Предиктивная аналитика и Big Data помогают "Дом.ru" увеличивать выручку
Новые 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 одному из ведущих операторов России увеличить выручку от перехода на более высокодоходные тарифы на 20% и на 7% от кампаний по работе с оттоком.
"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.
В 2017 году компании создали новый 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.
Создание индивидуальных тарифных планов
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.
Решением стала система подбора персонифицированных тарифов, основанная на клиентском опыте и истории действий абонента. В результате были сформированы уникальные тарифные планы с персональным наполнением для каждого клиента, который участвовал в кампании. При звонке оператор озвучивает заранее заготовленное целевое предложение, сформированное по предиктивной модели, что увеличивает вероятность положительного ответа и результативность кампании.
Результаты
- Для каждого клиента, участвующего в кампании по изменению тарифа, были сформированы персонифицированные тарифные планы, максимально удовлетворяющие его потребности.
- Количество переходов на более высокодоходный тариф увеличилось на 27%.
- Благодаря учету индивидуальной потребности клиента выручка от кампаний по переводу клиентов на новые тарифы увеличилась на 20%.
Снижение оттока
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.
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 максимально эффективный способ его удержания. Любой оператор, вне зависимости от уровня квалификации, может предложить клиенту наиболее подходящее решение.
Результаты
- 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.