Считаем рекламу до денег, а не до заявки.
Аналитика
Data Science и машинное обучение
Начинаем с платного пилота на ваших данных: модель либо бьёт то, как вы принимаете это решение сейчас, либо нет. Цена пилота фиксирована, критерий согласован до старта.
Цену этой услуги нельзя знать заранее
Мы проверили, как с этим у рынка. Из трёх профильных компаний публичную цену не называет ни одна: описание услуги есть, стоимости нет. Единственная найденная цифра относится к разметке данных, а не к разработке моделей.
Это честное поведение, а не уловка. Стоимость зависит от объёма и качества ваших данных, от типа задачи и от того, куда модель потом встраивается. До знакомства с данными назвать её нельзя.
Поэтому мы делаем иначе. Первый шаг это платный пилот с фиксированной ценой. До старта договариваемся о трёх вещах: какую задачу решаем, по какой метрике меряем успех и с чем сравниваем. Сравниваем не с абстрактной точностью, а с тем, как вы принимаете это решение сегодня.
Если модель не выигрывает у текущего способа, пилот закончится этим выводом. Это плохая новость, но она стоит дешевле, чем внедрение, которое ничего не даёт.
Какие задачи это закрывает
Прогноз спроса
Сколько чего понадобится в следующем месяце. Заменяет планирование закупок на глаз.
Скоринг лидов
Какие обращения с большей вероятностью станут сделками. Меняет порядок обработки, а не количество менеджеров.
Сегментация базы
Разбиение клиентов на группы по поведению, а не по интуитивным категориям вроде «крупные и мелкие».
Предсказание оттока
Какие клиенты с высокой вероятностью скоро уйдут, пока с ними ещё можно поговорить.
Ставить в него то, что мы не готовы делать, значит собирать заявки, по которым придётся отказывать.
Как устроен пилот
| Этап | Что делаем | Результат для клиента |
|---|---|---|
| 1. Постановка | Формулируем задачу, метрику успеха и базу для сравнения | Понятно, что будет считаться успехом |
| 2. Данные | Смотрим, что есть, в каком виде, за какой период | Честная оценка, хватает ли данных |
| 3. Модель | Строим и проверяем на отложенной выборке | Замер, а не презентация |
| 4. Сравнение | Сопоставляем с тем, как решение принимается сейчас | Ответ: выигрывает или нет |
| 5. Решение | Обсуждаем внедрение или закрываем тему | Понятный следующий шаг |
Что нужно от вас
Данные
История за период, достаточный для обучения. Насколько он достаточен, зависит от задачи, и мы скажем это на первом разговоре, а не после оплаты.
Человек, который знает предметную область
Модель находит закономерности, но не знает, какие из них осмысленны. Без человека изнутри пилот превращается в упражнение по статистике.
Согласие на критерий
Метрика успеха фиксируется до старта. Это защищает обе стороны: нас от бесконечных доработок, вас от подгонки критерия под полученный результат.
Кому не подойдёт
Данных мало или они не собирались
Модели учатся на истории. Если истории нет, начинать нужно с того, чтобы начать её собирать, и это другая работа.
Решение принимается редко
Если задача возникает раз в квартал, её дешевле решать головой. Модель окупается на повторяемости.
Нужен ИИ в презентацию для инвестора
Мы такое не делаем.
Нет готовности встроить результат в процесс
Модель, чьи предсказания никто не смотрит, бесполезна ровно настолько же, как её отсутствие.
Частые вопросы
Сколько стоит пилот?
Фиксированная сумма, которую называем после первого разговора о задаче и данных. До разговора назвать нельзя, и любой, кто называет, продаёт шаблон.
Сколько данных нужно?
Зависит от задачи. Для прогноза спроса нужна история продаж минимум за год с сезонностью, для скоринга лидов несколько тысяч закрытых сделок. Точнее скажем, посмотрев, что у вас есть.
Что если данные грязные?
Так почти всегда. Часть пилота уходит на приведение данных в порядок, и это нормальная часть работы. Если данные непригодны совсем, мы скажем это до начала пилота.
Чем это отличается от отчёта в BI?
Отчёт показывает, что было. Модель предсказывает, что будет, или оценивает вероятность. Если вам нужно понять прошлое, дешевле сделать отчёт, это соседняя услуга.
Кому принадлежит модель?
Вам, вместе с кодом и документацией. Мы не строим схем, где модель работает только у нас и вы платите за доступ к ней.
Что происходит после внедрения?
Модель со временем теряет точность, потому что меняется реальность. Нужен регламент переобучения, и его мы описываем в составе внедрения.
Расскажите, какое решение вы принимаете вручную
Одного разговора хватает, чтобы понять, есть ли здесь задача для модели и есть ли у вас данные. Если нет, скажем прямо, и это сэкономит вам деньги пилота.
Обсудить задачу
Или сразу: +7 900 088 35 57, start@rekad.ru
Что ещё делаем в разделе «Аналитика»
Настраиваем аналитику так, чтобы в отчёте были заявки, а не клики по кнопкам. Каждую цель проверяем живым действием.
Бизнес-аналитика и оптимизация продаж
Разбираем маркетинг до экономики: что приносит прибыль, а что её съедает.