Совершенствуем маркетинговую автоматизацию. что нужно знать о предиктивном анализе?

1. Определить «горячие» лиды и оптимизировать работу с ними

Аналитические механизмы предиктивного анализа позволяют идентифицировать покупателей, которые с высокой степенью вероятности готовы оформить заказ. Полученные данные также можно использовать для динамической модификации обращений к покупателям: персонализировать расположение товаров, порядок категорий или баннеров. Помимо этого, «горячие» лиды могут получать уникальные предложения, сформированные системой мгновенно, максимально релевантные их интересам.

Среднестатистический клиент Aldo — канадской компании-производителя обуви и аксессуаров — приобретает несколько пар обуви в год, в то время как «лучшие» покупатели — около девяти пар. Это достаточно хороший показатель, но всё же меньше, чем одна пара в месяц. Поэтому еженедельные рассылки электронных писем показались компании явно излишними. 

В Aldo решили сосредоточиться на сервисе, предвосхищающем поведение, предпочтения и желания потребителя с помощью предиктивных данных. Собрав воедино ранее разрозненную информацию, компания начала предоставлять персонализированный покупательский опыт, сопровождающий клиента в интернет- или офлайн-магазине, а также по телефону службы поддержки. 

Цифровизация: как рассчитать приоритет проекта

С точки зрения бизнес-аналитика в рамках управления требованиями к разработке программного обеспечения, приоритет – это атрибут (свойство) самого требования

Этот показатель определяет важность каждого требования относительно других. Например, к реализации какой функции стоит приступить прежде всего

При этом BABOK выделяет 4 подхода к приоритизации :

• группировка – объединение требований в категории с высоким, средним и низким приоритетом;
• ранжирование – составление упорядоченного списка, например, бэклог продукта (backlog) в Agile-подходе к разработке ПО;
• ресурсные ограничения (время и/или бюджет) – расстановка приоритетов на основе объема работ, которую команда проекта способна выполнить за установленный период времени или за фиксированное количество денег (бюджет). Этот подход чаще всего используется, когда необходимо соблюсти четкий срок или для решений, которые улучшаются на регулярной и частой основе;
• мнение заинтересованных лиц (стейкхолдеров) — установление консенсуса между заинтересованными сторонами относительно того, какие требования будут наиболее важными. На практике достичь такого согласия весьма проблематично .

В портфельном управлении чаще всего используются следующие подходы к приоритизации :

• весовое ранжирование – попарное сравнение проектов по одному критерию с помощью матрицы или таблица многокритериального сравнения;
• скоринг – численные методы для объединения ранжированных компонентов внутри каждой категории;
• экспертная оценка, основанная на анализе подобных случаев в данной предметной области.

На практике для оценки важности проекта используются составные формулы для расчета приоритетов на основе классификационных признаков и мультипликаторов. Например, инновационность, рискованность, объем сторонних инвестиций, стратегическая важность, наличие подтвержденного финансирования и т.д

. Также учитываются экономические показатели: чистая приведенная стоимость, срок окупаемости, внутренняя норма рентабельности и пр. .

Этапы портфельного управления: основы Project Management

Разумеется, приоритизация в портфельном управлении и в анализе требований – это разные процессы. Обычно проекты цифровизации представляют собой можно комплексные организационно-технические мероприятия с большими бюджетами и различным содержанием. Поэтому наиболее эффективно сравнивать эти неоднородные компоненты по финансовым показателям. В свою очередь, отдельный проект по реализации или внедрению Big Data системы представляет собой набор взаимосвязанных задач, которые уже можно считать более-менее однородными по содержанию. Таким образом, приоретизировать их можно по степени влияния на общий результат. Для этого используются практические подходы (техники), самые популярные из которых мы рассмотрим далее.

Превентивная диагностика

Раннее обнаружение возникающих дефектов и отказов в работе позволяет диагностировать проблемы до того, как они превратятся в аварии (рис. 3). Например, если отклонение зафиксировано за 3 месяца до выхода параметра на уровень предупредительной сигнализации, есть возможность оперативно локализовать дефект, осуществить логистику запчастей и провести плановый останов и ремонт.

