Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
SlideShare a Scribd company logo

Customer experience profile&PredictiveMarketing_R.Styatugin_31032015

•
•
CleverDATA
CleverDATA

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 of 15
Download to read offline
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  
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.  
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  
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%  
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.  
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  
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  
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  
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  
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  
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  
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  
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.  
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  
Customer experience profile&PredictiveMarketing_R.Styatugin_31032015

More Related Content

Customer experience profile&PredictiveMarketing_R.Styatugin_31032015

  • 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