Сценарии работы с новым Big Data - сервисом СП ВТБ и «Ростелекома» для малого, среднего и крупного бизнеса
Оценить трафик перед открытием магазина, дать прогноз по среднему чеку и объемам продаж, проверить эффективность рекламных площадок, — какие ещё задачи он способен решать.
Совместное предприятие ВТБ и «Ростелекома» «Платформа больших данных» запустило новый формат работы с Big data для корпоративных клиентов: компания предоставляет заказчикам «полуфабрикат» на основе массива Big Data. Встраивая этот "полуфабрикат" в собственные аналитические модели, компании получают инструмент, который помогает принять важные решения, снизить риски, увеличить эффективность бизнеса. Например, можно спрогнозировать прибыльность новых торговых площадей или выбрать оптимальное место для размещения рекламных щитов.
Типичные сценарии использования сервиса для решения задач бизнеса разного формата:
«Открываю магазин — как оценить трафик»
Например, перед нашим клиентом стоит задача - открыть новый магазин. Компания предоставляет первичные данные: что, где, и в каких объемах у него покупают. В первую очередь, специалисты “Платформы больших данных” обращают его внимание на то, что надо оценивать не только трафик, но и средний чек, прогнозировать спрос на конкретные продукты в локации. В детализации прогнозов и заключается главная возможность продвинутой аналитики.
С помощью машинного обучения можно построить прогнозы показателей по всему городу. Клиент их изучает и принимает решение о дальнейших действиях. Если у компании есть свои наработки по части аналитики, то можно встроить новую информацию из geo-embedding в свои модели.
«Работаю в крупном ритейле — как оценить эффективность торговых точек»
Крупные ритейлеры являются важной частью целевой аудитории сервиса. Как правило, их интересует проходимость и средний чек в точках, планируемых к открытию. В то же время, у торговых сетей есть свои аналитические отделы, занимающиеся систематизацией данных по показателям чеков и проходимости в существующей сети магазинов.
К примеру, сеть гипермаркетов собирается выйти на рынок нового для себя города или региона. Требуется оценить, сколько магазинов и в каких локациях выгодно открыть, на какое количество покупателей и какую выручку можно рассчитывать с учетом транспортных потоков, численности и покупательной способности населения.
Составляются прогнозы по величине среднего чека и объемов продаж в разных географических локациях, эти данные предоставляются клиенту. Он может вставить их в свою систему, работать с ними и на основе полученных результатов дополнить модель или заменить ее полностью.
«Проверяю эффективность наружной рекламы»
Рекламные агентства часто принимают решения о расположении щитов на основе оценки трафика в конкретной локации, но не весь трафик одинаково полезен для определенного бизнеса и компании. Приведем простой пример: есть щит с рекламой ремонтных услуг. Где его выгоднее поставить: у входа в магазин товаров для ремонта, на территории нового жилого комплекса или посреди оживленной автомагистрали?
Big data помогают подобрать месторасположения конкретного рекламного щита или баннера.
«Расширяем сеть офисов: как распределить поток клиентов»
Возможны и нестандартные применения технологии геоплатформы. К примеру, есть компания, которая работает с клиентами: это может быть банк, туроператор, почта, интернет-провайдер. У компании есть сеть офисов и клиентская база. Машинное обучение поможет определить, как распределить нагрузку на офисы, чтобы в них не было очередей.
Что дальше
Геоаналитические сервисы СП ВТБ и Ростелекома уже используют в пилотном режиме торговая сеть «Магнит» и рекламный оператор Russ Outdoor.
Комментарий недоступен
Комментарий недоступен