За законами Big Data: шість працюючих інструментів для бізнесу
 
Матеріал у партнерстві з Київстар
Партнерський матеріал

За законами Big Data: шість працюючих інструментів для бізнесу

Скільки грошей вони можуть принести

Цей матеріал також доступний російською
За законами Big Data: шість працюючих інструментів для бізнесу
Фото: shutterstock

Темою третього Open Talk від Kyivstar Business Hub стали великі дані. «Київстар» займається Big Data-аналітикою вже декілька років. А з даними працює, по суті, з моменту заснування, і на сьогодні це дає 2% доходу. На Open Talk клієнти оператора розповіли про те, яким чином вони використовували рішення «Київстар» у своєму бізнесі та який прибуток це їм принесло.

«Розумне» управління бізнес-процесами

За законами Big Data: 6 працюючих інструментів для бізнесу
Фото: shutterstock

Усередині самої компанії «Київстар» Big Data вже давно стала основою всіх бізнес-процесів. Аналітика дозволяє бачити тренди і передбачати ймовірність того, що в тому чи іншому сервісі існує проблема. Це дає можливість розв'язати цю проблему, перш ніж вона обернеться серйозною втратою для бізнесу. А ще – допомагає виявляти і запобігати шахрайству, пов'язаному з телеком-послугами.

Коли йдеться про інвестиції в розвиток мережі (з 2015 року оператор направив на це 25 млрд грн), то в основі прийняття рішень також лежить Big Data-аналітика. За її допомоги, наприклад, вибирається оптимальне місце для встановлення обладнання – щоб і клієнти отримали найякісніший зв'язок, й інвестиції окупилися якомога швидше. За допомогою Big Data «Київстар» визначає і локації для відкриття нових магазинів.

Портрет клієнта

За законами Big Data: 6 працюючих інструментів для бізнесу
Фото: pixabay

Маркетинг сьогодні – це персоналізована комунікація, добре знання своєї аудиторії та вміння забезпечити її потреби практично в момент їх виникнення.

Будь-яка взаємодія із цільовою аудиторією починається з визначення її портрета. Він потрібен, коли компанія працює над маркетинговою стратегією і намагається зрозуміти, який продукт запропонувати наявним клієнтам. Або планує розширюватися – і думає, кому пропонувати новий продукт, які сегменти користувачів він зацікавить.

У «Київстар» велика частина абонентів – prepaid, і оператор на момент початку використання послуг не знає про них нічого: ані віку, ані статі, ані рівня доходів. Але аналітика дозволяє вивчити їхні основні характеристики і весь спектр споживчих звичок. Так, точність визначення параметра становить 83%. Завдяки цьому компанія може, наприклад, проводити точну розсилку поздоровлень з 8 березня, вибираючи в базі лише жінок.

Активно працюють із портретом аудиторії і в іншій великій компанії – мережі магазинів електроніки «Цитрус». На сьогодні це онлайн-магазин, 54 офлайнові магазини, понад 70 000 товарів та мільйони клієнтів. У кожного є свій user ID, до якого «прив'язані» все ті відомості, які бізнес встиг про нього дізнатися (на добровільних засадах).

Весь цей набір даних дозволяє магазину зробити комунікацію більш персоналізованою, збільшити лояльність клієнта і, звичайно, підняти продажі.

Джерелом інформації про клієнта є опитування, анкети в офлайн-точках при отриманні карт лояльності, розіграшах, акціях і т. д. А також аналіз того, як людина взаємодіяла з розсилкою.

Одним з нових способів для «Цитруса» стало партнерство з «Київстар». За словами Оксани Гриневич, lead web analytic «Цитруса», у цій моделі є багато переваг. По-перше, у партнера вже зібрана база даних про клієнта, і на її підставі можна будувати комунікативні моделі. Крім вже відомих параметрів, вона поповнюється новими. Наприклад, вік, поїздки за кордон, наявність автомобіля, собаки і т. д. «Найчастіше ці параметри складно зібрати через специфіку бізнесу. Але партнер ці дані має», – зазначає Гриневич. По-друге, обсяг необхідної інформації часто виявляється настільки значним, що поодинці з ним не впоратися – просто не вистачить обчислювальних потужностей на обробку.

Для складання портрета клієнта «Київстар» використовує бази з мінімум 500 користувачами – так можна гарантувати анонімність і безпеку.

Look-a-like аудиторія

За законами Big Data: 6 працюючих інструментів для бізнесу
Фото: shutterstock

Цей інструмент бренди використовують для нарощування бази. Він дозволяє знайти клієнтів схожого типу – наприклад, автомобілістів, користувачів конкретних соцмереж, людей з певним доходом і звичками.

Так, за словами Оксани Гриневич, мережа «Цитрус» виділила свою «найгарячішу» аудиторію – тих, хто купує її товари часто, і хто нещодавно робив покупки. У результаті аналітики «Київстар» побудували предикативну модель для визначення параметрів, що дозволяють знайти максимально схожих з портретом «гарячої» аудиторії. З неї виключили тих, хто вже є клієнтом магазину (бо ці люди і без того активно користуються послугами «Цитруса»). Залишили тих, хто знаходиться недалеко від точок продажів, і розіслали цим людям повідомлення з бонусом за перші покупки. Метою таких розсилок були передусім не продажі, а ліди.

Геотаргетинг і комунікація в реальному часі

За законами Big Data: 6 працюючих інструментів для бізнесу
Фото: pixabay

Сучасний покупець розпещений численними знижками, акціями та іншими програмами лояльності. Він уже не поїде на інший кінець міста за покупкою, навіть якщо його там чекає прекрасний бонус. У той же час досвід «Київстар» і його клієнтів показав: сьогодні відмінно працює комунікація з прив'язкою до положення користувача.

