Download pdf - Customer experience profile&PredictiveMarketing_R.Styatugin_31032015

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 | [email protected]

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.


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


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%


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.


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 v v


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


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


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

Отклик

Объем базы

Экономия расходов при том же отклике

Рост привлечения на том же объеме коммуникаций


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


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

накопл

ение

дан

ных о клие

нте

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

испо

льзовани

е да

нных

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.


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