Новый Бизнес.Ру

«Рив Гош» внедрил систему предсказания поведения покупателей

  • 17 мая 2018
  • 89

Ритейлер получил возможность определить, кто из держателей карт лояльности потенциально совершит покупку в ближайшие недели. Также система позволяет спрогнозировать артикулы, которые может приобрести клиент.

«Рив Гош» внедрил обучаемую систему предсказания поведения покупателей на базе Machine Learning (ML), разработанную компанией «Инфосистемы Джет» специально для этого ритейлера косметики. Об этом говорится в сообщении разработчика.

Решение выполняет два ключевых сценария. Первый — выявление из всех держателей карт лояльности (2,6 млн человек) тех, кто потенциально может совершить покупку в ближайшие 2 недели.

Второй сценарий — создание прогноза ТОП-2 по каждому из клиентов, определяя конкретные позиции до уровня артикула, которые купит клиент.

Обладая этими данными, компания может существенно повысить вероятность тех или иных продаж, своевременно предлагая скидки интересующему сегменту клиентов, а также снизить затраты на их привлечение. При этом размер самой скидки в рамках допустимых значений система рассчитывает для каждого покупателя индивидуально.

Прогностическое решение использует комплекс методов машинного обучения. Были для этого использованы данные о покупках за 2017 год, которые есть в CRM-системе.

 Анализируя скрытые закономерности, ML-система выделила целевой сегмент покупателей и предсказала вероятные позиции в их чеках. Следующим этапом была произведена контрольная рассылка по требуемой категории клиентов, а затем — анализ фактических результатов (покупок).

В выявленной группе клиентов повторные обращения за покупками составили около 47% (тогда как в среднем по клиентской базе этот показатель равен 22%). Кроме того, их средний чек оказался на 42% больше, чем у остальных покупателей. Таким образом, методами машинного обучения удалось определить «золотой сегмент» держателей карт лояльности. За выбранный промежуток времени они принесли компании порядка 7% дохода, составляя всего 1% от общей клиентской базы. Состав, численность и параметры данного сегмента меняются динамически, и система учитывает это в режиме реального времени.

Таким образом, ритейлер получил возможность повысить лояльность клиентов, увеличить продажи и снизить издержки на маркетинговые акции за счет адресной работы с потенциальными покупателями.

Ранее о внедрении высокий технологий для прогнозирования выручки отчиталась сеть Finn Flare.


Подпишись, чтобы не пропустить горячую новость!

Будьте в курсе!

Чтобы не пропустить ни одной важной новости, подпишитесь на нашу рассылку. Это бесплатно.

Рекомендации по теме
×
Требуется регистрация

Зарегистрируйтесь и получайте ответы от экспертов бесплатно

У меня есть пароль
напомнить
Пароль отправлен на почту
Ввести
Введите эл. почту или логин
Неверный логин или пароль
Неверный пароль
Введите пароль
Я тут впервые
Займет минуту
Зарегистрироваться
Да, это бесплатно!

— Регистрируйтесь и качайте!

У меня есть пароль
напомнить
Пароль отправлен на почту
Ввести
Введите эл. почту или логин
Неверный логин или пароль
Неверный пароль
Введите пароль
Я тут впервые
Займет минуту
Зарегистрироваться
Сайт использует файлы cookie. Они позволяют узнавать вас и получать информацию о вашем пользовательском опыте. Это нужно, чтобы улучшать сайт. Посещая страницы сайта и предоставляя свои данные, вы позволяете нам предоставлять их сторонним партнерам. Если согласны, продолжайте пользоваться сайтом. Если нет – установите специальные настройки в браузере или обратитесь в техподдержку.