Искусственный интеллект снижает стоимость командировок на 40%
Аналитическая компания Marketing Logic завершила проект по развитию аналитического модуля для системы управления деловыми поездками компании «Павлин-Тревел». Машинное обучение позволяет экономить до 40% от стоимости затрат на деловые поездки.
Система управления поездками автоматизирует ключевые процессы в организации командировок: выбор и заказ билетов, бронирование проживания, организация встреч и комплексных мероприятий. Система позволяет установить и использовать наиболее выгодные алгоритмы и правила подбора дат, времени, вида транспорта, точек отправления и назначения для сотрудников, чья деятельность связана с работой в различных городах.
При интеграции с бизнес-процессами компании-клиента искусственный интеллект обучается на максимально эффективных сценариях использования рабочего времени и даёт рекомендации о целесообразности отправки того или иного сотрудника в командировку в зависимости от его рабочего профиля, затрат на поездку и достигаемых результатов. Принципы геологистики, положенные в основу модуля, позволяют системе оптимальным способом рассчитывать комбинации домашних и гостевых городов и выстраивать маршруты для каждого сотрудника с учётом максимальной эффективности для бизнеса. В итоге расходы организации на деловые поездки уменьшается до 40% без снижения результатов.
«В рамках любых классических задач по маркетингу, росту продаж, управлению сетью, корпорации сталкиваются с задачами по оптимизации перемещения сотрудников, предела целесообразности командировок. Применение машинного обучения позволяет точнее определить правила тревел-политики, снизить расходы на командировки без потерь в бизнес-показателях компании: продажи, доля рынка и уровень охвата. Мы планируем объединять разработанную систему с планом командировок организации, что позволит полностью уйти от человеческого участия в выборе и заказе деловых путешествий и ещё больше экономить за счёт раннего бронирования и оптимизации тревел-политики», – говорит управляющий партнёр Marketing Logic и эксперт в области Big Data и геомаркетинга Дмитрий Галкин.
«Все знают, что ранее бронирование обычно выгоднее внезапных покупок. Машинное обучение на различных по качеству кейсах позволило увидеть насколько: при организации командировки за одну неделю стоимость путешествия в среднем на 30% ниже, чем при организации за один день, более ранее бронирование экономит до 40%, т.к. цены бронирования не меняются до даты фактической оплаты клиентом. Аналитика, прогнозные модели и чёткое финансовое и математическое планирование позволяют организации бизнес-поездок стать ещё более выгодной для наших пользователей», – говорит Генеральный директор Pavlin-Travel Владимир Павлин.
Кроме существенной экономии бюджета, система управления поездками облегчает обмен документами и процесс согласования: счета и закрывающие документы напрямую направляются в бухгалтерию компании, а бюджет поездки согласовывается с руководством.
О сложностях внедрения искусственного интеллекта
Еще тогда, когда искусственный интеллект еще не стал очевидным трендом, команда Marketing Logic внедрила эти технологии в одном из крупнейших банков России
Аналитическая компания и банк вместе начали строить полноценную систему управления бизнес-процессами с помощью ИИ сначала в маркетинге, затем подключили управление сетью, потом HR. С точки зрения внедрения современных технологий это был один из самых впечатляющих кейсов в России. С начала внедрения прошло уже больше четырех лет, и этот опыт позволяет рассказывать не только об этапе внедрения, но и со 100%-ным знанием дела рассказать о том, какие победы и проблемы возникают дальше.
ЕСТЕСТВЕННОЕ ВНЕДРЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Внедрение систем с элементами искусственного интеллекта вызывает бурю эмоций, поскольку затрагивает все уровни сотрудников: от рядовых до высшего менеджмента. Первая эмоциональная реакция — это часто отторжение. Для большинства искусственный интеллект — это черный ящик. Человек не всегда понимает, почему был выявлен плохой или хороший результат, как была определена закономерность, какие факторы учитывались в большей степени, какие — в меньшей.
Еще на старте разработки технологии мы консультировались со специалистами, в том числе с психологами, как повысить доверие человека к машине. Ответ был простой — система должна заработать авторитет, а для этого нужно понимание большинством сотрудников принципов работы ИИ. Задача довольно сложная. Объективно мы не могли сделать из всех сотрудников программистов, аналитиков и специалистов по машинному обучению, поэтому рядом с основным ядром ИИ мы создавали «маленького брата», который понятно объяснял принятое решение в понятных метриках на основе тех фактов, которые не вызывают недоумения или отторжения у человека. Это существенно сократило время внедрения и сняло многие возражения, так как большинство сотрудников видели основные этапы работы системы, и это укладывалось в привычные для них логику и алгоритмы принятия решений. При этом разработчики понимали, что это не единственные условия, которая система учитывает. Решения часто так точны именно потому, что учитываемых факторов огромное количество, в том числе тех, которые человек не берет в расчет из-за кажущейся незначительности. Машинное обучение их все равно обрабатывает, и эти выявленные закономерности тоже оказывают влияние на конечный результат и делают его максимально точным.
