При построении решения используются как собственные технологии – например, NoSQL базы данных Tarantool, так и другие open source-решения (Apache Hadoop, Apache Spark). Для построения предиктивных математических моделей используются методы машинного обучения, в том числе собственные разработки компании, например, алгоритм построения моделей Multiclass Look-alike.
Благодаря использованию предиктивных математических моделей, являющихся ядром сервиса, ретейлеры могут лучше понимать свою аудиторию: проводить глубокую сегментацию, предсказывать потенциальный интерес к той или иной категории товаров, выбирать правильные каналы коммуникаций и прогнозировать вероятности оттока. Также модели могут использоваться для построения аудиторных сегментов интернет-пользователей для их последующего использования в рекламных кампаниях на различных интернет-площадках. Таким образом, сервис позволяет существенно повысить конверсию маркетинговых коммуникаций с существующими клиентами и эффективно привлекать новых.
Как отмечает руководитель отдела управления взаимоотношениями с клиентами и лояльностью «Эльдорадо» Роман Троицкий, использование предиктивного сервиса Mail.Ru позволило повысить конверсию проводимых кампаний на 28%, оборот – на 21%. По сравнению с другими инструментами персонализации контента сервис обеспечил наилучшие показатели. Кроме того, применение высоко персонализированных рассылок позволяет улучшить восприятие коммуникаций с клиентом.
