© ComNews
20.11.2018

Х5 Retail Group и компания Glowbyte Consulting реализовали проект по применению технологии Reinforcement Learning (RL, один из подходов к машинному обучению) в маркетинговых коммуникациях. Участники разработали решение для кастомизации акций и спецпредложений и опробовали его в торговой сети "Пятерочка" (входит в Х5 Retail Group). Как отмечают в Х5 Retail Group, в итоге маржинальность отдельных предложений была вдвое выше среднего показателя до автоматизации этой функции. Сейчас данное решение уже в промышленной эксплуатации и работает с активной базой.

Принцип технологии RL в том, что на основе обезличенных данных о прошедших акциях система автоматически подбирает предложения, наиболее актуальные для покупателей.

При реализации пилота в выборку попало 2 млн покупателей "Пятерочки", которые участвуют в программе лояльности торговой сети. В зависимости от истории покупок, клиентов поделили на 27 групп. Система анализировала, как целевые группы клиентов откликаются на акцию, как меняется объем продаж и насколько прибыльно спецпредложение. После этого предложение получала более широкая аудитория. "Данное решение уже в промышленной эксплуатации и работает с активной базой. Но мы постоянно улучшаем модель, добавляя новые инсайты", - сообщил корреспонденту ComNews представитель торговой сети "Пятерочка".

В результате пилота проектная команда определила наиболее действующие механизмы акций и коммуникаций "Пятерочки". "Выгода от внедрения технологии - повышение эффективности коммуникаций с клиентом, увеличение товарооборота по сравнению с традиционными кампаниями целевого маркетинга", - сказал представитель торговой сети "Пятерочка".

"Для нас цифровое взаимодействие с покупателем крайне важно, так как мы хотим не просто отвечать его запросам, но и опережать их. Поэтому персонализация подхода к каждому клиенту - среди приоритетных направлений развития торговой сети, и технология Reinforcement Learning - один из важных инструментов для реализации этой задачи. Мы высоко оцениваем результаты пилотного проекта в области машинного обучения и не планируем останавливаться на этом. В ближайшее время покупателей "Пятерочки" ждет еще множество предложений, которые будут основаны на глубоком понимании их потребностей и интересов", - сообщила директор департамента маркетинга торговой сети "Пятерочка" Александра Калюкина.

Коммерческий директор "Ланит Омни" (входит в ГК "Ланит") Дмитрий Зеленко рассказал, что так же, как в других подходах к машинному обучению, в основе технологии RL лежат методы предиктивной аналитики.

"В торговых сетях RL пока используются крайне редко. Можно по пальцам пересчитать ретейлеров, которые готовы на таком глубинном уровне анализировать поведение своих покупателей. В той или иной форме это делают "Лента", "Перекресток", "ОКей". Следует учитывать, что даже упрощенный метод анализа привел X5 Retail Group к увеличению отклика на персонализированные предложения в два раза. В условиях, когда другие методы здоровой конкуренции между продуктовыми торговыми сетями уже исчерпаны, персонализация предложений становится одним из основных инструментов борьбы за покупателя. И чем более релевантным и востребованным будет персональное предложение, тем выше будет конверсия, тем более высокий процент лояльных клиентов появится в торговой сети. Так что перспективы у Reinforcment Learning есть. Что касается спроса на подобного рода решения со стороны бизнеса, то его нужно формировать, и он начинает появляться даже у самых закоренелых противников предиктивной аналитики", - говорит Дмитрий Зеленко.

Руководитель лаборатории искусственного интеллекта компании "Первый Бит" Александр Немцов тоже отмечает, что на сегодняшний день такие технологии еще не получили широкого распространения. "Пока лишь крупные игроки активно занимаются разработкой и внедрением подобных систем. Одна из причин связана с большим объемом исследовательских работ. Пока в области анализа данных нет готовых решений, играющих роль "серебряной пули", - добавляет он и отмечает, что пока о спросе на решения на базе технологии Reinforcment Learning со стороны бизнеса говорить рано, существует скорее интерес к ней. "Но пройдет немного времени, и такой вид технологий будет распространяться. Появятся готовые решения, вырастет количество специалистов в этой области, будут разработаны универсальные методики для анализа. И тогда уже будет массовый спрос на такие технологии. Ведь пример той же X5 Retail Group наглядно демонстрирует, насколько методы машинного обучения позволяют улучшить целевые показатели", - говорит Александр Немцов.

Говоря о востребованности подобных решений, Дмитрий Зеленко считает, что она будет расти вместе с развитием информационных технологий и обострением конкуренции. "Такие решения дают возможность ретейлерам опередить ближайших конкурентов в борьбе за лояльность покупательской аудитории", - добавляет он.

Александр Немцов говорит, что востребованность будет очень большой, ведь подобные системы дают возможность получать более эффективные решения. "Технологии машинного обучения позволяют находить неочевидные связи и зависимости, более точно предсказывать различные показатели - например, спрос или количество посетителей сайта", - поясняет он.