Сервисы предиктивной аналитики
Прогнозируем поведение клиентов, улучшая финансовые показатели вашей компании
С 2009 года наши специалисты разрабатывают сервисы прогнозирования и глубокой аналитики эмпирических данных на базе искусственного интеллекта (ИИ) по модели SAAS, что делает ИИ доступным для любого бизнеса.
Наши кейсы
Предсказание эффективности взыскания долгов
В июле 2019 года нам предложили поучаствовать в разработке алгоритма, прогнозирующего успешность телефонных звонков. Проблема была в том, что из-за высокой стоимости, разработку подобных алгоритмов может позволить себе далеко не каждая компания.

В результате переговоров мы пришли к решению о том, что разработанный нами алгоритм могли бы использовать и другие коллекторские агентства, которых в России на тот момент насчитывалось более 250, что коллективно покрывало бы расходы на разработку и развитие алгоритма прогнозирования со схожими входными данными.

И мы согласились на первый пилотный проект по модели SAAS. Задача наших специалистов заключалась в том, чтобы увеличить результативность колл-центра, путем прогнозирования платежеспособности клиента по его входным данным. Мы использовали следующие данные:

  • город рождения и проживания;
  • банк, выдавший кредит;
  • сумма кредита;
  • наличие контактных данных и их количества;
  • пол, возраст и некоторые другие данные.
Все данные компания поставляла в обезличенном виде, то есть все строки не имели имен, фамилий, контактных данных и названий банков; были только идентификаторы соответствия строки, по которым после, они могли идентифицировать запись в своей CRM.

После анализа ретроспективных данных, специалисты выяснили, что лишь 1 из 30 клиентов, выплачивает кредит. Это означало, что при успешном прогнозировании, в идеале можно увеличить эффективность работы предприятия в 30 раз.

Проблема предприятия заключалась в том, что аналитик, решающий подобную задачу, имел низкую эффективность при высокой московской зарплате. На тот момент зарплата аналитика подобного уровня составляла 150 000 руб. в месяц.

Ежемесячная аренда ПО составила 30 000 руб. в месяц, что в 5 раз сократило расходы на аналитику и в 7,5 раз увеличило точность прогнозирования, и сроки получения аналитической информации сократились с 2-х недель до 2-х минут.

После успешного внедрения системы прогнозирования на базе ИИ, было принято решение развивать это направление в виде отдельной компании под названием AICont.


Предсказание вероятности заключения сделки
На рынке недвижимости (деревянные дома) есть одна большая проблема - очень низкая конверсия обращения в продажу. Задача состоит в том, чтобы с помощью предсказательной аналитики прогнозировать вероятность получения прибыли от клиента с целью сегментации клиентов и увеличения эффективности продаж. Зная с большей вероятностью, что клиент совершит сделку, можно пробуждать бдительность менеджеров, улучшать стратегию продаж на горячий сегмент, тем самым увеличивая KPI отдела продаж.
В настоящий момент проект в работе.
Предсказание эффективности персонала при подборе
В июне 2018 года в Грант Маркетинг (головная компания) стояла, казалось бы, неразрешимая задача. В индустрии SEO всегда была проблема в отсутствии компетентных менеджеров по продажам, мы никак не могли понять, почему в этой области образована черная дыра специалистов. И мы решили провести исследование, которое ответит нам на вопросы.

Если менеджеров по продажам SEO-услуг на рынке почти нет, значит они меняют сферу деятельности после работы на должности менеджера SEO-услуг на другие, но если это так, тогда возникает вопрос, из каких сфер деятельности приходят самые успешные менеджеры по продажам. На этот вопрос и должно было ответить наше исследование.

Мы собрали все данные, имеющиеся на сайтах hh.ru и superjob.ru, связанные с менеджерами по продажам, так или иначе, когда-либо работающих на должности менеджера по продажам SEO-услуг.

Собрав массив данных, мы обучили нейронную сеть с целью проследить естественные пути развития менеджеров по продажам, узнать из каких сфер менеджеры по продажам приходят в SEO индустрию и показывают там максимальные результаты, а из каких напротив.

В результате проделанной работы, наша нейронная сеть умела прогнозировать срок работы менеджера по продажам SEO-услуг на основании входных данных:

  • прошлое место работы;
  • образование;
  • возраст и пол кандидата.
В итоге, мы смогли выстроить не только долгосрочную кадровую стратегию, но и значительно увеличили качество подбора персонала.

SEO - аналитика корреляций факторов с поисковой выдачей
В 2009 году у специалистов Грант Маркетинг (головная компания) стояла задача, вывести аналитику на новый уровень.

Когда Яндекс стал работать на платформе матрикснета, SEO индустрия терпела сложности в аналитике, люди перестали понимать по каким принципам ранжируются сайты.

Мы были уверены, что единственный способ поближе познакомиться с матрикснетом - это создать свой матрикснет, только он смог бы понять алгоритмы ранжирования. На эти разработки мы потратили ближайшие 5 лет и вот в 2014 году, наши труды стали давать первые результаты.

Мы разработали уникальный алгоритм, способный извлекать информацию из многоканальных массивов данных, не подвластных анализу человеческому мозгу, и преобразовывать их в понятный человеку графический интерфейс.

Это позволило выстраивать правильную стратегию для продвигаемых сайтов.


