AIST Conference 2015 http://aistconf.org/

1. Технологии Customer Experience
Konstantin Obukhov,
Head of Data Science at CleverDATA

2. cleverdata.ru | info@cleverdata.ru
Make your data clever
Развитие бизнеса
на международном
рынке
Входит в тройку
лидеров российских ИТ компаний
43 подразделения в России и за рубежом
Более 7000 сотрудников
100 тыс.проектов для 10 тыс.заказчиков
Облачная платформа
управления данными
«Биржа» данных
Прикладные сервисы и приложения
Big Data интегратор
Опыт работы более 3-х лет
Собственные центры разработки
Партнерство с мировыми лидерами и
научными институтами
Центр экспертизы по технологиям Big
Data и Digital Marketing
1DMP

3. cleverdata.ru | info@cleverdata.ru
Мы знаем все о больших данных и их обработке
ВЫСОКАЯ СКОРОСТЬ
БОЛЬШОЙ ОБЪЕМ
ЗНАЧИТЕЛЬНАЯ ВАРИАТИВНОСТЬ
Web логи
Финансовые транзакции
Социальные сети
Web контент
Машинные данные
Открытые данные
Hadoop
MPP (Vertica, Exadata, Greenplum,
Teradata)
NoSQL (Key-Value, Document-oriented,
Column-based, Graph-oriented)
In-memory Data Grids, Calculation
Grids
Data Mining
Machine Learning / Statistics / Natural
Language Processing
Event-Stream Processing
Ценность данных в том, как вы их
анализируете и применяете для развития
своего бизнеса
Понимание клиента и его поведения
Информационная безопасность
Управление рисками
Повышение операционной эффективности
“Потенциал Big Data раскрывается в полной мере при взаимодействии с
другими данными корпорации.” Билл Фрэнкс.

4. cleverdata.ru | info@cleverdata.ru
Ценность клиентов
Огромное количество коммуникаций, атакующих
клиента по разным каналам, делают задачу привлечь
внимание клиента и при этом сохранить его
лояльность все более сложно выполнимыми.
Нерелевантные предложения клиенту приносят
больше вреда, чем пользы.
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
Удержание
Каждая информация о клиенте несет в себе ценность
Привлечение
Продажи

5. cleverdata.ru | info@cleverdata.ru
Customer Experience Profile
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%
 Централизованный сбор десятков заранее определенных
метрик
 Глубокая аналитическая витрина объединяет внутренние и
внешние данные о клиенте
 Расчет метрик в реальном времени;
 Ориентир на единичного клиента или микро-сегмент;
 Отражает эволюцию клиентского профайла – тренды и
прогнозы;
 Адаптация под конечного пользователя;
 Обеспечивает «живые» рабочие данные для маркетинговых
приложений.

6. cleverdata.ru | info@cleverdata.ru
Применение CXP

7. cleverdata.ru | info@cleverdata.ru
Отличие от традиционных систем
Big Data
Real Time
Analytics
Традиционные
аналитические
системы
«Что уже случилось и почему?»
«Что произойдет?
Что стоит предпринять?»
Большие объемы данных
разной структуры
Real-time системы
Структурированные
sampled-данные
Офф-лайн системы
Традиционные BI системы покажут
завтра то, что было позавчера
CIO Fortune 50 Banks
v
v

8. cleverdata.ru | info@cleverdata.ru
Управление оттоком клиентов
• Необходимо выявить клиентов, которые с большой вероятностью прекратят взаимодействие с компанией
• Каждому клиенту сопоставляется вероятность уйти в отток через какой-то промежуток времени
• Действия по удержанию (скидки, предложения) формируются для клиентов с высокой вероятностью
оттока

9. cleverdata.ru | info@cleverdata.ru
Моделирование отклика

10. cleverdata.ru | info@cleverdata.ru
Кейс – вторичные продажи в банке
• Социально-демографические данные (регион, образование,
возраст…)
• История коммуникаций (звонки в колл-центр, отправленные
предложения)
• История контрактов (типы и параметры первых кредитов,
кредитная история)
Предоставлены внутренние данные обучающей выборки
Текущая модель банка обладает следующими особенностями
• Текущая модель показывает результат 47% базы – 78% отклика
• AUC 0,74
• Модель в 1.5 раза лучше случайного выбора
Откликом является факт приобретения
конкретного продукта

11. cleverdata.ru | info@cleverdata.ru
Подход к решению
Data
Preprocessing
Feature
Engineering
Feature
Selection
Machine Learning
• Очистка выбросов one-class SVM, boxplot. Выделение unbiased
выборки KS test
• Генерация агрегатов из предыдущих коммуникаций, паттерна
кредитной истории, дискретизация woe, MDLP, Entropy Measure
• Отбор признаков по AUC, Random Forest FS, RFE Decision Trees
• Построение модели Logistic Regression, LASSO Regularization
• Cross Validation, Leave-out tests на ретро данныхBack Testing

12. cleverdata.ru | info@cleverdata.ru
Предикторы
Образование
Переплата за первый кредит
Параметры первого кредита играют важную роль

13. cleverdata.ru | info@cleverdata.ru
Результаты
Увеличение GINI на 15%
На 38% базы достигается 82% отклика
Модель на 30% лучше текущей модели у банка
• 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

14. cleverdata.ru | info@cleverdata.ru
Спасибо за внимание!