Fallstudien aus unseren Datenprojekten. Wir entwickeln sie auf Basis offener Daten, Kundendaten und Machine-Learning-Modellen. Jede Fallstudie nennt die Branche, das Problem, die verwendeten Daten und das Ergebnis.
Problem: Die Bank musste den Kreditnehmer vor der Kreditvergabe anhand von mehr Indikatoren beurteilen, als die Auskunftei allein liefert.
Daten: Daten der Bank selbst sowie offene Quellen: öffentliche Register und Datenbanken (EGRUL, FSSP, NBKI), Rosstat-Statistiken, soziale Netzwerke, Jobbörsen (HH, Superjob) und Kleinanzeigenportale (CIAN, Avito, Avto.ru).
Was wurde getan?: Wir trainierten ein Verhaltensmodell mit zwei Datenquellen gleichzeitig – den Daten der Bank und offenen Daten – und nutzten es als zusätzliches Signal vor der Kreditvergabe. Das Modell sollte nie eigenständig Entscheidungen treffen: Die Bewertung selbst verblieb bei der Bank.
Ergebnis: Das Modell erstellt anhand aggregierter Daten ein Verhaltensprofil des Kreditnehmers und unterstützt die Bank bei der Beurteilung des Kreditrisikos. Von 146 Millionen Einwohnern Russlands waren 137 Millionen öffentlich zugänglich, 98 Millionen in sozialen Netzwerken und 42 Millionen in öffentlichen Datenbanken registriert.
Problem: Ziel war es, die Markentreue zu steigern und den Autoabsatz zu erhöhen. Die Zielgruppe der Marke in diesem Projekt umfasste 37 Millionen Menschen.
Daten: Veröffentlichte Inhalte, Likes in thematischen Gruppen und Beiträgen, Publikumsaktivität und die Geschwindigkeit, mit der sich Inhalte im sozialen Netzwerk verbreiten.
Was wurde getan?: Wir filterten die Zielgruppe nach Interessen, Aktivität und Verbreitung der Inhalte, ermittelten den Anteil von Bots und zynischen Followern, analysierten die 150 reichweitenstärksten Accounts und wählten diejenigen aus, deren Follower zur Zielgruppe gehören und deren Inhalte sich am schnellsten verbreiten.
Ergebnis: Sieben spezialisierte Auto-Blogger wurden für die Zusammenarbeit mit der Marke ausgewählt und ein neuer Content-Plan entwickelt. Ergebnis: 41 % mehr Kunden durch den Blogger-Kanal und 6 % mehr durch Empfehlungen von Freunden.
Problem: Senken Sie die Werbekosten, gewinnen Sie neue Kunden und gestalten Sie zielgerichtete Werbung effektiver: Wissen Sie, wer kauft und was die Leute kaufen.
Daten: Kundenbindungskarten, aus sozialen Netzwerken gesammelte Kundendaten und der Abgleich von Käufen mit dem sozialen Profil des Käufers.
Was wurde getan?: Für jeden Kunden wurde eine individuelle Kundenkarte erstellt, die über ein soziales Netzwerk aktiviert wird. Wir erstellten ein Zielgruppenprofil – wer kauft, welche Inhalte konsumiert werden, wofür die Kunden interessiert sind und was gekauft wird – und fanden dann ähnliche Nutzer, denen wir die Werbung gezielt anboten.
Ergebnis: Der gesamte Prozess von Scoring, Profiling und präziser Zielgruppenansprache mit Prognosen zum Konsumentenverhalten ist beschrieben; Kundenergebnisse werden nicht veröffentlicht.
Problem: Die Bedürfnisse eines Kunden anhand seines digitalen Fußabdrucks voraussagen und diese für eine präzise Segmentierung, Micro-Targeting und Reaktivierung nutzen.
