Datalytica для ритейла и потребительского сектора

Решения DATALYTICA по отраслям

Big Data Решения Datalytica для ритейла

Технологические решения DATALYICA для ритейла и потребительского сектора основаны на методах математического моделирования и машинного обучения и направлены на 3 основные бизнес-стратегии: повышение продаж, снижение издержек, управление рисками.

Компьютерное зрение для ритейла и потребительского сектора

В сфере ритейла компьютерное зрение применяют для решения нескольких задач:
- дополненная реальность для клиентских entertainment-продуктов и услуг (например, приложения instant make-up);
- сегментации клиентской базы на основе видеонаблюдения с камер;
- распознавание товарных позиций, банковский карт.

Кроме того, компьютерное зрение для распознавания текста и изображений в сфере ритейла применяют с целью автоматизации бумажной работы - автоматическое распознавание чеков, счетов, накладных, договоров и т.п., а также в сфере безопасности для автоматизированного распознавания лиц и выявления мошенических действий.

Персонифицированные продуктовые предложения для ритейла

Персонифицированные продуктовые предложения в ритейле и потребительском секторе получили наиболее широкое применение в e-commerce сфере. Правильно подобранные продуктовые предложения увеличивают конверсию сайтов и маркетинговых кампаний до 60%. Построение рекомендательной системы для ритейла включает анализ как внутренних данных бизнеса, так и внешних данных о клиентах (геолокация, поведение в соцсетях, интересы друзей и т.п.). На основании этих сведений формируются оптимальные продуктовые предложения - индивидуальные или пакетные, выбираются оптимальные каналы маркетинговых коммуникации, а также их расписание.

Для максимальной эффективности рекомендательной системы, она должна непрерывно обучаться и учитывать реакцию клиентов на предложения - негативное, положительное или нейтральное в каждом канале и в определенное время.

Прогнозирование спроса
и продаж потребительских товаров

Предсказание спроса осуществляется методами линейной регрессии, градиентного бустинга на решающих деревьях или рекуррентными нейронными сетями на основе исторических данных о потреблении данного вида товаров, а также дополнительной информации об окружающей среде (погодные условия, рыночная ситуация, курс валют и тп.).

На этапе предобработки данных рассчитывается набор статистических метрик по историческим значениям спроса за определенное количество исторических периодов. Если спрос носит сезонный характер, то для получения качественного прогноза необходимо иметь данные за несколько последних сезонов. Например, в случае внутригодовой сезонности желательно иметь данные за 3 последних года.

Чат-боты для оптимизации контактного центра

Использовать человека-оператора контактного центра наиболее привычно для пользователя, но всегда ли эффективно для бизнеса? Последние разработки в области языковых интерфейсов и искусственного интеллекта позволяют утверждать, что при должном ограничении предметной области чат-бот может не только полноценно заменить человека-оператора, но и стать более эффективным интерфейсом, через который предприятие сделает важный естественный шаг в автоматизации.

Предсказание оттока
клиентов и разработка мер по удержанию

Отток клиентов - большая проблема для телеком-бизнеса, из-за которой компании несут колоссальные потери. Для разработки методов противодействия оттоку клиентов, сначала необходимо предсказать отток. Это — типовая задача классификации (отбора) малого количества клиентов, склонных к оттоку, по сравнению с количеством лояльных клиентов. По результатам отбора, разрабатывается план удержания клиентов, которые потенциально могут выбрать конкурентов.

Прогнозирование оттока сотрудников и HR-аналитика

Технологии Data Science позволяют разрабатывать уникальные решения HR-аналитики на базе машинного обучения и big data. Эти решения способны существенно сократить ресурсоемкость подбора новых сотрудников для телекоммуникационных компаний, ускорить работу с наиболее ценными кандидатами, анониминимизировать методы оценки технических компетенций (hard skills) и необходимых личностных качеств (soft skills) кандидата, избежать ошибок при ручной обработке резюме, заполнении и обработке анкет соискателей.

При работе с сильными кандидатами крайне важно сделать предложение о работе быстрее конкурента. HR-аналитика предоставляет это преимущество. Решение на базе машинного обучения проводит автоматическую фильтрация входящих резюме, делает многомерную оценку кандидата и выдает заключение о ценности кандидата без вмешательства человека. Решение использует методологию психологического скоринга на базе искусственного интеллекта.
Как мы работаем?
Разработанное нами программное обеспечение и математические модели могут быть переданы заказчику на условиях:
Исключительного права
Неисключительного права
Технологии