3903
Цифровой паспорт клиента
Май, 2020 год.Цифровой паспорт на базе технологий искусственного интеллекта.
Какую проблему решали
АО «Объединенное кредитное бюро» использует разные рекламные каналы. Для анализа их эффективности применяются различные метрики и инструменты.
Системы аналитики не позволяли отследить действия пользователя с разных устройств, каналов и браузеров. Идентифицировать посетителей приходилось вручную, используя файлы cookies. Они не всегда передавались и могли изменяться.
Системы аналитики не позволяли отследить действия пользователя с разных устройств, каналов и браузеров. Идентифицировать посетителей приходилось вручную, используя файлы cookies. Они не всегда передавались и могли изменяться.
Невозможно достоверно рассчитать возврат инвестиций в рекламу и эффективность каждого канала. 90% рекламного бюджета уходило на неконвертируемый трафик.
Решение проблемы
Компания «Андата» внедрила решение «Цифровой паспорт», который определяет уникальных пользователей без учета cookies, составляя единый путь клиента.
Цифровой паспорт — автоматически обновляющийся информационно-аналитический профиль, состоящий из тысяч параметров. Технология идентифицирует пользователей с учетом смены браузеров, устройств, доменов и каналов коммуникаций.
Система накапливает данные пользователей, анализирует их, определяет эффективность маркетинговых кампаний, а затем формирует рекомендации по их настройке, которые можно применить в один клик.
Применяемые технологии
В решении используются технологии идентификации пользователей и рекомендательная система по оптимизации маркетинговых кампаний.
Пользователь размещает JavaScript трекинг-код на сайте или устанавливает SDK в мобильное приложение, затем данные поступают в кластер коллекторов, проверяются на целостность и обогащаются информацией, собранной из рекламных кабинетов и CRM-систем.
Накопленный массив данных поступает в SPARK, где происходит расчет динамических профилей цифровых паспортов. Рекомендации реализованы с помощью библиотеки Pytorch на основе исходного кода Python.
Бизнес-процесс
До проекта:
- Идентификация пользователей в ручном режиме, используя файлы cookies.
- От 8 до 20 часов в неделю на работу с данными.
- 0,38% — коэффициент исключения дублирующихся данных.
- Нет аналитики по эффективности маркетинговых каналов.
- Учет конверсии только по модели last click — последнего канала взаимодействия с клиентом.
После проекта:
- Автоматическая идентификация пользователей в различных каналах.
- 1 час в неделю на работу с данными.
- 17,14% — коэффициент исключения дублирующихся посетителей.
- Единый цифровой профиль клиента.
- Анализ рекламных кампаний.
- Управление рекламными кампаниями на основе рекомендаций.
Результаты
Команда «ОКБ»
Евгений Кошкин
Таргетолог
Шарма Сандип
Директор по развитию розничного бизнеса
Команда «Андата»
Алексей Бирюков
Генеральный директор
Павел Киселев
Архитектор по machine learning
Игорь Крамер
Технический директор
Андрей Ласевичев
Ведущий разработчик full stack
Похожие кейсы
AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.
