Персонализация промо-предложений для клиентов
Компания - продуктовый ритейл, премиум сегмент
1
Цель проекта
Внедрить систему подбора таргетированных предложений в качестве альтернативы текущему дорогостоящему решению.
По условию задачи решение PredTech должна показывать лучшие результаты по сравнению с результатами с помощью текущей системы у клиента. Должны были быть достигнуты плановые показатели роста маржинальности
По условию задачи решение PredTech должна показывать лучшие результаты по сравнению с результатами с помощью текущей системы у клиента. Должны были быть достигнуты плановые показатели роста маржинальности
2
Что было сделано
- Было разработано решение, в рамках которого формировались персонализированные предложения для каждого клиента на еженедельной основе - по 5 персональных предложений.
- Проведен кластерный анализ клиентской базы для различных активностей Целевого Маркетинга
3
Результаты
- Увеличился средний чек, частота визитов, вовлеченность в новую программу лояльности
- Увеличение РТО на 5% по обрабатываемому сегменту клиентов по сравнению с текущим подходом
- Увеличение Валовой Маржи на 1,1% по обрабатываемому сегменту по сравнению с текущим подходом
Кластеризация клиентской базы и бенчмаркинг
Компания - продуктовый ритейл, эконом сегмент
1
Цель проекта
Провести кластеризацию клиентской базы на основании ретроспективы чеков
2
Что было сделано
- Проведен кластерный анализ
- Проведен бенчмаркинг по полученным кластерам
- Проведена оценка сопоставимости сегментов
- Определены недостающие и неполные сегменты по клиентам
3
Результаты
- Проведен кластерный анализ и бенчмаркинг
- Сформированы рекомендации по привлечению клиентов в кластер Целевого Ядра (частые визиты, большой средний чек, разнообразие покупок, различные миссии визитов)
- Определен маркетинговый подход для дальнейшего развития программы лояльности
RFM-кластеризация и подбор кэшбэка для максимизации ROI
Компания - сеть гипермаркетов
1
Цель проекта
Разработать подход к группировке клиентов для оптимизации подходов по работе с базой лояльных клиентов
2
Что было сделано
- Проведена RFM-кластеризация, выделены кластеры по состоятельности, постоянству и давности.
- На базе кластеризации сформировано 8 групп потребителей
- Разработана рекомендательная модель для определения оптимального уровня начислений в зависимости от группы клиентов
- Для каждой группы определено вознаграждение в контексте начисления кэшбэк.
3
Результаты
Достижение показателя ROI - 53%
Персонализация предложений и повышение среднего чека
Компания - продуктовый ритейл, средний класс
1
Цель проекта
Определение недостающих товаров согласно типовой корзине кластера и выпадающих товаров клиента, а также склонных клиентов к более дорогим товарам заменителям
2
Что было сделано
Была создана система определения персональных предложений для повышения среднего чека для последующих маркетинговых кампаний с помощью определения выпадающих товаров
3
Результаты
- Прирост среднего чека: 3,7%
- Прирост частоты покупок: 0.6%
- Чистый отклик: более на 1,5 п.п. по сравнению с текущими результатами заказчика
Инструментарий краткосрочного прогнозирования выручки, маржи и розничных KPI
Компания - Fast-Fashion ритейл
1
Цель проекта
Разработка системы краткосрочного прогнозирования выручки, маржи и розничных KPI
2
Что было сделано
- Была разработана система еженедельного скользящего прогнозирования выручки, маржи, среднего чека, трафика, конверсии для всей офф-лайн сети на горизонт 1 месяц с подневной и понедельной грануляцией
- Для создания системы использовались данные потребительской активности и функционирования сети: история покупок клиентов, средние уровни цен, наличие промо, производственный и погодный календари и др.
3
Результаты
Ошибка (MAPE) модели составила всего 4-5%, в стабильные месяцы
Разработка моделей для прогнозирования Sell-OUT
Компания - Крупный производитель напитков
1
Цель проекта
Построение инструментария для прогнозирования Sell-OUT (конечных продаж).
2
Что было сделано
- Были построены модели для точного прогнозирования объемов продаж
- Модель предназначалась для выравнивания логистической цепочки поставок, выравнивания процесса производства и точного прогнозирования складской загруженности и запасов
- Модель работала на горизонте планирования 4-10 недель
- Прогнозирование было разработано для промо и не промо недель
- Количество точек продаж было более 600
3
Результаты
- Достигнутый средневзвешенный показатель точности – 86%
- Подготовлена модель ценовой чувствительности к типу, размеру, продолжительности и частоты промо недель
Система прогнозирования количества ТС для заказа
Компания - Крупный производитель слабо-алкогольных напитков
1
Цель проекта
Разработать систему планирования заказов ТС в разрезе Склад-Тоннаж-День, которая бы повысила точность прогнозирования ТС. При этом нужно было добиться снижение затрат на дозаказ и простаивание транспорта
2
Что было сделано
- Была построена прогнозная модель количества ТС для удовлетворения плана поставок на основании исторических данных.