SEO-прогнозирование сроков продвижения сайтов
На рынке SEO-продвижения отсутствуют инструменты прогнозирования сроков продвижения. Точнее отсутствовали раньше, а сейчас специалисты нашей компании разработали инновационный инструмент, не имеющий аналогов во всем мире. Он позволяет прогнозировать сроки поискового продвижения ключевых фраз для каждого конкретного сайта с шагом в 1 день и точностью до 78 %.

Алгоритм работает с использованием искусственного интеллекта, который для расчета использует следующие факторы:

  • конкурентность запросов;
  • популярность запросов;
  • текущие позиции и доля продвинутых запросов;
  • текущий траст сайта;
  • индекс цитирования сайта;
  • возраст сайта;
  • сроки и типы работ, которые предстоит провести (например, внешняя, внутренняя оптимизация);
  • целевой объем аудитории.
Для оценки скорости продвижения были использованы статистические данные о скорости продвижения сайтов за последние 2 года.

Подобная система прогнозирования позволила компании быть конкурентноспособной на высококонкурентном рынке.

Какие задачи решает AICont?
  • Прогнозирование эффективности звонка клиенту
  • Прогнозирование потери клиента
  • Прогнозирование платежей
  • Прогнозирование целевого клиента
  • Сегментация клиентской базы
  • Кластеризация клиентов
  • Прогнозирование товарных остатков, финансов, резервов и т.д
  • Стратегические решения и глубокая аналитика
  • Анализ вероятности эффективности персонала при подборе
Подойдет ли мой бизнес?
Для того чтобы внедрить технологию машинного обучения в ваш бизнес, необходимо чтобы были выполнены следующие условия.
Наличие ретроспективных данных
Предположим у вас есть база данных с полями,
- пол
- возраст
- потребности
- сегмент1 (например клиент уже использовал ваш продукт)
- сегмент2 (клиент пришел по рекомендации)
- город
- тип бизнеса
- сумма оплаты
В базе данных должно быть от 1000 строк, данные должны иметь одинаковые категории на всей выборке. Минимальные результаты можно получить с базой от 100 записей, но точность прогнозирования может значительно падать.
Целевой показатель должен коррелировать (взаимосвязан) с данными
Наличие данных в достаточном количестве не означает что между входными данными и целевыми (прогнозируемыми) показателями есть взаимосвязь. Обычно опытные менеджеры работающие многие годы в одном направлении умеют прогнозировать клиентов по ситуации или поведению.

Например менеджер может понимать что если клиент уже пользовался продуктом но в другой компании X, вероятность сделки увеличивается на 30%.

Но часто может быть так, что человеческий мозг не сможет прогнозировать такие вероятности даже при достаточном опыте. Сплит тесты смогут показать наличие корреляций в считанные минуты. Вам достаточно прислать нам обезличенную тестовую базу и наши специалисты определят степень корреляции.
На сколько в безопасности мои данные?
Базы данных вы предоставляете в обезличенном виде, мы научим вас это делать. Например вместо имен и фамилий, в строках баз данных будут номера, соответствующие номеру в вашей CRM или локальной базе. Базы обычно предоставляются без контактов, тоесть по сути это список цифровых значение который невозможно расшифровать не имея основную базу
Варианты сотрудничества
Мы предлагаем два основных подхода в сотрудничестве в зависимости от вида деятельности и решения для вашей задачи
1. Аренда готового облачного решения
Если у вас бизнес в области в которой мы уже внедрили сервис машинного обучения, вы можете подать заявку на подключение вашей компании к готовому сервису. В этом случае предпологаются наименьшие затраты на внедрение и аренду аккаунта.


Стоимость: от 30 000 руб в месяц
Подключение: Получение данных через облако - Бесплатно
Подключение: к CRM через API от 10 000 руб
2. Разработка нового решения
Если наши готовые решения не подходят к вашей задаче, мы готовы разработать под ваш проект новый сервис. В случае если ваша задача тиражируема среди ваших конкурентов, мы готовы взять на себя большую часть или все расходы по разработке или рассмотреть коллективную разработку решения под вашу индустрию.

Стоимость разработки: от 0 руб
Стоимость аренды: от 30 000 руб в месяц
Подключение: Получение данных через облако - Бесплатно
Подключение: к CRM через API от 10 000 руб
Этапы сотрудничества
Заявка
Вы присылаете заявку с описанием вашей задачи, наличием и размером базы данных
Связываемся с вами
Наши специалисты связываются с вами для уточнения необходимых деталей и возможности подключения
Сплит тест данных
Если ранее не было подключения подобной вашей компаний, мы проведем бесплатный сплит тест ваших данных, чтобы понять техническую возможность подключения вашей компании
Оплата
После того как мы четко понимаем что сможем решить вашу задачу, мы принимаем оплату и подключаем вас к облачному серверу, или обсуждаем разработку нового решения в случае отсутствия типового решения для подобной вашему бизнесу задаче.
Подключение проекта
Специалисты производя подключение, в зависимости от типа подключения, предоставляют вам доступ к личному кабинету, где вы сможете производить прогнозирование ваших данных. Или производят подключение посредством API к вашей CRM системе.
Обратный звонок
Введите свой контактный телефон, и мы перезвоним вам в течение 15 минут
Имя
Телефон
Опишите вашу задачу
Контакты
+7(495)109-47-70
Sales@AICont.ru
Москва, Костомаровский пер, 3, стр 12, офис 632
Made on
Tilda