Семинар "Повышение доходности абонентской базы".
Подробнее о мероприятии http://www.croc.ru/action/detail/14839/
Презентация Александр Ефимов, руководитель практики data mining компании КРОК
MOYO for broadband providers. MOYO для операторовAndrey Kholodnyy
презентация MOYO для провайдеров. Сервис IPTV для небольших операторов ШПД.
MOYO presentation for small & medium telcos. Launching IPTV service over the broadband networks.
Addicted to speed: Why broadband service providers need a ‘healthier lifestyle’Martin Geddes
Broadband service providers are trapped in a vicious circle of network upgrades where they try to use capacity to fix scheduling problems. To escape this cycle, they need to construct their networks differently to schedule traffic appropriately. The benefits are enormous.
Оптимизация управления оттоком больших и малых операторовТелеком Новация
Тема нашего доклада была «Оптимизация управления оттоком абонентов».
В этот раз мы его разбили на две части – подходы для крупных операторов и подходы для региональных.
В части региональных новизны не было, мы всё так же видим эффективность в выстраивании системы управления оттоком – исчерпывающему набору причин, корректным бизнес-процессам получения обратной связи от абонентов, выработке методов удержания под каждую позицию оттока, привязке системы мотивации ответственного персонала к плановому показателю сокращения оттока.
Но совсем другое дело крупный оператор.
У крупного оператора покрытие сотни тысяч квартир, десятки тысяч абонентов, где руководитель «не чувствует» компанию и не принимает решение по каждому оперативному вопросу, а ситуация для него представлена в виде изменения набора показателей и их взаимосвязей.
Slides from the presentation of this NYC meetup : http://www.meetup.com/Data-Modeling/events/224554990/
I talked about how to model churn before even thinking about the machine learning model.
IBM SPSS – программный комплекс для прогнозной аналитики, статистического и интеллектуального анализа данных. Функциональность решения и преимущества для бизнеса.
Виктор Крылов, Современная поведенческая аналитика в большом e-commerce, Opti...Optimization conference
- Какие виды данных использует современная поведенческая аналитика
- Как происходит анализ
- Примеры проверки гипотез
- Глубокая персонализация
- Примеры машинного обучения в поведенческой аналитике: оценка вероятности целевого действия
Доклад на конференции Optimization 2016.
Управление клиентской базой - подходы к внедрениюNGM
Дорожная карта по внедрению процессов управления клиентской базой. Обзор ключевых возможностей и задач по построению эффективной модели работы с клиентскими данными и управлению маркетинговыми коммуникациями.
Какие задачи решаются при построении системы управления клиентской базой?
Что нужно сделать, чтобы система работала и приносила результат?
Какие ключевые этапы должны быть включены в проект?
Внедрение единого профиля клиента банка на базе MDM-системы IBM InfoSphere Se...КРОК
Основной задачей внедрения единого профиля клиента на базе MDM-системы (далее – Система) является построение информационной системы, обеспечивающей хранение и управление информацией о клиентах-физических лицах Банка.
Система реализует следующие основные функции:
• консолидация информации о клиентах-физических лицах из автоматизированных систем Банка, обеспечение синхронизации клиентской информации в автоматизированные системы Банка;
• управление качеством данных, включая проверку корректности хранимых данных, приведение к общим справочникам, поиск и обработку дублирующих записей о клиентах;
• предоставление доступа к клиентской информации через пользовательский и программные интер-фейсы для использования в бизнес-процессах Банка.
Презентация к дипломной работе MBA Успешный А.С.IRCIT.Uspeshnyy
оссийская академия народного хозяйства и государственной службы при Президенте РФ.
Экономический факультет. Школа IT-менеджмента. Программа ’’МВА, специализация: Информационный менеджмент (СIO)’’.
Семинар "Повышение доходности абонентской базы".
Подробнее о мероприятии http://www.croc.ru/action/detail/14839/
Презентация Александр Ефимов, руководитель практики data mining компании КРОК
MOYO for broadband providers. MOYO для операторовAndrey Kholodnyy
презентация MOYO для провайдеров. Сервис IPTV для небольших операторов ШПД.
MOYO presentation for small & medium telcos. Launching IPTV service over the broadband networks.
Addicted to speed: Why broadband service providers need a ‘healthier lifestyle’Martin Geddes
Broadband service providers are trapped in a vicious circle of network upgrades where they try to use capacity to fix scheduling problems. To escape this cycle, they need to construct their networks differently to schedule traffic appropriately. The benefits are enormous.
Оптимизация управления оттоком больших и малых операторовТелеком Новация
Тема нашего доклада была «Оптимизация управления оттоком абонентов».
В этот раз мы его разбили на две части – подходы для крупных операторов и подходы для региональных.
В части региональных новизны не было, мы всё так же видим эффективность в выстраивании системы управления оттоком – исчерпывающему набору причин, корректным бизнес-процессам получения обратной связи от абонентов, выработке методов удержания под каждую позицию оттока, привязке системы мотивации ответственного персонала к плановому показателю сокращения оттока.