Остаточный ресурс узлов и деталей рассчитывается по принципу «безопасной эксплуатации по техническому состоянию» на основе определяющих параметров, изменение которых приводит объект в неработоспособное или предельное состояние. Комплекс позволяет в любой момент оценить остаточный ресурс, причем у специалистов есть возможность оценить как краткосрочный (на ближайшие минуты-часы), так и долгосрочный прогноз (от 1 года до 5–7 лет).

Система автоматически в режиме онлайн определяет изменение технического состояния и сигнализирует об этом в журнале событий. Данные о работе оборудования хранятся в течение жизненного цикла. Имеется возможность определения изменения технического состояния при его анализе по архивным данным в режиме офлайн.

Рис. 3 — Преимущество раннего обнаружения отклонений

Чем занимается UX-аналитик

Основные обязанности UX-аналитика

• сбор и анализ данных;
• улучшение существующих интерфейсов и участие в проектировании новых;
• анализ разработанного решения, разработка предложений по улучшению;
• участие в тестировании функциональности;
• участие в создание финальных макетов/прототипов и сопроводительной документации.

Какими знаниями, навыками и умениями должен обладать:

• навыки бизнес-анализа;
• умение давать конкретные рекомендации;
• умение презентовать и отстаивать свои решения;
• умение работать под давлением в условиях неполной ясности;
• умение быстро ориентироваться и работать с большими данными;
• знание инструментов веб-аналитики;
• знание основ программирования и математического анализа.

Какой опыт желателен:

• проектирование интерфейсов и информационной архитектуры;
• проведение юзабилити-аудита;
• работа с веб-аналитикой;
• работа в e-commerce.

Задача UX-аналитика — собрать данные, которые помогут команде не только создать лучший продукт, но и обосновать каждое решение перед заказчиком или руководителем.

Возможности комплекса предиктивной аналитики «ПРАНА»

2019

Добавление «Рекомендатора»

13 ноября 2019 года стало известно, что Calltouch представил обновленные инструменты, использующие возможности искусственного интеллекта.

По заявлению генерального директора Calltouch Алексея Авдеева, через пару лет вся техническая часть работы маркетолога будет автоматизирована. Искусственный интеллект эффективнее справляется с рутинными задачами – в 2019 году компания внедрила в систему машинное обучение на основе больших данных.

Предикт Calltouch преобразовывает все звонки в индексируемый системой текст, который можно читать в формате мессенджера. А с помощью алгоритмов машинного обучения появилась возможность автоматически определять тематику звонка, пол звонящего и тегировать вызовы по ключевым фразам. Это упрощает аналитику и контроль качества работы операторов в колл-центрах.

Пользователям сервиса доступно более 10 форматов виджетов: Обратный звонок, Умная заявка, Промо, Мультикнопка, Мессенджеры, Заказ такси и так далее. Теперь искусственный интеллект анализирует общую статистику сайта, а также поведение конкретного посетителя при просмотре и рассчитывает оптимальное время, в которое потенциальный клиент должен был быть готов совершить целевое действие, но не сделал этого. В этом случае системой используется метод опорных векторов с отбором эталонных метрик при помощи метода главных компонент.

Использование голосового приветствия (IVR) в колл-центрах компаний создает проблему оперативного реагирования на неотвеченные звонки, так как они считаются успешными, если робот «поднял» трубку. Нейросеть Calltouch прослушивает каждый звонок, распознает IVR и, в случае если разговор не состоялся, совершает вызов свободному оператору, а потом автоматически соединяет его со звонившим.

К функционалу Calltouch был добавлен Рекомендатор. Он анализирует статистику и конверсию ключевых слов, на основании которых алгоритм группирует похожие фразы и производит расчет оптимальной ставки для рекламного объявления. Это стало возможно благодаря использованию в вычислениях расстояния Левенштейна, косинусного расстояния, а также расстояния в n-граммах. В интерфейсе пользователь может увидеть реальную стоимость клиента и согласиться с рекомендованной ставкой, либо ввести свою.

Те, кто уже доверяет автоматизированным системам, может подключить обновленный Оптимизатор на базе искусственного интеллекта – он будет управлять ставками самостоятельно. Результаты расчетов расстояния используются алгоритмами машинного обучения семейства k-means, а пользователю достаточно установить цель и максимальную стоимость целевого действия.

Отчет «Предиктивный анализ»

12 августа 2019 года компания Calltouch сообщила об обновлении сервиса сквозной аналитики, коллтрекинга и управления рекламой, в котором в систему добавлен инструмент предиктивного медиапланирования – отчет «Предиктивный анализ».

