Элемент не найден!

Кейсы

Онлайн продажа кредитного продукта

Задача моделирования

  • Определить как разные активности , влияют на количество новых и вернувшихся клиентов, подавших заявки на потребительские кредиты на сайте
  • Оценить показатели эффективности разных каналов и креативных рамок, чтобы затем это использовать для прогноза и оптимизации
  • Оценить синергию онлайн и оффлайн каналов

Новые и повторные клиенты образуют накапливаемую клиентскую базу, этот эффект накопления нужно было учесть в спецификации

Спецификация описывала следующий процесс

Таким образом строилась система моделей с результатом, как для новых клиентов

Декомпозиция факторов модели для новых клиентов так и для повторных клиентов

Причем количество повторных зависит от размера абонентской базы в прошлом, у них есть постоянный естественный рост, связанный с накоплением клиентской базы

В этой модели был подсвечен эффект синергии онлайн и оффлайн каналов. Трафик Яндекс контекста становился больше во время ТВ кампаний в среднем на 15, 6 % при текущем бюджете

Вклад работы ТВ в Яндекс сессии на кривых отклика, и конвертация сессий в взятый кредит становилась значимо выше сравнение работы контекста Яндекс с ТВ и без ТВ на кривых отклика

Также увеличивалась эффективность как ТВ, так и контекста

Результирующие расчет эффективности позволили сделать прогноз и оптимизацию по найденным зависимостям работы медиа каналов и креативных рамок от бюджета

Работа ТВ кампаний на создание клиентской базы на кривых отклика

Работа ТВ кампаний на создание клиентской базы на кривых отклика

Следующий кейс

Вопрос-ответ

Это зависит от гранулярности данных так как для корректной оценки модели важно количество наблюдений: • Месячные данные: минимально необходимый период данных – 1,5 года, оптимальный – 3 года и более. • Недельные данные: минимально необходимый период данных – 1 год, оптимальный – 2 года и более.
Обновление модели – это корректировка коэффициентов модели с учетом последних доступных данных и добавление в модель новых факторов, которых не наблюдалось ранее. Модель является рабочей и актуальной до тех пор, пока ошибка прогноза не более 7-9% в зависимости от категории продукта. При отсутствии резких изменений в деятельности бизнеса, в отрасли или во внешних факторах (например, COVID) оптимально обновлять модель раз в год даже при низкой ошибки прогноза для оценки новых медиа кампаний. При необходимости корректировки медиа стратегии в течении года на основе эффективности работы последних флайтов, модель лучше обновлять раз в пол года или раз в квартал.
В зависимости от сложности задачи, новизны модели или ее обновления – модель может создаваться от 5 рабочих дней до нескольких недель Важно, что построению модели предшествует сбор и проверка данных. Модель строится на всем собранном вместе массиве данных
Если задача понять работу различных медиа-каналов и флайта на KPI – можно воспользоваться методикой Media Guidelines , она работает с малым количествои данных и предназначена для понимания работы флайта.
Качество прогноза определяется вариативностью прогнозируемой переменной и качеством модели.  Важно, чтобы ошибка прогноза при зафиксированной формуле и корректных вводных не превышала ошибку модели более чем на 1-3 пп
В рекламе с давних пор существует понятие эффективная частота – количество контактов, которое оптимально с точки зрения восприятия креатива и (или) максимизирует KPI. В кейсе Media Guidelines раскрыты разные подходы измерения эффективной частоты в разных медиа-каналах
Оптимизация медиа-микса -  крайне важное применение моделей. Оптимизируют как медиа-микс при заданном бюджете для максимизации выручки, MACO, или другого KPI. Так же ищут варианты минимального бюджета и распределения его для достижения целей по ключевому показателю
Смотреть все вопросы и ответы