05 Мозговой Максим - Wargaming
0 likes328 views
Документ описывает стратегию и технологии управления ценностью клиентской базы игровой компании, активно использующей персонализированные подходы для повышения удержания и лояльности игроков. Основное внимание уделяется использовании данных и моделей предсказания для оптимизации взаимодействия с клиентами и улучшения их опыта. Подход включает в себя создание фабрики моделей для автоматизации и повышения точности предсказаний поведения клиентов.
05 Мозговой Максим - Wargaming
- 1. CRM DEVELOPMENT УПРАВЛЕНИЕ ЦЕННОСТЬЮ КЛИЕНТСКОЙ БАЗЫ В РЕАЛЬНОМ ВРЕМЕНИ Максим Мозговой Директор по CRM и аналитике Global Publisher
- 2. • КОМПАНИЯ БЫЛА ОСНОВАНА В 1998 ГОДУ ГРУППОЙ ЭНТУЗИАСТОВ • 15 ОФИСОВ ПО ВСЕМУ МИРУ • КРУПНЕЙШЕЕ ИГРОВОЕ СООБЩЕСТВО В СНГ • БОЛЕЕ 180 МЛН ЗАРЕГИСТРИРОВАННЫХ ИГРОКОВ • БОЛЕЕ 4000 СОТРУДНИКОВ ПО ВСЕМУ МИРУ • «МИР ТАНКОВ» - ОБЛАДАТЕЛЬ МИРОВОГО РЕКОРДА ПО КОЛИЧЕСТВУ ОДНОВРЕМЕННО ИГРАЮЩИХ ИГРОКОВ НА СЕРВЕРЕ О КОМПАНИИ
- 3. И это здорово ! Все игроки разные
- 4. Так как все игроки разные, управлять взаимоотношениями с ними нужно, персонализируя клиентский опыт! Products Offers Content Dialogue Service Processes Player
- 5. Value Loyalty Осторожно развиваем Поддерживаем Оптимизируем Осторожно удерживаем Стимулируем активность Интенсивно удерживаем Интенсивно развиваем ДЛЯ КАЖДОГО ТИПА ИГРОКОВ МЫ ПЕРСОНАЛИЗИРУЕМ СТРАТЕГИЮ РАБОТЫ С НИМ ГОВОРЯ О ПЕРСОНАЛИЗАЦИИ…
- 6. новые CustomerLifetimeValue TIME развивающиеся развитые Retain Cautiously Develop intensively Nurture Retain intensively Develop Cautiously Challenge & Motivate Welcome Winback Optimize costs & let go Train & inform Regular / Congrats Winback Winback Retain intensively ЖИЗНЕННЫЙ ЦИКЛ КЛИЕНТА
- 7. Наша миссия Наша миссия : эффективное управление интегральной ценностью клиентской базы в соответствии с индивидуальными потребностями клиента T1 TnT 0 Начало взаимоотношений Текущий момент отток $ Затраты на привлечение Затраты на сервис Затраты на удержание Пользование продуктом 1 Пользование продуктом 2 Потенциал Время Ценность Привлечение Развитие Удержание
- 8. • БОЛЕЕ 300 МИЛЛИАРДОВ СОБЫТИЙ ГЕНЕРИРУЕТСЯ ЕЖЕДНЕВНО КАКИМИ ДАННЫМИ МЫ ОПЕРИРУЕМ ? • 40 ТЕРАБАЙТ ИГРОВОЙ ИНФОРМАЦИИ ДОСТУПНО ДЛЯ АНАЛИЗА ОДНОМОМЕНТНО • ТРЕБУЕМОЕ ВРЕМЯ РЕАКЦИИ НА СОБЫТИЕ: МЕНЬШЕ 5 СЕКУНД
- 9. PLAYER RELATIONSHIP MANAGEMENT PLATFORM
- 11. ПЕРВЫЕ РЕЗУЛЬТАТЫ • РОСТ КОНВЕРСИИ В 4-5 РАЗ ПО СРАВНЕНИЮ С ТРАДИЦИОННЫМИ КАНАЛАМИ • ВОЗМОЖНОСТЬ АВТОМАТИЧЕСКОЙ НАСТРОЙКИ КАМПАНИЙ ПО ОТКЛИКУ • ЗАПУСК ПЕРСОНАЛИЗИРОВАННЫХ A/B ТЕСТОВ РАЗЛИЧНЫХ ПРЕДЛОЖЕНИЙ • УВЕЛИЧЕНИЕ LTV БОЛЕЕ ЧЕМ В 2 РАЗА ДЛЯ КЛИЕНТОВ, ПРИНЯВШИХ ПРЕДЛОЖЕНИЕ
- 12. Источники ценности клиентской базы Лояльность (срок жизни клиента), потенциал и ценность взаимосвязаны. Реализованный потенциал Нереализованный потенциал из-за недостатка релевантных предложений Нереализованный потенциал из-за ухода в отток отток $ время
- 13. Модель предсказания ценности клиента Модели предсказания активности Модели предсказания потенциала Модели предсказания и оптимизации отклика Вероятность оттока по различным продуктам Вероятность оттока на различных периодах Вероятность возврата из состояния оттока Индивидуальная функция выживаемости в рамках продукта / экосистемы SNV / монетизационный потенциал соц.связей Вероятность покупки продукта Вероятность монетизации контента Индивидуальные модели Share of Wallet Вероятность каннибализации / перехода между продуктами Анализ внутриигровых триггеров покупки Анализ внутриигровых триггеров оттока Uplift (инкрементальное) моделирование Мультивариантные A/B тесты Эконометрическое моделирование в сегменте SNA / моделирование социального графа Анализ коммуникационных триггеров
