Лето Банк внедрил комплекс прогнозных моделей для построения маркетинговых кампаний путем подбора оптимальных персональных предложений клиентам, повышающих отклик клиентов и доход банка.

Лето Банк инвестирует значительные средства и силы в развитие своей платформы цифрового маркетинга и клиентской аналитики. В 2013 году с помощью специалистов GlowByte Consulting банк завершил внедрение комплексной автоматизированной системы управления маркетинговыми кампаниями на базе SAS Marketing Automation. Была также развернута единая аналитическая платформа для управления CRM и рисками на базе решений SAS, позволяющая в кратчайшие сроки создавать и запускать маркетинговые кампании с учетом требований департамента рисков. Однако, подбор параметров запускаемых кампаний (выбор клиентских сегментов, подбор предложений и оценка потенциальных результатов) осуществлялся экспертным путем, поэтому следующим шагом развития CRM-платформы стал проект внедрения расширенных средств анализа клиентской базы, применение методов прогнозной аналитики и data mining.

«Для более точного определения предложений необходимо постоянно усложнять сегментацию клиентов. При этом параметры сегментации меняются с течением времени. Традиционные средства в современных условиях не позволяют проводить долгосрочный анализ доходности сегментов и не достигают желаемой точности распределения предложений. Задача повышения эффективности маркетинговых кампаний с помощью прогнозных моделей была поставлена перед CRM-подразделением и нашим давним партнером по развитию аналитических систем, компанией GlowByte, в начале 2014 года», — прокомментировал цели проекта Павел Тулубьев, руководитель службы CRM «Лето Банка».

Проект состоял из нескольких этапов — сбор статистики отклика клиентов на разные предложения, построение прогнозных моделей и оптимизационного алгоритма, применение этих инструментов на практике для замера эффективности по сравнению с действующим подходом.

«Наши ожидания были весьма осторожными, так как параметры и ход проведения целевой кампании уже неоднократно оптимизировались с помощью других подходов. Хорошим результатом для нас было бы увеличение эффективности на 5–10%, именно этот ориентир был поставлен перед командой GlowByte, так как мы ожидали от партнера не только реализации наших идей, но и работы по улучшению моделей отклика на основе проектов GlowByte в других банках. Мы рады, что результаты превзошли ожидания уже по итогам пилотной кампании», — прокомментировал Павел Тулубьев.

Развивать алгоритмы подбора оптимальных предложений банк планирует с использованием решения SAS Marketing Optimization, помогающего маркетологам создавать набор альтернативных сценариев для кампаний, улучшать их с помощью встроенных оптимизационных алгоритмов и анализировать, как вносимые изменения влияют на результаты.