
онлайн
рекламы
использование
данных
Соц.
сети
12. Комплексные
решения
на
базе
продуктов
партнеров
Биржа
данных
Предиктивные
модели
Customer
experience
profile
Платформа
автоматизации
маркетинговых
кампаний
/
CIM
Решения
для
событийного
маркетинга
/
RTIM
Центр
управления
цифровыми
коммуникациями
/DMC
13. CIM - Campaign Management
§ Использовать
для
сегментации
только
актуальные
и
полные
данные
о
клиентах;
§ Разрабатывать
многошаговые
маркетинговые
кампании
с
учетом
отклика
на
предыдущем
шаге
§ Измерять
ROI
маркетинговых
инвестиций.
RTIM – Real Time Interaction Manager
§ Мониторить
и
немедленно
отвечать
на
действия
клиента
в
любом
канале;
§ Использовать
для
ответного
действия
ВСЮ
информацию
о
клиенте;
§ Делать
только
своевременные
предложения;
§ Снижать
расходы
на
коммуникации.
14. cleverdata.ru
|
info@cleverdata.ru
Customer
eXperience
Profile
1. Построение
Customer
eXperience
Архитектуры;
2. Анализ
источников
данных
в
организации
для
формирование
профиля
клиента;
3. Использование
внешних
данных
для
обогащения;
4. Сценарии
для
монетизации
собственных
данных
(внутри
и
во
вне
организации).
Predic~ve
Marke~ng
1. Модель
отклика
на
маркетинговое
предложение,
в
т.ч.
с
использованием
внешних
данных;
2. Модель
оттока
клиентской
базы;
3. Look-‐a-‐like
модели.
Внедрение
1. Систем
campaign-‐менеджмента,
real-‐rme
маркетинга,
Digital
Messaging
Center;
2. Решений
в
области
Web-‐аналитика;
3. Платформ
управления
данными
на
основе
экосистемы
Hadoop
(Data
Management
Pla–orm).
Мы
готовы
помочь