Компании строят долгосрочные отношения с клиентами, информируя о событиях и акциях. Вместе с тем, клиенты перегружены маркетинговыми сообщениями. Машинное обучение помогает персонализировать информацию и время отправки сообщений, чтобы каждый клиент получал полезный контент тогда, когда будет готов прочитать.

​

В начале проекта команда анализирует данные о клиентах: взаимодействие с веб-сайтом, покупки, реакцию на предыдущие электронные письма и демографическую информацию. Затем с помощью корреляционного анализа мы находим факторы, которые влияют на конверсию, такие как день недели и время отправки электронных писем, структура заголовка, тематика и формат текста, и много другое. На выходе предоставляем детальный статистический отчет, который перечисляет найденные закономерности и влияющие факторы, которые можно сразу применить. 

​

Затем создается создаем модель, которая предсказывает вероятность конверсии каждого отправляемого сообщения с учетом специфика конкретного клиента. С помощью модели подбирается контентный микс и время отправки каждого сообщения, что повышает показатели конверсии. Результат этого этапа - прототип рекомендательного приложения, которое вычисляет  время отправки и набор сообщений для каждого клиента, которые максимизируют прогнозируемую конверсию в прочтения и клики.

​

После завершения анализа и моделирования оцениваем результаты на ретроспективных данных, и подключаем модель к CRM, либо реализуем в виде отдельного приложения. При необходимости помогаем планировать A/B-тесты и добавляем новые факторы в модель.

​

Результат - повышение вовлеченности, конверсии и лояльности клиентов.