СКОРОСТЬ И ЭТАПЫ ВНЕДРЕНИЯ
Худший вариант внедрения ИИ — революционным методом, когда у коллектива нет ни его понимания, ни принятия. Это вопрос доверия к продукту внедрения и команде, которая его привносит. Мы понимали, что не можем мгновенно изменить годами складывавшуюся практику и заставить опытных специалистов прислушиваться к решениям машины. Это породило бы конфликт и стало бы существенной преградой для внедрения. Поэтому была разработана плавная, поэтапная схема внедрения. В первый год, например, мы внедряли «систему рекомендаций» и очень четко позиционировали их как «не вместо, а в помощь», чтобы не сформировать отношения «человек против машины» и прийти к более продуктивной модели «машина помогает человеку, и наоборот». В этом случае люди начинают привыкать к ИИ, смотрят, как он предлагает рекомендации, начинают находить удобства для себя.
Когда сотрудники начинают работать в полностью цифровой среде, вся совокупность их действий доступна для наблюдения ИИ и формирует уникальную витрину данных для обучения. По качеству такая база несравнимо выше, чем обычные данные, привычно выгружаемые для построения статистических моделей. Это позволяет гораздо быстрее и точнее выделять лучшие практики у сотрудников и включать их в рекомендации.
У КОГО УЧИТЬСЯ?
Еще один вопрос, возникающий после внедрения систем искусственного интеллекта в бизнес-процессы и непосредственно связан с тем, что мы обсуждали выше: «У кого и на ком система должна учиться?». На первых этапах после внедрения ответ очевиден — это история работы организации за год-два-три до внедрения. Далее — на лучших сотрудниках. Но если система рекомендаций работает уже два-три года, то возникает следующая ситуация:
- система прошла несколько итераций обучения, и рекомендации стали «умнее»;
- для сотрудников генерировать «лучшие практики» становится сложнее;
- растет уровень согласия с рекомендациями системы, т.е. сотрудники все чаще соглашаются с ИИ и подтверждают то, что совет системы «хороший»;
- уровень эмоционального недоверия к системе со стороны сотрудников снизился.
На этом этапе возникает довольно известная в статистике ситуация — смещение выборки. Перестают поступать новые данные для обучения. Система замыкается в себе и потенциально может упускать новые возможности. Обычный метод — это выделение определенной доли активностей, в которых сотрудники должны идти против системы. Но по мере обучения системы вы видите, что обычным сотрудникам все сложнее формулировать и реализовывать новые успешные практики. Поэтому в данном случае была рекомендация создавать специальные команды сотрудников, являющихся экспертами в процессе и в то же время способных к поиску новых возможностей.
ПОЧЕМУ ВНЕДРЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НЕИЗБЕЖНО? ЧТО ДЕЛАТЬ СОТРУДНИКАМ?
Еще одна важная вещь, создающая сложности при внедрении искусственного интеллекта, — это то, что сотрудники видят в нем конкурента, и небеспочвенно. Любая автоматизация приводит к тому, что рекомендательная система работает со временем лучше сотрудников, что существенно экономит деньги компании, но создает риск для определенных групп работников.
Рано или поздно им нужно будет обогащать свои знания умением работать с искусственным интеллектом, а сам рынок труда тоже трансформируется: тех, кого можно с легкостью заменить, уйдут, но нужны будут новые кадры из тех, кто будет работать с новейшими технологиями, заниматься их внедрением, обучением, поддержкой. Это уже происходит: не так давно Герман Греф заявил о том, что Сбербанк перестает брать на работу юристов, у которых нет понимания принципов работы с нейронной сетью. И это лишь один частный пример профессии.
Почему так происходит? Ответ банален — экономия. Внедрение таких систем выгодно работодателям. Например, по данным WEF, четыре года назад три крупнейшие компании Детройта и три крупнейшие компании Кремниевой долины имели сопоставимые доходы, но в последних работало в 10 раз меньше сотрудников. Легко предположить, по какому пути будет развиваться бизнес. Уже сейчас в банках, по нашим данным, большинство решений в рамках кредитных договоров принимается с учетом рекомендаций искусственного интеллекта. Кредитные организации все чаще отдают управление рисками машинам, которые обрабатывают массу документов, определяют платежеспособность клиента, риск его банкротства, выхода в просрочку, а также фрод-риски.
К 2030 году, по оценкам PwC, искусственный интеллект обеспечит 14%-процентный прирост мирового ВВП, это около 15,7 трлн долларов, то есть он станет неотъемлемой частью экономики, и нам всем нужно с этим считаться уже сейчас. Выиграет тот, кто раньше включится в игру и накопит внутренний опыт работы сотрудников в связке с ИИ.