У попередньому кейсі «Цитрус» розсилав welcome-бонус тільки тим потенційним клієнтам, які перебували поблизу від магазину. Найкраще така комунікація працює зі нудьгуючими шоперами – тими, хто вибрався в торговий центр «не з власної волі». Наприклад, просто за компанію з сім'єю або друзями. «Людина не знає, куди себе подіти, безцільно бродить від магазину до магазину – і тут їй «прилітає» персональна знижка», – пояснює Оксана Гриневич.

У «Цитрусі» уточнюють, що, крім продажів «на цю хвилину», компанія отримала ще один вагомий профіт – зібрала інформацію про товари, які купують імпульсивно. Ці товари і стали трафік-мейкерами. Зараз їх в магазинах викладають на найвиднішому місці, вони беруть участь у розсилках та ремаркетингу, а продавці пропонують їх клієнтам у першу чергу.

Геотаргетинг використовувався під час розсилки SMS на відкриття магазинів у Вінниці, Дніпрі, Одесі, Кривому Розі. Точність геолокації абонента відрізняється залежно від населеного пункту: для міста це приблизно 250–300 метрів, за містом – 500 метрів. Локація була ключовим параметром, разом з ним – доходи, вік та наявність/відсутність у базі «Цитруса». Завдяки останньому мережа вибирала, що запропонувати клієнту – бонус за першу покупку або знижки на честь відкриття», – ділиться Оксана Гриневич.

Підсумком усіх попередніх кейсів «Цитруса» стало зростання середнього чека на 8%, «відкриваємість» SMS та Viber – на 15 і 40% відповідно. Також компанія скоротила витрати на розсилку і отримала нових клієнтів.

Загалом у «Київстар» розроблено понад 20 характеристик, за якими кожен бізнес може вибирати свою цільову аудиторію. Крім того, характеристики можуть персоналізовано розроблятися під клієнта.

Heat map і геоаналітіка

За законами Big Data: 6 працюючих інструментів для бізнесу
Фото: krok.miok.lviv.ua

Можна розмістити рекламу позашляховика біля вибоїстої дороги або відкрити кафе в пустелі, де немає конкурентів. Ідея виглядає блискуче, але чи побачить цільова аудиторія таку рекламу або продукт?

Великі дані, накопичені в базах телеком-операторів, дозволяють дізнатися, в яких місцях найчастіше знаходиться ЦА – де живе, працює і проводить дозвілля. Це давно використовують банки, ритейл і навіть держава. Один з найвідоміших кейсів – планування транспортних потоків у Сеулі. Але і в Україні вже реалізуються подібні проекти.

У Львові, наприклад, замислилися над тим, щоб використовувати Big Data у градоустрої і заразом порахувати кількість жителів міста. Офіційний перепис останнього разу проводився у 2001 році, і відтоді дані оновлювалися за принципом народилися/померли, зареєструвалися/поїхали. Але реєстрація не означає проживання. Тут-то і знадобляться можливості мобільних операторів – саме вони точніше за всіх бачать реальну кількість користувачів мережі в місті.

Щоб проаналізувати потреби городян, львівська влада сегментувала місто на 120 мікрорайонів. Завданням оператора стало позначити «домашню» і «робочу» зони. Для цього аналізується переміщення людей містом протягом повного робочого тижня. Проект закінчиться через місяць.

На підставі зібраної інформації Львів прийматиме рішення про зміни маршрутів громадського транспорту, прогнозуватиме потребу в школах, житлових комплексах, дитячих садах та інших об'єктах інфраструктури. Крім того, результати будуть доступні для бізнесу на порталі відкритих даних.

Скоринг

За законами Big Data: 6 працюючих інструментів для бізнесу
Фото: shutterstock

Кредитування і мікрокредитування – один із найпопулярніших сьогодні фінансових продуктів у світі. У банків і фінансових організацій є два головні завдання на шляху видання позики – прокредитувати якомога більше число користувачів і при цьому захистити себе від шахраїв і клієнтів, які ці гроші не повернуть.

У «Київстар» є такий продукт, як скоринг, яким вже користуються банки і мікрокредитні організації в Україні. Як показала практика, скоринг оператора значно покращує якість моделей із визначення надійності позичальника.

За грошима часто звертаються люди, які раніше не користувалися банківськими продуктами. При цьому SIM-карта є практично у кожного українця. І те, як людина користується мобільним зв'язком, може вказувати на її фінансову благонадійність.

Мобільні оператори неохоче озвучують, які саме відомості мають значення. Кажуть, що дивляться на термін життя «сімки», але інше залишають в таємниці. І запевняють: коли аналізують надійність позичальника на замовлення фінансової організації, то клієнту передається лише скоринговий бал, а не докладна інформація про користувача.

Міжнародна група Aventus працює на ринку онлайн-кредитування з 2009 року. В Україні група присутня c 2017-го під брендом CreditPlus (creditplus.ua). Коли вона звернулася до «Київстар» за Big Data-аналітикою, то ставила перед собою декілька завдань, зокрема, підвищення конверсії і зростання середнього чека. У результаті середній чек виріс на 10–15%, а конверсія – на 5–7%, кажуть у компанії. Параметр Gini-моделі, що характеризує якість визначення поганих позичальників, зі скорингом від «Київстар» підвищився з 52 до 54%.

Нагадаємо, що раніше ми розповідали про те, хто сьогодні купує Big Data в Україні та як освоїти професію Data Scientist.

 
Матеріал у партнерстві з Київстар
Стежте за актуальними новинами бізнесу та економіки у наших Telegram-каналах Mind.Live та Mind.UA, а також Viber-чаті