Бинбанк стал применять искусственный интеллект в маркетинговом продвижении продуктов



Бинбанк стал применять искусственный интеллект в маркетинговом продвижении продуктов. Внедрение системы предиктивной аналитики, позволяющей управлять всеми маркетинговыми активностями в регионах присутствия банка, позволило снизить стоимость привлечения новых клиентов в 3 раза по некоторым направлениям.

Система представляет собой самообучающуюся нейронную сеть. Она анализирует потребности и особенности клиентов, задачи бизнеса, расположение отделений и тип рекламных носителей вокруг точки продаж, а затем — предлагает оптимальный набор наиболее эффективных каналов продвижения, включая наружную рекламу, интернет, радио и телевидение.

Интерфейс позволяет в режиме реального времени следить за всеми маркетинговыми активностями банка и взаимодействовать с агентствами-подрядчиками для корректировки медиа-плана. Кроме того, система самостоятельно накапливает данные об истории рекламных размещений и анализирует их методами машинного обучения, что дополнительно повышает точность каждого следующего прогноза.

«Наш банк обладает одной из самых широких региональных сетей на финансовом рынке – порядка 400 отделений по всей стране. Машинное обучение позволяет повысить эффективность привлечения клиентов, учитывая индивидуальные особенности каждого региона и отдельного офиса», – прокомментировал внедрение новых технологий директор департамента маркетинга Бинбанка Михаил Семиков.

Система искусственного интеллекта для маркетинговых коммуникаций Бинбанка была разработана в сотрудничестве с компанией Marketing Logic на платформе «Атлас».

«Команда Marketing Logic специально для «Бинбанка» менее чем за полгода реализовала этот масштабный проект. Адаптированная под бизнес-цели система «Атлас» полностью покрывает процесс операционного управления региональным маркетингом, в том числе позволяет вести автоматизированный расчёт результатов привлечения (количество клиентов и их стоимость) по каждому носителю, накапливать в едином формате истории размещений рекламы для дальнейшей обработки методами машинного обучения. Плюс мы внедрили поддержку технологии «маркетинговый захват территории», т.е. выделение приоритетных зон вокруг сети отделений, где необходимо усиление маркетинговых инвестиций из-за внешних или внутренних факторов», - говорит управляющий партнёр Marketing Logic и эксперт в области Big Data и геомаркетинга Дмитрий Галкин.

Пресс-служба Marketing Logic,

MARKETING-LOGIC.RU | +7 903-610-67-52 | pr@marketing-logic.ru





Похожие статьи:

Тема 5. Комплексная автоматизация управления предприятием. Корпоративные ЭИС. Отечественные программные системы для комплексной автоматизации предприятия. ч.3
03 июня 2012,
Рис.5.9. Типовые решения фирм ИТРП+Инталев и состав функциональных модулей системы Пожалуй, наиболее полной по функциональным возможностям (сравнимой с возможностями системы &laq ... Читать полностью

Тема 6. Интеллектуальные технологии в экономических информационных системах. Технологии распознавания образов и понимания текстов.
05 июня 2012,
Распознавание образов в ЭИС применяется, в частности, для “узнавания” рукописных и машинописных символов и автоматизации ввода их в ЭВМ. Примером может быть система распознавания банков ... Читать полностью

Тема 5. Комплексная автоматизация управления предприятием. Корпоративные ЭИС. Адаптируемые интегрированные системы для построения КИС предприятий. ч.1
03 июня 2012,
На сегодняшний день на российском рынке имеется не одна сотня программных систем разной степени сложности и с различными возможностями (см. [Петров,2001], www.finsoft.ru, www.interface.ru и друг ... Читать полностью

Тема 5. Комплексная автоматизация управления предприятием. Корпоративные ЭИС. Анализ подходов к построению КИС. ч.2
03 июня 2012,
Использование заказных систем предполагает обращение к фирме, коллективу специалистов с заказом на разработку собственного, оригинального программного продукта. Потенциально, этот подход характериз ... Читать полностью

4.4. Машинное обучение на примерах. Нейронные сети. ч.1
25 июня 2012,
Обучение на примерах предполагает предъявление системе некоторых примеров – объектов с известными характеристиками. Например, предъявление объектов, принадлежащих нескольким классам, позво ... Читать полностью