Скорее всего, в конкуренции с повсеместно внедренным искусственным интеллектом, а это, как мы уже понимаем, вопрос времени, будет ряд факторов, влияющих на дальнейший успех: выиграет тот, кто сохранит экспертную группу способной генерировать для него новые решения, кто сможет оцифровать большее количество событий, выстроить наиболее полную витрину данных, кто сможет сформировать самую сильную команду специалистов.
Банк «ФК Открытие» совместно с Бинбанком внедрит систему анализа геоданных клиента
Банк «Открытие» внедрит многофункциональную систему геолокации, разработанную командой специалистов Бинбанка и Marketing Logic на основе геоинформационной системы Atlas, специально адаптированной для выполнения задач банка. Система основана на принципах машинного обучения и на этапе объединения банков поможет прогнозировать объем и тип наиболее частых операций, которые будут осуществляться в каждом конкретном офисе. Также система будет оценивать перспективные локации для дальнейшего развития сети, выбирая наиболее эффективные точки для размещения офисов и банкоматов. Об этом сообщили в пресс-службе Бинбанка.
В будущем планируется, что система также будет анализировать геоданные клиента и его трансакционную активность, после чего давать ненавязчивые СМС-рекомендации по выбору ближайших офисов и банкоматов, в том числе партнерских. Данный функционал позволит ввести дополнительную защиту от мошенничества и несанкционированных списаний. Если операция по карте клиента или в дистанционных каналах будет осуществляться из нехарактерной локации, система сможет запросить у клиента дополнительное подтверждение платежа по СМС.
Сеть «Открытия» после его объединения с Бинбанком превысит 800 офисов по всей России — от Калининграда до Южно-Сахалинска. Банк будет присутствовать в 270 городах с совокупным населением свыше 75 млн человек.
По словам руководителя розничного блока банка «Открытие» Вениамина Полянцева, будет сокращено незначительное количество отделений. «Отдельная задача, которая стоит перед банком, — унификация стиля, форматов и брендинга сети. Фактически мы останемся с неизменным размером филиальной сети при приросте активной клиентской базы группы на 30% — с 3,3 миллиона до 4,2 миллиона физических лиц к концу 2020 года. При этом проникновение наших продуктов в базу увеличится примерно в два раза», — рассказал он в интервью Банки.ру.
Ранее глава банка «Открытие» Михаил Задорнов говорил о том, что сеть банкоматов банка «Открытие» после его объединения с Бинбанком составит 6 тыс. устройств, из которых 3 тыс. будут новыми.
Центробанк собирается продавать объединенный банк после того, как завершится процедура его санации. На спасение Бинбанка регулятор выделил 56,9 млрд рублей, на санацию банка «Открытие» — 1 трлн. Обе кредитные организации «оздоравливаются» через Фонд консолидации банковского сектора.
Искусственный интеллект и геомаркетинг: найти и привести целевого клиента
За последние 10 лет банки и другой розничный бизнес поняли, что большие данные — это очень важно и полезно. Они нужны любому маркетологу: население и трафик, конкурентная среда, благосостояние жителей и потенциал локаций. С учетом этих факторов можно строить мегаэффективную сеть точек продаж
Геомаркетинг — маркетинговый инструмент, который использует многие современные технологии. При этом лучшие результаты достигаются при понимании геоподходов на всех уровнях — от топ-менеджмента банка до сотрудников на местах. Мы научились выстраивать дружеские отношения между людьми и машинами, при которых геоанализ становится общим любимым ребенком, его поддерживают и развивают. Расскажем об этом на примерах.
ПОТЕНЦИАЛ ЛОКАЦИЙ ОТДЕЛЕНИЙ БАНКА
Банки всегда внимательно относились к выбору локации отделений, но экспертные оценки иногда были неточны: только 50–60% офисов окупались в срок.
Сейчас, в эпоху digital и огромных массивов информации, есть возможности качественно улучшить эти показатели за счет системного подхода и глубокого анализа компонентов Big Data. Согласно нашей статистике, до 90% отделений, открываемых с помощью инструментов геомаркетинга, окупаются в срок, и этот показатель растет.
Обычно каждый такой проект начинается с создания экспертного слоя, составляемого по списку понятных правил успеха отделения банка. Обычно в нем 15–20 правил, которые включают плотность населения, его финансовое положение, общественный транспорт, целевой трафик клиентов, бренды конкурентов и другие параметры. Мы собрали более 1500 метрик, имеющих пространственную привязку для более чем 350 городов России.
Список правил согласовывается и корректируется с заказчиком на основе его внутренней экспертизы, которая учитывает цели и возможности банка. Наши эксперты применяют правила, обсчитывают значения для каждой ячейки по городам присутствия, указанным заказчиком. Если правило выполнено, ячейка получает один балл, если нет — 0. Когда вся территория оценена, получается «тепловая» карта. И на уровне каждой локации можно легко и быстро понять, что именно работало, а что нет. Обычно мы делаем несколько итераций, чтобы достичь наибольшей точности.