Но совсем другое дело крупный оператор.
У крупного оператора покрытие сотни тысяч квартир, десятки тысяч абонентов, где руководитель «не чувствует» компанию и не принимает решение по каждому оперативному вопросу, а ситуация для него представлена в виде изменения набора показателей и их взаимосвязей.
Slides from the presentation of this NYC meetup : http://www.meetup.com/Data-Modeling/events/224554990/
I talked about how to model churn before even thinking about the machine learning model.
IBM SPSS – программный комплекс для прогнозной аналитики, статистического и интеллектуального анализа данных. Функциональность решения и преимущества для бизнеса.
Виктор Крылов, Современная поведенческая аналитика в большом e-commerce, Opti...Optimization conference
- Какие виды данных использует современная поведенческая аналитика
- Как происходит анализ
- Примеры проверки гипотез
- Глубокая персонализация
- Примеры машинного обучения в поведенческой аналитике: оценка вероятности целевого действия
Доклад на конференции Optimization 2016.
Управление клиентской базой - подходы к внедрениюNGM
Дорожная карта по внедрению процессов управления клиентской базой. Обзор ключевых возможностей и задач по построению эффективной модели работы с клиентскими данными и управлению маркетинговыми коммуникациями.
Какие задачи решаются при построении системы управления клиентской базой?
Что нужно сделать, чтобы система работала и приносила результат?
Какие ключевые этапы должны быть включены в проект?
Внедрение единого профиля клиента банка на базе MDM-системы IBM InfoSphere Se...КРОК
Основной задачей внедрения единого профиля клиента на базе MDM-системы (далее – Система) является построение информационной системы, обеспечивающей хранение и управление информацией о клиентах-физических лицах Банка.
Система реализует следующие основные функции:
• консолидация информации о клиентах-физических лицах из автоматизированных систем Банка, обеспечение синхронизации клиентской информации в автоматизированные системы Банка;
• управление качеством данных, включая проверку корректности хранимых данных, приведение к общим справочникам, поиск и обработку дублирующих записей о клиентах;
• предоставление доступа к клиентской информации через пользовательский и программные интер-фейсы для использования в бизнес-процессах Банка.
Презентация к дипломной работе MBA Успешный А.С.IRCIT.Uspeshnyy
оссийская академия народного хозяйства и государственной службы при Президенте РФ.
Экономический факультет. Школа IT-менеджмента. Программа ’’МВА, специализация: Информационный менеджмент (СIO)’’.
Как заложить фундамент успешной кампании – маркетинговая платформа. Этапы разработки рекламной стратегии. Как тонкая проработка всех инструментов повышает эффективность бюджета втрое.
эффективные сегментированные бд клиентуры для CrmiVOX Ukraine
Современный мощный "инструментарий" для масштабного наполнения базы данных клиентуры компании. На основе онлайн технологии и методик маркетинговых исследований (опросов).
Презентация выступления на IV международном форуме "Умный город будущего-2015" 17-18 ноября 2015 г., Международный мультимедийный пресс-центр МИА "Россия сегодня".
1. IBM SPSS
АНАЛИТИКА НА СЛУЖБЕ БИЗНЕСА
Александр Ефимов
РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ DATA MINING
КОМПАНИИ КРОК
2. ПРОГНОЗНАЯ АНАЛИТИКА
Predictive analytics Получаемые преимущества
«Прогнозная аналитика Инициативное обслуживание клиентов
позволяет преобразовывать Эффективное привлечение прибыльных
данные в эффективные клиентов
действия, делая надежные Повышение продаж существующим
выводы о существующих клиентам
условиях и будущих
событиях» Удержание прибыльных клиентов
– Гарет Хершель, Упреждающее управление рисками,
руководитель исследований, связанными с мошенническими действиями
Gartner Group Упреждающее управление людскими и
материальными ресурсами
3. УНИКАЛЬНЫЕ ВОЗМОЖНОСТИ IBM SPSS
Интуитивно понятный интерфейс
Визуальный подход – без программирования
Широкий спектр функций анализа данных
Гибкие возможности внедрения
Мощное автоматическое моделирование
Автоматическая подготовка данных
Создание и оценка множественных моделей
Интегрированный аналих текстов, данных из
интернета и опросов
Открытая масштабируемая архитектура
Анализ в стандартных базах данных с
помощью функции SQL Pushback
Максимальное использование
инфраструктуры: многопоточность и
кластеризация
4. ЗАДАЧА ПРЕДОТВРАЩЕНИЯ ОТТОКА КЛИЕНТОВ
Цель – уменьшить количество уходящих клиентов
Задача – вовремя выделять склонных к уходу клиентов и применять
удерживающие воздействия
Типовой вид графика доходности ушедшего клиента
Применение
модели
Доходность оттока Запуск
клиента кампании по
удержанию
Прошлое Окно воздействия Будущее Время
История поведения Период скоринга и запуска Прогноз поведения
клиентов кампаний по удержанию клиентов
5. ПРИНЦИП РАБОТЫ МОДЕЛИ ВЫЯВЛЕНИЯ
КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Концентрация
Известно, что отток
клиентов, склонных к
клиентов в компании
уходу увеличивается
12% составляет 12%
в 5 раз!