- 14. Система КПЭ управления ценностью клиентской базы % Реализации потенциала развития клиентской базы Потенциальная интегральная ценность клиентской базы Текущая интегральная ценность клиентской базы Пожизненная ценность клиента Потенциал клиента Вероятность покупки продукта Склонность клиента к оттоку Текущая ценность клиента
- 15. Классический подход к анализу данных SEMMA
- 16. 1. Предсказание активности - строим кривую выживаемости клиента Пример – предсказание ценности клиента и вероятности отклика Как решать такую задачу – сколько моделей нам нужно? • 7 временных интервалов (1,2,3 недели, 1,2,3,6 мес.) – на каждом интервале строится модель вероятности перехода в неактивное состояние и возврата из неактивного состояния • 4 поведенческих/транзакционных сегмента (может быть и больше) • 5 продуктов (WoT, WoTB, WoWS, WoWP, WoWG … ) • 4 региона (NA/EU/CIS/ASIA) ИТОГО: (7+7)*4*5*4 = 1120 моделей WTF?!? 2. Предсказание вероятности покупки контента • 4 временных интервала (1,2,3 недели, 1 мес.) – на каждом интервале строится модель вероятности покупки • 30 различных единиц контента / офферов (в среднем, на самом деле может быть и больше) • 4 платежных сегмента (может быть и больше) • 5 продуктов (WoT, WoTB, WoWS, WoWP, WoWG … ) • 4 региона (NA/EU/CIS/ASIA) ИТОГО: 4*30*4*5*4 = 9600 моделей 3. Предсказание вероятности отклика • 11 коммуникационных стратегий • 8 поведенческих сегментов • 5 оффер-темплейтов в среднем на каждый сегмент (Прем, голд, бандлы, и тп) • 3 дизайн-темплейта (A/B/C тест для каждой кампании) • 5 каналов (e-mail, in-game client, site, RTB campaign, push) • 5 продуктов (WoT, WoTB, WoWS, WoWP, WoWG … ) • 4 региона (NA/EU/CIS/ASIA) ИТОГО: 11*8*5*3*5*5*4 = 132000 моделей
- 17. И что теперь делать?
- 18. Нам нужна фабрика! Какая фабрика? Фабрика Моделей ! Такая? Хм… Не совсем, хотя тоже неплохо ;-) Вот такая!
- 19. The Rise of Predictive Modeling Factories ЧТО ПОЧИТАТЬ? KDnuggets: Future of predictive analytics: human or machine ZD NET: SAS Factory Miner industrializes predictive analytics ВАРИАНТЫ РЕШЕНИЯ: SAS FACTORY MINER RAPIDMINER H2O
- 20. Глобальная библиотека шаблонов моделей Автоматическое моделирование по сегментам Современные высокопроизводительные алгоритмы SAS FACTORY MINER:
- 21. ФАБРИКА МОДЕЛЕЙ – ПРОТОТИП: КРИТЕРИИ УСПЕШНОСТИ ЦЕЛЬ 1 : Возможность поддержки процессов проактивного сохранения клиентской базы, на основе моделирования оттока •7 временных интервалов (1,2,3 недели, 1,2,3,4 мес.) •8 сегментов •3 проекта (WoT на первом этапе, WOWS,WOTB – на втором.) •4 региона •Всего 672 моделей ЦЕЛЬ 2 : Продемонстрировать 5х прирост точности модели на 10% клиентской базы по отношению к случайному распределению на моделях, построенных с помощью Factory Miner. ЦЕЛЬ 3 : Реализовать процесс автоматического перестроения и развертывания моделей – все модели должны быть перестроены и развернуты на Hadoop в течении 24-ч периода ЦЕЛЬ 4 : Показать стабильность результатов моделирования и робастность – качество моделей, измеренное в терминах uplift-а и коэффициента Gini не должно варьироваться более чем на 10% в течении 14 дневного периода. ЦЕЛЬ 5: Продемонстрировать стабильность работы платформы SAS Factory Miner – время простоя, ассоциированное с ошибками ПО SAS не должно превышать 5 часов в месяц.
- 22. Мы такие разные - Но все-таки мы вместе!