Наша компания запатентовала ряд разработок, которые позволяют быстро обсчитывать всю территорию России для размещения и улучшения эффективности точек продаж телекома, ретейлеров, офисов сервисных компаний, отделений банков, сетевых ресторанов, производств и многого другого. Один обсчет сотен миллионов потенциальных локаций занимает 42 секунды, поэтому для нас почти не имеет значения, с какой географией работать. Каждый раз правила адаптируются под специфику бизнеса заказчика. Геоданные позволяют разграничить сферы ответственности между маркетингом, сетью, продуктами и персоналом на уровне каждой точки, то есть однозначно выявить, что нужно изменить для роста бизнес-показателей этой точки.
ПРОСТРАНСТВЕННЫЙ АНАЛИЗ ПОВЫШАЕТ ЭФФЕКТИВНОСТЬ МАРКЕТИНГА ДО 40%
У Бинбанка на протяжении многих лет была одна из самых широких региональных сетей на финансовом рынке — около 400 отделений по всей стране. Команда Marketing Logic внедрила в Банке универсальную геоинформационную систему бизнес-аналитики «Атлас». Она позволила управлять всеми маркетинговыми активностями в регионах присутствия, в том числе вести автоматизированный расчет результатов привлечения по каждому носителю. Плюс мы внедрили поддержку технологии «маркетинговый захват территории», то есть выделение приоритетных зон вокруг сети отделений, где необходимо усилить маркетинговые инвестиции из-за внешних или внутренних факторов.
«Искусственным интеллектом» в данном случае стала система, представляющая собой самообучающуюся нейронную сеть. Она анализирует потребности и особенности клиентов, задачи бизнеса, расположение отделений и тип рекламных носителей вокруг точки продаж, а затем предлагает оптимальный набор наиболее эффективных каналов продвижения, включая наружную рекламу, Интернет, радио и телевидение. Интерфейс позволяет в режиме реального времени следить за всеми маркетинговыми активностями и взаимодействовать с агентствами-подрядчиками для корректировки медиаплана. Кроме того, система самостоятельно накапливает данные об истории рекламных размещений и анализирует их методами машинного обучения, что дополнительно повышает точность каждого следующего прогноза.
В результате геомаркетинг, Big Data и машинное обучение позволили повысить эффективность привлечения клиентов с учетом индивидуальных особенностей каждого региона и отдельного офиса. Наш совместный проект вылился в тесное сотрудничество, позволившее Банку снизить по некоторым направлениям стоимость привлечения новых клиентов в три раза.
Технология location intelligence в рамках геоинформационной системы «Атлас» сейчас также применяется в Росбанке для управления сетью из более чем 500 отделений. Система агрегирует данные обо всех отделениях и подразделениях Банка, оценивает потенциал и нагрузку, рассчитывает эффективность потенциальных офисов, исходя из данных об активности клиентов, банков-конкурентов, численности населения, трафика на улицах города и другой статистической информации. Банк получает «тепловую» карту по каждому городу присутствия с оценкой потенциала локации отделения на уровне шаговой доступности.
Сегодня наше решение соединяет два подхода: машинное обучение и экспертные правила выбора хороших локаций, что позволяет объединить накопленные исторические данные и бесценный опыт экспертов — сотрудников банка.
КОМПЛЕКСНЫЙ ПОДХОД К УПРАВЛЕНИЮ И ТРАНСФОРМАЦИИ СЕТИ ОПРЕДЕЛЯЕТ «ЗВЕЗД»
Комплексный подход управления сетью отделений позволяет провести глубокий анализ возможностей локации. После этого команда наших аналитиков, банковских экспертов и менеджмента составляют более детальный прогноз и дает рекомендации для дальнейших шагов.
Повторю, что отличные результаты — это всегда совместный труд. Мы можем предоставить свои витрины данных, качественную аналитику, внедрить машинное обучение, но только командное управление проектом и обучение моделей на фактических клиентских данных позволяет получать точную статистическую информацию о характеристиках сети и поведении клиентов: о фактическом охвате точек продаж, расстояниях, на которые путешествуют покупатели за каждым из продуктов, проникновении в население, конкурентной силе бренда (способности перехватывать у конкурентов трафик и клиентов), объектах, притягивающих и отталкивающих клиентов, соотношении местных жителей и «мигрантов» среди потенциальных клиентов, важности транспортной доступности и критичных расстояниях до остановок и т.д.
В России могут закрыться более 16000 аптек
Аналитическая компания Marketing Logic на основе Big Data и геоданных подготовила прогноз закрытия аптек в случае принятия и вступления в силу законопроекта Минпромторга о продаже лекарств в супермаркетах. В стране могут закрыться до 25,5% аптек.
Законопроект Минпромторга открывает для продуктового ретейла возможности реализации лекарств на полках магазинов. Для аптек это может стать фактором дополнительной конкуренции, когда борьба за покупателя будет вестись не только между самими аптеками, но и между аптеками и супермаркетами. С помощью технологии location intelligence специалисты проанализировали вероятность закрытия аптек в стране. В зону риска попали аптеки и аптечные пункты, находящиеся в непосредственной близости от супермаркетов и других крупных точек продуктового ретейла.
