Success Story - rus

Профилирование розничных клиентов

Мотивация запуска проекта заказчиком: потребность увеличения вовлеченности клиентов банка в использование внутренних продуктов выявила ограничения в текущем решении: модели сегментации и профилирования были низкого качества, выделяемые сегменты пользователей были не интерпретируемыми, аналитики не могли использовать результаты моделирования.

Описание исходной ситуации: 
  • сегментирование клиентской базы банка предполагает высокую конверсию предложений внутренних продуктов клиентам; 
  • для сегментации требуется глубокое понимание и анализ поведения клиентов банка, например, данных о транзакциях пользователя. 
  • рост качества сегментации приводит к росту отклика на предлагаемые продукты банка и влияет на показатели бизнеса: от лояльности клиента до прибыли. 
  • используемые модели сегментации не являлись интерпретируемыми, их качество было низким; 
  • по этой причине возникали значительные риски при использовании текущих моделей в функционале продуктов. 

Цели проекта: 
  • создание модели профилирования и сегментации клиентской базы по их транзакционной активности с высоким уровнем качества и интерпретацией.

Решение MIL Team:  использование существующих решений команды в области клиентской аналитики и анализа транзакционных данных позволило реализовать процедуру обучения темпоральных моделей сегментации базы клиентов. 

Для построения модели были использованы:
  • Транзакции клиентов банка;
  • Описание МСС-кодов и мерчантов;
  • Сопроводительная информация о пользователе;
  • Результаты продаж банковских продуктов.

Результаты моделирования:
  • Модель поведения пользователей банка;
  • Модель прогнозирования вероятности допокупки банковского продукта;
  • Сегменты клиентской базы.

Заказчик: Финансы, Банкинг

Технологический стек: TopicNet, BigARTM, gensim, Python
Natural Language Processing Engineering Division