Рассмотрим возможности ML и AI для примере реальных кейсов
Система управления клиенской базой
Цель
Повышение ценности абонентской базы
Возможности
Мониторинг клиентской базы в разрезе LTV на каждом этапе жизненного цикла (привлечение, развитие, раннее удержание, удержание, возврат)
Оценка прибыльности каждого сегмента (выявление убыточных клиентов)
Выделение клиентов, склонных к оттоку
Выделение клиентов, склонных к покупке продуктов
Оценка эластичности спроса по цене по каждой группе абонентов
Выделение “мобильного” сегмента для оценка риска канибализации
Разработка модели Next Best Action для увеличения LTV для каждого микросегмента.
Профилирование сегментов по поведенческим признакам, по исторической ценности, по потенциальной ценности, по признакам активности в сети интернет, по смотрению, по структуре звонков и др.
Доказанный эффект:
Снижение оттока до 50%, увеличение конверсии более чем на 30%
Рекомендательная система
Цель
Увеличение выручки оператора за счет роста конверсии
Что такое рекомендательная система
Рекомендательная система - автоматизированный алгоритм, который предсказывает какие услуги будут интересны пользователю на основе его поведенческих признаков, а также схожих по профилю потребления абонентов
Возможности
Сегментация и профилирование клиентской базы
Поиск похожих клиентов на пользователей услуг на основе колоборативной фильтрации
Выделение клиентов, склонных к покупке/оттоку с помощью алгоритмов машинного обучения
Подбор лучшего предложения (Next Best Offer) для каждого абонента
Возможность использования для продвижения библиотеки VOD и собственных и партнерских VAS сервисов, возможность использования при upsell-е.
Доказанный эффект:
Увеличение конверсии более чем на 10% по партнерским сервисам
Речевая аналитика колл-центров
Цель
Увеличение эффективности работы кол-центра при продажах и обслуживании
Возможности
Сегментация операторов кол-центра
Семантический анализ голоса и текста - выявление ключевых слов и элементов скрипта диалога, которые оказывают положительное влияние на увеличение конверсии.
Разметка текстов на основе найденных “топиков”, интеграция в витрину заказчика для скоринговых моделей.
Оценка и оптимизация рекомендуемой длительности диалога с абонентом на основе оценки зависимости положительных результатов от длительности разговоров, а также этапов переговоров.
Обеспечение быстрого старта проекта задачи контроля за счет автоматизированного поиска ключевых слов критических нарушений на основе алгоритмов текстового анализа данных.
Снижение непродуктивных потерь времени работы операторов
Особенности:
Для транскрибирования голоса в текст может использоваться любое промышленное решение, например, ЦРТ, ZOOM, NAUMEN, Яндекс и другие.
Доказанный эффект:
Увеличение эффективности более чем на 18%.
Оптимизация сетевой инфраструктуры
Цель
Увеличение маржинальности сетевой инфраструктуры
Возможности
Сегментация абонентов по потреблению трафику
Выявление убыточных абонентов, убыточных направлений трафика или абонентов, паразитирующих на голосовых каналах и каналах передачи данных
Выявление узких мест голосовых каналов и каналов передачи данных
Прогнозирование нагрузки и нотификация о планируемом увеличении утилизации каналов выше определенных границ
Прогнозирование нагрузки и расчет оптимальной емкости каналов
Выделение клиентов с высоким ARPU в отдельные W-LAN (искусственное увеличение SLA)
Выявление склонных к оттоку на основе деградации сервиса Повышение маржинальности голосовых каналов
Доказанный эффект:
Доказанный эффект от оптимизации более 200 млн. руб. за 1 год
Market Basket Analysis
Цель
Увеличение эффективности продаж
Возможности
Чековая аналитика
Market Basket Analysis – выявление групп товаров, которые чаще всего покупают вместе для изменения стратегии допродаж и кроссцен.
Построение моделей рекомендаций лучших следующих действий для увеличения продаж.
Next Best Action – какое лучшее следующее действие в отношении клиентов применить.
Next Best Offer – какое лучшее следующее предложение сделать.
Доказанный эффект:
Увеличение эффективности более чем на 15%
Прогнозирование продаж
Цель
Повышение точности планирования
Возможности
Увеличение качества моделей прогнозирования
Построение моделей для “новинок” без накопленной истории наблюдений
Построение алгоритмов для “дефектных” товаров Разработка алгоритмов борьбы с аномалиями Повышение качества данных
Обогащение внешними источниками данных Построение экстраполяционных и факторных моделей
Доказанный эффект:
Снижение ошибки до 2% для обычных товаров, до 5% для дефектных.
Прогнозирование качества изделий
Цель
Снижение уровня брака
Возможности
Создание цифровых двойников производства
Построение моделей машинного обучения, снижающих уровень брака
Увеличение качества выпускаемой продукции
Выявление на ранних стадиях производства проблемы с качеством и изменение технологического процесса с целью снижения уровня брака.
Внедрение data driven подхода, основанного на данных Предиктивное обслуживание оборудования Прогнозирование выхода из строя оборудования Прогнозирование уровня дожития
Доказанный эффект:
Построение математической модели прогнозирования качества изделий (точность модели более 95%).
Управление компанией на основе данных
Цель
Интеллектуальная поддержка принятия решений
Возможности
Внедрение BI систем
Формирование внутренней экспертизы Заказчика
Создание цифровых двойников производства
Увеличение управляемости бизнеса за счет data-driven подхода Унификация работы с данными
Унификация методологии учета показателей
Data governance – разработка политик по управлению данными
Data quality – повышение качества данных
Создание Data продуктов/монетизация данных
Методологическая поддержка
Документационная поддержка (помощь в оформлении ТЗ, ЧТЗ, БФТ) Сравнительный анализ и выбор решений по анализу данных Мобильная аналитика
Построение озер данных и обогащение внешними данными
© 2024.Все права защищены
Политика ОПД