Najpopularniejsze tematy:

Premium

Materiał dostępny tylko dla Subskrybentów

Nie masz subskrypcji? Dołącz do grona Subskrybentów i korzystaj bez ograniczeń!

Jesteś Subskrybentem? Zaloguj się

Premium

Subskrybenci wiedzą więcej!

Nie masz subskrypcji? Dołącz do grona Subskrybentów i korzystaj bez ograniczeń!

Wybierz wariant dopasowany do siebie!

Jesteś Subskrybentem? Zaloguj się

X
Następny artykuł dla ciebie
Wyświetl >>
Wszyscy kłamią

Fani serialu Dr House znają zasadę „wszyscy kłamią”. To kredo głównego bohatera – kierował się nim zarówno w leczeniu pacjentów, jak i w życiu prywatnym. O ile ludzie rzeczywiście mogą okłamywać swoich znajomych, członków rodziny, a nawet siebie, to dane zawsze powiedzą prawdę.

Seth Stephens‑Davidowitz, były analityk danych w Google’u i autor bestsellera Everybody Lies: Big Data, New Data, and What the Internet Can Tell Us About Who We Really Are, stwierdza, że dane są rodzajem cyfrowego serum prawdy, które zrewolucjonizuje marketing i sprzedaż dzięki możliwości zaoferowania dokładnie tego, czego klient potrzebuje.

Dotychczas działy sprzedaży segmentowały klientów, tworząc ich profile (tzw. persony) na podstawie danych historycznych, własnego doświadczenia i myślenia życzeniowego. Obecnie sztuczna inteligencja wykorzystująca technologię machine learning nie potrzebuje profilowania. Zamiast tego jest w stanie analizować dane prawdziwych klientów, ucząc się, które zachowania prowadzą do największej liczby konwersji, a następnie szukać potencjalnych klientów zachowujących się analogicznie.

W ITMAGINATION stworzyliśmy koncepcję Behaviolytics, której celem jest pomoc firmom w wyszukiwaniu ukrytych potrzeb klientów. Opiera się ona na czterech filarach:

  • eksploracja danych (data mining) – analiza historycznych danych klientów, tj.: produkty, transakcje, dane demograficzne i geograficzne;

  • modele analityczne – różnego rodzaju modele, zależne od profilu biznesowego, oparte na przykład na wyodrębnianiu grup klientów o podobnych cechach;

  • silnik decyzyjny – narzędzie wykorzystujące kalendarz i dostarczające klientowi next best offer, next best action, zapewniające segmentację online i dynamiczną kalkulację cen;

  • uczenie maszynowe (machine learning) – ciągła optymalizacja zastosowanych rozwiązań w oparciu o zmiany w zachowaniu klientów.

W odniesieniu do branży finansowej Behaviolytics pozwala na przykład na dopasowanie oferty banków do potrzeb istniejących klientów, przewidywanie ich przyszłych potrzeb, ale też i zdobywanie nowych odbiorców. Używa zaawansowanej analityki do proponowania działań klientom, które są powiązane z ich codziennymi decyzjami i wydatkami. Behaviolytics może zaproponować wykonanie przelewu między kontami, aby nie wpaść w debet. Może w odpowiednim momencie zaproponować kartę walutową lub skorzystanie z kantoru internetowego. Może wreszcie zaproponować wizytę w restauracji, zgodnie z przyzwyczajeniami i oczekiwaniami klienta w odwiedzanej właśnie miejscowości.

Behaviolytics będzie też nieocenionym źródłem dla algorytmów scoringowych w instytucjach finansowych. Im więcej danych o kliencie będziemy mieli, tym dokładniej będziemy mogli określić ryzyko związane z podjęciem danej akcji (takiej jak udzielenie kredytu czy podpisanie umowy leasingowej) w danym momencie dla tego właśnie klienta. Scoring zostanie oparty na danych, a nie na deklaracjach klientów, co przełoży się na bardziej adekwatny wynik obliczeń.

I o to właśnie chodzi – w ITMAGINATION mamy właściwych ludzi i odpowiednie technologie, by pomóc ci odkryć, czego naprawdę potrzebują twoi klienci, zamiast polegać na tym, o czym mówią. Ludzie mogą kłamać, ale dane? Nigdy.

PRZECZYTAJ TAKŻE: Recepta na innowacyjność »

Jak pobudzać innowacyjność organizacji? 

Daniel Arak PL

Jak wytwarzać innowacje w sytuacji, gdy pracownicy koncentrują się głównie na codziennej pracy?

Daniel Arak

Współzałożyciel i członek zarządu ITMAGINATION.


Najpopularniejsze tematy