|
|
 |
|
|
 |
Лето Банк оптимизирует продажи с помощью прогнозной аналитики от GlowByte и SAS
Сохранение рентабельности портфеля кредитов на современном высококонкурентном рынке розничного кредитования требует точного понимания и удовлетворения потребностей клиентов. Глубокое изучение ожиданий и предпочтений клиентов, прогнозирование их поведения при получении того или иного маркетингового воздействия становятся ключевыми моментами при планировании маркетинговых кампаний. Для этого необходимо, с одной стороны, использовать все имеющиеся в банке данные о клиентах: исторические базы данных с различными характеристиками (демографическими, финансовыми, личностными предпочтениями), информацию о характере и частоте покупок, данные о предпочитаемых способах оплаты и прочие имеющиеся сведения, позволяющие лучше понять поведение клиентов. С другой стороны, для качественного анализа требуются передовые средства и алгоритмы, позволяющие заменить универсальные параметры кампании на индивидуальные, соответствующие профилю клиента, что значительно повышает уровень отклика и выгодность каждого клиента для банка. Применив современные методы и средства анализа к качественным данным, можно предсказать склонность клиентов к тому или иному продукту и спрогнозировать отклик на различные варианты маркетинговой коммуникации. В итоге повышается эффективность маркетинга и увеличивается рентабельность кредитных предложений.
«Лето Банк» последовательно инвестирует значительные средства и силы в развитие своей платформы цифрового маркетинга и клиентской аналитики. В 2013 году с помощью специалистов GlowByte Consulting банк завершил внедрение комплексной автоматизированной системы управления маркетинговыми кампаниями на базе SAS Marketing Automation. Была также развернута единая аналитическая платформа для управления CRM и рисками на базе решений SAS, позволяющая в кратчайшие сроки создавать и запускать маркетинговые кампании с учетом требований департамента рисков. Однако, подбор параметров запускаемых кампаний (выбор клиентских сегментов, подбор предложений и оценка потенциальных результатов) осуществлялся экспертным путем, поэтому следующим шагом развития CRM-платформы стал проект внедрения расширенных средств анализа клиентской базы, применение методов прогнозной аналитики и data mining.
«Для более точного определения предложений необходимо постоянно усложнять сегментацию клиентов. При этом параметры сегментации меняются с течением времени. Традиционные средства в современных условиях не позволяют проводить долгосрочный анализ доходности сегментов и не достигают желаемой точности распределения предложений. Задача повышения эффективности маркетинговых кампаний с помощью прогнозных моделей была поставлена перед CRM-подразделением и нашим давним партнером по развитию аналитических систем, компанией GlowByte, в начале 2014 года», - прокомментировал цели проекта Павел Тулубьев, руководитель службы CRM «Лето Банка».
В ходе совместной работы аналитиков банка и консультантов GlowByte Consulting был сформирован набор прогнозных моделей, оценивающих склонность клиентов к приобретению того или иного продукта, определяющих наиболее вероятную сумму займа необходимую клиенту в текущий момент времени. На основе полученных оценок был реализован алгоритм подбора оптимального предложения для каждого клиента, включающий создание уникального механизма прогноза отклика клиента на предложение, что должно было позволить увеличить отклик от проводимых маркетинговых кампаний при сохранении требований к рентабельности кредитного портфеля.
Результатом и критерием эффективности проекта стала проведенная с использованием результатов моделирования экспериментальная кампания. Итогом сравнения предложений, сделанных представителям одного и того же сегмента с использованием новых построенных моделей с традиционно используемым экспертным расчетом, стало увеличение количества продаж более чем на 10% без снижения средней кредитной ставки предложения в первой же кампании. Сравнительный объем продаж продолжит расти в будущих кампаниях с развитием опыта использования прогнозной аналитики в банке.
Ход и результаты проекта прокомментировал Павел Тулубьев: «Проект состоял из нескольких этапов – сбор статистики отклика клиентов на разные предложения, построение прогнозных моделей и оптимизационного алгоритма, применение этих инструментов на практике для замера эффективности по сравнению с действующим подходом. Наши ожидания были весьма осторожными, так как параметры и ход проведения целевой кампании уже неоднократно оптимизировались с помощью других подходов. Хорошим результатом для нас было бы увеличение эффективности на 5-10%, именно этот ориентир был поставлен перед командой GlowByte, так как мы ожидали от партнера не только реализации наших идей, но и работы по улучшению моделей отклика на основе проектов GlowByte в других банках. Мы рады, что результаты превзошли ожидания уже по итогам пилотной кампании».
