Как большие данные помогают телеком-компаниям

31 January 2020

Как известно, Big Data позволяют анализировать поведение покупателей или интернет-пользователей, отслеживая, какие сайты они посещают, где находятся и где регулярно бывают, что покупают, в котором часу и кому звонят по телефону, какие приложения скачивают и как ими пользуются, и т. д.

Big Data и операторы связи

Одни из самых крупных владельцев больших данных в России – это операторы связи, через чьи биллинговые системы ежедневно проходят потоки информации о многих тысячах абонентов. В результате они действительно знают о нас почти всё, вплоть до паспортных данных и модели телефона. И всю эту информацию можно монетизировать. Как только бизнес это понимает, Big Data превращаются из тренда в must have, под который начинает перестраиваться вся структура операторов связи.

Используя Big Data, операторы увеличивают объем выручки: гибкость предложений и контекста удерживает клиентов и привлекает новых, а аналитика больших данных дает возможность менеджерам продуктов узконаправленно действовать в соответствии со стратегей развития продуктов.

Но чтобы что-то предлагать, нужны сервисы, которые предоставят клиенту контент, а оператору — данные, на базе которых можно проводить анализ и генерировать новый контент. Чем больше данных, тем лучше можно построить портрет, или аватар клиента, тем лучше провести анализ. Портрет клиента должен постоянно обогащаться, ведь на оси времени многие данные быстро становятся неактуальными.

Мир вокруг быстро меняется, и вслед за ним должна меняться модель работы компаний. Современный абонент — потребитель множества сервисов, и мономодели работы с пользователем уходят в прошлое. Предоставления услуг, относящихся только к связи, уже недостаточно – мир становится экосистемным. Оператор настоящего клиентоориентирован, предоставляет конвергентные услуги, организует собственный маркетплейс, интероперабельное взаимодействие с внешними сервисами и операторами, а данные у него синтаксически и семантически однородны, что дает размеченное поле для обучения моделей алгоритмов интеллектуального анализа. Клиентоориентированность воспринимается относительно индивидуума: если раньше релевантные предложения ориентировались на кластеризованные сегменты клиентов, то сейчас – на конкретного клиента. Интероперабельное взаимодействие сервисов друг с другом приводит к тому, что в гетерогенной сети разнородных сервисов информация становится одинаково интерпретируемой и семантически согласованной. Рекомендательные системы начинают работать более точно, персонифицировано, используя предсказательные модели.

Для удержания современного клиента требуются новые технологии, новые интерфейсы, новые виды коммуникаций и новый контент. Абонентам уже нельзя предлагать статический контент – под них нужно подстраиваться. Это приводит к трансформации отрасли. Экосистемность тянет за собой развитие разных сервисов, не связанных с услугами связи. В этом направлении идут не только операторы, но и, например, бизнес финансового и ИТ-сектора, образуя кросс-экосистемную конкуренцию. Новые технологии, такие как IoT, будут способствовать этому, ассоциировать с клиентом дополнительные активности. Это новый источник данных, который повысит качество модели виртуального клиента в системах оператора. Прозрачность клиента увеличится, что позволит работать с ним более персонифицировано.

Сейчас операторы связи собирают по абоненту большой объем данных – как структурированных (действия, события, заполненные формы, транзакции, операции, покупки, любимые рестораны, посещаемые сайты и т. п.), так и неструктурированных (например, голосовой трафик). Любые события по клиенту фиксируются относительно оси времени.

Что решают Big Data?

Особую ценность несут специализированные приложения, в которых данные размечены. Их анализ становится проще и точнее. Те операторы, в экосистемах которых есть финансовые и медицинские сервисы, можно сказать, знают всё. Любые действия человека в Сети — это источник новой информации, который участвует в предсказании его потребностей в определенный момент времени. Накопленные данные и данные окружающей среды способствуют выработке алгоритмов генерации качественного контента. Например, геолокация абонента, окружающие внешние сервисы относительно геолокации (вроде кинотеатров, ресторанов и магазинов), запускаемые клиентом приложения на смартфоне, посещаемые ресурсы, времяпровождение в соответствующих ресурсах и сервисах, контент этих ресурсов — все это источники данных, поступающих в систему поддержки принятия решения.

