big data for customer centric organisation - cleverdata for oracle cio club moscow 26022015

Company Profile Make your data clever

Big Data в Маркетинге

cleverdata.ru | [email protected]

Make your data clever

Развитие бизнеса на международном рынке с 2012 года

Входит в тройку лидеров российских ИТ компаний 43 подразделения в России и за рубежом Более 5500 сотрудников 100 тыс.проектов для 10 тыс.заказчиков

Инновационная платформа управления данными

«Биржа» данных Облачный сервис

Открытые технологии

Создана в 2014 г. Фокус на работе с «Big Data»

Собственные центры разработки Партнерство с мировыми лидерами

и научными институтами Центр экспертизы по

технологиям Big Data и

Digital MarkeVng


Немного о Big Data

ВЫСОКАЯ СКОРОСТЬ БОЛЬШОЙ ОБЪЕМ ЗНАЧИТЕЛЬНАЯ ВАРИАТИВНОСТЬ

Web логи Финансовые транзакции Социальные сети Web контент Машинные данные Открытые данные

Hadoop MPP (VerVca, Exadata, Greenplum, Teradata) NoSQL (Key-‐Value, Document-‐oriented, Column-‐based, Graph-‐oriented) In-‐memory Data Grids, CalculaVon Grids Data Mining Machine Learning / StaVsVcs / Natural Language Processing Event-‐Stream Processing

Значимость данных в том, как вы анализируете и применяете эти данные для развития своего бизнеса Понимание клиента и его поведения Информационная безопасность Управление рисками Повышение операционной эффективности

Crea�ve/Business Cases

“Потенциал Big Data раскрывается в полной мере при взаимодействии с другими данными корпорации.” Билл Фрэнкс.


Бизнес-‐решения

Платформы управления данными

Решения для интернет рекламы

Управление клиентской базой

Автоматизация маркетинга

Web- аналитика

Make your data clever •  Уникальные DMP системы обработки online и offline данных для целей RTB и сегментации клиентов

•  Полный стек решений для онлайн рекламы

•  Решения для укрепления клиентского опыта и повышения продаж за счет консолидации всех элементов вашей data-‐driven маркетинговой стратегии

•  Модели управления оттоком клиентов, моделирования отклика, микро-‐сегментирования клиентской базы, скоринга, выявления мошенничества

•  Решения для анализа digital опыта ваших клиентов и web-‐ аналитики

•  Решения для управления всей digital активностью компании

Digital Intelligence

Operations Efficiency


Вы уверены, что знаете своего клиента?

Считается, что основные жизненные вехи формируют портрет клиента и помогают понять потребности

•  Родился в 1958 году в России;

•  Живет в Москве;

•  Отец двух дочерей;

•  Любит рыбалку.

•  Родился в 1958 году в России;

•  Живет в Москве;

•  Отец двух дочерей;

•  Любит рыбалку.

Текущие подходы к сегментированию клиентов уже не работают


Не зная своего клиента, компания его потеряет

Нецелевые предложения клиенту приносят больше вреда, чем пользы

Уместно? Вовремя? Ценно? Доступно?


Полная информация по каждому клиенту индивидуально,

доступная маркетологу в любой момент времени

Customer-‐centric подход


Построение Единого профиля клиента – Ключ к построению Customer-‐centric организации

Характеристики ценности клиента для компании Состояние клиента в рамках «жизненного цикла клиента» Социально-‐демографический профиль Интересы и предпочтения Характеристики коммуникации с клиентом Склонности к покупке и намерения

Вероятность оттока 35%

Лояльность 87%

Надежность 20% Кредитная

нагрузка Низкая Семья

2 чел

Доход семьи Средний

Инвестиции, экономика

66%

Автомобили 5%

Недвижимость 10%

Накопления 18%

Технологии 63% Действующих

продуктов 5

Последняя покупка 36 дн

Активность 28%

CLTV Средний

В клиентской базе

35.2 мес

Удовлетворенность 75%

Уровень коммуникации

20%

Уровень отклика 18%

Более 1000 категорий


Как использовать полученные знания?

