Компания «Альфа-Лизинг» запустила систему «Альфа-Пророк», которая прогнозирует потребности в лизинге на основе искусственного интеллекта. Решение, реализованное на базе инструмента ValueAI компании «ВейвАксесс», в синергии с внутренними инструментами «Альфа-Лизинга», позволяет определять контакты, готовые к повторной покупке лизинговых продуктов, предсказывать новых клиентов, прогнозировать предмет лизинга, назначать менеджера в CRM и ставить ему задачу, а также создавать персональные предложения. О реализации проекта рассказывает Артем Косолапов, директор по ИТ ГК «Альфа-Лизинг» и номинант на премию Data Award.

- Как пришли к созданию системы, прогнозирующей потребность компаний в лизинге? Какие проблемы требовалось решить?

У компании стояла амбициозная цель по расширению доли рынка. Так как мы уже входили в первую пятерку, то делать это на ограниченном лизинговом рынке за счет низкой базы уже не получалось. В высококонкурентной борьбе остается только перераспределение долей между текущими игроками рынка: то есть надо приходить к будущим клиентам первыми. И тогда возникла идея создать предиктивную модель, которая бы подсказывала, у кого из компаний и когда возникнет потребность в предмете лизинга, с высокой вероятностью успеха.

- Какие требования предъявлялись к решению?

На моменте пилота, оценивалась эффективность попадания предсказаний о потребности в лизинге – не ниже 60% в интервале времени в течении трех месяцев.

- Почему было выбрано именно решение ValueAI? Какие еще были варианты?

Наряду с ValueAI рассматривались решения сторонних компаний. Часть из этих решений на момент рассмотрения не подходили для нас по технологическому стеку, а часть – по причине облачного развертывания.

Инструмент ValueAI соответствовал нашим требованиям, а также обладал дополнительными функциями, которые для нас несли добавочную ценность: поддержка версионности обученных моделей, REST API и ETL для интеграций с разными инструментами, обеспечивающими процесс бесшовной работы функций от предсказания до постановки задач клиентским менеджерам.

- В какие сроки и какими силами реализовывался проект?

С момента принятия решения о реализации и первым рабочим прототипом модели прошло четыре месяца. Далее на протяжении трех месяцев проходила оценка эффективности. Над реализацией модели работала как команда ValueAI, проводившая обработку данных и создание самой модели, так и команда «Альфа-Лизинг», консультировавшая по данным и принципам работы с этими данными со стороны бизнес-подразделений.

- Каковы возможности созданной системы?

Решение обрабатывает информацию о более чем 400 тыс. клиентов и тысячи новых контрактов ежемесячно, получая данные из Единого федерального реестра сведений о фактах деятельности юридических лиц. Система выделяет и рекомендует к обзвону контакты, которые с наибольшей вероятностью готовы заключить сделку в ближайшее время. Отдельная модель отвечает за прогнозирование наиболее подходящего предмета лизинга: легковые автомобили, грузовая или специальная техника.

Также решение способно выделять те организации, которые ранее не заключали договоры на лизинг, но потенциально имеют такой запрос. ИИ-модель предоставляет список всех перспективных клиентов, данные используются для установки контакта и подбора адресного предложения. Для специалистов Альфа-Лизинга предусмотрена возможность оперативно анализировать отдельные выборки по запросу, загружая данные вручную, в том числе используя витрины хранилища данных.

Полученные предсказания система обогащает данными из открытых и внутренних источников, такими как реквизиты, лимиты, контакты и т.д. Далее программа создает выборки для каждого канала привлечения («Таргет», E-mail, «Продажи», «Банк», «Колл-центр», «Агенты») и формирует отчеты для ответственных сотрудников.

Наконец, система автоматически ставит задачи в CRM и создает контрагентов, при необходимости назначает или меняет ответственного менеджера.

- Что в ходе проекта было самым сложным?

Анализ и подготовка данных. Так как данные в компании не чистые, то важно было сделать много правил для нормализации данных для загрузки в модель.

- Что получилось особенно удачно?

Мы реализовали инновационное применение ИИ на рынке лизинговых услуг, а использование данных из открытых источников является бизнес-преимуществом. Решение развернуто в инфраструктуре компании, что обеспечивает безопасность данных. Предиктивная модель быстро и бесшовно встроена в бизнес-процессы и маркетинговые инструменты. Система легко масштабируется и адаптируется к изменениям рынка.

Благодаря использованию готового ИИ-инструмента затраты на разработку были равны стоимости лицензии, а время на внедрение сократилось на 40% по сравнению с разработкой «с нуля». Нам потребовалось выделить всего двух специалистов, причем без экспертизы в data science.

Теперь нам доступно тестирование новых гипотез: решение интегрировано с хранилищем данных, что позволяет проводить перекрестный анализ внешних данных для моделей в сочетании с внутренними данными компании. Несмотря на различия в типах источников данных, удалось провести их интеграцию в хранилище без ущерба для производительности и без затрат на сторонние решения.

- Каких результатов удалось достичь?

Согласно последним результатам, решение предсказало интерес к повторной сделке у более чем 14 тыс. контактов. Из них 3,2 тыс. были квалифицированы нашими специалистами как «лиды» и взяты в работу менеджерами по продажам. В итоге 15,5% из них заключили сделку, то есть каждый шестой контакт стал клиентом. При этом 50% из рекомендованных ИИ новых организаций и 60% повторных клиентов впоследствии подписали договор с одной из лизинговых компаний – то есть прогноз решения был верным.

Благодаря своевременной коммуникации с перспективными контактами эффективность холодных звонков выросла в два раза.

- А пытались ли оценить эффекты в финансовом выражении?

Оценка эффективности по полученным сделкам исходя из предсказаний проводились, но коммерческие цифры, к сожалению, мы разгласить не можем.

- Какова роль этого проекта для бизнеса компании?

В целом получен рост эффективности бизнеса: оптимизирована воронка лидов для контакт-центра, снижена итоговая стоимость лида, произошло увеличение объемов продаж и рост коэффициента удержания. Разработанная система скоринга лидов позволяет выявлять наиболее перспективных клиентов по данным из открытых источников и оперативно связываться с ними.

- В каком направлении будет развиваться проект?

В первую очередь, планируется добавление дополнительных данных по событиям и активностям клиентских менеджеров с контрагентами в рамках лизинговых продуктов для улучшения точности предсказания моделей. Кроме того, будем уменьшать срок определения потребности клиента в лизинге с трех до двух месяцев, то есть движемся в сторону большей актуальности выявляемых потребностей.