«Мы агрегировали данные об аптеках определённой сети и аптек в целом, а также о расположении точек ретейла, оценили потенциал и нагрузку. Обычно мы рассчитываем эффективность потенциальных офисов и торговых точек, исходя из данных об активности клиентов, конкурирующих организаций, численности населения, трафика на улицах города и другой статистической информации. В данном исследовании мы посмотрели, как эти же факторы повлияют на рентабельность и потенциальное закрытие аптек», - говорит управляющий партнёр Marketing Logic и эксперт в области Big Data и геомаркетинга Дмитрий Галкин.
Среди городов с населением более 150 тысяч человек наибольшее количество аптек рискует закрыться в Йошкар-Оле, Саранске, Норильске, Нижнекамске, Пскове, Дзержинске, Братске, Сочи, Люберцах, Челябинске. Далее следуют Королёв, Саратов, Химки, Балашиха, Казань, Альметьевск и Красноярск.
Наименьшие шансы у ретейла перехватить поток покупателей аптечных товаров в Благовещенске, Сыктывкаре, Костроме, Армавире, Великом Новгороде, Омске, Вологде, Коломне, Перми и Петрозаводске.
«Действительно многие аптеки находятся в риске закрытия в случае принятия этой инициативы. Мы видим в этом снижение доступности лекарств для населения, т.к. ретейл не будет заинтересован продавать низкомаржинальные лекарства, аптеки закроются, соответственно этих лекарств будет просто не найти. При этом для конечного покупателя вырастут цены на лекарства. Рост цен на рецептурные препараты, по оптимистичному прогнозу, составит 11%, но есть риск того, что цены вырастут более чем на 15%», — считает исполнительный директор Российской ассоциации аптечных сетей Нелли Игнатьева.
«В России сейчас более 60 тысяч аптечных учреждений и их число увеличивается. Такая разветвленная сеть аптек обеспечивает высокую доступность лекарств населению – в среднем аптеки работают до 21:00, недостатка в дежурных аптеках также нет. Вступление в силу законопроекта о продаже лекарств в супермаркетах без сомнения создаст дискриминационные условия для всех аптечных сетей. Это грозит резким сокращением рентабельности аптек и вопреки ожиданиям приведет не к уменьшению цен на рынке, а к их росту. Исключение из цепочки продаж специалиста с высшим образованием — провизора, который контролирует процесс отпуска лекарств и может дать покупателю профессиональную рекомендацию, также влечёт существенные риски, в первую очередь для здоровья россиян, которые и так любят заниматься самолечением и покупать лекарства по рекомендации друзей или телевизора. Так что это ещё и вопрос безопасности», – поясняет исполнительный директор Ассоциации независимых аптек Виктория Преснякова.
В ТОП-20 аптечных сетей, рискующих потерять наибольшее количество торговых точек, входят в том числе крупные федеральные игроки: «Вита-экспресс», «Здоров.ру», «Аптека «Озерки», «Алоэ-фарм», «Первая аптека», «Вита-фарм».
В наименьшей степени потенциальное сокращение аптек может затронуть сети: «Кубаньфармация», «Губернские аптеки», «Вита-Плюс», «Аптека «Невис», «Новая аптека».
Крупнейшие игроки российского рынка аптечной розницы «Ригла», «АСНА», «36.6», «Апрель», «Мелодия здоровья», «Самсон-Фарма» находятся ближе к середине рейтинга. Наименее стабильное положение из «большой шестёрки» у сети «36.6», находящейся ближе всего к лидерам по потенциальному закрытию точек.
В целом по стране в случае принятия законопроекта могут закрыться более 25,5% аптек, т.е. более 16000 в абсолютных цифрах.
Среди крупнейших сетей ретейла, имеющих более 1000 торговых точек в стране, больше всего от перераспределения спроса выиграют магазины торговой сети «Дикси», имеющей наибольший потенциал средней точки сети по привлечению покупателей от перераспределения спроса. На втором месте «Пятёрочка», на третьем – «Магнит». Замыкают ТОП-5 «Универсам «Магнит» и сеть «Виктория».
Бинбанк приступил к использованию искусственного интеллекта для привлечения клиентов
Бинбанк стал применять искусственный интеллект в маркетинговом продвижении продуктов. Внедрение системы предиктивной аналитики, позволяющей управлять всеми маркетинговыми активностями в регионах присутствия банка, позволило снизить стоимость привлечения новых клиентов в 3 раза по некоторым направлениям.
Система представляет собой самообучающуюся нейронную сеть. Она анализирует потребности и особенности клиентов, задачи бизнеса, расположение отделений и тип рекламных носителей вокруг точки продаж, а затем — предлагает оптимальный набор наиболее эффективных каналов продвижения, включая наружную рекламу, интернет, радио и телевидение.
