Kategoria: Case studies

Prognoza liczby klientów sklepu

Posted on by Marta Wodzińska

Problem:

Jeden z wiodących marketerów z branży retail w Polsce potrzebował krótkoterminowych prognoz liczby klientów dla lepszego planowania pracy sklepów.

Rozwiązanie:

Wykorzystując nowoczesne algorytmy uczenia maszynowego, przygotowano modele prognozujące ruch w sklepach
z wyprzedzeniem 10- i 30-dniowym. Prognozy dostarczane
są codziennie w formie interaktywnych dashboardów oraz
alertów emailowych

Efekty:

  • Prognoza ruchu w każdym sklepie (dokładność na poziomie około 5% przy wyprzedzeniu 30 dni)
  • Zrozumienie jakie 4 główne czynniki  i w jaki sposób wpływają na ruch w sklepie
  • Identyfikacja 3 najważniejszych promocji wpływających na ruch
    w sklepach
  • Możliwość identyfikacji z 30-dniowym wyprzedzeniem dni
    o podwyższonym obciążeniu ruchem

Źródła danych:

  • Systemy transakcyjne
  • Baza danych pogodowych
  • Kalendarz akcji promocyjnych

Model Scoringowy dla kampanii email

Posted on by robert

Problem:

Rosnąca liczba akcji promocyjnych wspieranych mailingami prowadziła do przesycenia klientów komunikacją marketingową. Jedna z sieci retail w Polsce chciała ograniczyć liczbę wysyłek na jednego klienta przy jednoczesnym zwiększeniu ich relewantności pod względem promowanego asortymentu. Jak wykorzystać model scoringowy do 4-krotnego wzrostu konwersji?

Rozwiązanie:

Zbudowany został model scoringowy (machine learning) przewidujący prawdopodobieństwo zainteresowania danego klienta promowanym asortymentem. Powstało elastyczne narzędzie do zautomatyzowanego tworzenia modeli obsługiwane przez specjalistów ds. komunikacji. Sukces modelu zaowocował projektem jego rozbudowy o kolejne źródła danych dla zwiększenia dokładności prognoz.

Efekty:

  • 4-krotny wzrost konwersji w grupach targetowanych przy pomocy modelu
  • Ograniczenie o około 60% kosztów przygotowania dedykowanych modeli dla każdej kampanii
  • Większa elastyczność działania i skrócenie czasu oczekiwania na model. Dedykowany model scroingowy dla kampanii może być stworzony w ciągu mniej niż jednego dnia roboczego

Źródła danych:

  • Systemy transakcyjne
  • Program lojalnościowy
  • Kalendarz akcji promocyjnych
  • Ruch na stronie internetowej