У нас, как у любой крупной телеком-компании, агрегируется множество данных об активностях абонентов — начиная с базовых вроде социального профиля и заканчивая более сложными, например, о потребительских интересах. Как можно использовать их для процветания пользователей и бизнеса? У независимых разработчиков на этот счет есть много идей. Чтобы узнать о них побольше, мы организовали MegaFon Big Data Challenge.
Из более чем 300 заявок мы отобрали 15, собрали эти команды в московском офисе и в течение двух дней рассказывали им о всяких полезных вещах — бизнес-моделях, MVP, методиках оценки рынка, тестировании на потребителях, мастерстве презентаций. И, конечно, о больших данных. Хотя здесь нам и самим было что послушать. По итогам хакатона среди трех лучших, на наш взгляд, проектов мы распределили призовой фонд — один миллион рублей. Сохраним интригу до футера и расскажем о них в конце, а начнем с других участников.
Уменьшить количество автомобильных аварий на 30% с помощью big data рассчитывает команда Ride&Slide. В качестве исходных берутся данные ДТП, профили в соцсетях с упоминанием ДТП, информация GPS-трекинга и другие данные. На основе этого создается сервис, который выдает пользователям оповещения об опасных водителях и участках поблизости, позволяет самостоятельно добавлять их и верифицировать.
Эта разработка может быть интересна и в B2B — для логистических, транспортных компаний, такси. Отдельно в презентации упомянули страховщиков, которым детектор «оленей» принесет прямую экономию.
Страховым и фармацевтическим компаниям стоит больше знать о здоровье как актуальных, так и потенциальных клиентов. Чтобы помочь им в этом, Pharma Disrupted планирует использовать данные геолокации. Как часто человек посещает больницу? Как долго сидит на больничном? Эта информация будет использоваться по согласию пользователей и привязываться к их профилям и активности в соцсетях. Таким образом страховщики смогут улучшить скоринг, а фармацевты — ассортимент в аптеках.
Этот проект нацелен на улучшение рекламного таргетинга. Для этого планируется использовать большое количество данных, описывающих пользователя: геотаргетинг в реальном времени, профиль в МегаФоне и интернет-сервисах (Mail.ru, Rambler & Co), кукиз, а также данные электронных касс и карточных транзакций. Цель разработчиков — занять 10% доли посредников в сфере программатик рекламы.
Большие данные идут на помощь социализации. Сервис будет предлагать пользователям наиболее подходящие места, мероприятия и сообщества, на основе информации из профилей в Мегафоне, в соцсетях, данных геолокации и много чего еще. В зависимости от интересов пользователи будут разделяться на группы. В этих группах, например, люди при взаимном желании будут узнавать что могут пойти на какое-то мероприятие не в одиночку — привет, Тиндер.
У этого проекта много общего со Smart Target. Основной целью тоже является персонализация рекламных предложений для увеличения их эффективности. Но здесь в системе обработки пользователей применяется одна интересная фича на грани с психологией — персонализация на основе типов личности и ценностей человека:
Работу этой системы через профили VK можно оценить с помощью чат-бота.
При открытии новых точек офлайн-ритейлеров также могут помочь большие данные. Используя их, команда Vanga Predictions отвечает на важнейшие вопросы, возникающие при запуске. На основе прогноза выручки становится ясно, где продавать. На основе прогноза по категориям — что продавать. И наконец с помощью анализа передвижения пользователей — кому продавать.
Работа сервиса разделена на четыре основных этапа. Сначала для каждого абонента определяются предпочтительные магазины. На основе этого составляются прогнозы, пользователи кластеризуются. На финальном этапе происходит разбитие выручки в зависимости от категорий товаров. У проекта уже есть план развития, где обозначены две версии с разной функциональностью.
Пришел черед эйчаров. Команда Work2vec поможет сетевым компаниям с текучкой >15% с помощью векторного анализа онлайн-профилей находить более релевантных сотрудников, которые смогут закрепиться в штате и сократить расходы на подбор персонала. Это актуально для больших ритейл-сетей, сегмента HoReCa и сферы услуг.
Проект, похожий на предыдущий, но рассчитанный на подбор сотрудников среднего и высшего звена. Потенциальные кандидаты заноситься в базу с учетом истории работы, офлайн-активностей, интересов, психотипа, посещения профессиональных мероприятий и даже активности на Хабре. Когда у компании появляется запрос, она сразу получает релевантные для вакансии варианты. В ближайшее время систему планируется развернуть в МегаФоне.