Интерфейс позволяет в режиме реального времени следить за всеми маркетинговыми активностями банка и взаимодействовать с агентствами-подрядчиками для корректировки медиа-плана. Кроме того, система самостоятельно накапливает данные об истории рекламных размещений и анализирует их методами машинного обучения, что дополнительно повышает точность каждого следующего прогноза.
«Наш банк обладает одной из самых широких региональных сетей на финансовом рынке – порядка 400 отделений по всей стране. Машинное обучение позволяет повысить эффективность привлечения клиентов, учитывая индивидуальные особенности каждого региона и отдельного офиса», – прокомментировал внедрение новых технологий директор департамента маркетинга Бинбанка Михаил Семиков.
Система искусственного интеллекта для маркетинговых коммуникаций Бинбанка была разработана в сотрудничестве с компанией Marketing Logic на платформе «Атлас».
«Команда Marketing Logic специально для «Бинбанка» менее чем за полгода реализовала этот масштабный проект. Адаптированная под бизнес-цели система «Атлас» полностью покрывает процесс операционного управления региональным маркетингом, в том числе позволяет вести автоматизированный расчёт результатов привлечения (количество клиентов и их стоимость) по каждому носителю, накапливать в едином формате истории размещений рекламы для дальнейшей обработки методами машинного обучения. Плюс мы внедрили поддержку технологии «маркетинговый захват территории», т.е. выделение приоритетных зон вокруг сети отделений, где необходимо усиление маркетинговых инвестиций из-за внешних или внутренних факторов», - говорит управляющий партнёр Marketing Logic и эксперт в области Big Data и геомаркетинга Дмитрий Галкин.
Росбанк начал использование искусственного интеллекта для управления сетью
Росбанк начал применять новую технологию location intelligence геоинформационной системы «Атлас» для управления сетью отделений. Продукт был разработан аналитической компанией Marketing Logic.
Технология location intelligence агрегирует данные обо всех отделениях и подразделениях банка, оценивает потенциал и нагрузку, рассчитывает эффективность потенциальных офисов, исходя из данных об активности клиентов, банков-конкурентов, численности населения, трафика на улицах города и другой статистической информации. В результате, банк имеет «тепловую» карту по каждому городу присутствия с оценкой потенциала локации отделения на уровне шаговой (100 м) доступности.
«С помощью высокотехнологичных продуктов Marketing Logic мы решаем задачи по открытию и перемещению отделений Росбанка. Применение передовых решений позволяет сохранять высокую скорость развития и использовать научный подход к повышению эффективности в управлении сетью. Геоданные и прогнозные модели позволяют точнее и быстрее принимать решения, минимизировать ошибки, планировать свои действия с учётом потенциала локации каждой точки продаж. Мы благодарны нашим партнёрам за их стремление постоянно улучшать продукт и всегда быть на стороне клиента» , - отметил Начальник Управления развития и эффективности розничной сети ПАО РОСБАНК Владимир Коробов.
«В рамках обновления функционала системы «Атлас» мы значительно уточнили подход к построению прогнозной модели в направлении location intelligence. Чтобы повысить точность «тепловой» карты, модель теперь соединяет 2 подхода: машинное обучение и экспертные правила выбора хороших локаций, что позволяет объединить накопленные исторические данные и бесценный опыт экспертов – сотрудников банка. Продолжая сотрудничество с нами с 2016 года, Росбанк подтверждает важность применения современных методов пространственного анализа и геоданных для управления собственной сетью из более чем 350 отделений», - прокомментировал внедрение новой технологии управляющий партнёр Marketing Logic Дмитрий Галкин.
Женское счастье – карта регионов России с лучшей и худшей индустрией красоты
К Международному женскому дню компания Marketing Logic проанализировала данные об инфраструктуре, которая работает на женскую аудиторию: магазины косметики и парфюмерии, ювелирных украшений, салоны красоты и магазины цветов. По большинству показателей в лидерах – Краснодарский край, в аутсайдерах – Орловская и Магаданская области.
Интерактивная карта России с данными по каждому субъекту отображает, сколько жителей приходится на каждый салон или магазин.
Наибольшая концентрация магазинов косметики и парфюмерии в Краснодарском крае, далее идут Кировская, Курская, Новосибирская, Смоленская области. Меньше всего магазинов в Еврейской автономной области, Магаданской области, Хакасии, Камчатском крае и Орловской области.
Больше всего магазинов ювелирных украшений в Костромской области, далее следуют Калининградская, Тамбовская, Псковская области. Замыкает ТОП-5 регионов по этому показателю Москва. Краснодарский край, лидер по магазинам парфюмерии и косметики, на 6 месте, Санкт-Петербург – на 10-м.
Меньше всего магазинов ювелирных украшений на каждого жителя в Орловской области. Далее идут Магаданская область, Кабардино-Балкарская Республика, Республика Адыгея и Хакасия.
