2155 переглядів

Компанія «Інфосистеми Джет» розробила для мережі «Рів Гош» Навчальні систему передбачення поведінки покупців на базі Machine Learning (ML). За першими результатами тестування точність персональних товарних рекомендацій з конкретних артикулів - близько 33%. Рітейлер отримав можливість підвищити лояльність клієнтів, збільшити продажі і знизити витрати на маркетингові акції за рахунок адресної роботи з потенційними покупцями. Масштабний проект охопив понад 220 торгових точок по всій Росії, а також інтернет-магазин «Рів Гош». Повний цикл робочого процесу із застосуванням ML реалізований всього за 1,5 місяці.

Розроблене рішення виконує два ключових сценарію. Перший - виявлення з усіх власників карток лояльності (2,6 млн чоловік) тих, хто потенційно може зробити покупку в найближчі 2 тижні. В рамках другого сценарію система робить прогноз ТОП-2 покупок по кожному з цих клієнтів, визначаючи з десятків тисяч товарних найменувань конкретні позиції до рівня артикулу (SKU). Володіючи цими даними, ритейлер може істотно підвищити ймовірність тих чи інших продажів, своєчасно пропонуючи знижки цікавить сегменту клієнтів, а також знизити витрати на їх залучення. При цьому розмір самої знижки в рамках допустимих значень система розраховує для кожного покупця індивідуально.

Прогностичне рішення використовує комплекс методів машинного навчання (градієнтний бустінг, random forest, коллаборатівного фільтрацію і ін.). На першому етапі проекту математична модель навчалася на даних, консолідованих в CRM-системі, що включають інформацію про транзакції за 2017 рік, товарних позиціях, товарообігу і постачання, а також історію покупки і демографічні дані власників дисконтних карт. Аналізуючи приховані закономірності, ML-система виділила цільовий сегмент покупців і передбачила ймовірні позиції в їх чеках. Наступним етапом була проведена контрольна розсилка по необхідної категорії клієнтів, а потім - аналіз фактичних результатів (покупок).

У виявленої групі клієнтів повторні звернення за покупками склали близько 47% (тоді як в середньому по клієнтській базі цей показник дорівнює 22%). Крім того, їх середній чек виявився на 42% більше, ніж у інших покупців. Таким чином, методами машинного навчання вдалося визначити «золотий сегмент» власників карток лояльності. За обраний проміжок часу вони принесли компанії близько 7% доходу, складаючи всього 1% від загальної клієнтської бази. Склад, чисельність і параметри даного сегмента змінюються динамічно, і система враховує це в режимі реального часу.

«Застосування технологій Big Data і Machine Learning відкрило для нас нові перспективи в розвитку взаємовідносин з клієнтами і переосмисленні нашого бізнесу. У стислі терміни ми отримали інструмент, який дозволив помітно підвищити ефективність націлених комунікацій з покупцями. Від цього виграє і компанія, підвищуючи рівень продажів, і клієнти, які вчасно отримують цікаві для них пропозиції, - коментує Дмитро Подолинський, директор з маркетингу компанії "Рів Гош". - В даний час ми продовжуємо розвивати напрямок персоналізованих товарних рекомендацій за рахунок більш тісної інтеграції інструментів ML в. ІТ-ландшафт і бізнес-процеси. У наших найближчих планах - побудова окремого Data Lake для проведення більш глибокої аналітики даних, а також вдосконалення системи лояльності ».

«Цей проект - можливість вивести взаємодію з клієнтом на принципово новий рівень. Тут ми на практиці з'ясовуємо за допомогою штучного інтелекту і накопичених в програмі лояльності даних особисті переваги цільової аудиторії, що дає можливість робити замовнику по-справжньому індивідуальні пропозиції для своїх клієнтів », - зазначив Володимир Молодих, директор по розробці і впровадженню компанії« Інфосистеми Джет » .

Виявлені в ході проекту закономірності дали додаткові можливості для підвищення точності математичної моделі і розвитку нових підходів у формуванні персональних пропозицій для цільової аудиторії. Зокрема, сьогодні компанія «Рів Гош» спільно з «Інфосистеми Джет» розглядає можливість додати невикористовувані раніше показники (інформацію про складах, рейтинги товарів і ін.) Для розширення вибірки та кола вирішуваних завдань. Ще один напрямок співпраці пов'язано з аналізом ефективності різних каналів взаємодії з групами клієнтів для оптимізації витрат на маркетингові кампанії.

В даний час «Інфосистеми Джет» реалізує близько 20 проектів із застосуванням технологій Machine Learning в банках, ритейлі, промисловості, страхування та інших галузях. Перелік вирішуваних інтегратором завдань дуже різноманітний: від підвищення ефективності маркетингу і запобігання браку на виробництві до протидії шахрайству.

Retail.ru

Поділитися публікацією: Підписуйтесь на наш канал в Telegram і Яндекс.Дзен , Щоб першим бути в курсі головних новин Retail.ru.