«Дом.ru» с помощью GlowByte Consulting перешел на систему подбора индивидуальных тарифов

2018: Переход на систему подбора персонифицированных тарифов

Алгоритмы формирования индивидуальных предложений и тарифов для удержания клиентов, созданные телеком-оператором «Дом.ru» и GlowByte Consulting c использованием SPSS Modeler и IBM Interact, позволили оператору увеличить выручку от перехода на более высокодоходные тарифы на 20% и на 7% от кампаний по работе с оттоком. Об этом 14 июня 2018 года сообщили в GlowByte Consulting.

Со стороны компании GlowByte проект курировал Валентин Маренич, руководитель направления Advanced Analytics.

«Дом.ru» сотрудничает с GlowByte Consulting с 2013 года. За 5 лет компании реализовали проекты по прогнозированию оттока и оптимизации каналов коммуникации с клиентами с применением систем IBM Unica и IBM Interact.

Предпосылки

До старта проекта предложения по изменению тарифного плана формировались для массовых сегментов и опирались на логические правила, без учета индивидуальных предпочтений клиента. Процесс управлялся вручную: сотрудники колл-центра во время звонка, выявляя потребности абонента, самостоятельно подбирали наиболее подходящий тариф.

Система подбора тарифов

Решением стала система подбора персонифицированных тарифов, основанная на клиентском опыте и истории действий абонента.

В 2017 году компании «Дом.ru» и GlowByte Consulting создали аналитический процесс формирования предложений, который учитывает историю взаимодействия провайдера и клиента. Для этого потребовалось решить две основные задачи: изменить алгоритм перевода клиентов на новые тарифы и реструктурировать работу с оттоком.

Ход проекта

Чтобы сохранить клиентов, сотрудники колл-центра «Дом.ru» использовали единый набор инструментов, а индивидуальное решение сотрудник искал самостоятельно в процессе диалога с клиентом. Успех общения во многом зависел от навыков оператора.

Чтобы оценить, какие предложения наиболее эффективно удерживают клиента в зависимости от причины его обращения, «Дом.ru» и GlowByte проанализировали данные за год — около 4 млн входящих звонков. На основе данных был создан комплекс предиктивных моделей и алгоритм автоматического подбора оптимального предложения. Благодаря методам машинного обучения удалось внедрить систему регулярной переоценки релевантности предложений и оценить маржинальность клиента после получения им нового предложения.TAdviser выпустил Гид по российским операционным системам 10.8 т

В результате были сформированы уникальные тарифные планы с персональным наполнением для каждого клиента, который участвовал в кампании. При звонке оператор озвучивал заранее заготовленное целевое предложение, сформированное по предиктивной модели, что увеличивало вероятность положительного ответа и результативность кампании.

Итоги проекта

В целом за счет применения предиктивной аналитики и аналитики больших данных:

• для каждого клиента, участвующего в кампании по изменению тарифа, были сформированы персонифицированные тарифные планы, удовлетворяющие его потребности.
• количество переходов на более высокодоходный тариф увеличилось на 27%.
• выручка от кампаний по переводу клиентов на новые тарифы увеличилась на 20% — благодаря учету индивидуальной потребности клиента.

По отзыву оператора «Дом.ru», процесс работы для сотрудников колл-центров стал легче и эффективнее. Вместо «ручного» подбора предложения сотрудник получает рекомендацию по методу удержания, которая учитывает причину обращения, историю взаимодействия с ним и подбирает оптимальный способ его удержания. Таким образом, любой оператор, вне зависимости от уровня квалификации, может предложить клиенту наиболее подходящее решение.

Среди результатов проекта:

• Упрощен и автоматизирован процесс работы сотрудников контакт-центров: внимание сотрудника сконцентрировано на качестве решения вопроса клиента.
• Благодаря учету индивидуальных потребностей клиента удельная выручка от кампании по сохранению клиентов выросла на 7%.

Методы предиктивной аналитики, примененные в «Дом.ru», будут эффективны для банков, ритейла и других типов бизнеса, отметили в GlowByte Consulting.

2015: Создание аналитической системы на базе IBM SPSS

Компания Glowbyte Consulting и телеком-оператор «Дом.ru» создали аналитическую систему, которая позволяет выявить группы клиентов с низким уровнем лояльности к оператору и проводить целевые мероприятия, направленные на ее повышение.

В основе системы лежит набор аналитических моделей, разработанных компанией GlowByte Consulting на базе IBM SPSS. Источниками данных для анализа стали сведения из системы биллинга, дополненные социально-демографическими характеристиками клиентской базы и загруженные в специально созданную в рамках проекта витрину данных.

Первая кампания, проведенная с использованием полученных данных через три месяца после начала работы системы, показала повышение уровня лояльности абонентов в целевой группе на 10%, а также сокращение затрат на удержание клиентов за счет более целевого маркетинга.

«Для тестовой кампании мы выбрали несколько городов со сходными характеристиками и с помощью новой системы рассчитали уровень лояльности каждого абонента. Это позволило нам выбрать целевую группу, к которой необходимо применить меры по удержанию. Выбранных абонентов мы разделили на две части – контрольную и «боевую». К контрольной группе не применялись никакие меры, мы использовали ее статистику для сравнения с «боевой», чтобы максимально точно определить эффект от принятых нами мер. Итоги оказались весьма впечатляющими: уже в рамках первой тестовой кампании мы увидели увеличение уровня лояльности в сравнении с контрольной выборкой. Можем с уверенностью сказать, что аналитическая система, разработанная GlowByte Consulting, дает нам новые инструменты для повышения лояльности абонентов и снижает стоимость их удержания. Специалисты GlowByte Consulting отлично выполнили свою работу. Мы планируем дальнейшее совместное развитие этого проекта», – комментирует итоги проекта директор по продукту «Дом.ru» Чазов Андрей .

Примо Станислав , руководитель практики Advanced Analytics компании GlowByte Consulting отметил: «Проблема сохранения клиентской базы остро встает не только в телекоммуникационной отрасли. В нынешних экономических условиях абоненты активно ищут способы снижения затрат и более склонны к исследованию конкурирующих предложений. По нашей статистике 70% клиентов меняют оператора «тихо», не афишируя причин своего недовольства и, как следствие, не оставляя сервис-провайдеру возможности отреагировать. Мы готовы предложить заказчикам быстроокупающиеся методики предсказания и уменьшения оттока клиентов, позволяющие не только превентивно выделить менее лояльных клиентов еще на ранних стадиях недовольства, но и сократить затраты на их удержание, основанные на опыте наших консультантов, передовых технологиях Data Mining и Predictive Analytics и лучших инструментах ведущих вендоров».

GlowByte Consulting и «Дом.ru» продолжат сотрудничать. Стартовало внедрение решения IBM Campaign для автоматизации планирования и исполнения всех маркетинговых кампаний, включая кампании по увеличению лояльности.