/


Главная / Услуги и решения / Искусственный интеллект / Новости / Техносерв сегментировал клиентов «Аэрофлота»

Техносерв сегментировал клиентов «Аэрофлота»

07.02.2018

Своим мнением по созданию в «Аэрофлоте» системы интеллектуальной сегментации, построенной на основе Big Data и модели машинного обучения, поделился Дмитрий Карбасов, руководитель отдела бизнес-решений и предиктивной аналитики Softline.

Системный интегратор «Техносерв» реализовал проект по созданию системы интеллектуальной сегментации клиентов для авиакомпании «Аэрофлот». Система, используя анализ больших данных (Big Data) и модели машинного обучения, проводит сегментацию клиентов по множеству характеристик. В результате реализации проекта маркетинговая служба «Аэрофлота» получила инструмент для понимания различий и предпочтений своей аудитории, поиска скрытых корреляций, проверки гипотез. В «Техносерве» подчеркнули, что проект для «Аэрофлота» стал первым и единственным на текущий момент внедрением систем класса Big Data в транспортной авиаотрасли России.

«Наш проект для «Аэрофлота» стал первым и единственным на текущий момент внедрением систем класса Big Data в транспортной авиаотрасли России. Кроме того, его реализация заняла менее года, что является кратчайшим сроком для проектов такого класса», – сообщил президент «Техносерва» Сергей Корнеев.

Как объяснила корреспонденту ComNews руководитель пресс-службы группы компаний «Техносерв» Екатерина Андреева, специалисты «Аэрофлота» используют систему для формирования сегментов и рекомендаций, на базе которых запускаются целевые рекламные кампании.

Она привела статистику, согласно которой конверсия маркетинговой акции, проведенной в правильное время, за правильные деньги и для правильной аудитории, увеличилась в 6,5 раза по сравнению с традиционной маркетинговой акцией. Ее доходность же выросла в 5,5 раза.

Системой пользуются специалисты маркетинга, коммерческого и ИТ-блоков.

Представитель пресс-службы сообщила, что система создана на базе продуктов BigInsights компании IBM. Она интегрирована с целым рядом внутренних систем авиакомпании.

Как сообщила Екатерина Андреева, внедрение системы началось в январе 2016 г., была подготовлена инфраструктура и развернуто ПО. А в 2017 г. запущены первые коммерчески успешные бизнес-кейсы.

По ее словам, создание системы состояло из восьми этапов: подготовка инфраструктуры, разработка архитектуры и интеграция систем, реализация пяти основных аналитических модулей. Сюда относятся модули «Клиент 360», «Сервис рекомендаций», «Пожизненная ценность клиента», «Склонность к отклику и чувствительность к цене» и модуль анализа влияния каналов коммуникации.

Екатерина Андреева добавила, что на разных этапах реализации проекта размер команды отличался, как по количеству, так и по составу, и составлял от 15 до 50 сотрудников.

Представитель пресс-службы «Техносерва» сообщил, что технологии Big Data в целом востребованы в транспортной отрасли, и подтверждением этому служит увеличение количества новых проектов с использованием указанных технологий. При этом тематика проектов, по его словам, совершенно различна. «Это и задачи повышения персонализации коммуникаций с клиентами, проактивного ремонта оборудования, предсказания спроса и другие задачи, решаемые с помощью алгоритмов машинного обучения и анализа больших объемов структурированных, неструктурированных и слабоструктурированных данных», – добавила Екатерина Андреева.

Архитектор бизнес-решений «Крок» (ЗАО «КРОК инкорпорейтед») Алексей Сидорин заметил, что компании транспортной авиаотрасли уже несколько лет идут по пути все большей клиентоориентированности. По его словам, повышение требований к уровню сервиса – ощутимый тренд на рынке, особенно если речь идет о такой чувствительной с точки зрения клиентского сервиса индустрии, как пассажирские авиаперевозки.

Алексей Сидорин объяснил, что решения Big Data скрывают под собой инструменты, которые помогают персонализировать и синхронизировать взаимоотношения с клиентами.

«Анализ разноформатной информации о клиентах, которую позволяют собирать технологии Big Data и Data Lake в частности, позволяет оптимизировать ключевые бизнес-процессы, повысить уровень безопасности на объектах за счет предиктивного реагирования на инциденты, улучшить сегментацию клиентов и ценообразование. Кроме того, решения на базе больших данных позволяют компаниям эффективнее продвигать свои услуги – например, разрабатывать более персонифицированные программы лояльности»,  – пояснил он.

По мнению руководителя отдела бизнес-решений и предиктивной аналитики ГК Softline Дмитрия Карбасова, путь создания «клиентоцентрической» платформы проделает любая организация с большим количеством конечных клиентов – авиакомпании, банки, сотовые операторы, ретейлеры, автопроизводители и т.д. Он уверен, что Big data – часть такой платформы.

Дмитрий Карбасов считает, что подобные системы дают компаниям транспортной авиаотрасли возможность заработать на получении знаний из своих данных и увеличить привлекательность бренда для клиента.

Специалист Softline предположил, что алгоритмы сегментации клиентов могут использоваться, например, для прогнозирования заполняемости самолетов. «Очевидный пример прикладного использования таких алгоритмов – сверхбронирование. Алгоритмы помогут авиакомпаниям проводить политику овербукинга с меньшими, чем сейчас, репутационными потерями», – привел пример Дмитрий Карбасов.

Источник: http://www.comnews.ru/content/111721/2018-02-07/tehnoserv-segmentiroval-klientov-aeroflota

Отзывы клиентов

компании «Блеск»–Иван Никулин

Благодаря сотрудничеству с Softline у нас появилась возможность оценить преимущества решения, используя его в тестовом режиме на реальных данных. Первичная оценка показывает, что для работы с Forecast NOW! нам не потребуется привлекать большой штат программистов и аналитиков: бизнес-пользователи после первичной настройки программы могут использовать решение самостоятельно. У системы универсальная конфигурация, ее не нужно кастомизировать: дополнительные функции становятся доступны централизованно при очередном обновлении. Все это позволит нам обеспечить высокую результативность в процессе управления товарными запасами при оптимальных затратах ресурсов.

Заказ услуг и решений

Дмитрий Карбасов
Руководитель отдела бизнес-решений и предиктивной аналитики

Новости отдела и публикации экспертов