Как отметили в Calltouch, предиктивный анализ рекламы считается более полной реализацией маркетинговой автоматизации. Внедрение предиктивного анализа рекламных объявлений позволяет упростить не только маркетинговые коммуникации и анализ полученных данных (как в случае со сквозной аналитикой), но и упростить механику принятия решения.

Как и в других отчетах Calltouch по источникам, в нем отображаются данные по количеству звонков, заявок, и обратных звонков, только теперь из расчета на следующий календарный месяц. Отчет выполнен в виде наглядного графика по таким наиболее крупным срезам, как источник трафика и канал привлечения. Система позволяет изучить данные как по всем источникам, так и выбрать топ-пять из них, которые по прогнозу приведут больше всего лидов, подчеркнул разработчик.

Под графиком располагается таблица, в которой все данные по будущим лидам представлены в числовом выражении. Кроме того, в таблице приведено отличие текущих показателей от прогнозных.

При построении отчета «Предиктивный анализ» система автоматически анализирует полученные показатели, комбинированно используя модели Хольта-Винтерса и SARIMA. Так как подразумевается обработка большого объема данных, погрешность прогноза составляет 8-10%, отметил разработчик.

Согласно заявлению Calltouch, предиктивный анализ позволяет значительно сократить время на медиапланирование, с которым сталкивается каждый маркетолог. По данным на август 2019 года его использование уже доступно для всех, кто подключился к Calltouch не менее трех месяцев назад – это время необходимо для накопления данных, используемых для построения корректного прогноза. Найти отчет «Предиктивный анализ» можно в разделе «Источники» личного кабинета Calltouch.

Архитектура системы

1. ПТК «ПРАНА» интегрируется в штатную АСУ ТП и не требует каких-либо изменений в конфигурации оборудования (рис. 2). Количество подключаемых энергоблоков не ограничено.

2. Сигналы данных с микроконтроллеров турбины поступают на сервер нижнего уровня, расположенный на территории ТЭС.

3. Данные транслируются на сервер верхнего уровня по защищенному каналу связи в Центр обработки данных АО «РОТЕК» (ЦОД). Этот сервер предназначен для обработки и хранения полученных данных в течение длительного периода времени.

4. Далее информация передается на мнемосхемы экспертно-аналитического отдела ЦОД для обработки.

5. Экспертно-аналитический отдел формирует и передает рекомендации по устранению возникшего дефекта.

6. Рекомендации направляются на ТЭС представителю эксплуатирующей организации.

Рис. 2 — Архитектура системы

Common Misconceptions of Predictive Analytics

A common misconception is that predictive analytics and machine learning are the same things. At its core, predictive analytics includes a series of statistical techniques (including machine learning, predictive modeling, and data mining) and uses statistics (both historical and current) to estimate, or predict, future outcomes. Predictive analytics help us to understand possible future occurrences by analyzing the past. Whereas machine learning, on the other hand, is a subfield of computer science that, as per the 1959 definition by Arthur Samuel—an American pioneer in the field of computer gaming and artificial intelligence which gives «computers the ability to learn without being explicitly programmed.»

The most common predictive models include decision trees, regressions (linear and logistic) and neural networks—which is the emerging field of deep learning methods and technologies.

Кто такой UX-аналитик

UX-аналитика — это сбор и анализ данных о том, как пользователи взаимодействуют с вашим сайтом, приложением или другим продуктом.

Соответственно, UX-аналитик — это человек, который умеет анализировать и обрабатывать эти данные, а также может сказать, что с ними делать и как их можно использовать для развития проекта.

Профессия относительно новая, и ближе всего она стоит к другой digital-специальности — веб-аналитик. Различие не только в названии, но и функциональных обязанностях и компетенциях. Можно сказать, что UX-аналитик — это веб-аналитик с более широкими возможностями и качественно новыми знаниями в смежных областях.

2. Оптимизировать сегментирование клиентской базы и взаимодействие с ней

Использование предиктивного анализа позволило First Book — международному дистрибьютору книг для молодёжи из малоимущих семей — увеличить продажи на 331%, очистить, объединить и дополнить 11 миллиардов точек данных, а также получить прогноз по отдельным клиентам с точностью до 92,97%. Важнейшим каналом для них является рынок электронной коммерции, в рамках которого учителя или представители школьной администрации могут создавать учётные записи от имени учащихся и покупать книги по существенно сниженным ценам.