Учитывая богатый опыт использования банком продуктов SAS, а также высокую квалификацию специалистов GlowByte в решениях SAS, для реализации проекта было выбрано решение SAS Enterprise Miner, содержащее эффективные методы статистического анализа и удобный графический интерфейс пользователя. Специалистами GlowByte была разработана уникальная технология анализа информации, содержащейся в корпоративном хранилище данных, которая вкупе с высокопроизводительными средствами анализа и визуализации обеспечила реализацию ключевых идей повышения эффективности построения кампаний.
«Мы были рады использовать накопленный нами проектный опыт для этого передового, уникального для отрасли проекта, и стать для банка не только технологическим партнером, но и консультантом по разработке моделей поведения клиентов. Мы будем развивать это востребованное рынком направление, предлагая заказчикам эффективные, быстроокупающиеся проекты монетизации клиентских данных» - прокомментировал итоги проекта Владимир Скудин, Исполнительный директор GlowByte Consulting.
Развивать алгоритмы подбора оптимальных предложений банк планирует с использованием решения SAS Marketing Optimization, помогающего маркетологам создавать набор альтернативных сценариев для кампаний, улучшать их с помощью встроенных оптимизационных алгоритмов и анализировать, как вносимые изменения влияют на результаты.
«Данное решение уже зарекомендовало себя на российском рынке. Оно позволит специалистам Лето Банка строить сценарии по принципу “что если” еще до коммуникации с клиентом и перераспределять финальные предложения между клиентами, основываясь на важных выводах. Например, таких: сколько банк дополнительно заработает, если увеличить пропускную способность телемаркетинга; сколько банк потенциально потеряет, если снизит частоту контактов с клиентами с 2-х до трех месяцев; каким должен быть дополнительный бюджет на коммуникации, чтобы перевыполнить план продаж на х%», - рассказывает Сергей Исаев, руководитель направления клиентской аналитики SAS Россия/СНГ.
Контактное лицо: Гала Калимуллина (написать письмо автору)
Компания: SAS (все новости этой организации)
Добавлен: 23:56, 29.01.2015
Количество просмотров: 1070
Страна: Россия
| На электросудах расскажут об искусственном интеллекте, MWS AI, 22:42, 15.06.2026, Россия |
66 |
| ГКУ «Организатор перевозок» (Департамент транспорта Москвы) и MWS AI (входит в МТС Web Services) вместе с Центром непрерывного образования факультета компьютерных наук НИУ ВШЭ запускают лектории и интенсивы по генеративному ИИ на речных электросудах. |
 |
| Web3 Tech: России нужна собственная институциональная Web3-инфраструктура, Web3 Tech, 22:41, 15.06.2026, Россия |
75 |
| В Web3 Tech назвали тренды институционального рынка web3. По мнению экспертов компании, глобальный финтех переходит в новую фазу, при которой стейблкоины, системное регулирование и ИИ-агенты сливаются в единый контур агентной экономики на цифровых активах с потенциалом $30 трлн к 2030 году. |
 |
| Dialog Composer 3.0 от BSS: переход от скриптовых ботов к самостоятельным ИИ-агентам, BSS, 22:39, 15.06.2026, Россия |
72 |
| Компания BSS дает мощный толчок развитию диалоговых интерфейсов с новой версией Dialog Composer 3.0. Ключевой особенностью релиза стала нативная поддержка архитектуры ИИ-агентов на базе больших языковых моделей (LLM). Обновленный no-code инструмент позволяет компаниям быстро внедрять автономных ИИ-ассистентов, существенно снижая нагрузку на контактные центры и операционные службы. |
|
| Modus BI и Modus ETL получили номинации за максимальный self-service в исследовании «Круг Громова 2026», Modus, 22:34, 15.06.2026, |
71 |
| Компания Modus объявляет о признании своих продуктов лидерами в номинациях независимого исследования российского рынка аналитических решений «Self-service круг Громова 2026». Modus BI получил номинацию «Максимальные возможности в self-service», а Modus ETL — «Self-service для enterprise». Оба решения показали наибольшее количество поддерживаемых self-service критериев среди всех участников исследования. |
|
|
|
|
|
|
|
Разделы //
Новости по странам //
Сегодня у нас публикуются //
|
|
