История успеха KXEN

Крупный банк США

KXEN Case Study

Крупный банк США использует KXEN для решения маркетинговых задач

Заказчик: Крупный банк на восточном побережье США

Заказчик является одним из мировых лидеров на рынке финансовых услуг и осуществляет свою деятельность в более чем 50 странах. Главный офис компании расположен в Нью-Йорке. Услугами организации пользуется более 30 млн. клиентов, в т.ч. ведущие мировые корпорации, институциональные и правительственные учреждения. Деятельность компании распределяется по пяти направлениям: инвестиционные банковские услуги, операции с ценными бумагами, банковские услуги для частных лиц, партнерство и финансовые услуги. Компания работает с масштабным хранилищем данных Teradata.

Проблемы

Компания искала способы построения моделей с большей предсказательной силой, способных повысить эффективность рекламных акций и общую отдачу. Заказчика интересовала возможность подготовки и проведения обоснованных маркетинговых кампаний в более сжатые сроки. Это позволило бы оперативно обеспечить надлежащую реакцию на поведение потребителей. Штатные статистики банка были буквально завалены работой и не имели возможности обрабатывать все поступающие запросы от бизнес-пользователей.

Решение

Заказчик остановился в своем выборе на KXEN, поскольку его применение предвещало банку значительное ускорение цикла моделирования. Специалисты банка заинтересовались предложением KXEN, так как, базируясь на достижениях Статистической Теории обучения, KXEN предлагает принципиально иной подход к предсказательному моделированию и наиболее современные технологии в этой области. KXEN был установлен на базе UNIX Server.

Результаты

Моделирование отклика на кампанию
Ранее при использовании традиционных инструментов анализа построение одной модели с учетом нескольких сотен переменных занимало у группы специалистов по моделированию четыре недели. KXEN справился с подобной задачей в течение часа и увеличил процент отклика в верхнем дециле в два раза. Это стало возможным за счет использования переменных, которые не были ранее учтены в решении указанной проблемы.

Качество данных
На создание модели кросс-продаж для дальнейшего применения в кампаниях прямого маркетинга аналитикам требовалось четыре недели. Модель строилась с учетом 1500 переменных. KXEN, обнаруживший проблемы с некоторыми ключевыми предсказательными переменными, решил подобную задачу за один час. Дальнейший анализ  установил, что эти проблемы появились в процессе слияния данных из файла рассылки и файла откликов, в результате чего появились «идеальные» предсказатели. Модель была перестроена с предварительным исключением этих переменных и была немедленно внедрена в рабочий процесс.