Как использовать ИИ в предиктивной аналитике — подборка 6 сервисов

Предиктивная аналитика — это класс методов анализа данных, который концентрируется на прогнозировании будущего поведения объектов и субъектов. Ее цель — принимать оптимальные решения. Не пугайтесь, сейчас объясним. 

В контексте интернет-маркетинга это означает, что вы строите прогноз на основе данных о пользователях: их перемещениях по сайту, действиях на сайте, активности.

А пример приведете? Конечно. Представьте, что маркетолог анализирует данные о пользовательской активности и замечает рост интереса к продукту у определенной аудитории. Это может выражаться:

• в увеличении числа поисковых запросов;
• в частых посещениях страницы товара;
• в добавлении товара в корзину без завершения покупки;
• в повышенном вовлечении в email-рассылки;
• в активности в приложении;
• в росте кликов по баннерам с этим товаром и пр.

Такие метрики говорят маркетологу о «прогреве» аудитории — о том, что с высокой долей вероятности в течение ближайшей недели выделенные пользователи совершат покупку. 

После этого маркетолог принимает то самое оптимальное решение: показать аудитории рекламные объявления, которые еще больше повысят вероятность покупки. Например, предложат купить товар в течение семи дней, получить скидку или подарок. 

Как результат: маркетолог повышает прибыль за счет продаж горячим клиентам и снижает расходы за счет экономии на привлечении холодных.

Собирать данные о пользователях могут разные инструменты: 

• CRM-системы; 
• аналитические системы вроде Яндекс Метрики (из нее выгружаются данные о сессионной активности пользователей сайта);  
• рекламные системы; 
• CDP (Customer Data Platform). 

А обрабатывать эти данные могут ИИ-инструменты. При помощи методов машинного обучения и искусственного интеллекта куда проще: 

• анализировать данные о посетителях сайта; 
• выявлять всевозможные закономерности; 
• делать прогноз будущих событий или тенденций. 

Об этом и поговорим. Разберем ИИ-инструменты, которые помогают в предиктивной аналитике: 

• DataGo 
• Linkage 
• In-DAP 
• Loginom 
• AICont 
• StreamMyData 

Как использовать полученные данные

DataGo

DataGo— платформа data-driven маркетинга, закрывающая весь цикл работы с данными: от сборa «сырых» хитов и рекламных расходов до моделирования и визуализации в BI. Решения строятся вокруг собственных продуктов (Web Streaming, Cost Pipelines, Funnel-Based Attribution и др.) и консалтинговой экспертизы команды, что позволяет компаниям быстро получать корректные инсайты и управлять маркетингом на основе объективных данных. 

Эффективность: 

• 50+ компаний бесшовно мигрировали с Google-стека на альтернативные решения вместе с DataGo после ухода GA/BigQuery из России в 2022 году; 
• кейс XCOM-SHOP показал, что связка доход/расход в performance-дашборде позволила перераспределить бюджет в пользу каналов с лучшим ROMI и снизить CAC в ключевых источниках. 

Основные функции: 

1. Web Streaming: собирает все веб-события и сразу же стримит их в ClickHouse/Yandex CH без потери детализации. 
2. Data Modeling: превращает сырые логи в готовые для аналитики сессии, пользовательские сегменты и CRM-витрины. 
3. Интеграция с BI: визуализация результатов в Power BI, Tableau, DataLens, создание собственных дашбордов. 

Стоимость: базовый модуль DataGo Web Streaming — от 50 000 рублей в месяц (цена на рынке SaaS-агрегаторов). Полная смета проекта рассчитывается индивидуально после пресейла. 

Linkage

Linkage.ru — это BI-платформа с поддержкой хранилищ данных и машинного обучения. С ней можно централизовывать данные и строить прогнозные модели, тем самым повышать эффективность операций. 

Эффективность. Во внедрении для контакт-центра зафиксировано+36% к продажам на одного оператора и −12% к оттоку персонала. 

Основные функции:

1. DWH: создание хранилищ для консолидации данных из разных источников. 
2. Прогнозные модели: предсказание оттока, оценки эффективности персонала, прогноза спроса. 
3. Интеграция с IT-системами: поддержка 1С, Naumen, amoCRM. 

Стоимость: предоставляется по запросу. 

In-DAP

In-DAP — это платформа для ситуационного анализа и управленческих решений с инструментами визуального моделирования и работы с KPI. 

Когда используется. Инструмент используется для сложных кейсов анализа бизнес-процессов, например, оценки сценариев развития по ключевым показателям. 

Основные функции: 

1. Models: разработка моделей на основе внутренних и внешних факторов. 
2. Indicators: сбор и мониторинг ключевых показателей. 
3. Prisma: визуализация и дашборды. 

 Стоимость: предоставляется по запросу

Loginom

Loginom — это low-code платформа для интеграции, очистки и анализа данных. Подходит для компаний без штатных Data Scientist. 

