Все новости
19:04, 26 Мая
82% предпринимателей России начали бизнес с онлайн-продаж
18:19, 26 Мая
В Wildberries опровергли слова Волкова и подали на него в суд
17:50, 26 Мая
Предпринимателям не хватает времени на любовь, здоровье и хобби — исследование ЮKassa
17:03, 26 Мая
Приобрести автомобиль по параллельному импорту готовы 69% россиян
16:55, 26 Мая
Свои производственные мощности в России продает компания Michelin
15:48, 26 Мая
Портал Retail-Loyalty.org поздравляет с Днем российского предпринимательства!
12:45, 26 Мая
Названы лучшие франшизы 2023 года
12:07, 26 Мая
Ежедневно 23 тысячи россиян сохраняют на Авито объявления «на потом»
11:51, 26 Мая
Маркетплейсы стремятся стать ключевыми игроками в категории БАД
11:39, 26 Мая
«Столото» запустила бесплатную франшизу для МСП
15 Марта 2017, 16:32
3744 просмотра

Mail.ru Group запустила сервис клиентской аналитики для ритейла

fig. 1Сервис, созданный специалистами Mail.Ru Group в сфере data science, помогает компаниям повысить конверсию кросс-продаж на 20% и увеличить лояльность клиентов. Пользователями продукта уже стали несколько крупных компаний из сегментов ритейл и e-commerce, среди которых сеть «Эльдорадо» и интернет-магазин Ozon.ru.

Благодаря использованию предиктивных математических моделей, являющихся ядром сервиса, ритейлеры могут лучше понимать свою аудиторию: проводить глубокую сегментацию, предсказывать потенциальный интерес к той или иной категории товаров, выбирать правильные каналы коммуникаций, прогнозировать вероятности оттока и проч.

Также модели могут использоваться для построения аудиторных сегментов интернет-пользователей для их последующего использования в рекламных кампаниях на различных интернет-площадках. Таким образом, сервис позволяет существенно повысить конверсию маркетинговых коммуникаций с существующими клиентами и эффективно привлекать новых.

«У ритейлеров сегодня накоплены достаточно большие объемы информации о клиентах: они знают, что клиенты покупают и как часто, им известен средний чек, география и прочее. Теперь, благодаря предиктивным моделям, созданным нашими экспертами, торговые сети могут более качественно сегментировать своих покупателей, выделять тех, с кем нужно контактировать здесь и сейчас. Сервис позволяет значительно увеличить отклик на проводимые с клиентом коммуникации. При этом рост оборота и прибыли от кампаний, сформированных с использованием сервиса, составляет 20% и более», — комментирует Роман Стятюгин, директор по развитию бизнеса направления «Большие данные» компании Mail.Ru Group.

Новый сервис полезен не только самим ритейлерам, но и их клиентам, так как позволяет предлагать клиентам релевантные продукты через удобный канал коммуникации. При этом компания может сократить общее количество отправляемых сообщений, которые иногда нервируют людей и не приводят к продажам. Кроме эффекта от использования в контексте контакта с клиентом в режиме real-time сервис позволяет компаниям улучшить понимание своей клиентской базы и в дальнейшем корректировать глобальную стратегию по запуску новых продуктов и маркетинговых кампаний.

«Использование предиктивного сервиса Mail.Ru Group демонстрирует прекрасные результаты: конверсия проводимых кампаний выросла на 28%, оборот на 21%. По сравнению с другими инструментами персонализации контента сервис Mail.Ru Group обеспечивает нам наилучшие показатели по основным KPI. Кроме того, применение высоко персонализированных рассылок позволяет улучшить восприятие коммуникаций с клиентом», — отмечает руководитель отдела управления взаимоотношениями с клиентами и лояльностью компании «Эльдорадо» Роман Троицкий.

Для создания предиктивных математических моделей, являющихся ядром сервиса, применяются технологии машинного обучения и новые методы обработки информации, созданные специалистами Mail.Ru Group в сфере data science. Компания выделила в отдельное направление работу с big data своих клиентов в начале 2016 года. В рамках направления предоставляются услуги по созданию предиктивных математических моделей, проведению маркетинговых исследований, консалтингу в области развития инфраструктуры и методологии работы с большими данными. Прежде всего, это проекты, которые направлены на серьезное повышение эффективности процессов маркетинга и продаж, оптимизации производства, логистики, управления рисками, планирования, управления персоналом и другие рабочие процессы различных бизнесов.

В реализации используются как собственные технологии (например, NoSQL базы данных Tarantool), так и другие open source-решения (Apache Hadoop, Apache Spark). Для построения предиктивных математических моделей используются методы машинного обучения (Machine Learning), в том числе собственные разработки компании, например, алгоритм построения моделей Multiclass Look-alike, являющийся развитием метода PU Learning.

Источник: Mail.Ru Group


Понравился материал? Поделись.
Подписывайтесь на наши группы,
чтобы быть в курсе событий отрасли.
Станьте нашим автором.
Увеличьте лояльность своих читателей