В то время, как количество зарегистрированных аккаунтов значительно выросло, First Book изо всех сил пытался увеличить повторные продажи. Своими силами компании не удалось выявить каких-либо работающих паттернов поведения или общего набора характеристик, идентифицирующих тех клиентов, которые могли бы совершить повторные покупки. 

Обращаясь к предиктивной аналитике, First Book поставил следующие цели: определить общие характеристики среди «лучших» и «худших» клиентов; предсказать, какие отдельные клиенты вероятнее всего совершат повторную покупку; очистить и объединить исторические записи из многочисленных разнородных баз данных.

Проблемы

Общие

В языках с развитой системой окончаний (как в русском) плохо работает система, предлагающая окончание слова по его началу — нет гарантии, что слово получится в том падеже, в котором надо.

Применительно к мобильным устройствам

В языках с большим количеством коротких слов (английский) предиктивный набор предлагает слишком много альтернатив. Да и в других языках одна и та же комбинация клавиш может выдать несколько слов, и если не смотреть на экран, можно отправить сообщение с ошибкой. Наиболее занимательные ошибки телефона служат объектом коллекционирования, а иногда входят в подростковый сленг, например:

• название водки Smirnoff T9 превращало в Poisoned — «отравлен»;
• английские антонимы select и reject («выбрать» и «отвергнуть») находятся на одних и тех же кнопках телефона;
• русские слова тело и ужин в большинстве телефонов находятся на одних и тех же кнопках, отчего возможна ошибка «приедешь домой — в холодильнике лежит ужин» → «приедешь домой — в холодильнике лежит тело»
• так же совпадают «номер мобилки — номер могилки»;
• но наиболее распространенной и неприятно двусмысленной ошибкой Т9 является подмена слова «тебя» на «себя». Особенно во фразе «Я люблю тебя»;
• ещё на телефонах Nokia, Sony Ericsson фраза «поцелую в шейку, почешу за ушком» превращается в «поцелую в щёлку, почешу за рылом».
• На некоторых телефонах Nokia T9 знает странное слово «мракобулка»

При вводе на языках с агглютинативными элементами, например, немецком, приходится вводить слово по частям. Система ввода текста должна быть готова к этому. Например, реализация T9 в телефонах Sony Ericsson предлагает такое решение: после набора первой части слова пользователь нажимает на кнопку «OK», и вводится вторая часть.

Также следует предусмотреть ввод слов, которых нет в словаре. Наиболее элегантно это сделано в iTAP: когда пользователь видит, что телефон ошибается, он один раз нажимает на кнопку «Стирание» и кнопками-стрелками фиксирует начало. После этого он вводит остаток по одной букве. В T9 приходится стирать слово полностью (или почти полностью) и набирать его по одной букве.

Для сенсорных телефонов разработана технология Swype, позволяющая набирать текст не отрывая рук.

В программистских редакторах

Система предиктивного ввода текста, применяющаяся в программистских редакторах, должна быть устойчива к ошибкам. Например:

rObject.x = aObject.x + someVector.x // программист пропустил точку с запятой
rObject.y = aObject.y + so_ // тут стоит курсор

В данном случае система предиктивного ввода должна, несмотря на упущенную точку с запятой, дать возможность программисту выбрать в меню идентификатор .

Иногда ошибка в коде может стать предпосылкой для предиктивного ввода. Например.

Vector so_ // тут стоит курсор
. . .
rObject.x = aObject.x + someVector.x; // идентификатор someVector не определён

В таком случае система может предложить ввести идентификатор .

Вот что вы можете сделать?

Добавляйте слова в словарь. Многие пользователи этого не делают и полагаются на клавиатуру, чтобы просто подбирать слова, уже имеющиеся в словаре. Система может обучиться самостоятельно, но этот процесс занимает гораздо больше времени, и в зависимости от того, как часто вы используете конкретные фразы, они могут быть ранжированы ниже собственных подсказок клавиатуры. Если вы используете определенное слово, которое ваша клавиатура пытается исправить более двух раз, добавьте его.