Здесь с помощью больших данных планируется помочь наружной рекламе. С помощью данных геопозиционирования от МегаФона, соотнесенных с активностью пользователей в соцсетях, будет увеличена точность покрытия рекламных щитов, экранов, уличных промоутеров. Все это будет происходить в реальном времени. Идет, например, группа студенток из университета мимо какого-нибудь кафе, а к ним из этого кафе выходит ростовая кукла и раздает флаеры на бесплатный кофе.
Medtracking на основе данных геопозиционирования и транзакций пользователей призван сделать ассортимент в аптеках более релевантным по отношению к запросам покупателей. На основе данных Medtracking можно будет проводить маркетинговые акции и понимать, почему и за чем все ходят не в одну аптеку, а в другую. Разработчики в перспективе рассчитывают с помощью своего решения поднять прибыль аптек на 25%.
Эффективность работы колл-центров сегодня составляет в среднем 30-50%. В лучшем случае присутствует какая-то базовая сегментация обзвона по очевидным категориям. С помощью продукта Smart Reach Concept и данных МегаФона о телефонной активности колл-центры могли бы определять наилучшее время для успешного звонка тому или иному человеку. С этой целью помимо информации о звонках можно учитывать геолокацию и трафик абонентов. Все взаимодействие планируется организовать в виде удобного API.
Наиболее популярной сферой для bigdata-стартапов стала реклама. Еще одним представителем подобных сервисов стала рекомендательная система от команды GrowUP. Она собирает данные от Мегафона и партнеров, информацию о продуктах рекламодателей и в результате генерирует персональные рекомендации для пользователей в режиме реального времени.
Переходим к призерам хакатона. Виртуальный ментор — это разработанный командой К13 сервис для подбора рекламных кампаний на основе больших данных. Пользователь указывает сферу работы компании, предпочтительную аудиторию, затем выбирает рекламную кампанию на партнерской площадке и географически её «тюнингует». Параллельно изучая тренды и спрос в своем сегменте. Вот как выглядит прототип:
Предоставлять сервис планируется по системе подписки. Прозвучала конкретная цифра — 15 000 рублей в месяц за полный доступ. Первые сделки разработчики уже заключили.
И снова big data в телемаркетинге, но на этот раз — с более узким прицелом, на строительных девелоперов и автодилеров. В этой сфере за один целевой звонок можно отдать до 15 000 рублей, а позвонит в итоге бедный студент, нанятый для этого за 500.
Вот как работает Data4. Девелоперу поступает звонок. Сразу совершается запрос в МегаФон по активности абонента — геолокационной, транзакционной, коммуникационной и т.д. Data4 анализирует информацию и классифицирует клиента. Если он попадает в группу «фрод», то звонок будет обработан лишь постфактум или проигнорирован вообще.
Победитель, команда Ingenix, затронули своим проектом, пожалуй, самую злободневную проблему по сравнению с другими участниками. На основе открытого протокола, доступного для внешнего аудита, они планируют создать платформу для регулирования и монетизации рынка персональных данных.
Через эту платформу пользователи смогут регулировать, какие персональные данные они предоставляют. Разумеется, не бесплатно. Вознаграждение будет выдаваться за согласие на получение SMS-предложений или, например, доступ к данным профиля Facebook. Для начала посредником здесь будет сама платформа. Потом, по мере осознания пользователями ценности своих данных, они смогут работать с рекламодателями напрямую и контролировать, кто получает информацию.
В свою очередь, для бизнес-пользователей будет формироваться рейтинг наиболее интересной аудитории для их сферы. Они смогут приобретать подробную информацию по таким пользователям — ту информацию, которую они сами предоставляют.
Схема работы Digital Fingerprint
Многие проекты показались жюри интересными. Почему первый приз получил Digital Fingerprint? Пожалуй, дело в том, какое место он отводит пользователям на рынке больших данных, которые напрямую с этими пользователями и связаны. Они становятся полноправными участниками этого рынка, за счет открытости системы понимают, что и как работает, и могут быть уверены в сохранении конфиденциальности в заданном ими периметре. Бизнес-клиенты также не остаются в обиде. Они получают в свое распоряжение данные пользователей с высокой конверсией, которые сами согласились свои данные предоставить. Похоже на win-win.
О том, как мы с помощью больших данных создавали новую линейку тарифов, вы можете прочитать в одном из предыдущих постов.