Получение анонимной информации о поведении и интересах Определение драйверов для получения клиента и формирования целевого предложения

Привлечение Получение Вовлечение Удержание

Получение персонифицированного профиля клиента Интеграция с социальным профилем

Использование real Vme данных для повторных покупок и целевых продаж Формирование профиля по текущим потребностям, предпочтениям и намерениям Повышение уровня обслуживания клиента

Эффективное сегментирование клиентской базы Определение признаков оттока клиента

•  Повышение эффективности маркетинга •  Снижение издержек •  Увеличение прибыли


Пример внедрения

Средняя точность таргетинга увеличилось на 5-‐7x, что приводит к увеличению конверсии и лояльности клиентов


Пример внедрения


Построение Единого профиля клиента – Ключ к построению Customer-‐centric организации

Заранее определенные метрики и характеристики, вычисляемые в режиме реального времени по каждому клиенту; Максимальный набор исходной информации: от данных транзакционных систем до истории взаимодействия с клиентом по маркетинговым каналам и внешней информации о клиенте; Непрерывное повышение точности профиля с помощью алгоритмов машинного обучения и математической статистики

Вероятность оттока 35%

Лояльность 87%

Надежность 20% Кредитная

нагрузка Низкая Семья

2 чел

Доход семьи Средний

Инвестиции, экономика

66%

Автомобили 5%

Недвижимость 10%

Накопления 18%

Технологии 63% Действующих

продуктов 5

Последняя покупка 36 дн

Активность 28%

CLTV Средний

В клиентской базе

35.2 мес

Удовлетворенность 75%

Уровень коммуникации

20%

Уровень отклика 18%


Примеры использования подхода

Внедрение решения в процесс формирования адресных, индивидуальных маркетинговых кампаний помогло переходу TELENET к модели клиенто-‐ориентированного бизнеса, повышению лояльности существующих клиентов и снижению их оттока. В результате перехода на новую модель сегментирования клиентской базы, Telenet стал способен: •  Правильно таргетировать клиентские предложения в нужное время и через множество каналов и

повысить уровень Cross Sell для создания дополнительного дохода; •  CRM отдел TELENET, достиг рейтинга в 93 процентиля, по индексу Dow Jones Sustainability Index; •  Увеличить количество кампании: До начала работы с NGDATA, Telenet запускал 100 кампаний в год;

Теперь компания работает более чем с 750 кампаниями в год; •  Увеличить Return Rate маркетинговых кампаний на 300-‐400%; •  Провести успешную маркетинговую кампанию «King and Kong» которая в четыре раза увеличила

клиентскую базу TELENET в течение нескольких месяцев проведения кампании.


Источники данных

Источник Данные

Внутре

нние

MarkeVng AutomaVon Contact name, Vtle, company, open rates, unsubscribes, web visits, pages visited, lead score, video views, downloads

CRM Company, contact informaVon, win/loss, deal value

Использование продукта Features used, logins, session length, collaboraVon

История покупок Products purchased, prices paid, discounts, contract terms

Customer Support History Complaints, resoluVons

Внеш

ние

Публичные сайты Job posVngs, grants, liVgaVon, patents, contracts, locaVons, growth

Сайт компании Language(s), products, shopping cart, execuVve team profiles

Социальные сети Company and personal profiles, likes, comments, updates, friends/ connecVons/followers, usage

Медийные сайты News arVcles and stories, product launches, announcements, press releases, liVgaVon

Offline данные Credit raVngs, financial history, construcVon permits/ starts, deployed technologies

Более 15 поставщиков данных

Раскройте потенциал данных о клиенте


Используем всю информацию

Customer TransacVon Data

Web analyVcs

CRM

DWH/CM/Call center

Company Data

Social Data

Web surfing

�eCommerce Data

3th Party Data

�Mobile Data En

terprise DM

P Co

nnectors API/ETL

Data Exchange

�3th Party Offline Data

Enterprise BI and reporVng

ReporVng / AnalyVcs Company Web Site

Mobile Apps

Company acVviVes

Customers acVviVes

Web and Mobile

RTB ecosystem

Partners web and mobile

Social

Web

Email

MarkeVng campaign

Campaign

managem

ent

SMS

Call center

Offline

CRM

Service Desk

Customer eXperience Profiler

Big Data storage

Machine Learning

Real Time storage

PredicVve analyVcs

Common

Services

Scoring Data


•  Data Exchange

Поставка «сырых» и «аналитических» 3rd party offline и online данных с возможностью их пред-‐обработки и объединения

