Туристический оператор FUN&SUN сформировал сегменты на основе машинного обучения
Туристический оператор FUN&SUN переступил от ручного развития частей для e-mail к применению алгоритмов на автомобильном обучении — CTR в тестовой серии рассылок повысился на 0,88 п. п. О том, как вводили предиктивную аналитику, сколько времени и ресурсов на это истратили и как удостоверились в действенности подхода, сообщает начальник проекта предиктивной специалисты FUN&SUN Тимур Рагимов.
Для чего ввели предиктивную аналитику
Прежде мы вручную создавали разделы при помощи фильтров Mindbox: рассматривали реакцию на рассылки, данные по продажам, пол, возраст и прочие симптомы — всего около 200 особых полей. К примеру, для рассылки про Знаменитый Устюг отнимали заказчиков с детьми, которые колесили в новогодние экскурсионные туры и переходили по сноске в похожих посланиях.
Неприятность содержалась в том, что рекламщики на физическом уровне не могли обработать 200 признаков — из-за широкого ассортимента оставалось действовать скорее всего инстинктивно. Так, заказчикам, раньше приобретавшим экскурсионные туры в Турцию и Египет, предоставляли похожие продукты, не поездки по РФ. У коллег просто не было возможности установить связи в такой трудной системе: вероятно, приверженцы досуга на море способны двигаться на Алтай — и это вычисляется по некоторому специальному симптому. Картина ухудшалась невысокой частотой покупок в туризме (один-два раза ежегодно): в результате этого проверять догадки труднее.
Равномерно мы пришли к осознанию, что скопленные познания о заказчиках применяют для учебы самописных алгоритмов — это сделало возможным бы нам принимать во внимание спорные связи между симптомами и поведенческими паттернами, которые человек проследить не в силах. Другими словами предоставлять заказчикам как раз тот продукт, который их заинтригует с самой большой возможностью. У нас очень много знаменательных данных: по продажам — за 5 лет, по коммуникациям — за 2,5 года.
Подразумевали, что с помощью не менее точечных объявлений для незначительных частей автомобильное обучение позволит увеличить CTR и CTOR, и уменьшить долю отписок — до внедрения алгоритмов количество отписавшихся продвигалось к числу подписавшихся. О воздействии на конверсию в покупку рассуждать труднее: у нас короткий курс приобретения, на реализации оказывают большое влияние очень многие моменты, и в том числе само предложение, пригодность и работоспособность сайта.
Как вводили методы на автомобильном обучении
Введение предиктивной специалисты — ресурсоемкий проект, сравнимый с внедрением полновесной CRM-системы. Сохраняли его перед гендиректором и акционером.
Предпосылкой стало введение 2 месяца назад CRM-системы, соединившей рекламные программы и учетные системы, включая 1С. Майкрософт Dynamics 365 стал фундаментом: чем больший размер данных предоставлять системе, тем вернее будет предположение.
Для разработки алгоритмов на автомобильном обучении приняли решение применять самописное решение. Оценивали виды готовых решений, не обнаружили оптимальных. Все дело в том, что портрет заказчика и следующий за ним необязательный сервис — это лишь части проекта «Предиктивная аналитика», включающего календарь рекламных коммуникаций и вывод спроса. На рынке показаны некоторые детали: необязательный сервис, портрет заказчика, календарь рекламных активностей, «прогнозник». Единственной системы, позволяющей принимать во внимание цели различных назначений и применять их в расчетах, не обнаружили. При союзе автономных элементов поднимал вопрос о стоимости будущей помощи и правах на умную собственность.
Вводить методы на автомобильном обучении помогал поставщик — отечественная ИТ-компания GMCS. С ее стороны были бизнес-аналитик, зодчий инфраструктуры, начальник ML-разработки. Еще 10 служащих занимались прямо подготовкой фронтенда, бэкенда и ML-модели. Со стороны FUN& SUN за введение отвечал начальник проекта.