Доклад. «Как машинное обучение и большие данные продают обувь» — Mario Berlucсi, клиент Mindbox

Азамат Тибилов, директор по маркетингу Mario Berlucci, выступил на конференции «Полезный маркетинг». Он рассказал, чем в компании занимается команда специалистов по big data и как машинное обучение сегментирует аудиторию и повышает конверсию email-коммуникаций и ретаргетинга.

На примере Mario Berlucci Азамат объяснил:
— Как работают триггерные письма на основе вероятностей покупки и возврата;
— Как оптимизировать ретаргетинг с помощью ML-сегментации, чтобы «догонять» именно тех клиентов, которые с большей вероятностью вернутся за покупкой;
— С чего маркетологу начать изучение ML и big data и почему не каждой компании стоит заводить отдел data science.

***
0:00​ Приветствие
0:24 О Mario Berlucci
0:48 Как решили использовать машинное обучение
2:15 Кейс 1. Триггерные письма на основе вероятностей
3:25​ Кейс 2. Exit-попап для вернувшихся
4:11 Кейс 3. Ретаргетинг через ML-сегментацию
10:31​ Резюме
13:07 Как маркетологу обучаться работе с ML
14:11 Вопрос из зала: Сравнивали ли свой алгоритм с аналогичным от «Яндекса»? Как часто обновляется трешхолд?
18:08 Вопрос из зала: Как оценивали эффективность содержания команды ML?

***
Mindbox — платформа клиентских данных для автоматизации маркетинга. Подходит e-commerce, retail и другим b2c-компаниям с десятками и сотнями тысяч клиентов:

***
210 кейсов с клиентами с результатами в цифрах и отзывами:

Телеграм-канал о том, как строить полезный маркетинг и повышать выручку:

Анонсы вебинаров клиентов, записи выступлений на конференциях, дней открытых дверей:

Email-курс для управленцев и владельцев бизнеса, который поможет понять, зачем, когда и как автоматизировать маркетинг — и чтобы это еще окупилось:

Новые кейсы, интервью с клиентами и мастер-классы — в Фейсбуке. Подписывайтесь, чтобы не пропускать:

[MindboxJournal]

0:00​ Приветствие
0:24 О Mario Berlucci
0:48 Как решили использовать машинное обучение
2:15 Кейс 1. Триггерные письма на основе вероятностей
3:25​ Кейс 2. Exit-попап для вернувшихся
4:11 Кейс 3. Ретаргетинг через ML-сегментацию
10:31​ Резюме
13:07 Как маркетологу обучаться работе с ML
14:11 Вопрос из зала: Сравнивали ли свой алгоритм с аналогичным от «Яндекса»? Как часто обновляется трешхолд?
18:08 Вопрос из зала: Как оценивали эффективность содержания команды ML?