Так, британская компания JJ Food Service, поставляющая продукты питания в рестораны и кафе, при онлайн-заказе сама заполняет корзины своих клиентов на основании истории их покупок и рекомендаций, при этом учитываются рецепты заведений, схожие заказы других пользователей и т. п. Около 80% этих товаров покупатели действительно оставляют в корзине и оплачивают.

Крупные торговые сети, такие как американская Target, идентифицируют клиентов по банковской карте, имени или электронному адресу, отслеживают их истории покупок, предпочтения и активность в соцсетях и делают соответствующие предложения.

Big Data — это ключ к будущему успеху оператора. Кто научится хорошо их анализировать, окажется победителем. Анализ данных дает возможность принимать правильные решения. Одна из основных целей операторов — удержание лояльных клиентов и повышение доходности с одного абонента. Над этим и надо работать. На рынке есть отличные примеры прибыльных бизнесов, которые сделали акцент на больших данных: например, компания Netflix зарабатывает до 75% на покупках товаров, предложенных рекомендательной системой, которая основана как на коллаборативных алгоритмах фильтрации, так и на персонализированных. В том же направлении работает Amazon, повышая прибыльность своего бизнеса.

Вне зависимости от используемых методов работы с большими данными большинство задач сводится к простому принципу: выявить паттерны поведения абонентов/пользователей и предоставить подходящий продукт или услугу своевременно. Оператор лучше знает своего абонента, оператору легче выстраивать стратегию своего развития, оценивать потенциальный спрос. Анализ больших данных помогает принимать оптимальные управленческие решения и уменьшить количество ошибок.

Задачи, которые решаются с использованием больших данных:

  • Сегментация клиентов по поведенческим характеристикам (дескриптивная аналитика).

  • Разработка и запуск новых продуктов/услуг.

  • Формирование предикативных предложений.

  • Прогнозирование жизненного цикла продуктов/услуг.

  • Ускорение обслуживания клиентов и принятия решений о предоставлении/отказе в услуге.

  • Снижение затрат на поддержку.

В телекоме Big Data используются как для оценки уже имеющегося пула абонентов, так и для прогнозирования их поведения, чтобы адекватно расширять список услуг. Сейчас абоненты все реже звонят, отправляют SMS и больше пользуются Интернетом. Это позволяет телеком-операторам с использованием технологий Big Data анализировать предпочтения своих клиентов и затем предлагать им персонифицированные наборы, например, контента для скачивания. Другое дело, не всякому понравится, что его трафик кто-то анализирует, пусть даже не человек, а робот. Но этот вопрос уже решается в каждой стране по-своему.

Будущее за Big Data

Многие операторы связи уже учатся работать с большими данными и предлагать на их базе решения. Но все самое интересное впереди. На базе Big Data и машинного обучения можно строить интеллектуальные сервисы анализа голосовых данных, видеопотока. Понимая смысл речевого контента, можно выстроить онлайн-взаимодействие с клиентом. Ученые из Массачусетского технологического института разработали модели на базе нейронной сети, которые обучили распознавать состояние здоровья человека по биомаркерам в его голосе. С помощью анализа видеоконтента можно классифицировать эмоции с применением технологий Deep Learning. Комбинация обеих технологий — аудиовизуальное распознавание контента — будет повышать точность и естественность общения с клиентом.

Рынок ИТ уже предлагает системы для анализа данных и принятия решения, и мы прогнозируем технологический скачок у потребителей этих решений в ближайшие годы. Очевидно, что будущее оператора построено на Big Data и технологиях AI, в числе которых:

  • системы поддержки принятия решений (СППР);

  • системы предиктивной аналитики и интеллектуального анализа данных;

  • системы обработки естественного языка;

  • системы речевых технологий;

  • системы компьютерного зрения;

  • системы управления процессами и др. технологии.

Таким образом, можно с уверенностью сказать, что операторы будут трансформироваться, диверсифицироваться, развивать свои сервисы и инфраструктуру, тренировать свои системы анализа данных, чтобы бороться за клиента и удерживать его в своей экосистеме.

Source
Related news
Game software working group to be established in Russia — expert
Sberbank has no critical dependencies on Western suppliers — CEO
Number of Russia’s IT industry employees rises by 12% in 2022