Из более чем 300 заявок мы отобрали 15, собрали эти команды в московском офисе и в течение двух дней рассказывали им о всяких полезных вещах — бизнес-моделях, MVP, методиках оценки рынка, тестировании на потребителях, мастерстве презентаций. И, конечно, о больших данных. Хотя здесь нам и самим было что послушать. По итогам хакатона среди трех лучших, на наш взгляд, проектов мы распределили призовой фонд — один миллион рублей. Сохраним интригу до футера и расскажем о них в конце, а начнем с других участников.
«Олень» на дороге
Уменьшить количество автомобильных аварий на 30% с помощью big data рассчитывает команда Ride&Slide. В качестве исходных берутся данные ДТП, профили в соцсетях с упоминанием ДТП, информация GPS-трекинга и другие данные. На основе этого создается сервис, который выдает пользователям оповещения об опасных водителях и участках поблизости, позволяет самостоятельно добавлять их и верифицировать.
Эта разработка может быть интересна и в B2B — для логистических, транспортных компаний, такси. Отдельно в презентации упомянули страховщиков, которым детектор «оленей» принесет прямую экономию.
Pharma Disrupted
Страховым и фармацевтическим компаниям стоит больше знать о здоровье как актуальных, так и потенциальных клиентов. Чтобы помочь им в этом, Pharma Disrupted планирует использовать данные геолокации. Как часто человек посещает больницу? Как долго сидит на больничном? Эта информация будет использоваться по согласию пользователей и привязываться к их профилям и активности в соцсетях. Таким образом страховщики смогут улучшить скоринг, а фармацевты — ассортимент в аптеках.
Smart Target
Этот проект нацелен на улучшение рекламного таргетинга. Для этого планируется использовать большое количество данных, описывающих пользователя: геотаргетинг в реальном времени, профиль в МегаФоне и интернет-сервисах (Mail.ru, Rambler & Co), кукиз, а также данные электронных касс и карточных транзакций. Цель разработчиков — занять 10% доли посредников в сфере программатик рекламы.
МегаФон. Развлечения
Большие данные идут на помощь социализации. Сервис будет предлагать пользователям наиболее подходящие места, мероприятия и сообщества, на основе информации из профилей в Мегафоне, в соцсетях, данных геолокации и много чего еще. В зависимости от интересов пользователи будут разделяться на группы. В этих группах, например, люди при взаимном желании будут узнавать что могут пойти на какое-то мероприятие не в одиночку — привет, Тиндер.
uLime
У этого проекта много общего со Smart Target. Основной целью тоже является персонализация рекламных предложений для увеличения их эффективности. Но здесь в системе обработки пользователей применяется одна интересная фича на грани с психологией — персонализация на основе типов личности и ценностей человека:
Работу этой системы через профили VK можно оценить с помощью чат-бота.
Vanga Predictions
При открытии новых точек офлайн-ритейлеров также могут помочь большие данные. Используя их, команда Vanga Predictions отвечает на важнейшие вопросы, возникающие при запуске. На основе прогноза выручки становится ясно, где продавать. На основе прогноза по категориям — что продавать. И наконец с помощью анализа передвижения пользователей — кому продавать.
Работа сервиса разделена на четыре основных этапа. Сначала для каждого абонента определяются предпочтительные магазины. На основе этого составляются прогнозы, пользователи кластеризуются. На финальном этапе происходит разбитие выручки в зависимости от категорий товаров. У проекта уже есть план развития, где обозначены две версии с разной функциональностью.
Сотрудник с гарантией
Пришел черед эйчаров. Команда Work2vec поможет сетевым компаниям с текучкой >15% с помощью векторного анализа онлайн-профилей находить более релевантных сотрудников, которые смогут закрепиться в штате и сократить расходы на подбор персонала. Это актуально для больших ритейл-сетей, сегмента HoReCa и сферы услуг.
МегаHR
Проект, похожий на предыдущий, но рассчитанный на подбор сотрудников среднего и высшего звена. Потенциальные кандидаты заноситься в базу с учетом истории работы, офлайн-активностей, интересов, психотипа, посещения профессиональных мероприятий и даже активности на Хабре. Когда у компании появляется запрос, она сразу получает релевантные для вакансии варианты. В ближайшее время систему планируется развернуть в МегаФоне.
