© ComNews
02.11.2017

Продуктовый ретейлер X5 Retail Group внедрил технологию машинного обучения для целевого маркетинга в одной из своих торговых сетей. В Х5 отметили, что на сегодняшний день более 70% целевых акций ретейлера формируются с применением машинного обучения, а скорость их подготовки увеличилась в семь раз. Это стало возможным благодаря подключению обучаемого аналитического блока CRМ. По словам экспертов, потребность в технологиях машинного обучения и искусственного интеллекта постоянно растет, причем не только у розничных сетей, но и в целом на рынке.

О том, что X5 Retail Group внедрила технологию машинного обучения, сообщил представитель продуктового ретейлера. По словам представителя Х5, компания запустила решение для целевого маркетинга в торговой сети "Перекресток". "Аналитический CRM сейчас интегрирован с инфраструктурой программ лояльности сети "Перекресток" - системой процессинга, мобильным приложением, SMS- и e-mail-каналами коммуникаций", - уточнил он. Вендором технологии выступила компания SAS. Интеграцию aCRM с ИТ-системой X5 проводила компания Glow Byte.

Представитель продуктового ретейлера напомнил, что в 2015-2016 гг. Х5 оценивал рынок предложений в области аналитических систем и выбирал лучшие предложения. 

В пресс-службе Х5 рассказали, что на первом этапе выбранная система настраивалась с учетом бизнес-требований, дорабатывался ее функционал. Одновременно происходила интеграция проекта с системой процессинга и каналами коммуникаций. После успешного пилотирования в июне 2016 г. интеграция с ИТ-инфраструктурой X5 была полностью завершена. В марте 2017 г. аналитический CRM был переведен на постоянную работу, началось обучение системы, сегментация аудитории, разработка эффективных моделей. Осенью 2017 г. успешные алгоритмы автоматической сегментации и таргетирования кампаний начали применяться массово - для всех участников программы лояльности "Клуб "Перекресток". "Сейчас мы можем говорить уже о массовом использовании технологии в работе - до 70% предложений формируются с помощью aCRM", - отметили в Х5. 

В компании подчеркнули, что с помощью технологии машинного обучения в аналитическом модуле (aCRM) программы лояльности торговой сети происходит сегментация клиентов по группам с едиными признаками и подготовка предложений для них. "Система анализирует данные о выбранной аудитории и создает модели персонифицированных маркетинговых кампаний с учетом нескольких сотен поведенческих и демографических факторов", - пояснили в пресс-службе Х5. В частности, аналитический модуль учитывает частоту и сумму покупок, предпочтения, факторы, определяющие стиль жизни, приемлемый уровень цен, любимые категории товаров и предпочтительное время посещения супермаркетов. "Чувствительность клиентов к конкретным предложениям прогнозируется с помощью различных аналитических моделей, среди которых - регрессии, деревья решений и нейронные сети. Кроме того, aCRM определяет наиболее эффективные каналы коммуникации с выбранной аудиторией и самостоятельно формирует тексты маркетинговых сообщений", - сказал представитель продуктового ретейлера, добавив, что сегодня с аналитической CRM "Перекрестка" интегрированы все каналы коммуникации сети. 

"Анализ больших данных - направление, необходимое для гибкого реагирования на изменения в среде, в том числе для создания персонифицированных предложений для клиентов на основе их предпочтений. У торговой сети "Перекресток" более 5 млн активных пользователей карт лояльности, несколько каналов коммуникаций, множество вариантов маркетинговых предложений. Автоматизированная аналитика позволяет использовать все возможности этих ресурсов", - рассказали корреспонденту ComNews в Х5.

Как заметил директор по информационным технологиям X5 Retail Group Фабрисио Гранжа, технологии для автоматизированной интеллектуальной аналитики больших данных открывают возможность для развития ценностных предложений торговых сетей. "В перспективе роль интеллектуальных систем в бизнесе будет только расти, поэтому мы уделяем серьезное внимание работе с данными. Проект в "Перекрестке" - пример успешного применения результатов аналитики, полученных с помощью обучаемой системы, для развития лояльности покупателей", - добавил Фабрисио Гранжа.

Он уточнил, что маркетинговые предложения, сформированные с учетом сотен факторов, увеличивают эффективность целевого маркетинга на 5% и сокращают затраты на коммуникации на 40%.

В пресс-службе Х5 отметили, что кроме анкетных данных система накапливает и учитывает в расчетах информацию, полученную в результате анализа различных поведенческих и демографических факторов. "Весь процесс анализа данных и сегментации аудитории автоматизирован. Интерфейс аналитической системы позволяет планировать дату и время коммуникаций, вести отчетность по маркетинговым акциям, а также настраивать кампании с учетом результатов тестовых кампаний. Маркетологи подключаются к работе только для постановки целей кампании в начале проекта и для мониторинга результатов кампаний. В среднем на разработку эффективной модели необходимо порядка трех месяцев", - пояснил представитель продуктового ретейлера.

В Х5 корреспонденту ComNews рассказали, что технологии аналитики данных с помощью обучаемых систем могут быть применены как в маркетинге, так и для других областей бизнеса, создающих большое количество данных. Среди них, например, логистика, кадровое направление, формирование ассортимента, прогнозирование спроса и товарных остатков в магазинах.

