Кейс «Газпромбанка» и «МегаФона ПроБизнес»: как привлечь больше клиентов с помощью технологий машинного обучения и Big Data
О том, как с помощью анализа данных увеличить посещаемость отделений и продажи депозитных продуктов, — в кейсе
Компании, работающие на высококонкурентных рынках, часто переходят от традиционных методов продвижения к growth-маркетингу (маркетинг роста), задействуют новые каналы продвижения и data-driven-подход (подход, основанный на анализе данных). Приоритетом в генерации дополнительных продаж становится выстраивание гипотез с опорой на работу моделей склонностей в связке с real-time (реальное время) данными и персональными коммуникациями.
В «Газпромбанке» поддерживают эту культуру и постоянно проверяют различные идеи, в том числе в контексте продвижения трех ключевых продуктов: программы долгосрочных сбережений, срочных вкладов и накопительных счетов.
Задача
Команда CVM «Газпромбанка» (Customer Value Management — управление ценностью клиента) решила проверить свою гипотезу и обратилась с этой задачей к «МегаФону ПроБизнес».
Гипотеза: склонные к покупке клиенты, находящиеся вблизи отделения банка, будут более конверсионными к посещению банка и покупке целевого продукта, чем остальные.
С одной стороны, в эпоху онлайн-доступности любого сервиса местоположение часто не является определяющим фактором для выбора услуги или товара. С другой — объемы фондирования в отделениях банка выше, чем в онлайне, и там можно допродать сложные высокомаржинальные продукты. Поэтому компания приступила к эксперименту.
Реализация
Подготовка
Для отработки гипотезы команда «Газпромбанка» подготовила базу. Среди клиентов, которые хотя бы раз за три года посетили офис, выделили когорту наиболее склонных к использованию ключевых продуктов банка по модели склонности клиентов к депозитным продуктам, разработанной с помощью ML-алгоритмов (Machine Learning — машинное обучение) градиентного бустинга с использованием библиотеки Lightgbm (Градиентный бустинг — метод машинного обучения, применяемый для прогностического анализа данных). Распределяющая способность модели выглядит следующим образом:
В качестве признаков использовались:
- история открытия продуктов клиентами банка,
- транзакционная активность,
- социально-демографические параметры,
- другие минорные признаки.
Полученную выборку разделили на целевую и контрольную группы для оценки сквозного эффекта от инкрементальной выдачи.
Коммуникация
Далее перед командой стояла задача определить способ взаимодействия — выбор пал на СМС как на максимально директивный канал коммуникации по сравнению с другими рекламными форматами. Ключевое преимущество — возможность отправить предложение клиенту в течение 15 минут после срабатывания целевого триггера.
В СМС уложились в два сегмента, сформировав текст из следующих ключевых коммуникационных сообщений:
- ставка по вкладу;
- отделение «Газпромбанка» рядом;
- ссылка на сайт с возможностью записаться в ближайшее отделение банка;
- условия по вкладу.
Гео-триггеры
Исследование предполагало установку контакта с людьми, которые находятся рядом с офисами банка. Важно было определить, кто регулярно бывает по указанным адресам — живет там или работает.
Для осуществления этих настроек обратились к команде «МегаФона ПроБизнес». Оператор зарекомендовал себя как надежный партнер по эффективным AdTech-решениям на базе технологий больших данных. В 2022 году «МегаФон» приобрел компанию oneFactor, эксперта рынка Big Data, продолжающую развитие в контуре телекоммуникационной корпорации.
Эксперты оператора настроили кампанию с использованием технологии «Супергео»: пользователи целевой группы получали СМС, оказавшись в радиусе 200 метров от офиса «Газпромбанка» в Москве, но не чаще, чем раз в три дня. Чтобы исключить из рассылки проезжавших мимо автомобилистов. Также добавили ограничение: не показывать рекламу тем, кто движется со скоростью 30 км/ч и выше.
Результаты
По сравнению с контрольной группой получатели СМС совершили на 834 целевых действия больше. Объем конверсии увеличился как на сайте, так и при посещении офиса обслуживания. Гипотеза о позитивном влиянии пешей доступности офиса банка подтвердилась. При этом удалось добиться и KPI (Key Performance Indicators — ключевые показатели эффективности) по стоимости за целевое действие. ROI (Return on Investment — показатель окупаемости инвестиций в бизнес), рассчитанный от чистого операционного дохода, составил 277%.
Александр Алхимов, директор по рекламным и телеком-продуктам «МегаФона ПроБизнес»:
«Наш совместный кейс с “Газпромбанком” демонстрирует, насколько эффективна синергия технологий данных и машинного обучения. Ключевую роль в этом успехе сыграла глубокая экспертиза обеих команд. Мы высоко ценим партнерство с “Газпромбанком”, чьи культура инноваций и фокус на передовых решениях созвучны нашей философии и помогают задавать планку для всего рынка».bsp;
Николай Селищев, начальник отдела CRM «Некредитных продуктов»:
«Отличные результаты кейса наглядно подтверждают эффективность data-driven-подхода, использования моделей и гипотезы о влиянии геолокации. Успешное тестирование технологии “Гео-СМС” для депозитных продуктов открыло нам новый мощный канал коммуникации с клиентами и привлечение дополнительного трафика в офисы. Большое спасибо нашим командам CVM, аналитикам и партнерам из "МегаФона" за эффективное использование передовых инструментов лидогенерации! Идем дальше — масштабируем успешный опыт “Гео-СМС” на другие продукты и сегменты банка».
Реклама. Рекламодатель ПАО «МегаФон» ИНН 7812014560