Таргетоид
Здесь с помощью больших данных планируется помочь наружной рекламе. С помощью данных геопозиционирования от МегаФона, соотнесенных с активностью пользователей в соцсетях, будет увеличена точность покрытия рекламных щитов, экранов, уличных промоутеров. Все это будет происходить в реальном времени. Идет, например, группа студенток из университета мимо какого-нибудь кафе, а к ним из этого кафе выходит ростовая кукла и раздает флаеры на бесплатный кофе.
Medtracking
Medtracking на основе данных геопозиционирования и транзакций пользователей призван сделать ассортимент в аптеках более релевантным по отношению к запросам покупателей. На основе данных Medtracking можно будет проводить маркетинговые акции и понимать, почему и за чем все ходят не в одну аптеку, а в другую. Разработчики в перспективе рассчитывают с помощью своего решения поднять прибыль аптек на 25%.
Smart Reach Concept
Эффективность работы колл-центров сегодня составляет в среднем 30-50%. В лучшем случае присутствует какая-то базовая сегментация обзвона по очевидным категориям. С помощью продукта Smart Reach Concept и данных МегаФона о телефонной активности колл-центры могли бы определять наилучшее время для успешного звонка тому или иному человеку. С этой целью помимо информации о звонках можно учитывать геолокацию и трафик абонентов. Все взаимодействие планируется организовать в виде удобного API.
GrowUP
Наиболее популярной сферой для bigdata-стартапов стала реклама. Еще одним представителем подобных сервисов стала рекомендательная система от команды GrowUP. Она собирает данные от Мегафона и партнеров, информацию о продуктах рекламодателей и в результате генерирует персональные рекомендации для пользователей в режиме реального времени.
Виртуальный ментор — 3 место
Переходим к призерам хакатона. Виртуальный ментор — это разработанный командой К13 сервис для подбора рекламных кампаний на основе больших данных. Пользователь указывает сферу работы компании, предпочтительную аудиторию, затем выбирает рекламную кампанию на партнерской площадке и географически её «тюнингует». Параллельно изучая тренды и спрос в своем сегменте. Вот как выглядит прототип:
Предоставлять сервис планируется по системе подписки. Прозвучала конкретная цифра — 15 000 рублей в месяц за полный доступ. Первые сделки разработчики уже заключили.
Data4 — 2 место
И снова big data в телемаркетинге, но на этот раз — с более узким прицелом, на строительных девелоперов и автодилеров. В этой сфере за один целевой звонок можно отдать до 15 000 рублей, а позвонит в итоге бедный студент, нанятый для этого за 500.
Вот как работает Data4. Девелоперу поступает звонок. Сразу совершается запрос в МегаФон по активности абонента — геолокационной, транзакционной, коммуникационной и т.д. Data4 анализирует информацию и классифицирует клиента. Если он попадает в группу «фрод», то звонок будет обработан лишь постфактум или проигнорирован вообще.
Digital Fingerprint — 1 место
Победитель, команда Ingenix, затронули своим проектом, пожалуй, самую злободневную проблему по сравнению с другими участниками. На основе открытого протокола, доступного для внешнего аудита, они планируют создать платформу для регулирования и монетизации рынка персональных данных.
Через эту платформу пользователи смогут регулировать, какие персональные данные они предоставляют. Разумеется, не бесплатно. Вознаграждение будет выдаваться за согласие на получение SMS-предложений или, например, доступ к данным профиля Facebook. Для начала посредником здесь будет сама платформа. Потом, по мере осознания пользователями ценности своих данных, они смогут работать с рекламодателями напрямую и контролировать, кто получает информацию.
В свою очередь, для бизнес-пользователей будет формироваться рейтинг наиболее интересной аудитории для их сферы. Они смогут приобретать подробную информацию по таким пользователям — ту информацию, которую они сами предоставляют.
Схема работы Digital Fingerprint
Многие проекты показались жюри интересными. Почему первый приз получил Digital Fingerprint? Пожалуй, дело в том, какое место он отводит пользователям на рынке больших данных, которые напрямую с этими пользователями и связаны. Они становятся полноправными участниками этого рынка, за счет открытости системы понимают, что и как работает, и могут быть уверены в сохранении конфиденциальности в заданном ими периметре. Бизнес-клиенты также не остаются в обиде. Они получают в свое распоряжение данные пользователей с высокой конверсией, которые сами согласились свои данные предоставить. Похоже на win-win.
О том, как мы с помощью больших данных создавали новую линейку тарифов, вы можете прочитать в одном из предыдущих постов.
