RT.Streaming

Технологии:

Data Warehouse Data Engineering Data Science

Решение:

Для решения задачи в ПАО Ростелеком построена система из нескольких сотен рекомендательных моделей на базе искусственного интеллекта, учитывающая все накопленные компанией знания о клиенте, как внутренние — например, обращения клиента в техническую поддержку, профиль использования услуг компании, адресная информация и др., так и полученные из внешних источников — например, данные социальных сетей, ЗАГС и др.

На основе анализа данных о клиенте модели помогают получать информацию о его потребностях и предпочтениях и при дальнейшем общении с клиентом позволяют предложить именно тот продукт, который с высокой вероятностью окажется ему полезен.

При этом не тратится время на предложение продуктов, в которых клиент не нуждается.

Эффекты:

Использование рекомендательных моделей продаж позволило повысить конверсию продаж в 2–3 раза для существующих и новых клиентов ПАО Ростелеком

Технологии:

Data Warehouse Data Engineering Data Science

Решение:

Для решения задачи в ПАО Ростелеком построена система из нескольких десятков моделей на базе искусственного интеллекта, учитывающая все накопленные компанией знания о клиенте, как внутренние — например, обращения клиента в техническую поддержку, профиль использования услуг компании, адресная информация и др., так и полученные из внешних источников — например, данные социальных сетей, ЗАГС и др.

Модели позволяют предсказать вероятность оттока клиента на горизонте 3 месяца и, следовательно, дают время для принятия мер с целью его удержания. Помимо вероятности оттока модели определяют причины, по которым клиент может уйти, что даёт возможность разработать на их основе возможные сценарии удержания, улучшающие клиентский опыт.

При реактивном удержании модели формируют рекомендации на основе финансовых критериев, эффективно или нет в данном случае применять ценовое удержание.

Эффекты:

Предсказывание оттока позволяет заблаговременно начать удержание склонных к оттоку клиентов. Из реально склонных к оттоку удерживается 20% клиентов в сегментах B2C и B2B

Технологии:

Data Warehouse Data Engineering

Решение:

На базе компонента «Платформа управления данными» настроен процесс автоматизированного импорта данных из Системы Контроля и Управления Функционированием (СКУФ) в аналитическую систему «Система аналитики и отчётности „Проект Аврора“.

Для этого в инфраструктуре проекта внедрена база данных по устройствам, пользователям и инцидентам, данные в которую загружаются с помощью инструмента RT.Streaming.

Эффекты:

• Увеличение скорости построения оперативной отчётности по показателям технической поддержки
• Своевременное получение информации, необходимой для быстрого решения вопросов, связанных с технической поддержкой
• Полная автоматизация и значительное снижение трудоёмкости сбора данных по показателям и инцидентам из Системы Контроля и Управления Функционированием
• Оптимальное управление процессом технической поддержки, снижение времени на обработку и устранение инцидентов