узнайте, чем мы можем помочь вашей компании
Оставьте заявку, чтобы мы вас проконсультировали по нашим услугам
ДЛЯ ПОЛЬЗОВАТЕЛЕЙ КАРШЕРИНГА BELKACAR
персональные предложения
Помогаем маркетологам делать клиентам индивидуальные предложения с помощью Customer Data Platform и машинного обучения.
В связи с ростом количества клиентов, сервису потребовалась «умная» программа - дополнительный инструмент управления и оптимизации спроса на автомобили. Чтобы обеспечивать лучшее качество сервиса, команда BelkaCar в партнерстве с AGIMA.AI взялись за эту задачу.
Каршеринг BelkaCar работает в России с 2016 года. В сервисе около 6 000 автомобилей и более 1,5 миллиона пользователей в Москве и Сочи.
ЗАДАЧА
НАШ ПОДХОД
Мы собрали значимые анонимизированные данные в едином месте (в DWH на Google BigQuery), очистили их и объединили в ключевые аналитические сущности:
Данные пользователя:
- когда зарегистрировался;
- когда был одобрен;
- данные про промокоды;
- когда сделал первую поездку;
- когда сделал последнюю поездку;
- поездки по корп. тарифам;
- поездки без корп. тарифов;
- всего поездок в разрезе по моделям машин;
- выручка за все время;
- сколько оплачено деньгами;
- сколько оплачено бонусами;
- сколько раз арендовал за первые 30 дней.
Данные автомобиля:
- ID;
- марка;
- скольковсего сделал поездок;
- сколько километров проехал;
- сколько минут проехал.
Данные аренды:
- начальная локация;
- конечная локация (широта, долгота);
- прогнозируемая выручка этой машины в следующий час (на это влияет конечная локация, марка машины, время суток, бензин).
Как всё устроено
Отдельная интересная задача — это структурирование данных о поездках.
На приведенных выше картах изображен процесс разбивки точек на группы с помощью H3: автомобили в городе; автомобили в шестиугольниках; шестиугольники, затененные по количеству автомобилей.
У каждой поездки есть координаты начала и завершения и для анализа таких геоданных BelkaCar использует подход, разработанный инженерами Uber. Вся территория, где оперирует BelkaCar, разделяется ими на шестиугольную сетку (ячейки H3). Каждой ячейке присваивается метаинформация — данные о спросе, предложении и событиях поездок.
Области меньшего размера интегрируются в большую область, что позволяет анализировать данные как на гранулированном, так и на укрупненном уровнях.
7 ячеек 8-й точности интегрируются в одну ячейку 9-й точности.
Мы можем анализировать геоданные с точностью до 500 метров.
Погода на локации. Желтый — ясно, синий — облачно, голубой — дождь.
Также ячейки сетки H3 мы обогатили метаданными:
- исторические данные о погоде на период до одного часа;
- пробки;
- гео-функции: расположение метро, аэропорта, торгового центра, бизнес-центра, вокзала и т. д.
Разрабатываем Customer Data Platform — место, где мы собираем и храним данные о клиентах
Все собранные данные мы складываем в CDP (Customer Data Platform) и регулярно их обновляем. В результате получилась платформа, хранящая огромный массив структурированных данных, поверх которых можно строить аналитические отчеты и запускать модели машинного обучения.
Возможности для бизнеса
В Customer Data Platform можно найти всех пользователей, которые удовлетворяют заданным критериям.
С помощью CDP не только ML-модели, но и маркетинг сегментирует для push-уведомлений или использует в почтовых рассылках пользователей, которые соответствуют определенным критериям.
У нас 100+ параметров, поэтому сегменты можно четко формулировать и работать с ними.
С помощью CDP не только ML-модели, но и маркетинг сегментирует для push-уведомлений или использует в почтовых рассылках пользователей, которые соответствуют определенным критериям.
У нас 100+ параметров, поэтому сегменты можно четко формулировать и работать с ними.
Такой пользователь увозит машину из локации с маленьким спросом на машину в локацию с большим спросом, и, как следствие, низким ожидаемым простоем.
Когда потенциальный водитель открывает приложение, его запрос проходит через CDP. В этот момент модель машинного обучения пытается предсказать, куда планирует поехать пользователь.
Если водитель по нашим прогнозам завершит поездку в локации, где на автомобиль большой спрос, цена для него будет более выгодной, чтобы он с большей вероятностью воспользовался сервисом.
Например, у бизнеса возникает задача сбалансировать спрос и предложение для машин находящихся и приезжающих в локацию.
Все данные из CDP отображаются на дашбордах, поэтому бизнес всегда знает статус по всем пользователям и машинам.
Маркетологи могут проанализировать поведение пользователей на графиках, придумать и реализовать маркетинговую акцию.
Маркетологи могут проанализировать поведение пользователей на графиках, придумать и реализовать маркетинговую акцию.
Когда маркетинг формулирует очередную акцию, мы с помощью ML-модели выбираем те сегменты пользователей, которые подходят под нее.
Тепловая карта зон с количеством начатых поездок.
Найти пользователей, которые прямо сейчас собираются увезти машину из локации с высоким простоем в локацию с высоким спросом.
Выгрузить данные тех пользователей, которые не завершили верификацию.
Как бизнес это использует
Что может CDP
Специалисты колл-центра связываются с пользователями и помогают зарегистрироваться в приложении.
Стимулирует водителя с помощью выгодной цены или бонусов.
Выгрузить данные водителей, которые раньше были активны в сервисе, но последние полгода почти не пользовались каршерингом.
Маркетологи отправляют пользователям push-уведомления или почтовые рассылки с персональными предложениями.
Результаты
Заказчики благодаря CDP смогли
Запускать эксперименты с ценообразованием/ маркетинговые эксперименты.
Гибко менять тарифные сетки в разных регионах в зависимости от требований рынка и работать с лояльностью пользователей.
Запускать A/B-тесты по модели стимулирования поездок.
контакты AGIMA AI
hello@agima.ai
107031, г. Москва, ул. Петровка, д. 19, стр. 4.
Теперь вы знаете, где нас искать
Обычно мы работаем с 10 до 19.
Обычно мы работаем с 10 до 19.
станьте клиентом AGIMA AI
Оставьте заявку, чтобы начать сотрудничество