ИТ-директор продуктового ретейлера ГК "Дикси" Владимир Муравьев вчера сообщил, что сеть супермаркетов "Виктория", входящая в группу "Дикси", два года назад внедрила систему предиктивной аналитики на базе SAP Predictive Analytics, которая позволяет на основании покупательского опыта проводить анализ и прогнозировать поведение покупателя. "Данная возможность обеспечивается комплексом решений под общим названием "Моя Виктория", - уточнил Владимир Муравьев.

ИТ-директор "Дикси" отметил, что информация о персональных предложениях для клиента группы компаний доставляется с помощью различных каналов коммуникаций, таких как мобильное приложение, купоны на кассах, слип-чек, e-mail-рассылка, SMS-уведомление, социальные сети.

"Всего в товарной матрице сети - около 40 тыс. товаров, RFMP-анализ корзины покупателей не только помогает выявить набор одинаковых групп товаров, которые приобретают покупатели одного сегмента, но определить, является ли покупатель "отточником" в той или иной категории", - рассказал корреспонденту ComNews Владимир Муравьев.

Отметим, что машинное обучение является одним из направлений искусственного интеллекта (ИИ). Основной принцип заключается в том, что машины получают данные и "обучаются" на них.

Менеджер по развитию центра компетенции больших данных компании "Техносерв" Ольга Зуева отметила, что сейчас крупные розничные сети осознали необходимость прибегнуть к технологиям ИИ, чтобы не потерять конкурентное преимущество на рынке. "Вслед за финансовым сектором, который давно научился монетизировать огромные объемы информации о клиентах для оптимизации процессов внутри компаний и повышения лояльности покупателей, крупные розничные сети начинают собирать данные о клиентах, обогащать с помощью открытых источников данных и строить модели машинного обучения, которые позволят получить инсайты о поведении и предпочтениях клиентской базы", - сказала Ольга Зуева.

По ее словам, на данный момент департаменты маркетинга являются основными заказчиками подобных технологий, потому что финансовый эффект от использования ИИ в клиентской аналитике быстрее всего заметен при оптимизации целевого маркетинга в рамках программы лояльности. "Но мы видим большой потенциал технологий ИИ и в противодействии фроду в розничных сетях - например, идентификации сотрудников при выдаче заработной платы или использовании карт лояльности, оптимизации продуктовой выкладки за счет анализа маршрутов движения посетителей магазина внутри торговой точки", - сказала Ольга Зуева, отметив, что у компании "Техносерв" есть собственные продукты на базе машинного зрения.

Директор по бизнес-приложениям компании "Крок" (ЗАО "КРОК инкорпорейтед") Максим Андреев считает, что потребность в технологиях машинного обучения и ИИ постоянно растет, причем не только у розничных сетей, но и в целом на рынке. 

По его словам, при разумном подходе к применению машинного обучения и технологий ИИ минусов фактически нет. Что касается плюсов, то в первую очередь это, конечно же, минимизация воздействия человеческого фактора на бизнес-процессы и, как следствие, повышение эффективности. "Если человек в большинстве случаев действует интуитивно или по привычке, то машинные алгоритмы показывают обоснование прогнозов. При этом можно использовать два метода: во-первых, алгоритмы, которые формируют "дерево решений" с подробным пояснением каждого из них. Во-вторых, метод на основе нейронных сетей - более точный, но не дающий обоснования тому или иному отчету", - заметил Максим Андреев.

Оценивая стоимость внедренной технологии Х5, представитель "Крока" сказал, что если говорить про построение самой модели машинного обучения, то стоимость могла составить до 10 млн руб. Если же речь идет про интеграцию системы в существующие бизнес-процессы - десятки миллионов рублей. Он отметил, что на рынке уже есть решение, которое позволяет сократить сроки и стоимость интеграции систем ИИ, - Data Lake. Так как Data Lake представляет собой хранилище данных в абсолютно разных форматах, для построения модели машинного обучения не требуется первоначальный сбор больших массивов данных.

По словам коммерческого директора "Ланит Омни" (группа компаний "Ланит") Дмитрия Зеленко, в современном мире эволюция программ лояльности лежит в плоскости именно персональных предложений, максимально релевантных для потребителя. В противном случае он квалифицирует маркетинговые сообщения ретейлера как спам и безжалостно их удаляет, отписываясь от рассылок. "Когда ретейлеры оперируют огромными аудиториями клиентов - 2-3 млн участников программы лояльности - уже не редкость, - работать с такими большими данными без применения ИИ практически невозможно", - заметил Дмитрий Зеленко.

Он отметил, что все ретейлеры, которые будут использовать ИИ, получат несомненное преимущество за счет более качественного управления покупательским поведением. "Чем лучше вы научитесь управлять своей аудиторией, тем эффективнее будет работать программа лояльности, главные задачи которой - увеличение среднего чека и частоты покупки. Понятно, что добиться этого будет проще, если вы сможете предложить покупателю действительно нужный для него товар в правильный момент времени. Как это сделать - подскажет машинный интеллект", - отметил Дмитрий Зеленко.

Он пояснил, что затраты торговой сети Х5 на внедрения подобного продукта оценить сложно. "Могу сказать, что если бы речь шла о нашем сервисе персональных предложений ClearFuture, затраты на первичную интеграцию, анализ данных и кластеризацию покупателей такой сети, как "Перекресток", составили бы до 1 млн руб., стоимость абонентского обслуживания я бы оценил в сумму порядка 3-4 млн руб. в год", - сказал коммерческий директор "Ланит Омни".