История успеха KXEN

Barclays

     August, 2004                                          

Barclays выбирает цель с опорой на предсказательную аналитику

Третий по величине банк Великобритании использует технологию KXEN
для усовершенствования целевого маркетинга

Робин Арнфельд (Robin Arnfeld)

Новое программное обеспечение позволяет маркетологам банка использовать продвинутые статистические методы для точной корректировки маркетинговых кампаний. При этом одновременно снижаются издержки и увеличивается доля успешных контактов. Если раньше предсказательное моделирование было прерогативой экспертов в области статистики, то теперь оно превращается ежедневный инструмент специалистов по банковскому маркетингу.

Barclays Bank, третий по величине банк Великобритании, использует возможности предиктивного анализа KXEN Analytic Framework для увеличения скорости построения своих маркетинговых моделей и более качественного выбора целевой группы потребителей. Банк использует программный продукт, разработанный отделением KXEN в Сан-Франциско, для анализа кредитных продуктов на рынке потребительского кредитования. В дальнейшем планируется использовать моделирование для всей линейки розничных банковских продуктов.

Мэттью Коммон (Matthew Common), глава департамента поддержки CRM-систем Подразделения Barclays Bank по работе с клиентами, говорит, что данное программное обеспечение сократило время создания моделей с более чем 2-х месяцев до 4-х недель. «Еще один выигрыш заключается в том, что KXEN помогает нам улучшить директ-маркетинговые кампании путем разработки системы оценки перспективности Клиентов», – добавляет он.

Как заметил вице-президент по маркетингу KXEN Джорг Ратенберг (Joerg Rathenberg), Barclays был обеспокоен объемами почтовых обращений, которые получает потребитель, в частности, от компаний в области финансовых услуг. По его словам, банк хотел бы отказаться от практики массовых рассылок.

Как отмечает г-н Коммон, банк намерен «постоянно улучшать таргетинг, чтобы при контакте с клиентами быть уверенными в уместности и своевременности нашего предложения». Это также увеличило бы эффективность прямого маркетинга.

Специалисты Barclays обнаружили, что статистические модели позволят сократить объемы прямой рассылки почти на 70% и при этом увеличить долю откликов  вдвое или даже втрое. До установки KXEN на сервере AIX Unix команда статистиков во главе с Коммоном использовала инструменты старого поколения для построения моделей вручную. Переменные для моделей содержались в хранилищах данных.

Его команда реализует сотни кампаний в месяц, из которых только 20 опираются на модели. «Ручное моделирование, которое мы применяли до появления KXEN, было трудоемким процессом, а результирующие модели были слишком сложны для внедрения, - говорит Коммон. - Применяя традиционные методы для построения моделей, рискуешь пропустить те переменные, которые наиболее значимы для отдельной специфической модели. А рассмотрение всех возможных комбинаций требует слишком большого времени».

Главной причиной выбора KXEN стала его способность импортировать данные по потребителям из более широкого перечня ресурсов, чем у других вендоров. По словам Ратенберга, KXEN способен обработать от 500 до 2000 переменных, в то время как конкурирующие системы могут оперировать только 30. При превышении этого порога устойчивость построенных моделей резко снижается. «Я никогда не встречал ничего, что могло бы сравниться с KXEN в его способности обрабатывать огромное количество переменных и его скорости моделирования», - говорит Кэрол Бароди (Carol Baroudi), основатель исследовательской компании Baroudi-Bloor, (Арлингтон, Массачусетс).

При построении моделей Barclays использует порядка 2000 переменных, описывающих потребителей. Данные хранятся в 8-терабайтной системе Teradata (NCR), которая, по мнению Гиллермо Коппа, аналитика TowerGroup, является одним из крупнейших хранилищ данных в мире.

«Наше хранилище способно вмещать огромные массивы данных и позволяет аналитику очень быстро манипулировать ими и производить их агрегацию, - говорит Коммон. - Теперь у нас есть мощный набор инструментов, который позволяет значительно лучше понять поведение наших клиентов».

Продукты KXEN основаны на статистической теории обучения, разработанной математиком Владимиром Вапником. «Благодаря этому подходу, KXEN не нуждается в построении традиционных витрин данных для получения результатов. Он напрямую обращается к данным, к тому источнику, где они хранятся, - отмечает Бароди. - Если руководителя управления маркетинга волнует важный бизнес-вопрос, KXEN может дать ответ уже в течение 24 часов, тогда как традиционные методы могут потребовать на это недели и даже месяцы. Если вы можете получить полезные сведения за 24 часа, вы сможете создать очень интересные продукты и будете более уверены, у каких именно Клиентов эти продукты вызовут наибольший интерес».

Для построения моделей в KXEN не требуется богатый опыт в статистике. «Конечно, хорошее знание анализируемых данных и статистических методов обеспечат вам полную отдачу от системы, но при этом вам вовсе необязательно быть статистиком. Это означает, что широкий круг специалистов банка сможет использовать KXEN для построения моделей», - говорит Коммон.

По мнению Коппа, применение KXEN принесет реальную прибыть тогда, когда он будет использоваться не только в  маркетинге, но и для усовершенствования CRM, а также для обслуживания клиентов. Но в настоящее время, как признает Коммон, Barclays применяет KXEN только для повышения эффективности маркетинговых программ. «Хотя в данный момент мы не планируем исследовать удовлетворенность потребителей с помощью KXEN, это вовсе не означает, что мы не будем делать этого в будущем», - заключает он.