Предвосхищение желаний клиентов Сбера

Для обучения моделей используются данные тех пользователей, с которыми произошло так называемое сервисное событие – некая ситуация, требующая консультации со стороны службы поддержки банка. Клиенты, звонившие в контактный центр, становятся «положительными» примерами для модели, а те, кто не позвонил – «отрицательными». Модель строится как решение задачи бинарной классификации.

Для отобранных пользователей формируется набор признаков с их актуальными значениями на дату, предшествующую сервисному событию. Это могут быть социально-демографические и финансовые данные, сведения об активности клиента, авторегрессионные характеристики – сталкивался ли клиент с той или иной проблемой ранее, обращался ли он в службу поддержки и т.д. В целом рекомендательная система использует при моделировании свыше 800 различных признаков.

Цифровые следы клиентов собираются в режиме близком к реальному времени, фильтруются, обогащаются и позволяют рекомендательной системе заметить признак наступления сервисного события. В этом случае клиенту отправляется сообщение по одному из каналов связи с подсказками, как можно решить стоящую перед ним задачу.