Karantina, sistem online, dan ilmu data. Siapa yang berpikir tentang retensi pelanggan?

Karantina adalah semacam uji lakmus untuk sistem layanan online. Banyak sistem, bahkan layanan pemerintah, tidak dapat menahan beban (dan pendidikan jarak jauh umumnya merupakan lagu yang terpisah, beberapa keluarga bahkan mungkin tidak dapat bertahan hidup). Banyak sistem yang secara fungsional tidak siap untuk layanan massal. Melakukan retrospektif, sekarang di setiap sudut mereka mulai menulis tentang pentingnya arah online untuk toko, yang harus kita pikirkan sebelumnya. Pesanan online aktif selama 2 bulan dan bertahap dari rilis selanjutnya dapat secara radikal mengubah preferensi dan model pembelian penduduk kota-kota besar.


Sekarang TI dapat masuk ke bisnis dan membutuhkan puluhan dan ratusan juta untuk menerapkan atau mengembangkan sistem online yang trendi. Tetapi apakah semua itu dibenarkan? Tanpa membangun manajemen pelanggan yang penuh (apa yang disebut 'prediksi pelanggan churn' di telekomunikasi), efektivitas uang yang dihabiskan akan menjadi pertanyaan besar dan mengapa.


Ada dua titik pemasaran yang umum digunakan dalam topik CRM:


  • Biaya menarik pelanggan baru 10 kali lebih tinggi daripada biaya penjualan ke pelanggan yang sudah ada.
  • Klien yang puas memimpin dua, dan yang tidak puas memimpin sepuluh.

Jika ini tidak segera diperhitungkan dalam proyek, ada risiko besar bahwa sebagai akibat dari semua tindakan ini, bisnis akan membayar IT banyak uang, kualitas produk akan biasa-biasa saja (pada tahap yang berbeda). Kami, sekarang tidak lagi sebagai karyawan TI, tetapi sebagai konsumen, akan membayar untuk ini dengan meningkatkan biaya produksi dan dengan fakta penggunaan, kami akan setuju dengan standar kualitas layanan yang terus menurun. Saya tidak mau.


Saya membawa kasus khusus mengkonfirmasikan masalah. Kasing di berbagai toko telah menumpuk banyak. ' Saya ambil ' yang paling menarik, karena ini adalah produk dari dua perusahaan IT Rusia terbesar (bagaimana mereka memposisikan diri) - Yandex + Sberbank . Dan darinya, kualitas studi yang sesuai diharapkan.


Kami membuat pesanan berurutan:


  1. 190**460 — CR2032. . . . 2 .

    ? 5 9. "" . . . - ? .


  2. 198**674 198**931. . , . -. , "" , " ", , - . . , "" .



? ? ? ? NLP? AI/ML? DS? R Python BigData ?


, , "- ", 90% - (Wikipedia)?


gambar


- , . "" .


? . . , . ! .


, , .


, , . , . . - "" .


, - , - , , , QR ..


"" .


!!! Data Science , "", , .


— R, .


, , . , , . . . .


P.S. , " " , . , . — , .


Kode tidak ada di sini karena itu adalah perumusan masalah. Dan kemudian ada dua opsi:


  1. Untuk memperbaiki signifikansi masalah yang telah lama dikenal di bisnis nyata, dan menyelesaikannya menggunakan metode dan algoritma yang terkenal.
  2. Biarkan semuanya apa adanya dan secara konsisten dan metodis masuk ke dalam degradasi layanan yang diberikan kepada kita semua. Kita sendiri akan mengkonsumsi apa yang telah kita lakukan dengan tangan kita sendiri.

Skenario kedua entah bagaimana tidak begitu bahagia.


Publikasi sebelumnya - "Penggunaan R dalam perhitungan dengan peningkatan akurasi . "


All Articles