ГлавнаяГлавная / Новости, 201703Новости, 201703 / Mail.Ru Group разработала сервис клиентской аналитики для ритейлаMail.Ru Group разработала сервис клиентской аналитики для ритейла

Mail.Ru Group разработала сервис клиентской аналитики для ритейла


КиТ Будь в СЕТИ!

Будь в СЕТИ! Каталог социальных сетей :: Будь в СЕТИ! - Добавить в избранное KiT - Keep-inTouch :: RSS-лента

Сети :: [Профессиональные] | [Зарубежные] | [Тематические] | [Молодежные] | [Детские] | [Медиа (игры, развлечения)] | [Знакомства] | [Купоны] | [Прочее]

Категории (метки) :: Авто | Музыка | Книги | Хобби | Профессии | Сообщества | Семья | Бизнес | Регионы | Спорт | * Статусы

Компания Mail.Ru Group создала сервис, призванный помочь компаниям повысить конверсию кросс-продаж на 20% и увеличить лояльность клиентов. Пользователями продукта уже стали несколько крупных компаний из сегментов ритейл и e-commerce, среди которых — сеть «Эльдорадо» и интернет-магазин Ozon.ru, сообщили CNews в Mail.Ru Group.

Благодаря использованию предиктивных математических моделей, являющихся ядром сервиса, ритейлеры могут лучше понимать свою аудиторию: проводить глубокую сегментацию, предсказывать потенциальный интерес к той или иной категории товаров, выбирать правильные каналы коммуникаций, прогнозировать вероятности оттока и проч.

Также модели могут использоваться для построения аудиторных сегментов интернет-пользователей для их последующего использования в рекламных кампаниях на различных интернет-площадках. Таким образом, сервис позволяет повысить конверсию маркетинговых коммуникаций с существующими клиентами и привлекать новых, подчеркнули в компании.

«У ритейлеров сегодня накоплены достаточно большие объемы информации о клиентах: они знают, что клиенты покупают и как часто, им известен средний чек, география и прочее. Теперь, благодаря предиктивным моделям, созданным нашими экспертами, торговые сети могут более качественно сегментировать своих покупателей, выделять тех, с кем нужно контактировать здесь и сейчас. Сервис позволяет увеличить отклик на проводимые с клиентом коммуникации. При этом рост оборота и прибыли от кампаний, сформированных с использованием сервиса, составляет 20% и более», — рассказал Роман Стятюгин, директор по развитию бизнеса направления «Большие данные» Mail.Ru Group.

По мнению представителей компании, новый сервис полезен не только самим ритейлерам, но и их клиентам, так как позволяет предлагать клиентам релевантные продукты через удобный канал коммуникации. При этом компания может сократить общее количество отправляемых сообщений, которые иногда нервируют людей и не приводят к продажам. Кроме эффекта от использования в контексте контакта с клиентом в режиме real-time сервис позволяет компаниям улучшить понимание своей клиентской базы и в дальнейшем корректировать глобальную стратегию по запуску новых продуктов и маркетинговых кампаний.

«Использование предиктивного сервиса Mail.Ru Group демонстрирует прекрасные результаты: конверсия проводимых кампаний выросла на 28%, оборот на 21%. По сравнению с другими инструментами персонализации контента сервис Mail.Ru Group обеспечивает нам наилучшие показатели по основным KPI. Кроме того, применение высоко персонализированных рассылок позволяет улучшить восприятие коммуникаций с клиентом», — считает руководитель отдела управления взаимоотношениями с клиентами и лояльностью компании «Эльдорадо» Роман Троицкий.

Для создания предиктивных математических моделей, являющихся ядром сервиса, применяются технологии машинного обучения и новые методы обработки информации, созданные специалистами Mail.Ru Group в сфере data science. Компания выделила в отдельное направление работу с big data своих клиентов в начале 2016 г. В рамках направления предоставляются услуги по созданию предиктивных математических моделей, проведению маркетинговых исследований, консалтингу в области развития инфраструктуры и методологии работы с большими данными. Прежде всего, это проекты, которые направлены на оптимизацию процессов маркетинга и продаж, производства, логистики, управления рисками, планирования, управления персоналом и другие рабочие процессы различных бизнесов.

В реализации используются как собственные технологии (например, NoSQL базы данных Tarantool), так и другие open source-решения (Apache Hadoop, Apache Spark). Для построения предиктивных математических моделей используются методы машинного обучения (Machine Learning), в том числе собственные разработки компании, например, алгоритм построения моделей Multiclass Look-alike, являющийся развитием метода PU Learning.



«Умные очки» Google Glass восстали из мертвых. Видео

Alphabet, родительская компания Google и владелец лаборатории Alphabet X (The Moonshot Factory), представила новую версию очков дополненной реальности Google Glass в версии Enterprise Edition (Glass EE). ...

«Яндекс» представил метод машинного обучения CatBoost и выложил его в открытый доступ

«Яндекс» представил метод машинного обучения - CatBoost - для более качественного прогнозирования моделей, сообщает пресс-служба компании....

Минкомсвязи объяснило, как будет закрывать «зеркала» сайтов в Рунете

На общественное обсуждение вынесен проект правительственного постановления, которое определяет, какие интернет-ресурсы могут считаться «зеркалами» пиратских сайтов. Напомним, с октября 2017 г. такие зеркала подлежат блокировке без обращения в суд, ес...

Найти специалистов по кибербезопасности становится все труднее

По оценкам фирмы Cybersecurity Ventures, в 2015 году ущерб от киберпреступности в мире (связанный с уничтожением данных, хищением денег и интеллектуальной собственности, потерями рабочего времени и так далее) достиг 3 трлн долл., а к 2021 году вырас...

МТС сообщила о техническом дефолте АФК «Система»

МТС разослала информацию с уведомлением о том, что АФК «Система», крупнейший акционер МТС с долей эффективного участия 50,03%, сообщила о наступлении 17 июля 2017 г. технического дефолта по кредитным обязательствам АФК «Система» на общую сумму около ...

Комментарии

Нравится
Счетчики
хостинг от .masterhost Яндекс.Метрика

Главная | Новости | КАТАЛОГ | Контакты