По количеству салонов красоты на одного жителя лидирует Краснодарский край, далее идут Псковская, Курская, Московская области и Москва. С небольшим отрывом следуют Калининградская область и Санкт-Петербург.
Меньше всего салонов красоты на каждого жителя в Магаданской, Орловской областях, Кабардино-Балкарии, Чукотском автономном округе и Калмыкии.
Порадовать женщин цветами проще всего мужчинам из Псковской области. Далее по количеству магазинов на каждого жителя следуют Калининградская область и Краснодарский край. Следом идут Курская, Кировская области, Республика Марий Эл, Тамбовская и Ленинградская области.
Сложнее всего купить женщинам цветы к празднику в Кабардино-Балкарии, Магаданской области, Республике Адыгея, Орловской области и Камчатском крае.
«От лица компании Marketing Logic поздравляю всех женщин России с замечательным весенним праздником и желаю любви, счастья и ещё раз восхищаюсь умением прекрасно выглядеть вне зависимости от результатов, которые показывает наша карта. Остаётся только напомнить орловским мужчинам, а также кавалерам из Кабардино-Балкарии, Адыгеи, Магаданской области и Камчатского края, что, в отличие от жителей Псковской и Калининградской областей или Краснодарского края, им лучше купить цветы заранее – судя по нашей статистике, это не везде так просто сделать», - говорит управляющий партнёр Marketing Logic Дмитрий Галкин.
При анализе данных и составлении карты использованы методы экстраполяции, информация Росстата и собственная витрина данных компании Marketing Logic по наиболее крупным городам каждого субъекта (от 50 000 жителей).
Больше всего мужчин в Чукотском автономном округе, а меньше всего – в Ивановской области
Ко Дню защитника Отечества, традиционно считающемуся «мужским» днём компания Marketing Logic проанализировала данные о количестве мужчин и женщин в России, определив самые «мужские» регионы.
Больше всего мужчин в абсолютных цифрах проживают в Москве, Московской области, Краснодарском крае, Санкт-Петербурге и Свердловской области, что объяснимо высокой общей численностью населения территорий.
При этом по процентному соотношению количества мужчин к населению лидируют другие субъекты. Только в трёх регионах страны мужчин больше, чем женщин, это Чукотский автономный округ (52,6%), Камчатский край (50,9%) и Ямало-Ненецкий автономный округ (50,3%). Следом идут Ханты-Мансийский и Ненецкий автономные округа, Магаданская область, Якутия, Мурманская, Тюменская, Сахалинская области.
Меньше всего мужского населения в процентном соотношении в Ивановской области, Санкт-Петербурге, Новгородской, Тверской, Тульской областях. Следом идут сразу несколько субъектов Центрального федерального округа: Ярославская, Владимирская, Нижегородская (ПФО), Смоленская, Орловская, Брянская, Калужская, Курская области.
Карта с различными слоями данных, включающих абсолютные значения и доли в процентах.
«Мы занимаемся обработкой и анализом больших баз данных для бизнеса, и когда удаётся поделиться интересной статистикой со всеми, мы стараемся это делать. Мы уверены, что кто-то обязательно найдёт в этом анализе и визуализации данных на карте повод для размышлений и, возможно, выведет зависимость состава населения от различных географических и экономических факторов. Например, очевидно, что доля мужского населения больше на севере и востоке нашей страны, а Ивановская область подтверждает свою славу края невест», - говорит управляющий партнёр Marketing Logic Дмитрий Галкин.
Больше всего женятся в Ингушетии, а разводятся в Магаданской области
Перед днём всех влюблённых компания Marketing Logic проанализировала данные о браках и разводах в России и отобразила их на интерактивной карте, основанной на информации Росстата и собственной витрины геоданных.
Больше всего браков в абсолютном значении заключают москвичи, жители Московской области, Санкт-Петербурга, Краснодарского края и Свердловской области. Следом идут Тюменская и Ростовская области, Республики Бурятия и Татарстан и Челябинская область.
При этом в процентном соотношении количества браков от количества жителей региона, что лучше всего характеризует отношение к браку, «выигрывают» совсем другие субъекты России: Республика Ингушетия, Республика Бурятия, Псковская и Тюменская области, Республика Алтай. Далее – Приморский край, Севастополь, Санкт-Петербург, Республика Адыгея, замыкает «десятку» Камчатский край.
Похожая ситуация с количеством разводов. В абсолютном значении больше всего разводятся москвичи, жители Московской области, Краснодарского края, Петербурга, Свердловской области.
В процентном соотношении к населению больше всего браков распадается в Магаданской области, Камчатском крае, Чукотском автономном округе, Сахалинской области, Ханты-Мансийском, Ямало-Ненецком автономных округах, Мурманской области, Хабаровском крае и Калининградской области.
Самые крепкие браки (меньше всего разводов в соотношении с количеством жителей) в Чеченской республике, в республиках Ингушетия и Дагестан, в Тыве, Северной Осетии – Алании, Кабардино-Балкарской, Карачаево-Черкесской республиках, Ненецком автономном округе, в Чувашии и Мордовии, Удмуртии и Татарстане.
