W skali wielkiego telekomu szczegółowa analityka danych o klientach może dawać interesujące biznesowo efekty. Skoro nowoczesne narzędzia informatyczne pozwalają na przetwarzanie ogromnych wolumenów danych, czemu nie spróbować dopasować oferty... do... każdego klienta osobno? No, może do prawie każdego klienta osobno. Jak to wygląda w praktyce, rozmawiamy z Markiem Grabowskim z Orange Polska w ramach cyklu „AI w telekomunikacji”, który realizują wspólnie GSMONLINE.PL i TELKO.in.
GSMONLINE.PL/TELKO.in: Urealnijmy na początek, jak dalece można „szyć telekomunikacyjne oferty na miarę”, a potem porozmawiajmy, jak narzędzia AI w tym pomagają. Niedawno padło, że Orange Polska przedstawia klientom 200 mln ofert rocznie.
MAREK GRABOWSKI, dyrektor zarządzania wartością klienta B2C: Trochę inaczej będzie to wyglądało z perspektywy klienta, a inaczej z perspektywy operatora. Zacznijmy od tej drugiej perspektywy. W Orange Polska zbudowaliśmy około 100 modeli machine learning [ML] (w praktyce korzystamy z około 60), które pozwalają nam opisać każdego klienta zestawem około 1500 podstawowych parametrów. Na podstawie tych parametrów modele ML generują bardziej złożone opisy klientów.
Jakie?
Dla przykładu: „ten klient preferuje smartfony ze średniej półki”, „ten klient łatwo zmienia dostawcę” itp. Każda taka cecha opisana jest liczbowo, a liczba jest unikalna dla każdego klienta.
Każdy klient Orange Polska został skategoryzowany w taki sposób?
Tak. Największe zasoby danych mamy dla klientów postpaid, trochę inne dane dla klientów prepaid, jeszcze inne ‒ na przykład ‒ dla klientów marki nju. Zbliżone modele są stosowane w naszym B2B dla segmentu SOHO.
Klient = karta SIM?
Staramy się analizować dane o klientach, a nie o usłudze, ale to nie jest regułą. Jedna osoba może mieć dwie czy trzy karty SIM. Ryzyko rezygnacji z usług szacujemy dla każdej z tych kart oddzielnie. Kiedy jednak analizujemy możliwość przedstawienia nowej oferty, to już samemu klientowi. Ujęcie jest raz takie, a raz takie i zależy od sytuacji. Kiedy spodziewamy się, że klient zrezygnuje z pojedynczej karty SIM, to na tą właśnie kartę damy dobrą ofertę. Jeżeli spodziewamy się, że klient może przejść do konkurencji, to zaproponujemy nową ofertę na wszystkie usługi, z jakich korzysta ‒ żeby podnieść poziom jego lojalności.
Skąd wiecie, że klient może chcieć przejść do konkurencji?
Można mieć takie podejrzenie na przykład na podstawie wielu połączeń do konkurencyjnej sieci. Czerwona lampka zapala się, kiedy klient zadzwoni na infolinię konkurenta. Wówczas wiadomo, że coś trzeba zrobić.
Kilkanaście milionów klientów, 1500 parametrów dla każdego i do tego jeszcze cząstkowe opisy. To się wydaje oceanem danych.
Zgadza się, ale narzędzia machine learning radzą sobie z takimi oceanami.
Te kategorie jakościowe są zrozumiałe dla zwykłego człowieka?
Tak, chociaż są dosyć szczegółowe.
