Оптимизация e-mail рассылок в программе лояльности российской авиакомпании, направленных на продажу авиабилетов, с помощью интеллектуальной рекомендательной системы

Целью данной прикладной работы является повышение конверсии в покупку авиабилетов из email рассылок, направляемых участникам программы лояльности российского авиаперевозчика, посредством разработки интеллектуальной рекомендательной системы на основе алгоритмов машинного обучения. Актуальность применения рекомендательных систем для решения задачи подтверждена обширным использованием подобных решений в отрасли электронной коммерции, мультимедийных сервисах, социальных сетях, а также внедрением рекомендательных систем в процессы взаимоотношений с потребителями ключевыми конкурентами. Практическая значимость работы заключается в том, что в результате оптимизации коммуникации с участниками программы лояльности, авиакомпания может увеличить отдачу от осуществляемых коммуникаций за счет роста объема продаж услуг и продуктов компании посредством максимизации точности предсказания потребностей клиента, повысить лояльность клиентов за счет персонализированного подхода и возможности «понимать» клиента, минимизировать репутационные риски, возникающие при нерелевантных коммуникациях. Научная значимость проектной работы состоит в анализе применимости data-science методов для оптимизации коммуникационной стратегии российского бренда авиаперевозок. Результаты исследования могут быть использованы для развития теоретических аспектов в области анализа данных по поведению потребителей, предсказания потребностей потребителей, применения технологий машинного обучения в маркетинговых коммуникациях. Новизна работы заключается в формировании рекомендаций по использованию рекомендательных систем для решения задачи персонализации клиентского опыта для авиаотрасли в целом. В ходе исследования проведена персонализация времени отправки писем участникам и контента рассылки посредством добавления направлений авиаперевозки, релевантных истории предыдущих путешествий пассажира. Направления сгенерированы по результатам разработки трех алгоритмов коллаборативной фильтрации для рекомендательных систем: item-based и user-based и матричной факторизации. Выбор алгоритмов обоснован результатами литературного обзора и контент-анализа глубинных интервью с экспертами по персонализации клиентского опыта крупных e-commerce и IT компаний. Персонализация времени отправки позволила увеличить открываемость рассылок на 70%, а сочетание двух типов персонализаций приводит к увеличению open rate в 2 раза, кликабельности в 2,5 раза и конверсии в покупку авиабилета из рассылки в 9 раз (с 0,1% до 0,9%). Полученные результаты A/B тестирований рассмотренных алгоритмов персонализации на email рассылках позволяют сделать вывод о возможности масштабирования полученного решения на основе user-based коллаборативной фильтрации компанией-заказчиком на все виды коммуникаций с членами программы лояльности, а также об эффективности рассмотренных методов для других игроков авиа индустрии.