Блиц-интервью с Георгием Шатировым, «Техносерв»
Георгий Шатиров, директор центра компетенций больших данных компании «Техносерв», участвовал в реализации проекта: «Система интеллектуальной сегментации клиентов. Динамическая сегментация с использованием массивов неструктурированных данных (Big Data) для увеличения входящего потока клиентов».
1. Какие задачи решает Ваш проект «Система интеллектуальной сегментации клиентов» для «Аэрофлота», представленный на конкурс «Проект года»?
Проект предоставил маркетингу «Аэрофлота» инструмент для понимания различий и предпочтений своей аудитории, поиска скрытых корреляций, проверки гипотез. Используя анализ больших данных и модели машинного обучения, проводится сегментация клиентов по множеству характеристик: их покупательской способности, чувствительности к цене, потенциальной доходности. Рекомендательные системы ежедневно рассчитывают персональные полетные предложения для каждого клиента. Адресные коммуникации, отправленные клиентам в нужный момент времени, существенно повысили эффективность маркетинга, и, как следствие, увеличили ключевые финансовые показатели «Аэрофлота».
2. Какие элементы включает в себя система? Какие технологии Вы использовали?
Решение включило в себя восемь модулей. Модуль «Клиент 360» направлен на сопоставление и объединение данных о пассажирах из различных источников для нахождения уникальных клиентских профилей. Модуль «Сервис рекомендаций» подбирает альтернативные предложения клиенту по возможным пунктам авиапутешествия, основываясь на исторических данных о его полетах и выявленных корреляциях. Модуль «Пожизненная ценность клиента» представляет собой алгоритм анализа профилей пассажиров авиакомпании и состоит из двух блоков, целью которых является определение показателя Customer Lifetime Value и принадлежность клиентов к RFM-сегментам. Модуль «Склонность к отклику и чувствительность к цене» представляет собой алгоритм анализа данных по профилям участников для определения степени восприимчивости клиентов к различным каналам коммуникации, для чего в модуле заложена возможность вычисления склонности к отклику каждой уникальной клиентской записи в зависимости от индивидуальной частоты откликов. Модуль анализа влияния каналов коммуникации основан на алгоритме, позволяющем фиксировать участие каналов в коммуникационном процессе, предшествующем покупке каждого клиента (или кластера), а также увеличение числа новых уникальных клиентских записей при осуществлении медийной активности.
3. С какими сложностями пришлось столкнуться при реализации данного проекта, и как удалось их решить?
По мере анализа клиентской базы совместно со специалистами «Аэрофлота» мы столкнулись с необходимостью очистки данных от дублей, при переходе от фактов полета к клиентам компании. Клиенты приобретают билеты самостоятельно и, зачастую, появляются некорректные записи. Например, фамилия, записанная английской транскрипцией. Так появляются дополнительные записи в базе, которые и необходимо дедуплицировать.
Отдельная сложность – определить владельца контактных данных, ведь зачастую билеты бронируются для группы людей. Так появился Уникальный Профиль Клиента, который с помощью математических алгоритмов преобразовывает данные пассажиров и оценивает степень их схожести. При достижении порогового значения, несколько фактов перелета объединяются в одного клиента. Проверка точности алгоритма проводилась на данных участников «Аэрофлот Бонус» и составляет больше 98%.
4. Каковы итоги проекта и возможно ли его дальнейшее развитие?
Сегодня «Аэрофлот» как ни один другой авиаперевозчик знает и понимает своего клиента. В этом году с помощью больших данных компания смогла реализовать маркетинговую акцию в правильное время, за правильные деньги и для правильной аудитории. Благодаря этому ее конверсия была в 6,5 раз выше, чем у традиционной маркетинговой акции, а доходность увеличилась в 5,5 раз.
Компания осуществляет глобальный переход от простой продажи билетов к комплексной продаже комфортного путешествия за счет внимания к клиенту, к важным для него деталям: возможности провоза горных лыж или доступности специального питания. Обогащая знания о клиентах из открытых источников, в т.ч. социальных сетей, открывается возможность осуществлять тригерные коммуникации с клиентом, оперативно реагировать на события в его жизни, осознавая его потребности: переезд, планирование отпуска, жалоба на сервис компании. Каждая из этих ситуаций может быть оперативно выражена релеватным предложением, повышающим лояльность клиента. И чем полнее будет знание авиаперевозчика своей аудитории и быстрее реакция, тем выше лояльность и, как результат, доходность. За этим будущее.
