История успеха KXEN

Крупный Британский Банк

KXEN Case Study

Британский Банк использует KXEN для повышения эффективности рекламных компаний

KXEN повысил отклик на почтовую рассылку более чем в два с половиной раза

Заказчик: Крупный Британский Банк

Заказчиком является крупная финансовая группа с головным офисом в Великобритании, специализирующаяся, в первую очередь, на предоставлении банковских услуг и инвестиционном менеджменте. По объему активов эта финансовая группа является одной из крупнейших в Великобритании. Это также ведущий поставщик координационных услуг для известных международных корпораций и финансовых институтов по всему миру. История банка насчитывает около 300 лет, сегодня операции проводятся в 60 странах, общее число служащих 74 000 человек. Данные содержатся в хранилище Teradata (20 Node) .

Проблемы

Одной из ключевых забот банка было повышение эффективности кампаний по привлечению клиентов. Традиционно основным (по объему) способом проведения рекламных акций были прямые почтовые рассылки, но процент откликов на них был слишком мал (1%). Повышение этого показателя стало в 2003 году одной из ключевых задач.

В хранилище Teradata накоплено около 2000 переменных, и весь этот огромный массив может быть использован в качестве входных данных для анализа. Использование традиционных средств моделирования при указанном объеме данных требует очень длительного времени. Кроме того, эти инструменты не могут работать с таким количеством переменных, а значит, появляется угроза формирования некорректных выборок для создания отдельных моделей. Применявшиеся ранее методы были дороги, а процесс анализа был слишком продолжительным. В результате построение модели для проведения маркетинговой кампании по затратам времени и сил становилось фактически инвестиционным проектом, отвлекая ресурсы от использования на других проектах.

Решение KXEN

Программное обеспечение KXEN Analytic Framework было установлено на платформе AIX для генерации большого количества моделей. Решающим фактором в выборе KXEN стала его способность  автоматически и с высокой степенью надежности моделировать тысячи переменных. Другим важным преимуществом выступала способность KXEN генерировать SQL-код и с его помощью встраивать модель для оценки клиентов напрямую в хранилище Teradata, минуя сложные процессы внедрения. В противном случае, пришлось бы привлекать помощь со стороны для применения построенной модели к имеющейся базе данных, что оказалось бы дорогим и гораздо более медленным решением.

Результаты

Банк интегрировал KXEN в процесс подготовки и проведения маркетинговых кампаний для оценки перспективности того или иного клиента банка. Ориентируясь на принципы управления по созданию стоимости (value management), выделение целевой группы позволяет не тратить силы на рассылку предложений тем адресатам, которые вряд ли сочтут их привлекательными. Одна из первых акций, которая могла принести убыток в 135 000 евро, благодаря KXEN, оказалась прибыльной (прибыль в размере 371 000 евро). Вместо проведения рассылки для 1.5 млн. человек работа велась с 200 000 потенциальных клиентов. Применение KXEN при создании выборки увеличило отклик на рассылку с 1% до 2,6%.

В качестве следующего шага банк планирует использовать моделирование для выделения лояльных клиентов с длительным циклом потребления банковских услуг и работать с ними по специально разработанной маркетинговой программе. Строятся также планы по использованию «вторичных данных» при выборе и оценке маркетинговых инициатив как альтернативы применению традиционных критериев отбора.