Алгоритмы против интуиции: разговор с генеральным директором Altcraft на тему ML – модель Best Send Time

Здравствуйте. На связи Виктория — контент-менеджер компании Altcraft . В статье Денис Чумаченко зажигает об одной из популярных моделей в Altcraft Platform — Best Send Time.

Мир стремительно меняется, и те, кто постепенно адаптируется к современным технологиям, оказываются на шаг впереди своих конкурентов. Поэтому сегодня мы обсудим, как машинное обучение (машинное обучение) преобразует сферу маркетинга.

Машинное обучение ( ML ) — это технология, которая позволяет систематизировать данные анализа, выявлять в них закономерности и использовать их для прогнозирования или принятия решений без необходимости ручного программирования на каждом шаге.

Актуальность ML в маркетинге трудно переоценить. С его помощью можно не только сегментировать целевую аудиторию, но и корректировать рекламные кампании, прогнозировать продажи и даже персонализировать предложения. Например, алгоритмы предиктивной аналитики позволяют обрабатывать большие объемы данных о ведении пользователей на сайте и отображать товары с учетом их интересов. Это соглашение не только о высокой конверсии, но и одобряется пользовательским опытом.

Существует довольно большое количество алгоритмов машинного обучения. Они обеспечивают решение задач разного рода, и выбор того или иного механизма может гарантировать итоговые результаты анализа. Давайте разберем подробнее одну одну одну из наиболее популярных моделей, разработанную с применением методов ML, — Best Send Time.

Где еще можно использовать алгоритмы машинного обучения, читайте в нашей статье «Прогнозирование трендов в маркетинге с помощью анализа данных и машинного обучения» .

Представьте, что вы отправляете промо-сообщение в 3 часа ночи. Как вы думаете, какова вероятность того, что клиент его увидит и откроет? Или, если вы выберете неудачный день, когда ваш уровень нагрузки загружен своими делами, сообщение просто погибнет незамеченным. Неправильно выбранное время отправки может снизить уровень открываемости, ухудшить взаимодействие с клиентами и, как считают аналитики, привести к снижению прибыли.

Для моделей Best Send Time в своем маркетинговом переходе к нам обратилась одна из крупных международных компаний. Заказчик столкнулся с проблемой корректной сегментации своей базы данных по времени: из-за слишком большого объема данных он не смог справиться с блоком самостоятельно, поэтому ее решение доверили нашей команде. Как передать процесс «зарождения» и «появления на свет» модели Best Send Time в CDP Altcraft , наш генеральный директор компании Денис Чумаченко.

— Денис, как, на Ваш взгляд, машинное обучение влияет на маркетинг?

— В современном мире машинное обучение значительно усложняет и оптимизирует процессы, автоматизируя рутинные задачи. Специалисты по маркетингу используют его для прогнозирования поведения пользователей, что позволяет корректировать сдвиг. Маркетологу важно уметь предсказать лучшее время для обмена сообщениями, так как это повышает вероятность обнаружения сообщений и покупок товаров. Ведь одна из задач маркетинга — это генерация продаж, а значит, важно стремиться к их увеличению и более эффективной работе с клиентами.

— Расскажите, в чём суть данной модели и какие у неё особенности?

— Существует мнение, что в кадрах достаточно создать множество временных промежутков, и, о влиянии на сегменты, можно сделать вывод, что если человек в последний раз кликнул за минимальное время, то в следующий раз он также кликнет в этот момент. Но это некорректный подход. Что, если по расчётам его время активности в 14:00, а сейчас уже 15:00, ждать следующего дня? Это нелогично. На самом деле, у человека есть несколько часов активности. Наша модель определяет, когда клиент наиболее готов к взаимодействию, а также учитывает его ближайший временной диапазон. Таким образом, вы никогда не упустите лучшее время для отправки сообщений себе. Это конкретно фича модели Best Send Time в Altcraft.

— Как создавалась модель, какие были трудности?

— Изначально для решения задачи был выбран метод Gradient Boosting . Мы используем компонент XGBoost . Но этот опыт оказался неудачным, так как на больших объемах данных он не добился сохранения производительности. Чтобы ускорить выдачу предсказаний, мы переобучили модель с использованием библиотеки CatBoost и добились увеличения производительности более чем в 30 раз по сравнению с первыми выполнениями. Также мы столкнулись с тем, что для нашего базового языка программирования GoLang не существует готовой библиотеки для работы с CatBoost, поэтому нам пришлось писать такую библиотеку с нуля. Мы позвонили ей CatBoostGo и стали активно использовать ее для решения задач машинного обучения у себя в кабине. В результате нашей работы была получена уже упомянутая выше модель Best Send Time, которая предсказывает лучшее время отправки сообщения с математически подтвержденной достоверностью — 82%.

— Но почему не на 100% или близко к этому?

— Модель, о которой идет речь, анализирует исторические данные клиентов. Она обрабатывает информацию о каждом пользователе и его активности. В нужный момент, когда маркетологу необходимо уменьшить общение, например, в скриптах, модель в первое время предсказывает необходимое время для этого. И, стоит отметить, обработку данных и предсказание всегда очень быстро, даже в больших объемах, до 100 миллионов профилей. Что касается правильности результатов: если ML-модель показывает 100% точность, то, скорее всего, где-то будет совершена ошибка при обучении, либо ответ на вопрос основан на самом вопросе. Для предсказания лучшего времени точность в пределах 80-90% — это хороший результат. Также хочу отметить, что показатель в 82% был получен при очень больших объемах поставок электроэнергии из разных стран мира. Однако, когда мы проверили данные, сузив их в одной стране, модель показала точность 93%.

— Благодаря чему удалось достичь таких успехов?

— Я думаю, что это просто потому, что наши ребята — отличные профессионалы своего дела, и у них нестандартный взгляд на привычные вещи. Также большое спасибо всему заказчику, который использовал свои данные для обучения, без них мы бы не добились таких результатов. Команда Altcraft всегда открыта для новых предложений и готова реализовать любые инновационные идеи.

— Каковы преимущества Altcraft Platform среди аналогичных решений?

— В современном ПО очень много функционала, поэтому иногда ему сложно ориентироваться. Пользователь ожидает, что ИИ будет автоматически решать все задачи за него, но при этом сталкивается с ограничениями: при таком подходе модуль ML полностью берет на себя управление, не позволяя вносить изменения или корректировать настройки. Мы же в Altcraft Platform следим за балансировкой автоматизации с помощью моделей ML и функций, которые могут управляться современными пользователями.

Более подробно о работе модели Best Send Time на платформе CDP Altcraft вы можете узнать в документации .

Можно с уверенностью утверждать, что машинное обучение становится определяющим фактором в арсенале современного маркетолога. Возможность анализировать огромные объемы данных, выявлять неочевидные закономерности и прогнозировать поведение потребителей. Позволяет создавать новые горизонты для стратегий оптимизации и стратегий повышения эффективности.

Интеграция машинного обучения в маркетинговые процессы не только позволяет бизнесу лучше понимать свою аудиторию, но и обеспечивает преимущества на динамично меняющемся рынке. Ведь в мире, где данные играют ключевую роль, использование машинного обучения — это не просто тренд, необходимость для достижения успеха!

Подписывайтесь на наш Telegram-канал . Там вы найдете актуальные новости в области маркетинга, полезные статьи и интересные исследования. Будьте в теме вместе с нами:)