Как «Киевстар» подсадил «Космо» и еще 50 компаний на большие данные
И почему важно знать профиль «идеального клиента»
Три года назад компания «Киевстар» рискнула зайти в новую для украинского рынка нишу – аналитику больших данных. Идея была довольно рискованной: о перспективах данных как «новой нефти» говорили много, но как на этом зарабатывать, толком не знал никто. На рынке просто не было специалистов. «Киевстар» решил вырастить таких специалистов сам, и открыл бесплатный образовательный курс Big Data School. Его выпускники вместе с командой оператора начали создавать продукты на основе больших данных и продавать их другим бизнесам.
Сейчас у «Киевстар» около 70 заказчиков из банковской сферы, ритейла, электронной коммерции. Mind выяснил, какие задачи они решают с помощью больших данных и почему не боятся вкладываться в новое направление.
Как Big Data привела новых клиентов в магазины «Космо»
Торговая сеть «Космо» объединяет более сотни магазинов косметики, парфюмерии и бытовой химии в 12 областях Украины. Когда в 1994 году она только начинала свой бизнес, конкурентов на рынке практически не было, и клиенты были более чуткими к действиям сети. В современном мире ценность клиента с каждым годом повышается, и все сложнее получить нового, лояльного приверженца бренда.
В октябре этого года «Космо» открывала очередной магазин в Киеве – на Крещатике, и туда нужно было привлечь посетителей. Хотелось, чтобы это были те люди, которые раньше не покупали товары в «Космо».
Найти таких клиентов помогли Big Data от «Киевстар». Перед оператором стояла задача выявить в своей абонентской базе всех женщин в возрасте 35-45 лет, которые работают или живут в радиусе 1 км от будущей торговой точки и не получают сообщения от «Космо», то есть, не являются ее постоянными покупателями.
Оператор пропустил свою 26-миллионную базу через «решето» из тысяч параметров – среди которых, например, данные о перемещении абонентов – нашел тех самых женщин и разослал им приглашения на открытие. CRM Head «Космо» Наталья Хомик рассказывает, что конверсия рассылки составила до 7%. «Много это или мало? Я скажу так: обычной рассылкой мы бы эту аудиторию не достали. Потому что это новые клиенты, которые к нам ранее не ходили. Но это именно те клиенты, которые соответствуют нашей целевой аудитории и с высокой долей вероятности станут нашими постоянными, лояльными клиентами», – объясняет она. Эту услугу «Космо» заказывала у «Киевстар» уже несколько раз – для разных магазинов.
Сейчас компании готовятся к еще одному совместному проекту: построению модели Look-alike. Задачей «Киевстар» будет определить портрет «идеального клиента» и найти среди своих абонентов пользователей с таким же профилем. Затем базу нужно будет разбить на сегменты таким образом, чтобы для каждого сегмента можно было создавать персонализированные рассылки.
Например, есть сегмент «Женщины-красотки» – те, кто серьезно увлечен бьюти-продуктами. Им можно предлагать декоративную косметику – помады, тушь, тональный крем. Есть те, кто покупает больше хозяйственных товаров. Есть также сегмент «Мамы» – женщины, которые интересуются товарами для детей. А еще есть «Заботливые жены», которые приобретают гели для бритья, шампуни и другие товары для своих мужчин.
Когда клиент попадает в «Космо», он получает там карту лояльности. Это позволяет отслеживать его покупки и создавать портреты потребителей. СМО «Космо» Надежда Ганулич-Манукян отметила: ««Космо» – очень клиенториентированная компания, которая стремится точно коммуницировать с аудиторией и использовать для этого новые подходы и технологии, в том числе Big Data от «Киевстар». Мы и дальше планируем сотрудничать с «Киевстар», ведь для нас это новые возможности в развитии и отстраивании уникального клиентского опыта».