Daten: Soziale Netzwerke, Websites, Blogs und Foren, Dating-Apps und -Spiele, öffentliche Register (EGRN, EGRUL, FSSP), Jobbörsen (HH, Superjob) und Kleinanzeigenportale (CIAN, Avito, Avto.ru).
Was wurde getan?: Wir entwickelten Fernidentifizierung, präzise Segmentierung, Mikro-Targeting und Prognosen; der Reaktivierungsfall basierte auf persönlicher Interaktion und der Analyse der eigenen Nutzererfahrung anstatt auf Massenmailings.
Ergebnis: Durch die Reaktivierung konnten die Kommunikationskosten um 20 % gesenkt und 12 % der „alten“ Kunden zurückgewonnen werden; in einem ähnlichen Fall kamen über den Aktionscode-Kanal 41 % neue Kunden hinzu, und Empfehlungen von Freunden brachten 6 %.
Problem: Passen Sie die Werbemittel an die Vorlieben einer bestimmten Zielgruppe an und legen Sie dann fest, welcher Nutzer welches Werbemittel sieht.
Daten: Farben und Bilder aus sozialen Netzwerken, Sprachaufnahmen, die mit homomorpher MFCC-Analyse verarbeitet wurden, Kommentare und Rezensionen unter Produktbewertungen, Webanalysen besuchter Seiten, Umgebungsparameter (Geo, Zeit, Wetter, Feiertage, Ereignisse) und A/B-Testergebnisse.
Was wurde getan?: Die Farben wurden aus der größten Silhouette eines Fotos extrahiert; die Stimme wurde nach Tonfall kategorisiert; das durchschnittliche Gesicht wurde anhand der Meinungsführer der Zielgruppe und nicht anhand der Zielgruppe der Marke selbst berechnet; der Bildausschnitt richtete sich nach der Gesichtsposition und dem relevanten Hintergrundbereich. Für die Personalisierung legten wir 10 Schlüsselparameter fest, für das Nutzerverhalten über 60 Parameter, die aus den konsumierten Inhalten abgeleitet wurden.
Ergebnis: Steigerung des Nutzerengagements: bis zu +25 % durch Farbanpassung, bis zu +40 % durch Sprachausgabe, bis zu +30 % durch Bilder und bis zu +10 % durch Bildausschnitt. Von den über 60 Verhaltensparametern haben Demografie und Online-Aktivität mit 41 % den größten Einfluss, gefolgt von Finanzen und dem Konsumentenmodell (23 %) sowie Persönlichkeitsmerkmalen und Interaktion mit Werbung (17 %).
Problem: Bereichern Sie die Marketingdaten einer Marke mit Open-Source-Daten und schätzen Sie im Voraus ab, wie die Empfehlungsalgorithmen sozialer Netzwerke eine Werbekampagne fördern werden.
Daten: Offene Profile und veröffentlichte Inhalte, soziale Verbindungen, aus Inhalten und Fotos rekonstruierte Geolokalisierungsdaten sowie zusätzliche Metriken von Mobilfunkbetreibern, WLAN-Anbietern in Einkaufszentren und Betreibern von Abrechnungsdaten.
Was wurde getan?: Content-Profiling, Verhaltensmodellierung und Social-Graph-Analyse: Wir wählen Meinungsführer in Nischenbereichen durch Überschneidung und Clusterbildung von Zielgruppen aus, prognostizieren die Entwicklung eines Trends und vergleichen die Zielgruppe der Marke mit der von Wettbewerbern.
Ergebnis: Bis zu 90 % der Inhalte in sozialen Netzwerken werden über Empfehlungsalgorithmen verbreitet. Die Analyse zeigt daher im Voraus, wie ein Werbemittel beworben wird und reduziert das Kampagnenbudget durch organische Verbreitung der Inhalte.
Problem: Zukünftige Stars rechtzeitig erkennen, bewerten, wie gut der Empfehlungsalgorithmus des sozialen Netzwerks die Inhalte bewertet, und die Position des Labels mit der der Konkurrenz vergleichen.
