Проект

Технологии Big Data принесли «Аэрофлоту» дополнительный миллиард рублей

Заказчики: Аэрофлот

Москва; Транспорт

Продукт: IBM Information Server
Второй продукт: IBM BigInsights on Cloud
Третий продукт: IBM Informix

Дата проекта: 2015/12  - 2017/10
Бюджет проекта: 174 100 000 руб.
Технология: СУБД
подрядчики - 201
проекты - 565
системы - 256
вендоры - 116
Технология: СХД
подрядчики - 176
проекты - 432
системы - 589
вендоры - 206
Технология: BI
подрядчики - 299
проекты - 2367
системы - 855
вендоры - 375
Технология: Cloud Computing
подрядчики - 82
проекты - 166
системы - 366
вендоры - 149
Технология: IaaS - Инфраструктура как услуга
подрядчики - 136
проекты - 525
системы - 290
вендоры - 150

Результаты

Технологии Big Data принесли «Аэрофлоту» дополнительный миллиард рублей

Работа с Big Data помогла «Аэрофлоту» «кардинально улучшить коммуникации с клиентами и привлечь больше пассажиров». По итогам 2017 года авиакомпания заработала на этом дополнительно почти 1 млрд рублей, утверждает «Аэрофлот» в своем годовом отчете, опубликованном в августе.

К коммерческой эксплуатации технологий Big Data для увеличения входящего потока клиентов за счет для динамической сегментации с использованием массивов неструктурированных данных компания приступила в декабре 2016 года.

Технологии Big Data принесли «Аэрофлоту» дополнительный миллиард рублей
Технологии Big Data принесли «Аэрофлоту» дополнительный миллиард рублей

В «Аэрофлоте» ранее называли этот проект первым и единственным внедрением систем класса Big Data в российской транспортной авиаотрасли.

Система позволяет формировать профили клиентов, включающие, в том числе, пол, возраст, семейное положение, интересы, предпочтения и историю полетов, и с учетом индивидуальных данных предлагать более персонифицированные предложения в нужный момент. Система также определяет, какие каналы для коммуникации применить к тому или иному клиенту.

В 2017 году была проведена ее интеграция с внешними рекламными площадками Yandex, Google, MyTarget (Mail.ru) для запуска серии маркетинговых кампаний на этих площадках с применением динамической сегментации клиентской базы, сообщает «Аэрофлот» в годовом отчете.

В дальнейшем компания планирует развивать систему Big Data для этих целей путем добавления новых источников данных и оптимизации моделей машинного обучения.

В стратегии развития информационных технологий для группы «Аэрофлот» до 2020 года, утвержденной в 2017 году, сделан особый акцент на дальнейшее многоуровневое использование Big Data, говорится в годовом отчете авиакомпании. Начиная с 2018 года, «Аэрофлот» планирует реализовывать по 2-3 новых бизнес-кейса в год в области Big Data и машинного обучения ежегодно.

Ход проекта

В 2016 году завершилось внедрение самой платформы: был внедрен программно-аппаратный комплекс платформы больших данных, проведены инженерные и пуско-наладочные работы, сформирована дорожная карта на 2017 год.

В 2017 году в рамках договора технической поддержки был доработан ключевой бизнес-функционал системы: сервис рекомендаций, клиент 360 и профиль клиента, оценка влияния каналов коммуникаций, оценка принадлежности клиентов к RFM-сегменту. Стоимость упомянутых работ составила 26,1 млн рублей.[1]

Проект выполнялся с применением решений IBM: IBM InfoSphere Information Server, IBM Biginsights, IBM Streams, IBM Informix, IBM Big SQL.

Выбор подрядчика

Проект стартовал в декабре 2015 года. Контракт с «Аэрофлотом» на сумму 148 млн рублей «Техносерв Консалтинг» получил по итогам открытого тендера, снизив стартовую цену лота всего на 5,8 тыс. руб. Конкуренцию победителю пытались составить компании «Интерпроком» и «Интегро Технолоджис». Исполнение контракта было рассчитано на 260 дней, то есть он должен был завершиться не позднее сентября 2016 г.

