Практический опыт миграции с SАS Customer Intelligence на Reshape Marketing Optimization. Рассмотрим роль платформы Loginom в данном решении.
Ингосстрах — страховая компания, которая работает на международном и внутреннем рынках с 1947 года и предоставляет защиту для физических и юридических лиц.
Это универсальный страховщик федерального уровня и один из лидеров отечественного страхового рынка. Сегодня в компании работает более восьми тысяч сотрудников. Российское рейтинговое агентство Эксперт РА присвоило Ингосстраху высочайший рейтинг A++.
В сфере страхования применяются инструменты оптимизации коммуникаций, основанные на предиктивной аналитике. Процесс оптимизации предложений включает в себя сложный математический алгоритм, который состоит из выбора клиентов, товаров и каналов общения.
У компании ограниченные возможности и ресурсы для этого:
До 2022 года в России SАS Customer Intelligence был одним из популярных решений по управления взаимоотношениями с клиентами и маркетингом, предназначенный для предприятий среднего бизнеса в различных отраслях. В 2022 году Ингосстрах пересмотрел свой выбор в пользу отечественного решения.
Компания имеет большую клиентскую базу. Из-за этого возникают сложности в формировании эффективной коммуникации с клиентами. До 70% клиентов при навязчивых коммуникациях отказываются от услуг. Стояла задача увеличить отклик потребителей и перейти на отечественное ПО без потери качества и эффективности.
В 2022 году получилось достигнуть следующие цели:
В 2023 году была поставлена новая задача: развитие оптимизатора с целью увеличения производительности и обеспечения поддержки сценарного анализа при подготовке маркетинговых кампаний.
Ингосстрах выбрал систему Reshape Marketing Optimization. Этот подход, основанный на данных и продвинутой аналитике.
За данной системой стоят сложные математические расчеты. Ведь в этом процессе нужно грамотно расставить приоритеты, выбирая клиентов, товары и каналы общения, учитывая большое количество ограничений. Решение задачи сводится к линейному программированию.
Задача линейного программирования — оптимизация линейной целевой функции при наличии ограничений. Математическая задача в общем виде состоит в определении наибольшего или наименьшего значения целевой функции.
Целевая функция:
F(x_{1},x_{2} )=c_{1}x_{1}+c_{2}x_{2}\rightarrow min/max
Решения функции от переменных x_{1}, x_{2} и параметры (а, b, c)
Система прямых ограничений:
\begin{cases}a_{11}x_{1}+a_{12}x_{2}\leq b_{1} (1)\\x_{1}\geq b_{2}(2) \\x_{1}+x_{2}\leq b_{3}(3)\\x_{1}\geq0,x_{2}\geq0\end{cases}
В данном случае целевая функция рассчитывает максимально возможную прибыль при условии, что:
В рамках данной модели устанавливаются конкретные ограничения, включающие в себя параметры, такие как количество коммуникаций, видов продукции и доступных каналов взаимодействия. Последующим этапом является формулирование цели — достижения определенного экономического показателя. В данном случае — это ожидаемая доходность.
Для каждой формы коммуникации устанавливается соответствующая оценка, представляющая потенциальный доход компании в случае положительного отклика. Естественно, каждая коммуникация требует финансовых затрат, поэтому существуют ограничения ресурсов на бюджет.
Всего существует около 20 различных типов ограничений, учитывая параметры для каналов, продуктов и клиентов, это приводит к формированию сотен и тысяч ограничений в целом.
Линейная целевая функция
Модель прогоняет данные с учетом всех ограничений и предлагает решение, которое будет наилучшим в плане ожидаемой доходности. Рассмотрим каждый этап подробнее.
Естественно, данные необходимо подготовить и провести прогноз. Это заняло два первых этапа:
Следующим шагом данные фильтруются. Добавляются параметры для оптимизации.
Следующим важным шагом было построения тактической и оперативной модели. На них остановимся более подробно.