•  DMPKit

Набор компонентов для построения вашей собственной DMP платформы для целей RTB и подключения к рекламной экосистеме

•  DataDEPO

Аналитическое хранилище данных на базе Hadoop и собственных компонентов управления данными

•  Web Crawler

Сервис сбора контента из сети Интернет с целью анализа медийного пространства, соц. сетей и популярных онлайн площадок

•  Text Classifier

Сервис классификации произвольного текста с помощью алгоритмов машинного обучения и произвольного набора аналитических категорий

DMPKit

Data Exchange

Собственные решения линейки 1DMP.RU

DataDEPO

Text Classifier

Web Crawler

Более 10 партнеров


Храните данные


Краулинг данных

Tаблица 1

Category Name Accuracy Test

Accuracy Train

Documents

IAB18 Мода и стиль 76.8% 97% 400

IAB12 Новости 68.2% 96% 22

IAB10 Дом и сад 63.3% 96% 400

IAB2 Автомобили 96% 100% 400

IAB15 Наука 79% 99% 400

IAB25 Нестандартные материалы

74% 97% 400

IAB20 Путешествия 71% 99% 400

IAB26 Нелегальные материалы

9% 97% 36

IAB21 Недвижимость 83% 99% 400

IAB17 Спорт 82% 98% 400

IAB1 Искусство и развлечения

63% 90% 400

IAB4 Карьера 86% 99% 400

IAB6 Семья 69% 97% 391

IAB16 Домашние животные

88% 100% 400

IAB19 Вычисления и технологии

87% 99% 400

IAB8 Питание 84% 92% 400

IAB5 Образование 63% 87% 400

IAB11 Закон и политика

80% 99% 400

IAB3 Бизнес 63% 96% 400

IAB9 Хобби и интересы

68% 98% 400

IAB23 Духовность и религия

84% 100% 400

IAB7 Здоровье и фитнес

77% 100% 400

IAB14 Общество 77% 98% 400

IAB13 Личные финансы 96% 100% 400

0%

25%

50%

75%

100%

IAB18 IAB12 IAB10 IAB2 IAB15 IAB25 IAB20 IAB26 IAB21 IAB17 IAB1 IAB4 IAB6 IAB16 IAB19 IAB8 IAB5 IAB11 IAB3 IAB9 IAB23 IAB7 IAB14 IAB13

Accuracy Train Accuracy Test


Точность классификации

Приведены значения точности классификации текстов в свободном формате, проведенной на обучающей выборке, подготовленной специалистами CleverDATA

IAB – универсальная классификация категорий интересов интернет пользователя, являющаяся стандартом для RTB рекламы


Варианты развертывания

Использование как сервис в облаке 1DMP.RU

Развертывание на базе Oracle Big Data Appliance


Что происходит в интернете за минуту

•  204 000 000 – новых электронных писем •  20 000 000 – просмотров фотографий на Flickr •  6 000 000 – просмотров страниц на Facebook •  2 500 000 – поисковых запросов через Google •  1 300 000 – просмотров видео в YouTube •  100 000 – новых твитов в Twi�er •  $83 000 – сумма продаж товаров в Amazon •  47 000 – скачиваний приложений •  1 300 – человек покупают мобильные

устройства, подключенные к интернету •  640 – терабайт данных обрабатывается •  135 – троянских заражений ботнет-‐сетями •  30 – часов нового видео загружается в YouTube •  6 – новых статей публикуется в Википедии

Сбор Хранение Очистка

Классификация

6M html pages 70 GB of data

11mins, 17sec Oracle BDA Starter Kit


Преимущества 1DMP for Enterprise

Автоматическое обучение в процессе работы без участия человека Использования решения не требует замены текущих систем Доступ в большому количеству внешних данных через Биржу данных Возможность подключения решения к RTB экосистеме

В общем случае при сценарии более точного сегментирования достигается повышение результативности маркетинговых

кампаний минимум на 40% и выход на окупаемость в течение первого года эксплуатации системы.

90 дней до первого бизнес-‐результата

big data for customer centric organisation - cleverdata for oracle cio club moscow 26022015

Software