23 Октября 2015

Rubbles Customer Insight
Инновационный
9 голосов
Народный
4 голоса
Перспективный
6 голосов

Платформа, которая превращает накопленные сырые банковские данные о клиентах (такие, как например, данные о транзакциях) в набор понятных и готовых для использования фактов из реальной жизни клиента (инсайтов), а также предсказаний о событиях, которые с большой долей вероятности произойдут с клиентом в будущем с использованием методов машинного обучения

rubbles.ru

Краткое описание проекта

Rubbles Customer Insight превращает накопленные сырые банковские данные о клиентах (такие, как например, данные о транзакциях) в набор понятных и готовых для использования фактов из реальной жизни клиента (инсайтов), а также предсказаний о событиях, которые с большой долей вероятности произойдут с клиентом в будущем. Банки могут использовать эту информацию для высокоточного таргетинга предложений своих внутренних продуктов или сервисов, коммерческих предложений от своих партнеров (рекламы), а также персональных финансовых советов, повышающих лояльность клиентов.
Преимущество продукта:
•    Для использования готового решения не требуется специальных технических знаний
•    Запуск новой кампании в банке занимает 10 минут
•    Уже разработано около 300 готовых инсайтов — банкам не придется тратить время на свои исследования
Команда проекта

Все участники проекта имеют высшее техническое образование, обучались в Школе Анализа Данных Яндекса, Сколковском институте науки и технолоигй и постоянно повышают свою квалификацию.
Наша команда имеет большой опыт работы с анализом данных и уже реализовала успешные проекты с использованием технологии Customer Insight с несколькими компаниями, такими как Альфа-Банк, Qiwi, ЦФТ, HeadHunter.

Команда состоит из следующих участников:
•    Аналитики — разрабатывают список фактов и событий из жизни клиентов — т.е. формируют “инсайты”.  
•    Специалисты по анализу данных — определяют правила построения для каждого из инсайтов, строят математические модели.
•    Разработчики и специалисты по инфраструктуре — реализуют математические модели в виде SDK — набора программных функций и объектов, которые применяются к конкретным банковским данным — и помогают встраивать их в банк.
•    Руководитель проекта — координирует действия всех участников проекта, коммуницирует с банком в процессе внедрения решения.
Технология

Общее описание технологии:
1.    Мы анализируем транзакции пользователя и извлекаем скрытые знания о пользователях — фактов о клиентах и событиях в их жизни, которые могут быть интересны банкам. На текущий момент определено более 300 инсайтов и этот список постоянно растёт. Для каждого из инсайтов аналитики и математики строят свою математическую модель, которой на вход подаются все данные о пользователе. При построении модели используются методы машинного обучения. На выходе модель выдает ответ на вопрос «справедлив ли выбранный инсайт для данного клиента?».
2.    Объединяя внутренние банковские данные о клиенте с внешними — такими как их активность в интернете — наши математические модели, строят реальную картину жизни клиента. Уже на этом этапе работник банка, не имеющий специальных знаний, может выделить нужных для его целей клиентов, просто выбрав нужные инсайты.
3.    На следующем этапе работник банка рассылает таргетированное предложение отобранным клиентам через любые удобные каналы коммуникации: мобильное приложение, SMS, email-рассылка.
4.    После запуска кампании мы собираем обратную связь от клиентов — было ли предложение актуальным или нет. Эти данные используются для автоматического улучшения математической модели — а значит, и точности инсайтов. Чем дольше банк использует наше решение, тем точнее таргетируются его предложения.

Внедрение:

Первым шагом является внедрение в банк SDK — набора программных функций и объектов, которые реализуют наши обученные на модельных данных математические модели. SDK, принимая на вход все данные по клиентам и загружая их в модель, выдает список клиентов, удовлетворяющих требуемому инсайту. Далее банк уже может использовать список этих клиентов для рассылки своих предложений или советов.
Система полностью интегрируется внутри банка — данные не выходят за его пределы.


После внедрения пилотного проекта для эффективной работы нашего решения все модели стоит заново обучить на конкретных данных банка, чтобы добиться увеличения точности инсайтов, а также, если возможно, подключить внешние данные для расширения списка инсайтов.
Бизнес-модель

Проект может быть реализован в два этапа:

1.    Пилот — внедрение в банк SDK (набора функций и объектов, которые реализуют математические модели). Стоимость проведения пилота фиксирована и не зависит от количества клиентов, которые участвуют в пилоте. В пилоте применяются уже обученные на смоделированных данных математические модели. Стоимость складывается из платы за лицензию и из стоимости внедрения нашего решения в банк. Полная интеграция пилотного решения занимает 2 месяца. Срок проведения пилота — 6 месяцев.
2.    После реализации пилота возможно обучение уже специализированной математической модели на данных именно того банка, куда внедряется решение. За счет этого шага повышается точность инсайтов — они подстраиваются под особенности поведения клиентов конкретного банка. Дальнейшая стоимость использования Rubbles Customer Insight зависит от количества клиентов, для которых старгетированное нами предложение банка оказалось релевантно и привело к совершению целевого действия.