«Мы специально подготовили такое исследование и визуализировали его на карте ко Дню святого Валентина, который традиционно очень популярен в мире и в нашей стране, чтобы показать, как в действительности у нас обстоят дела с браками и разводами. Кроме очевидной зависимости количества браков и разводов от культурных и национальных особенностей, мы видим также корреляцию с вузами, кафе, барами, салонами красоты – чем больше их сосредоточенность в том или ином регионе, районе, тем больше количество вступающих в брак. Эта зависимость не так очевидна, как в случае с уже упомянутыми особенностями менталитета, но она есть. Как бы там ни было в любом случае поздравляем всех влюблённых и любящих с 14 февраля, с Днём влюблённых, пусть ваши чувства будут искренними, взаимными и глубокими долгие-долгие годы», - говорит управляющий партнёр Marketing Logic Дмитрий Галкин.
Marketing Logic открыла представительства в Facebook и Telegram
Аналитическая компания Marketing Logic открыла онлайн-представительства в популярных социальных сетях Facebook и Telegram.
Российская компания по управлению бизнесом на основе данных (big data) Marketing Logic вышла в социальные сети. На официальной странице в Facebook и канале Telegram компания будет рассказывать об интересных событиях и разработках в мире высоких технологий и больших данных, а также о своих проектах, новостях и вакансиях.
«Команда Marketing Logic внимательно следит за развитием современных подходов и инструментов в мире высоких технологий. Научные разработки и их применение в реальной жизни, а также в бизнесе – это то, что нам по-настоящему интересно, и мы постараемся сделать так, чтобы нашим подписчикам, читателям было с нами тоже не скучно: будем рассказывать о новых проектах и о необычных исследованиях, делиться новостями, которые с удовольствием читаем сами, рассказывать о нашей компании и отвечать на вопросы и комментарии! Нам важно, чтобы мы были открыты для общения, обмена информацией, которая пусть и в гораздо большем масштабе и с другой степенью обработки составляет основу наших проектов и всего бизнеса. Будем делиться интересными данными, аналитикой, свежими разработками и техническими новинками – присоединяйтесь к нам!», - говорит управляющий партнёр Marketing Logic и эксперт в области Big Data и геомаркетинга Дмитрий Галкин.
Страница Marketing Logic в Facebook:
https://www.facebook.com/Marketing.Logic.Russia
Канал Marketing Logic в Telegram: https://t.me/mlrussia
Пресс-служба Marketing Logic,
MARKETING-LOGIC.RU
| +7 903-610-67-52 | pr@marketing-logic.ru
Москвичи лидируют по потреблению лекарств в России
Компания Marketing Logic на основе данных DSM Group подготовила интерактивную карту, отражающую потребление лекарств в России по регионам. Карта позволяет по каждому субъекту страны увидеть среднедушевое потребление лекарств в упаковках и рублях, оценить плотность аптек, объёмы продаж препаратов в коммерческом сегменте фармацевтического рынка.
За год среднестатистический житель Москвы покупает 46 упаковок лекарств. В целом по России этот показатель находится на уровне 28 упаковок.
Москва – лидер не только по среднедушевому потреблению лекарств в упаковках, но и по потреблению в рублях. В среднем житель Москвы тратит в год на лекарства 11 703 рубля. Например, в Петербурге этот показатель намного ниже – 5 802 рубля и 28 упаковок. Меньше всего тратят жители Ингушетии – около 1600 рублей, покупая в среднем 10,5 упаковок лекарств в год.
В пятёрку регионов с самым высоким потреблением лекарств в упаковках входят, помимо Москвы Нижегородская область с 44,7 упаковок, Челябинская область (43,8 упаковок), Калужская область (43,3 упаковки) и замыкает пятёрку Московская область с 43 упаковками. По расходам на лекарства лидируют Москва (11 703 рубля), Московская область (8943 рубля), Сахалинская область (7492 рубля), Нижегородская (7165 рублей) и Челябинская (6 946 рублей) области.
«Нам очень приятно, что наша ключевая специализация - большие данные и пространственный анализ уже приносят большую пользу стране и людям. Все сферы жизни человека сильно связаны между собой: здоровье, спорт, удовольствия, работа, семья. Изменения в одной обязательно влечет изменения в других сферах. К счастью, в проектах по здравоохранению мы видим улучшения: рост проникновения спорта, аптек и лечебных учреждений в жизнь каждого человека на уровне каждого дома и квартала. Очень хорошо, что не только государство участвует в повышении здоровья нации, но и бизнес от крупных корпораций до средних и малых предприятий. Мы подготовили карту с отображением данных, предоставленных ведущей российской исследовательской компанией DSM Group – простой и понятный способ показать текущую ситуацию – будем развивать это направление, добавлять детали, показатели, временные сравнения», - говорит партнёр Marketing Logic экперт-аналитик Дмитрий Галкин.