Daten: Daten aus sozialen Netzwerken und Diensten in Echtzeit, Musiktitel (ähnliche Titelsuche per MP3), Zielgruppen von Marken und Wettbewerbern sowie Konsummuster von Inhalten.
Was wurde getan?: Wir haben ein Echtzeit-Trendmonitoring, Vorhersagemodelle für zukünftige Veröffentlichungen, eine Wettbewerbsanalyse der Zielgruppe mit potenziellen Zielgruppen, eine Suche nach Meinungsführern, die mit Inhalten von Wettbewerbern interagiert haben, und eine Analyse ähnlicher Musik eingerichtet.
Ergebnis: Ein Überwachungs- und Prognosekreislauf für Produktveröffentlichungen mit Kostenoptimierung der Marketingkommunikation.
Problem: Verstehen, welche Eigenschaften eines Titels und seiner Metadaten die Promotion in Empfehlungssystemen steuern, und echte Publikumsreaktionen von algorithmischem Rauschen unterscheiden.
Daten: Audio-Merkmale der Titel (Tempo, Rhythmus, Tanzbarkeit, Energie, Instrumentenpräsenz, Tonart, Instrumentierung, A cappella, Cover/Remake, Stimmung), Liedtexte, Metadaten (Autoren, Komponisten, historische Daten, Wiedergabelisten) und Vektoren ähnlicher Titel.
Was wurde getan?: Wir haben die Gewichtung der Hauptfaktoren und eine ähnliche Spurensuche auf Basis von Spektralstreuung, Fluss, Schwerpunkt, Rolloff, MFCC, Chroma-Vektor mit Abweichung und Nulldurchgangsrate erstellt; außerdem haben wir identifiziert, was das Bild verzerrt – ein Konto, das von mehreren Personen genutzt wird, Musik, die auf Partys gespielt wird, und Nostalgie.
Ergebnis: Die Gewichtung der Faktoren beträgt 45 % Rhythmus, 33 % musikalische Harmonie, 17 % Metadaten und 5 % Liedtext. Etwa 20 % der Anfragen an Empfehlungssysteme liefern irrelevante Ergebnisse, die in Wirklichkeit A/B-Tests der Zielgruppe darstellen. Für Künstler berechneten wir einen Affinitätsindex (Demografie, Finanzen, Konsummodell, Politik, Werbung) – beispielsweise 0,87 / 0,89 / 0,97 / 0,72 / 0,90 für Taylor Swift.
Problem: Den Arbeitsaufwand für Personalvermittler verkürzen, die Richtigkeit von Lebensläufen überprüfen und die Reichweite der Kandidatensuche erweitern.
Daten: Offene Quellen: soziale Netzwerke, Websites, Blogs und Foren, Dating-Apps und -Spiele, öffentliche Register (EGRN, EGRUL, FSSP), Jobbörsen (HH, Superjob), Kleinanzeigen und Immobilienregister.
Was wurde getan?: Wir suchten und überprüften Kandidaten in öffentlich zugänglichen Quellen und erstellten für den HR-Service ein Ranking der Mitarbeiter nach ihrer Effizienz. Die Regeln für die sichere Nutzung sind klar festgelegt – Quellen und Algorithmen dürfen nicht offengelegt werden, die Aussage muss rechtlich als Expertenmeinung begründet werden – und benennt die Risiken: rassistische Algorithmen und ungerechtfertigte Entlassungen.
Ergebnis: Der Zeitaufwand für Personalvermittler wird reduziert, Lebensläufe werden geprüft und die Reichweite der Suche erhöht. Die Zahlen des Kunden werden nicht veröffentlicht.
Problem: Erfassen Sie das Verhalten von zig Millionen Besuchern pro Woche und stellen Sie Ihren Kunden Analysen in Echtzeit zur Verfügung, nicht erst in einer nächtlichen Auswertung.
