Клиентская аналитика решает задачи:

• привлечения большего количества новых клиентов
• удержания существующей клиентской базы
• увеличения выручки компании за счет увеличения среднего чека каждого клиента

Мы умеем решать задачи для любых целей отдела маркетинга с помощью таких методов продвинутой аналитики как:

• Рекомендательные системы
• Сегментация базы данных
• Расчет Life Time Value клиента
• Прогноз оттока клиентов
• Оптимизация выбора аудитории под маркетинговую акцию (Propensity to buy or UpLift)
• Выбор лучшего предложения для клиента (Next Best Action на базе RL -> Next Best Chain of Action)
• Прогноз KPI бизнеса (Оценка массовых маркетинговых акций) и др.

Хотя в А/Б тестах действуют универсальные законы статистики, мы знаем об особенностях экспериментов в разных секторах:

• Ритейл. Бизнес кейсы, когда мы проводили А/Б тесты:

1. Тестирование подходов к новой коммуникационной политике;
2. Валидация результатов экспериментов;

• Телеком. Бизнес кейсы, когда мы проводили А/Б тесты:

1. Донастройка продуктов, поиск маркет-фита;
2. Тестирование и доработка моделей;

• Финансовый сектор. Бизнес кейсы, когда мы проводили А/Б тесты:

1. Изменение условий по продуктам;
2. Запуск новых продуктов;

• И др.

Мы предлагаем полный спектр услуг:

• Разрабатываем методологию экспериментов, учитывая специфику вашего бизнеса

1. выберем метрики, которые подходят именно вашему продукту;
2. продумаем, как оптимально контролировать эксперимент и какие есть риски (мы умеем считать деньги, которые тратятся на эксперименты); 
3. продумаем, как подводить итоги.

• Проводим эксперименты за вас:

1. подготовим данные;
2. рассчитаем необходимый размер групп; 
3. проверим гомогенность групп после сплитования;
4. проследим за ходом эксперимента
5. подведем итоги и сделаем выводы.

• Консультируем по тому, как подводить итоги и как интерпретировать результаты экспериментов
• Находим возможности переиспользования результатов уже прошедших тестов для обучения моделей или проведения новых тестов для развития продукта

В аналитику в финансах и рисках входят:

Актуарная область помогает страховому бизнесу определить путь к долгосрочной финансовой устойчивости с помощью математических расчетов:

• сегментация клиентской базы
• управление портфелем (прогнозирование убытков)
• выявление мошенничества

В направлении операционных рисков мы разрабатываем сценарии поиска недобросовестных клиентов (Anti-Fraud, AML), проводим аудит и калибровку действующих сценариев с использованием в том числе и методов A\B тестирования. В работе мы также используем графовую аналитику, которая позволяет учитывать окружение клиента.

В сфере кредитных рисков используются ML-методы для оптимизации всего жизненного цикла кредитного договора:

• формирование предодобренного предложения на основе рейтинга клиента
• оценка резервов в парадигме ПВР и МСФО9
• оптимизация процедуры коллекшена, параметров пересмотра договоров (при реструктуризации).

Направление кредитных рисков тесно связано с маркетингом. С помощью ML мы можем оптимизировать не только убытки, но и любую целевую метрику. В этом случае мы переходим к созданию фреймворков для принятия решения на основании каксада моделей. Примером может служит оценка доходности с учетом уровня риска, конверсии, фрода и затрат во фреймворке NBA (Next best action).

Широкая область задач, покрывающая весь жизненный цикл продукта от завода до конечного потребителя.

С помощью проектирования и создания прогнозных и оптимизационных моделей мы помогаем:

• оптимизировать план и график производства
• оптимизировать взаимодействие производства и логистики
• оптимизировать работу логистической сети
• снизить избыточную заполненность склада, списания или наоборот снизить дефицит товара на складе
• автоматизировать процессы управления ассортиментом
• повысить ожидаемую выручку или оборачиваемость путем оптимизации ценообразования и планирования промо
• предотвращать нештатные ситуации путем выявления аномальных паттернов спроса

ModelOps - технология непрерывного внедрения аналитических моделей в бизнес.
Специалисты практики углубленной аналитики занимаются разработкой и внедрением систем по управлению полным циклом жизни моделей машинного обучения. Такой инструмент помогает более эффективно использовать производственные ресурсы:

• инвентаризация моделей
• полный контроль над метриками качества, детектор деградации моделей
• инструменты управления жизненным циклом моделей
• инструменты интеграции с другими системами
• быстрый деплой моделей в PROD

Совокупность методов машинного обучения, которые позволяют работать с неструктурированными данными, такими как фото, видео, аудио или текст.

Методы глубокого обучения применяются в широком спектре бизнес областей: начиная от задач в области клиентского опыта / клиентской аналитики до промышленности, риск-моделирования и автоматизации. Специалисты практики углубленной аналитики владеют всеми самыми современными инструментами и методами глубокого обучения и помогли клиентам реализовать следующие сценарии:

• Тематическое моделирование и анализ тональности отзывов/обращений клиентов
• Кластеризация банковских транзацкий
• Выявление аномалий и решение задач класса novelty detection
• Классификация товарных наименований
• Анализ коммуникаций, выделение именованных сущностей
• Интеллектуальный анализ документов (OCR, тегирование)
• Аспектно-ориентированный анализ тональности
• Кастомизация и внедрение диалоговых систем
• Генерация текста
• Распознавание речи и учет речевых признаков в моделировании
• Психотипирование клиентов
• Построение систем аугментированной аналитики
• Классификация изображений
• Безопасность на производстве, обнаружение СИЗ, оцифровка датчиков
• Семантическая сегментация, обнаружение дефектов стали