Состав решения

Созданное командой «Аэрофлота» и «Техносерва» решение включило в себя несколько модулей: «Клиент 360», «Сервис рекомендаций», «Пожизненная ценность клиента» и «Склонность к отклику и чувствительность к цене».

Модуль «Клиент 360» направлен на сопоставление и объединение данных о пассажирах из различных источников для нахождения уникальных клиентских профилей. Среди таких источников: ежедневная выгрузка записей о полетах и пассажирах из системы бронирования и резервирования авиабилетов, развернутая характеристика посетителей сайта Аэрофлота из Google Analytics Premium и модель их поведения (поиск, просмотр, бронирование, оплата, загрузка, переход по ссылкам и др.), а также данные по маркетинговым коммуникациям (e-mail, SMS и др) и многое другое. В качестве основного инструмента, позволяющего осуществить интеграцию данных и выделить уникальные клиентские записи, выступает семейство решений IBM InfoSphere Information Server.

Модуль «Сервис рекомендаций» подбирает альтернативные предложения клиенту по возможным пунктам авиапутешествия, основываясь на исторических данных о его полетах и выявленных корреляциях.

Модуль «Пожизненная ценность клиента» представляет собой алгоритм анализа профилей пассажиров авиакомпании и состоит из двух блоков, целью которых является определение показателя Customer Lifetime Value и принадлежность клиентов к RFM-сегментам (Recency, Frequency, Monetary — давность, частота, деньги — сегментация клиентов в анализе сбыта по лояльности).

Модуль «Склонность к отклику и чувствительность к цене» представляет собой алгоритм анализа данных по профилям участников для определения степени восприимчивости клиентов к различным каналам коммуникации. Для этого в модуле заложена возможность вычисления склонности к отклику каждой уникальной клиентской записи в зависимости от индивидуальной частоты откликов. Модуль анализа влияния каналов коммуникации основан на алгоритме, позволяющем фиксировать участие каналов в коммуникационном процессе, предшествующем покупке каждого клиента (или кластера), а также увеличение числа новых уникальных клиентских записей при осуществлении медийной активности.

По отзыву заказчика, проект по созданию системы интеллектуальной сегментации клиентов предоставил отделу маркетинга «Аэрофлота» инструмент для понимания различий и предпочтений своей аудитории, поиска скрытых корреляций, проверки гипотез. Используя анализ больших данных и модели машинного обучения, специалисты компании проводят сегментация клиентов по множеству характеристик: их покупательской способности, чувствительности к цене, потенциальной доходности. Рекомендательные системы ежедневно рассчитывают персональные полетные предложения для каждого клиента. Адресные коммуникации, отправленные клиентам в нужный момент времени, оптимизировали маркетинг и, как следствие, увеличили ключевые финансовые показатели «Аэрофлота».

«
Наш проект для «Аэрофлота» стал первым внедрением систем класса Big Data в транспортной авиаотрасли России. Кроме того, его реализация заняла менее года, что является кратчайшим сроком для проектов такого класса, — утверждает Сергей Корнеев, президент «Техносерв». — «Аэрофлот» осуществляет глобальный переход от простой продажи билетов к комплексной продаже комфортного путешествия за счет внимания к клиенту, к важным для него деталям: возможности провоза горных лыж или доступности специального питания. Обогащая знания о клиентах из открытых источников, в том числе социальных сетей, открывается возможность осуществлять тригерные коммуникации с клиентом, оперативно реагировать на события в его жизни, осознавая его потребности: переезд, планирование отпуска, жалоба на сервис компании. Каждая из этих ситуаций может быть оперативно выражена релеватным предложением, повышающим лояльность клиента. И чем полнее будет знание авиаперевозчика своей аудитории и быстрее реакция, тем выше лояльность и, как результат, доходность. За этим будущее.
»

Примечания