Находясь на нашем сайте, Вы даете согласие на обработку файлов cookie.

Медиа и реклама

Кейсы внедрения ML

Рекомендательные системы

Прогноз оттока клиентов

Персональные коммуникации

Прогноз спроса
на контент

Выявление фейковых аккаунтов

Прогноз
конверсии в лид

Эффект

до 45%

Рост вовлеченности клиентов

Прогноз оттока клиентов

ML-модель сопоставляет признаки текущих и ушедших клиентов (например, динамику просмотров), что дает возможность спрогнозировать на ранних этапах, какие клиенты могут прекратить пользоваться продуктом.
Благодаря решению компании могут выстраивать своевременные и персонализированные коммуникации для удержания клиентов на платформе (например, предложить скидку на продление подписки).

Эффект

до 90% точность

выявления склонных к оттоку

Прогноз спроса на контент

Решение позволяет стриминговым сервисам, социальным сетям и отдельным авторам прогнозировать спрос и устанавливать цену на новый и уже выпущенный контент.
Для прогноза ML-модель сопоставляет данные о типе контента, его качестве и уникальности, популярности автора, особенности региона и сезона.
Так, стриминговый сервис может установить более высокую цену на эксклюзивный сериал с популярным актером, а компания отложить выпуск нового развлекательного видео на утро субботы.

Эффект

до 35%

Рост охвата аудитории

Выявление фейковых и мошеннических аккаунтов

Решение на базе ML помогает стриминговым сервисам и социальным сетям выявлять подозрительные аккаунты.
ML-модель обучается на истории активности уже заблокированных аккаунтов и обычных пользователей (например, количество комментариев и оценок, количество и частота публикаций, дата регистрации на площадке).
ML-модель позволяет бороться с накруткой рейтингов и отзывов, защищает пользователей от мошенников и спама.

Эффект

до 15%

Рост лояльности пользователей

Персональные коммуникации

ML-модель позволяет скорректировать коммуникации под каждого клиента: выбрать рекламный канал и подобрать формат коммуникации (так, в стриминговом сервисе одному подойдут пуш-уведомления с новой музыкой, другому почтовая рассылка со списком подкастов)
При обучении решение учитывает интересы пользователя, тип и цели коммуникации, ограничения бюджета, прошлое взаимодействие.
Благодаря модели компании могут привлечь большее количество пользователей без увеличения расходов.

Эффект

до 15%

Снижение расходов на рекламу

Прогноз конверсии в лид

ML-модель прогнозирует вероятность совершения целевого действия (например, конверсию в покупку) в зависимости от типа пользователя.

Для прогноза модель сопоставляет признаки пользователей (пол, возраст, интересы, активность на сайте), их взаимодействие с прошлой рекламой (пролистал объявление, перешел по ссылке, купил товар) и особенности самой рекламы (тип коммуникации, формат и пр.)

Решение позволяет компаниям сосредоточить усилия на клиентах, склонных к покупке, и не тратить бюджет на показ рекламы для незаинтересованных пользователей.