Daten: Daten aus dem JS-Code und dem IMG-Pixel auf Kundenseiten, Protokolle von Vermittlungsgeräten und 65 Verhaltensmetriken pro Besucher, die aus einem separaten DBMS ausgelesen werden.
Was wurde getan?: Wir haben ein Speichersystem auf Basis von Ceph, MongoDB, PHP 7.4 FPM und Nginx aufgebaut: 12 Backend-Server mit je 64 Kernen und 500 GB RAM hinter einem Cloud-Router, der den Datenverkehr geografisch verteilt; 240 SSDs mit je 800 GB in fünf RAID-Verbünden hinter einem Controller (RAID 10 – ca. 85 TB und 1,5 Mio. IOPS, RAID 6 – 157 TB, RAID 5 – 152 TB); drei Datenebenen mit monatlicher und wöchentlicher sowie jährlicher Aggregation; und Apache Solr für die Volltextsuche. Wir haben uns aufgrund der Geschwindigkeit und der Selbstheilungsfunktionen für Ceph anstelle von GlusterFS, MooseFS, HDFS und DRBD entschieden.
Ergebnis: Es werden etwa 50 Millionen Unique Visitors pro Woche verarbeitet; die Verzögerung zwischen einem Ereignis und dem Kundenbericht beträgt nicht mehr als 5 Minuten, und das ML-Modell aktualisiert die Verhaltensmetriken alle 5 Minuten.
Problem: Für eine Musikfestivalmarke gilt: Meinungsführer finden, tatsächliche Besucherzahlen erfassen und neue Besucher gewinnen. Das potenzielle Publikum betrug 25 Millionen.
Daten: Offline: Belege des Finanzdienstleisters, WLAN-Datenverkehr, Funkdaten und Kundenkarten. Online: Veröffentlichte Inhalte und Likes in thematischen Gruppen und Beiträgen.
Was wurde getan?: Wir haben die aktive Zielgruppe (den Anteil der Personen, die mit den Inhalten interagierten, den Anteil von Bots und zynischen Followern) sowie die Verbreitungsgeschwindigkeit der Inhalte gemessen – wie schnell Beiträge im Netzwerk verbreitet wurden, wie viele Personen sie weiterleiteten und welche Zielgruppe jeweils erreicht wurde. Anschließend analysierten wir die 150 reichweitenstärksten Accounts.
Ergebnis: Bei den ausgewählten Accounts entsprachen 70 % der Follower der Zielgruppe, und die Inhalte verbreiteten sich innerhalb von 2–3 Tagen. Gesichtserkennungssysteme und zu zielgerichtete Inhalte gelten als Risiken dieses Ansatzes.
Problem: Die Kosten für Wartung und kleinere Reparaturen an Lokomotiven lassen sich senken, indem Reparaturtrupps versetzt werden, anstatt die Maschinen zu bewegen.
Daten: Echtzeit-Telemetrie vom Rollmaterial (mehr als 7.000 Vibrationssensoren an Motoren, Kompressoreinheiten, Radpaaren und Wälzlagern), technische Bescheinigungen über zulässige Abweichungen, Zug- und Personalpläne, eine Karte der freien Reparaturplätze, der Bahnhofsplan und ein internes CRM mit Fehlermarkierungen.
Was wurde getan?: Das Modell empfängt den Reparaturindex der Lokomotive, den Personalplan, den Zugfahrplan, freie Reparaturplätze, das Bahnhofsdiagramm und CRM-Markierungen zu Pannen und sucht nach Anomalien bei Motoren, Kompressoren, Radpaaren und Lagern.
Ergebnis: −12 % geringere Instandhaltungskosten für rollendes Material, −20 % niedrigere Personalkosten für Mitarbeiter in Wartezeiten, +3 % höhere Termintreue. Der Hauptfehler des Projekts: Die gestiegenen Kosten für den Kauf und die Lieferung von Ersatzteilen zu den Reparaturwerkstätten wurden nicht berücksichtigt.