Что
даст бизнесу персонализация и
управление ценностью абонентской
базы
Что даст бизнесу персонализация и управление ценностью абонентской базы
Об автоматизации и эффектах рассказали эксперты McKinsey & Company• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company
02.07.2024 · 08:00
9
Share
Share
Share
Tweet
Share
В последнее время одним из ключевых юз-кейсов применения больших данных• Информационные технологии » Информатика » Программирование » Параллельные вычисления » Большие данные
• Информационные технологии » Информационно-коммуникационные технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные
• Высокие технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные
является персонализация и управление ценностью клиентской базы (CVM – customer
value management). Этот юз-кейс известен каждому из читателей – все мы
когда-то получали письма, смс и push-нотификации в приложениях. И все мы
знаем, что если делать персонализацию «неправильно», то эффект на бизнес будет
отрицательный. В попытках увеличить охват базы и частоту коммуникаций
некоторые компании начинают слать сообщения каждую неделю и чаще, переходя в
категорию «спам». Чтобы этого не случилось, надо делать более
персонализированные коммуникации, а не более частые. И именно этот вызов
сейчас является ключевым для многих В2С компаний.
Число кампаний ограничено только изобретательностью продуктовых команд и
маркетологов. По одному сценарию одновременно может быть запущено несколько
сотен кампаний. И когда сценариев 10 или 15 – это тысячи кампаний в месяц и
десятки тысяч в год.
Человеку не справиться с такими объемами, и над моделями по каждому сценарию
создается дополнительная надстройка – движок NBA (next best action). Он
автоматизирует приоритизацию и запуск продуктовых кампаний по всем сегментам
абонентов. Для каждого действия (конкретное предложение, канал коммуникации и
то, каким текстом мы предложим клиенту продукт или услугу) движок возвращает
ожидаемую выручку, которую это действие принесет.
Команда McKinsey• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company работала над NBA в рамках проекта в крупной В2С компании из
Восточной Европы• Физико-географические регионы » Европа » Восточная Европа. Его первый уровень — отдельные модели — создавала
собственная команда клиента по большим данным• Информационные технологии » Информатика » Программирование » Параллельные вычисления » Большие данные
• Информационные технологии » Информационно-коммуникационные технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные
• Высокие технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные, а второй уровень –
непосредственно NBA – делали дата-саентисты фирмы.
Первый интересный аспект с точки зрения data science• Информационные технологии » Информатика » Наука о данных заключается в том, что
модель NBA получилась очень живая. Она заряжена на конверсию кампаний и
непрерывно обновляется. В одном месяце побеждают одни действия, в другом
другие – в зависимости от того, какие кампании были успешнее в предыдущем
периоде.
Второй интересный аспект – значительные объемы данных• Информационные технологии » Информатика » Программирование » Параллельные вычисления » Большие данные
• Информационные технологии » Информационно-коммуникационные технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные
• Высокие технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные. Десятки миллионов
клиентов, и для каждого клиента в разных каналах может быть сформировано
100–200 продуктовых предложений. То есть нужно оценивать потенциальный эффект
от миллиардов вариантов.
Разработка NBA-движка заняла три месяца. Отлаженное взаимодействие с командой
клиента по ИТ- и data science• Информационные технологии » Информатика » Наука о данных позволило быстро вывести проект в продакшн.
Разбор эффектов: от частного к общему
Результаты оцениваются как на уровне отдельных кампаний, так и в финансовом
выражении для компании в целом. Хорошо ли настроена система CVM, какой эффект
она оказывает на показатели бизнеса? Как выделить эффект отдельно взятой
кампании? А если изменились бизнес-показатели, как определить, какие именно из
сотен и тысяч факторов на это повлияли: CVM, реклама на ТВ, действия
конкурентов или иные макроэкономические факторы?
Найти точные ответы позволяет А/Б-тестирование. Мы выбираем сегмент клиентов,
на которых хотим запустить конкретную кампанию, из этого сегмента выделяем
небольшую контрольную группу, репрезентативную всему сегменту. Оставшаяся
группа – целевая. Кампания запускается только на целевую группу, а контрольная
группа – look-alike-клиенты – продолжают жить, как и раньше.
Для отдельных кампаний выделяются локальные контрольные группы, а для замера
эффекта всей программы CVM – единая контрольная группа, репрезентативная всей
клиентской базе. При оценке эффекта ориентируются не только на денежные
показатели – сравнивается также отток, NPS, количество жалоб и звонков в
колл-центр в целевых и контрольных группах и многие другие показатели в
соответствии со стратегией компании. Ограничение данного подхода состоит в
том, что на контрольных группах компания не зарабатывает, но это необходимые
издержки подхода test & learn для пополнения знаний о факторах, которые
влияют на решения абонентов и оценки результатов.
CVM вчера, сегодня и завтра
Если 5–6 лет назад у большинства игроков не было сильной функции аналитики
данных• Информационные технологии » Информатика » Программирование » Параллельные вычисления » Большие данные
• Информационные технологии » Информационно-коммуникационные технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные
• Высокие технологии » Информационные технологии и телекоммуникации » Программирование » Параллельные вычисления » Большие данные, то за последние 2–3 года ситуация улучшилась. Сегодня телеком и ритейл
сектор стал источником передовой практики и задает тон для других бизнесов в
сегменте B2C. Финансовые организации• Экономика » Финансы » Финансовые компании, страховые компании• Страхование » Страховые компании и другие участники
рынка также обращаются к теме персонализации как к новому источнику роста.
В большинстве телекоммуникационных и ритейл компаний сегодня уже выстроен
прочный каркас CVM. Отлажен итеративный процесс test & learn, почти все
сценарии покрыты моделями, и полностью проскорена абонентская база.
В зоне роста остаются вопросы, связанные с организационной зрелостью, более
глубокая автоматизация процессов, увеличение скорости запуска продуктов и
адаптация персонализированных триггерных кампаний. А также — развитие
концепции CVM as a service — разработка совместных с партнерами предложений за
счет комплексного знания о клиентах и обученных моделей.
Огромным источником роста будет также выступать генеративный искусственный
интеллект• Информационные технологии » Информационно-коммуникационные технологии » Информационные технологии и телекоммуникации » Искусственный интеллект
• Информационные технологии » Искусственный интеллект
• Высокие технологии » Информационные технологии и телекоммуникации » Искусственный интеллект (GenAI). Уже сейчас многие компании проводят эксперименты по
персонализации, используя GenAI, ведь это позволяет кратно увеличить уровень
персонализации. Ведь таким образом можно персонализировать текст, графику и
медиа ряд для каждого отдельного клиента. Это кроет в себе огромный потенциал,
но также огромные риски. Ведь до сих пор GenAI может выдавать различного рода
«галлюцинации», и некоторые из них могут спровоцировать всплеск негатива в
медиа. Поэтому поставить это на поток пока сложно, но многие компании работают
над этим. С большой вероятностью, через пару лет это станет основной
персонализации, но до этого момента требуется проделать значительную работу.
Авторы: Дулатбек Икбаев, партнер McKinsey & Company• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company; Денис Емелянцев,
партнер McKinsey & Company• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company; Дмитрий Устинов, младший партнер McKinsey
& Company• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company; Илья Дуров, руководитель проектов McKinsey & Company• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company;
Алексей Татаренков, team lead аналитической команды McKinsey & Company• Объект организация » Организации по алфавиту » Организации на Mc » McKinsey & Company
