Технология искусственного интеллекта предназначена для анализа данных для выявления в них скрытых взаимосвязей. Сейчас эта ее особенность оказалась очень востребованной, поскольку появилось большое количество данных для анализа и практические задачи, в которых можно использовать неявные взаимосвязи в данных. В частности в банковской сфере, телекоме, цифровых сервисах — везде, где важны постоянные отношения с клиентом — появилась задача предотвращения оттока клиентов. А поскольку целью цифровой трансформации часто заявляется предоставление товара как сервиса, то в любой подобной бизнес-модели стоит предусмотреть механизм контроля лояльности клиентов.
Анализ оттока
Тема предотвращения оттока клиентов оказалось настолько важной, что была затронута сразу в нескольких мероприятиях по искусственному интеллекту. Действительно, стоимость удержания клиента сильно меньше стоимости привлечения нового, поэтому различные сервисные компании заинтересованы в разработке технологии, которая позволит эффективно работать с «ненадежными» клиентами. Предположение для использования данной технологии заключается в следующем: выявлять с помощью искусственного интеллекта признаки клиентов, которые в скором времени могут прекратить пользоваться услугами, разобраться в том, что их не устраивает, и предложить решение их проблем.
В частности, компания Bell Integrator провела пресс-конференцию, на которой объявила о выходе на российский рынок облачной платформы Neuton AutoML, которая позволяет всем категориям пользователей строить предиктивные модели для решения множества бизнес-задач. Этот сервис предназначен для подготовки решений на базе машинного обучения на облачной платформе Google (GCP). Причем он является решением полного цикла, в котором автоматизированы все этапы создания приложений с ИИ: от подготовки данных и обучения до развертывания моделей и интерпретации результатов предсказаний. Причем все в едином интерфейсе.
Так вот в качестве тестовой задачи на презентации Neuton как раз и была разобрана задача выявления клиентов, которые собираются отказываться от услуг компании. Причем, со временем предсказания модели могут ухудшиться. В этом случае предусмотрена возможность дообучения модели на новых данных, чтобы получить более качественный результат. Платформа может выявить нелояльных клиентов и предоставлять анализ причин их недовольства, а уже сами компании должны принимать действия по удержанию клиентов. Правда не совсем понятно как действия компании по удержанию отразятся на точности предсказания модели.
Аналогично на митапе компании «Ростелеком» по управлению данными также было сразу два доклада про удержание клиента с помощью искусственного интеллекта. В частности, о своих исследованиях в этой области рассказали представители «Газпромбанка», где анализировался отток клиенты по трем продуктам: депозитным счетам, кредитным и зарплатным картам. Для разных продуктов, естественно, использовались разные целевые показатели, поэтому и получившиеся модели сильно отличались. Если для счетов основной задачей было увеличение остатка, то для карточек оказалось важнее сохранять транзакционную активность. По результатам анализа по базе выявленных нелояльных клиентов было разослано специальное предложение с выгодными условиями обслуживания. Эффект оказался на уровне удержания 8% нелояльных клиентов за счет использования анализа данных.
Продвижение новых услуг
В самом «Ростелекоме» также некоторое время назад появился отдел по анализу данных, который также занимается выявлением нелояльных клиентов и развитием новых услуг. Ситуация в телекоммуникационной области как раз способствует изменению структуры потребления услуг — фиксированная телефония уже практически умерла, широкополосный доступ превратился в простое подключение и без дополнительных услуг его сложно развивать. Структура телекоммуникационных услуг сильно меняется, что и приводит к перетоку клиентов от одного оператора к другому, причем часто без очевидной целом. Однако, вполне возможно, что клиенту нужно было просто заменить одну услуги на другую у того же оператора. Именно поэтому анализ оттока в телекоммуникационной отрасли оказался более эффективным. По оценкам директора департамента управления данными «Ростелекома» Андрея Зимы им удалось удержать до 20% клиентов, которых обученная на исторических данных модель искусственного интеллекта выявила среди пользователей услуг компании.
При этом на рынке телекома важно правильно отреагировать на обнаруженного нелояльного клиента. Ему, как правило, важно предложить не скидку, как в случае банковских услуг, но более современную услуги или даже целый пакет. Следует отметить, что при проведении цифровой трансформации подобная проблема может возникать достаточно часто — у компании появляются новые, интересные сервисы, но потребители о них не знают. В то же время клиентам нужны новые сервисы. Они видят их у конкурента и переходят к нему, хотя и у предыдущего оператора уже предлагалось аналогичные услуги. В такой ситуации компании важно понять, что клиент ищет что-то новое и предложить ему свои новые сервисы, чтобы не потерять уже проверенного и лояльного клиента.
Правда, подобная стратегия удержания требует уже другой работы — с медийным пространством, и здесь также могут помочь технологии искусственного интеллекта. Например, компания Epicstars разработала технологию работы с блогосферой, которая с помощью ИИ анализирует объем и качество аудитории различных блогеров и позволяет выделить те из них, которые максимально релевантны целевой аудитории для продвижения новой услуги. Если компания хочет удержать клиента, то, возможно, более эффективной стратегией является не предоставление нелояльным клиентам скидки, а предложение им более современных услуг, которые можно продвинуть в их целевой аудитории, например, с помощью сервиса Epicstars. Таким образом, искусственный интеллект может не только выявить недовольных клиентов, но еще и заниматься развитием новых услуг и поддержанием лояльности.
