Як «Київстар» підсадив «Космо» та ще 50 компаній на великі дані
І чому важливо знати профіль «ідеального клієнта»
Три роки тому компанія «Київстар» ризикнула зайти в нову для українського ринку нішу – аналітику великих даних. Ідея була досить ризикованою: про перспективи даних як «нової нафти» говорили багато, але як на цьому заробляти, достеменно не знав ніхто. На ринку просто не було фахівців. «Київстар» вирішив виростити таких фахівців сам – і відкрив безкоштовний освітній курс Big Data School. Його випускники разом із командою оператора почали створювати продукти на основі великих даних і продавати їх іншим бізнесам.
Зараз у «Київстар» близько 70 замовників із банківської сфери, ритейлу, електронної комерції. Mind з'ясував, які завдання вони вирішують за допомогою великих даних і чому не бояться вкладатися в новий напрямок.
Як Big Data привела нових клієнтів у магазини «Космо»
Торгова мережа «Космо» об'єднує понад сотню магазинів косметики, парфумерії та побутової хімії в 12 областях України. Коли в 1994 році вона тільки починала свій бізнес, конкурентів на ринку практично не було, і клієнти були більш чуйними до дій мережі. У сучасному світі цінність клієнта з кожним роком підвищується, і все складніше отримати нового, лояльного прихильника бренду.
У жовтні цього року «Космо» відкривала черговий магазин у Києві – на Хрещатику, і туди потрібно було залучити відвідувачів. Хотілося, щоб це були ті люди, які раніше не купували товари в «Космо».
Знайти таких клієнтів допомогли Big Data від «Київстар». Перед оператором постало завдання виявити у своїй абонентській базі всіх жінок віком 35–45 років, які працюють або живуть у радіусі 1 км від майбутньої торгової точки і не отримують повідомлення від «Космо», тобто не є її постійними покупцями.
Оператор пропустив свою 26-мільйонну базу через «сито» з тисяч параметрів – серед яких, наприклад, дані про переміщення абонентів – знайшов тих самих жінок і розіслав їм запрошення на відкриття. CRM Head «Космо» Наталія Хомик розповідає, що конверсія розсилки склала до 7%. «Багато це чи мало? Я скажу так: звичайною розсилкою ми б цю аудиторію не дістали. Тому що це нові клієнти, які до нас раніше не ходили. Але це саме ті клієнти, які відповідають нашій цільовій аудиторії і з високою ймовірністю стануть нашими постійними, лояльними клієнтами», – пояснює вона. Цю послугу «Космо» замовляла у «Київстар» вже кілька разів – для різних магазинів.
Зараз компанії готуються до ще одного спільного проекту: побудови моделі Look-alike. Завданням «Київстар» буде визначити портрет «ідеального клієнта» і знайти серед своїх абонентів користувачів з таким же профілем. Потім базу потрібно буде розбити на сегменти таким чином, щоб для кожного сегмента можна було створювати персоналізовані розсилки.
Наприклад, є сегмент «Жінки-красуні» – ті, хто серйозно захоплений б'юті-продуктами. Їм можна пропонувати декоративну косметику – помади, туш, тональний крем. Є ті, хто купує більше господарських товарів. Є також сегмент «Мами» – жінки, що цікавляться товарами для дітей. А ще є «Турботливі дружини», які купляють гелі для гоління, шампуні та інші товари для своїх чоловіків.
Коли клієнт потрапляє в «Космо», він отримує там карту лояльності. Це дозволяє відстежувати його покупки і створювати портрети споживачів. СМО «Космо» Надія Ганулич-Манукян зазначила: ««Космо» – дуже клієнтоорієнтована компанія, яка прагне точно комунікувати з аудиторією і використовувати для цього нові підходи і технології, зокрема й Big Data від «Київстар». Ми і далі плануємо співпрацювати з «Київстар», адже для нас це нові можливості в розвитку і відбудовуванні унікального клієнтського досвіду».