При оптимизации проекта появился запрос увеличить выборку от 1 000 000 до 1 500 000 000 и сегментировать клиентов до 2 500 групп. Рассмотрим, как этого удалось достигнуть на примере задачи о размещении склада.
График зависимости времени от числа бинарных переменных
При увеличении переменных вдвое наблюдался феномен экспоненциального роста времени, которое увеличивается в 16 раз. Эта нелинейность проявлялась как при увеличении размерности, так и при ее уменьшении. Этим удалось воспользоваться.
Например, задачу, решаемую за 10 минут, разбивают на 10 подзадач. При этом время решения каждой подзадачи сокращается до 1% от изначального времени, что приводит к общему уменьшению в 100 раз.
В данной задаче возникла сложность в разделении переменных. Например, при делении клиентов они могут использовать общие ресурсы. Тактическая модель в данной системе становится интеллектуальным подходом, который классифицирует клиентов и оценивает их потенциал. В зависимости от возможной прибыли каждой группы ресурсы выделяются пропорционально, что позволяет их эффективно использовать. Все предложения разбиваются на партиции.
Тактическая модель:
Оперативная модель:
Этапы работы системы
Для каждой указанной группы (партиции) требуется небольшой временной интервал, составляющий 1-2 минуты. Эффективное использование вычислительных алгоритмов позволяет параллельное выполнение задач, что оптимизирует процесс.
Loginom выступает в роли замены зарубежных продуктов, обеспечивая запуск расчетов в цикле параллельно. Этот двухуровневый подход позволил успешно провести необходимые вычисления. В данной системе в Loginom происходит расчет задачи оптимизации и подготовку отчетов для аналитиков.
Еще Loginom отвечает за подготовку данных, фильтрацию клиентов и коммуникаций, которые будут включены в итоговый список.
На выходе получается результат, определяющий рекомендации по предложению продукта конкретному клиенту в определенном канале коммуникации. Он включает в себя ожидаемую доходность, затраты с учетом выбранного канала коммуникации, а также чистую ожидаемую прибыль.
Пример на выходе из оптимизатора:
| Client ID | Product | Channel | EV | Cost | Estimated-income |
|---|---|---|---|---|---|
| ID1 | КАСКО | SMS | 120.0 | 5.0 | 115.0 |
| ID2 | ОСАГА | 70.0 | 0.1 | 69.9 | |
| ID3 | НС | Call | 75.0 | 10.0 | 65.0 |
Операционная модель на выходе даст список клиентов, для каждого из них будет предложен конкретный продукт. По результатам проводится коммуникация в определенном канале. Расчет операционной модели — это результирующий пул данных, которые можно использовать для запуска проектов и передачи в соседнее подразделение.
Оптимизированные коммуникации повысили эффективность маркетинговых кампаний и продаж, обеспечивая более точное таргетирование и взаимодействие с потенциальными клиентами.
Ингосстрах выделяет следующие результаты от внедрения системы:
Данный проект был выполнен компаний Reshape Analytics для Ингосстраха. Исполнитель выделяет следующие результаты от применения платформы Loginom:
Исполнитель может доработать систему для применения в других компаниях. Возможны следующие дополнительные функциональности:
Подробнее об оптимизации маркетинговых кампаний в выступлении Глеба Заходякина, аналитика-разработчика в Reshape Analytics, старшего преподавателя в Высшей школе бизнеса НИУ ВШЭ и Дмитрия Фронского, руководителя направления Сектора монетизации данных в Ингосстрах:
pdfАналитическое решение для оптимизации маркетинговых кампаний.pdf
Если вы хотите применять аналитическую low-code платформу Loginom для решения задач бизнеса, свяжитесь с нами.
Другие материалы по теме:
Алгоритмы кластеризации на службе Data Mining
Построение единой аналитической системы для компаний среднего бизнеса и производств