Но как сегментировать базу мобильного оператора, не привязанную к картам лояльности? Здесь «Киевстару» помогут большие данные. Алгоритм проработает более 1000 параметров и попытается понять, чем абоненты в каждом из сегментов отличаются от общей базы. «Скорее всего, он выберет 10-15 общих параметров. Но мы даже не подозреваем, какие это параметры будут», – рассказывает начальник отдела аналитических продуктов «Киевстар» и руководитель Big Data School Олег Волошко.
Как Big Data влияют на банковские продажи
Поиск потенциальных клиентов, сегментирование базы и рассылка востребованы не только в ритейле. Банковский сектор точно так же борется за продажи.
В этом году «Первый украинский международный банк» (ПУМБ) стал сотрудничать с «Киевстар». В 2016 году ПУМБ начал активную трансформацию ІТ-архитектуры, а также запустил ряд digital-проектов, направленных на повышение качества сервиса. Работа с данными является одним из фокусных направлений в рамках стратегии цифровой трансформации банка.
«На основе данных мы анализируем потребительское поведение клиента, что позволяет в реальном времени делать ему только нужные предложение исходя из его текущих потребностей, а также подсказывать, как можно действовать экономнее и более выгодно совершить покупку», – рассказывает Сергей Караулов, начальник управления CRM и клиентской аналитики ПУМБ. По его словам, это позволяет не «спамить» клиента всеми предложениями, а формировать долгосрочные отношения с ним.
Как это работает? Если банк видит, что у клиента на карточке закончились деньги или он снял последние, то может предложить ему оформить кредитную карту или овердрафт. Если клиент получил зачисления выше обычных, ему предлагается открыть депозит. «Также мы используем Big Data для того, чтобы обезопасить наших клиентов от всякого рода мошенничеств – в случае нетипичной для клиента транзакции, банк может прибегнуть к дополнительным мерам безопасности», – рассказывает Сергей Караулов.
По части больших данных с «Киевстар» сотрудничает и Правэкс Банк. «Мы предоставили «Киевстару» описание целевой аудитории, которая интересует банк. В «Киевстар» проанализировали его по 100 параметрам. В итоге удалось получить карту скопления людей с предпочтительным профилем в целом по городу. Как правило, в бизнес-время они концентрировались в центре. А ночевать ехали уже в разные районы. Например, на Оболонь. Так банк определил места, куда нужно перенести инфраструктуру, и просчитал потенциальный отток клиентов при переезде отделения на другой адрес», – рассказывает начальник отдела розничных продаж Правэкс Банка Людмила Киндер.
По ее словам, переезжать оказалось выгодней, чем оставаться. Часть отделений и банкоматов в Киеве переместили из одних мест в другие, и количество клиентов увеличилось. При этом важно, что все аналитические модели с использованием Big Data строятся на основании не персонифицированных и зашифрованных данных.
Продукты следующих поколений
Спрос на большие данные растет, а вместе с ним – и потребность в специалистах. Поэтому «Киевстар» продолжает развивать направление Big Data School.
Во второй половине декабря там состоялся очередной выпуск – пять команд защитили свои проекты и поделились инсайтами, полученными в процессе работы.
Одна из команд изучила взаимосвязь между длительностью телефонных разговоров и профилем потребителя. И оказалось, что женатые мужчины говорят по телефону гораздо меньше, чем холостые.
Другая команда обнаружила, что состоятельные люди звонят часто, но длительность разговора при этом у них маленькая. А вот менее зажиточные сограждане любят подолгу «висеть» на линии.
Еще одна команда изучала пользователей «красивых» номеров и пришла к выводу, что для многих из них важна статусность. Никто не удивился, когда в этой категории оказалось больше владельцев смартфонов iPhone, чем в общем срезе абонентской базы.
Как эти инсайты помогут «Киевстар» и его клиентам? Точно ответить на этот вопрос можно будет через несколько месяцев, когда выпускники присоединятся к команде «Киевстар» и уже там доработают свои проекты. «На решение задач у команд была только неделя, а такие проекты требуют гораздо больше времени. Так что курсовые – это лишь первая итерация на пути к решению больших задач», – резюмировал Олег Волошко.