Когда используется. Компании используют Loginom для визуального построения моделей, которые помогают находить закономерности и прогнозировать ключевые показатели бизнеса. 

Основные функции: 

1. Интеграция данных: соединение с файлами, БД, API. 
2. Очистка данных: фильтрация, нормализация, дедупликация. 
3. Анализ данных: визуальное проектирование моделей. 

Стоимость: 

• сommunity: бесплатно; 
• personal: 109 000 рублей; 
• cloud: от 23 рублей в час. 

AICont

AICont — это набор сервисов на базе ИИ для прогнозов поведения клиентов и финансовых показателей. 

Когда используется. Клиенты используют AICont для персонализации коммуникаций на основе прогноза действий пользователя, что повышает удержание. 

Основные функции: 

• анализ клиентского поведения: оценка вероятности действия (например, повторной покупки); 
• финансовая аналитика: прогнозы выручки, затрат и прибыли; 
• визуализация данных: создание отчетов и дашбордов. 

Стоимость: предоставляется по запросу.

StreamMyData

StreamMyData — это инструмент для изучения и прогнозирования поведения пользователей. Применяется в ecommerce и финтехе для увеличения конверсии. 

Эффективность. Сайт litres.ru увеличил количество покупок на 33% после внедрения предиктивной модели поведения сервиса. 

Основные функции: 

• потоковая обработка данных: анализ действий пользователей в реальном времени; 
• предиктивные модели: автообучающиеся алгоритмы поведения; 
• интеграция с CRM и BI: передача прогнозов в рабочие системы; 
• гибкая тарификация: оплата по факту использования. 

Стоимость: 

• базовый тариф: 50 000 рублей в месяц; 
• продвинутый тариф: 75 000 рублей в месяц; 
• premium: 120 000 рублей в месяц.

Как использовать полученные данные

Итак, с помощью инструментов вы спрогнозировали поведение пользователей — теперь вы знаете вероятность совершения целевого действия в ближайшем будущем. Следующее, что нужно делать — догонять аудиторию. В этом помогут: 

1) Ремаркетинг на сегменты в рекламных системах (например, в Яндекс Директе). Предположим, предиктивная модель показывает, что пользователи, которые просматривали конкретную категорию товаров (например, смартфоны), но не добавили их в корзину, с вероятностью 65% могут вернуться и купить в течение пяти дней. Это хороший момент для запуска ремаркетинговой кампании. Настройте показ объявлений именно этому сегменту с креативом вроде: «Смартфон вашей мечты еще в наличии — получите скидку 10% сегодня». Что это даст. Такой подход помогает подогреть интерес и увеличить конверсию за счет персонализированного предложения. 

2) Email- и SMS-рассылки. Иногда модель указывает на снижение вероятности покупки среди активных ранее клиентов. Например, система показывает, что покупатель не заходил в аккаунт 7–10 дней и вероятность его возвращения опускается ниже 40%. В этом случае можно использовать email- или SMS-рассылку, чтобы вернуть его внимание. Отправьте сообщение с акцией, ориентированной на возвращение: «Мы соскучились! Возвращайтесь — дарим бонус 300 рублей на заказ». Что это даст. Такие сообщения оживляют интерес и вовлекают в повторное взаимодействие. 

3) CRM-маркетинг. Хороший способ применения данных — сегментация на основе истории покупок и поведенческих паттернов. Например, система показывает, что клиент регулярно покупает корм для питомца раз в 30 дней и подходит срок следующей покупки, вероятность заказа в ближайшие дни возрастает до 75–80%. В этом случае настройте автоматическую коммуникацию через push, email или мессенджер: «Настало время пополнить запасы? Специальное предложение только для вас — доставка за наш счет». Что это даст. Такой подход повышает повторные продажи и укрепляет лояльность. 

4) Работа с сайтом. Инструменты предиктивной аналитики позволяют в реальном времени адаптировать сайт под пользователя. Например, создать такое правило, что: 

• сегментам с высокой вероятностью покупки (70% и выше) будет показываться блок «Успейте купить — количество ограничено» или будут рекомендоваться сопутствующие товары; 
• если вероятность средняя (40–60%), будет активироваться спецпредложение с ограничением по времени или будут показываться отзывы, усиливающие доверие; 
• если вероятность низкая (<30%), фокус будет на сборе контактов для дальнейшей коммуникации: например, будет предлагаться скидка за email или показываться персональный подбор в обмен на подписку. 

Подведем итог. Методы машинного обучения и искусственный интеллект дают бизнесу понять, с какой вероятностью тот или иной пользователь совершит конверсионное действие в течение заданного промежутка времени. Эту информацию стоит использовать во всевозможных каналах коммуникации. А как результат — повышать прибыль и снижать расходы: 

Ведь так вы будете экономить на пользователях, которые не готовы совершать конверсию в ближайшее время.

Не пропустите новые полезные статьи о digital-маркетинге.
Подписывайтесь на наш Телеграм-канал.