склонных к уходу
4 млн. клиентов
51%
клиентов
0,4 млн.
склонных к уходу
88% 49%
лояльных Модель оттока
лояльных
(отбор топ 10%
склонных к уходу
клиентов)
Модель оттока позволяет выделить клиентов склонных к уходу
Полученная группа существенно меньше всей клиентской базы, т.е. снижается
стоимость кампании по удержанию
Поученная группа содержит максимальную концентрацию клиентов склонных к
уходу, т.е. повышается отклик на кампанию по удержанию
7. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Прямой
доступ к
источ-
никам
Быстрый просмотр
данных
исходных данных или
результатов
моделирования
Объединение данных о
клиентах и их статусе
8. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Количество
текущих
клиентов
Интерактивная Количество
визуализация клиентов
для анализа ушедших к
фактических конкурентам
данных
9. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Добавление данных об обращениях к
данным о клиентах и статусах
Средства анализа текста позволяют
упорядочить неструктурированный текст,
сотоящий из файлов и информации из
Интернета: новостные сайты, блоги,
социальные сети и т.д.
Прогнозные модели, включающие как
структурированные (базы данных,
транзакционные системы и т.д.), так и
неструктурированные (сайты, блоги,
социальные сети) источники данных
более надежны
Загрузка файла excel с
данными об
обращениях клиентов
на форме обратной
связи сайта компании
10. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Выделение, типология,
систематизация понятий,
создание структур иерархических
категорий, анализ связей между
понятиями позволяют создать
упорядоченный пул
информационных ресурсов на
основе нестркутурированных
источников данных
11. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Задание входных данных
модели анализа текста с
целью выявления значимых
текстовых предикторов для
Построение модели дальнейшего использования
семантического их в модели прогнозирования
анализа текстов клиентов склонных к уходу
12. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Наглядное представление
результатов работы Auto Data
Prep облегчают понимание
преобразований и отбор данных
для модели прогнозирования
Автоматическая
предобработка и Оценка
проверка качества значимости
данных при помощи или влияния
узла Auto Data Prep предикторов
на итоговый
прогноз
13. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Автоматическая модель поочередно применяет
все доступные алгоритмы, выбирает наиболее
точные и строит единую модель, состояющую
из композиции выбранных аглогитмов
Отображение
хода процесса
построения
модели
Построение автоматической
модели выявления клиентов
склонных к уходу
14. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Построенная
автоматическая
модель выявления
абонентов
склонных к уходу
Возможность указать набор алгоритмов Список выбранных Оценка точности
для единой автоматической модели наилучших алгоритмов выбранных алгоритмов
15. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
если клиент холост...
...и если клиент не
упоминает магазин...
...и если доход
клиента меньше
$44000 в год...
...и если клиент
женщина, то он
склонен к уходу
В данном примере модель C5.1
правильно выявила абонентов
Результат модели представлен в виде правил и склонных к уходу в 99% случаев
легко интерпретируется, что позволяет делать
выводы как удерживать таких клиентов
16. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
Модель позволяет в графическом
виде проанализировать влияние
предикторов на прогноз, наиболее
значимыми оказались семейное
положение, количество детей,
пол, возраст и доход
Модель позволяет в графическом виде
проанализировать сколько уходящих клиентов
были выявлены правильно (столбец vol,
красный цвет) и сколько ошибочно (столбец
current, красный цвет)
17. ВЫЯВЛЕНИЕ КЛИЕНТОВ СКЛОННЫХ К УХОДУ
При необходимости
спрогнозировать склонность к
уходу новых клиентов,
достаточно передать
информацию в систему... ... и использовать
уже имеющуюся
настроенную модель
прогнозирования
В результате система выдает список клиентов
склонных к уходу (столбец $XF-CHURN) и
вероятность ухода (столбец $XFC-CHURN), для
этих клиентов следует проводить кампанию по
удержанию
18. РЕЗУЛЬТАТ
Использование средств прогнозирования помогает руководителям принимать
стратегические, операционные и тактические решения на всех уровнях
организации
Анализ факторов и взаимосвязи между ними позволяет менеджерам снизить
риск принятия неверных решений и усовершенствовать рабочий процесс
Интуитивно понятный визуальный интерфейс, автоматизация и упрощенное
графическое представление позволяет эффективно организовать работу
бизнес-аналитикам без привлечения ИТ-специалистов
Высокая производительность и широкая функциональность удовлетворит
потребности профессионального аналитика
Открытая, сочетающаяся с любыми платформами архитектура, легко
интегрируемая в ИТ-среду делает систему прозрачной для ИТ-специалиста
19. СПАСИБО ЗА ВНИМАНИЕ!
Александр Ефимов
РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ DATA MINING
КОМПАНИИ КРОК
Моб. тел.: +7 (915) 211-99-11
Раб. тел.: +7 (495) 974-22-74 доб. 6032
Эл. почта: alexander.efimov@croc.ru