Але як сегментувати базу мобільного оператора, не прив'язану до карт лояльності? Тут «Київстар» допоможуть великі дані. Алгоритм опрацює понад 1000 параметрів і спробує зрозуміти, чим абоненти в кожному із сегментів відрізняються від загальної бази. «Швидше за все, він вибере 10–15 загальних параметрів. Але ми навіть не підозрюємо, які це параметри будуть», – розповідає начальник відділу аналітичних продуктів «Київстар» і керівник Big Data School Олег Волошко.
Як Big Data впливають на банківські продажі
Пошук потенційних клієнтів, сегментування бази і розсилка затребувані не лише в ритейлі. Банківський сектор так само бореться за продажі.
Цього року Перший український міжнародний банк (ПУМБ) став співпрацювати з «Київстар». У 2016 році ПУМБ почав активну трансформацію ІТ-архітектури, а також запустив низку digital-проектів, спрямованих на підвищення якості сервісу. Робота з даними є одним із фокусних напрямків у рамках стратегії цифрової трансформації банку.
«На основі даних ми аналізуємо споживчу поведінку клієнта, що дозволяє в реальному часі робити йому лише потрібні пропозиції з огляду на його поточні потреби, а також підказувати, як можна діяти економніше і вигідніше зробити покупку», – розповідає Сергій Караулов, начальник управління CRM і клієнтської аналітики ПУМБ. За його словами, це дозволяє не «спамити» клієнта всіма пропозиціями, а формувати довгострокові відносини з ним.
Як це працює? Якщо банк бачить, що у клієнта на картці закінчилися гроші або він зняв останні, то може запропонувати йому оформити кредитну карту або овердрафт. Якщо клієнт отримав зарахування, вищі, ніж зазвичай, йому пропонується відкрити депозит. «Також ми використовуємо Big Data для того, щоб убезпечити наших клієнтів від будь-якого роду шахрайств – у разі нетипової для клієнта транзакції банк може вдатися до додаткових заходів безпеки», – розповідає Сергій Караулов.
У частині великих даних з «Київстар» співпрацює і Правекс Банк. «Ми надали «Київстар» опис цільової аудиторії, яка цікавить банк. У «Київстар» проаналізували його за 100 параметрами. У результаті вдалося отримати карту скупчення людей із кращим профілем у цілому по місту. Як правило, у бізнес-час вони концентрувалися в центрі. А ночувати їхали вже в різні райони. Наприклад, на Оболонь. Так банк визначив місця, куди потрібно перенести інфраструктуру, і прорахував потенційний відтік клієнтів при переїзді відділення на іншу адресу», – розповідає начальник відділу роздрібних продажів Правекс Банку Людмила Кіндер.
За її словами, переїжджати виявилося вигідніше, ніж залишатися. Частину відділень і банкоматів у Києві перемістили з одних місць на інші, і кількість клієнтів збільшилася. При цьому важливо, що всі аналітичні моделі з використанням Big Data будуються на підставі неперсоніфікованих і зашифрованих даних.
Продукти наступних поколінь
Попит на великі дані зростає, а разом з ним – і потреба в спеціалістах. Тому «Київстар» продовжує розвивати напрямок Big Data School.
У другій половині грудня там відбувся черговий випуск – п'ять команд захистили свої проекти і поділилися інсайтами, отриманими в процесі роботи.
Одна з команд вивчила взаємозв'язок між тривалістю телефонних розмов і профілем споживача. І виявилося, що одружені чоловіки говорять по телефону набагато менше, ніж неодружені.
Інша команда виявила, що заможні люди телефонують часто, але тривалість розмови при цьому у них маленька. А ось менш забезпечені співгромадяни полюбляють довго «висіти» на лінії.
Ще одна команда вивчала користувачів «красивих» номерів і дійшла висновку, що для багатьох з них важлива статусність. Ніхто не здивувався, коли в цій категорії виявилося більше власників смартфонів iPhone, ніж у загальному зрізі абонентської бази.
Як ці інсайти допоможуть «Київстар» і його клієнтам? Точно відповісти на це питання можна буде за кілька місяців, коли випускники приєднаються до команди «Київстар» і вже там допрацюють свої проекти. «На вирішення завдань у команд був лише тиждень, а такі проекти вимагають набагато більше часу. Отже курсові – це лише перша ітерація на шляху до вирішення великих завдань», – резюмував Олег Волошко.