- Был сделан подневной прогноз количества ТС с точностью до 95% с указанием необходимого тоннажа и конечной точки поставки.
- При моделировании учитывались составные маршруты и ограничения по ТС
3
Результаты
- Разработана модель с общей точностью 90%, точность профицита – 93%
- Внесены повышенные штрафы в модель для увеличения точности Профицита: общая точность 89%, точность Профицита – 98%
Прогнозирование урожайности в теплицах
Компания - один из крупнейших производителей овощей
1
Цель проекта
Разработка инструментария для прогнозирования сборов урожаев (кг) в теплицах для различных гибридов помидоров и огурцов
2
Что было сделано
- Построен автоматизированный импорт данных по фактам сборов, а также данных с умных датчиков (свет, полив, температура, СО2 и проч.)
- Осуществлен автоматический подбор параметров для моделей (самообучающиеся и самоактуализирующиеся модели)
- Итоговый подход был основан на использовании модели линии трендов (короткий и длинный тренд), погодных условий (включая прогноз погоды), фенологических параметров и ретроспективным данным по сборам
- Была построена модель прогнозирования урожайности с горизонтами планирования на одну и две недели вперед
3
Результаты
- Достигнут прирост точности до 8 п.п. по прогнозированию урожайности различных гибридов огурцов по сравнению с существующим подходом
- Достигнут прирост точности до 5 п.п. по прогнозированию урожайности различных гибридов томатов по сравнению с существующим подходом
Разработка моделей для сквозного прогнозирования
Совместное прогнозирование производителя напитков на базе крупной ритейл сети
1
Цель проекта
Разработка предиктивных моделей для сквозного прогнозирования объемов товаров для торговой сети и производителя напитков
2
Что было сделано
- Был использован подход обратного распространения прогнозов
- Прогнозировались объемы продаж по торговым точкам, на основании которых прогнозировались объемы заказов на РЦ. Далее на основании объемов заказов на РЦ прогнозировался заказ на склад поставщика
3
Результаты
- Прогнозирование складских отгрузок методом обратного распространения с приростом точности на 20 п.п.
- Точность прогноза по неделям по магазинам - 85%
- Точность прогноза по неделям заказов на РЦ - 79%
Разработка дашборд-отчетности
Компания - крупный производитель одежды
1
Цель проекта
Разработать отчетность по операционной деятельности компании в формате дашбордов
2
Что было сделано
Была создана система отчетности, которая содержала:
- Данные по продажам в разрезе каналов продаж (руб, шт)
- Информацию о достижении магазинами KPI по продажам
- Данные по распределению продаж по Регулар цене и уценкам
- Информацию по уровеням продаж в разрезе продуктовых категорий
- Данные по скоростям продаж товара в зависимости от общего выпуска.
- Светофор по скорости продаж для оперативной коррекции нового выпуска
3
Результаты
- Дашборд отчетность была разработана с использованием Power BI
- Были разработаны дополнительные отчеты в Excel с применением программирования на VBA для полной автоматизации работы с несколькими источниками данных
Система оценки удовлетворенности техническим качеством услуг
Компания - оператор телекоммуникационных услуг
1
Цель проекта
Разработать систему оценки удовлетворенности качеством IPTV услуг
2
Что было сделано
- Было сформировано около 90 предикторов по продолжительности и частоте телесмотрения, а также информации с IPTV приставки по качеству сигнала и агрегированным показателем количества битых пикселей в момент переключения канала
- Модель обучалась с помощью алгоритма градиентного бустинга с применением кросс-валидации
3
Результаты
- Была достигнута точность модели - 81%
- Снижение входящих сервисных заявок - на 20%
Система определения абонентов, склонных к покупке дополнительных услуг
Компания - оператор телекоммуникационных услуг
1
Цель проекта
Разработать систему определения абонентов услуг доступа в Интернет, склонных к приобретению услуг IPTV, и определения абонентов услуг телевидения, склонных к приобретению услуг просмотра дополнительных каналов
2
Что было сделано
- Было сформировано 920 предикторов по использованию биллингом, услугами, а также DPI статистике.
- Для каждого пакета каналов модель обучалась с помощью алгоритма градиентного бустинга с применением кросс-валидации
3
Результаты
- Рост среднего показателя Cumulative Lift - в 4,5 раз
- Концентрация абонентов, склонных к приобретению дополнительных услуг - 65%
Проект определения склонных к оттоку абонентов для дальнейшего удержания
Компания - оператор телекоммуникационных услуг
1
Цель проекта
Разработать предиктивную модель для проактивного определения склонных к оттоку абонентов услуг Домашнего Интернет по технологии PON для их последующего удержания
2
Что было сделано
- Была использована бинарная классификация
- Сформировано более 400 предикторов по биллингу и трафику.
- Разработан ансамбль предиктивных моделей
- Проведена кластеризация клиентской базы, для каждого сегмента обучена модель с помощью алгоритма градиентного бустинга с применением кросс-валидации
3
Результаты
- Рост среднего показателя Cumulative Lift - в 15 раз
- Достигнутая точность прогнозирования на TOP 10 тысяч - 75%
