Задача

Одним з основних каналів продажу кредитних продуктів банку, що забезпечує його прибутковість, є кол-центр. Виникла потреба проаналізувати і виокремити фактори впливу на дзвінки, щоб визначити, які канали комунікації використовувати для збільшення вхідного потоку дзвінків в кол-центр та як максимізувати віддачу від кожної гривні інвестицій. 

Рішення

Процес роботи складався з 3 етапів: аналіз проблеми, моделювання та аналіз даних, формування рекомендацій та їх реалізація.

На першому етапі необхідно було зібрати та систематизувати всі доступні дані клієнта та його партнерів з бізнес-показниками попередніх рекламних кампаній, а також соціально-економічні показники розвитку країни та відкриті дані щодо споживчих настроїв українців, динаміки використання банківських продуктів.

Тому ми застосували методи математичного аналізу та прогнозування для ключової метрики «Вхідні дзвінки в Call Center». Проаналізували та додали в модель параметри, які вплинули на конверсію з медіа активності в дзвінки, а з них – у заявки та продажі.

На базі підходу ми знайшли рішення та сформували підмодель для контролю бізнес-задач на щоденній та щотижневій основі.

Результат

Завдяки нашій систематичній роботі з даними, нам і вдалося досягнути таких результатів та визначити вплив кожного фактору, розробивши рекомендації для максимально ефективного використання медіаактивності.

Використання технології машинного навчання відобразилось в результатах рекламної кампанії 2018 року:

·  Ми виокремили фактори впливу на дзвінки і змогли управляти найголовнішими з них.

·  Визначили найефективніший мікс каналів комунікації для збільшення вхідного потоку дзвінків в кол-центр.

Вже за перший етап кампанії ми отримали на 8% більший відклик на кожен  ТБ-рейтинг, порівняно з попередньою рекламною кампанією, а загальний потенціал росту з дотриманням усіх рекомендацій склав 58%. Це означає, що за будь-якого рівні інвестицій в майбутньому, ми зможемо отримувати більший выдклик, або необхідний рівень показників за меншого бюджету.