Научитесь редактировать словарь. Так же, как регулярно добавлять слова, вы должны убирать из него те, которые он предлагает использовать и которые вам не нужны. Если ваша клавиатура просто настаивает, чтобы вы набирали имя или название города вместо распространенного слова, лучше всего просто удалить его из вашего пользовательского словаря целиком, и когда вам будет нужно набрать его, ввести вручную.

Включите облачные функции и убедитесь, что все ваши слова находятся на всех ваших устройствах, и вам не нужно повторять «обучение». Подключение клавиатуры к другим приложениям или выбор одного из них с использованием системного словаря, а не словарей для приложений, облегчат ввод. Однако в этом случае вы можете столкнуться с проблемой, как очистить предиктивный набор, если ошибочно сохраните много неправильно написанных слов.

Наконец, использование клавиш, которые всегда используют обновляющие облачные словари (например, «Живой язык» Swype), означает, что ваша клавиатура всегда будет иметь и понимать новые слова, если вы решите их использовать. Например, если вы используете клавиатуру Google по умолчанию на Android, включите «персонализированные предложения».

Understanding Predictive Analytics

There are several types of predictive analytics methods available. For example, data mining involves the analysis of large tranches of data to detect patterns from it. Text analysis does the same, except for large blocks of text.

Predictive models look at past data to determine the likelihood of certain future outcomes, while descriptive models look at past data to determine how a group may respond to a set of variables.

Predictive analytics is a decision-making tool in a variety of industries. For example, insurance companies examine policy applicants to determine the likelihood of having to pay out for a future claim based on the current risk pool of similar policyholders, as well as past events that have resulted in payouts. Marketers look at how consumers have reacted to the overall economy when planning on a new campaign, and can use shifts in demographics to determine if the current mix of products will entice consumers to make a purchase.

Active traders look at a variety of metrics based on past events when deciding whether to buy or sell a security. Moving averages, bands and break points are based on historical data, and are used to forecast future price movements.

Отечественное решение

Для поддержания стабильной работы энергетических установок компанией «РОТЕК» создан первый в РФ Центр удаленного мониторинга и прогностики (г. Химки) с собственным программным обеспечением и алгоритмами контроля. Программно-технический комплекс предиктивной аналитики «ПРАНА» осуществляет непрерывную диагностику, оценку ресурса узлов и деталей, анализ и прогнозирование изменения технического состояния объекта. Объектом мониторинга может быть любой промышленный агрегат – паровая или газовая турбина, котел, насос, нагнетатель, трансформатор или их совокупность – энергоблок, электростанция, строительные конструкции – здания, мосты, эстакады, плотины, оснащённые необходимыми датчиками для контроля параметров состояния.

Для объекта мониторинга, оснащаемого системой, создается эмпирическая модель, которая строится с помощью специального статистического алгоритма по выборке векторов значений технологических параметров (векторов состояния) за период работы объекта, принимаемый за базовый период, с которым будет производиться сравнение поведения объекта для обнаружения отклонений технического состояния. Построенную модель можно представить в виде многомерной поверхности в пространстве технологических параметров, в окрестности которой могут располагаться векторы, соответствующие с достаточно высоким уровнем достоверности использованной для построения модели выборке. Параметры этой поверхности и ее окрестности определяются с помощью статистического алгоритма.

Изменение технического состояния, автоматически определяемое системой, вызывается зарождением и развитием дефекта деталей, узлов и систем объекта мониторинга из существующего множества (рис. 1). Система весьма чувствительна. Она обнаруживает отклонение на самых ранних стадиях изменения технического состояния и при этом указывает также на ранжированный вклад каждого технологического параметра в наблюдаемые изменения технического состояния, что позволяет выбрать направление поиска источников возникающих проблем. При накоплении некоторой статистики обработки данных событий система позволяет создавать правила для автоматического определения проблемных узлов и деталей объекта мониторинга.

Рис. 1 — Дефекты турбин, определяемые системой «ПРАНА»

What are Predictive Analytics?

Predictive analytics describe the use of statistics and modeling to determine future performance based on current and historical data. Predictive analytics look at patterns in data to determine if those patterns are likely to emerge again, which allows businesses and investors to adjust where they use their resources to take advantage of possible future events.

Key Takeaways

• Predictive analytics is the use of statistics and modeling techniques to determine future performance.
• It is used as a decision-making tool in a variety of industries and disciplines, such as insurance and marketing.
• Predictive analytics and machine learning are often confused with each other but they are different disciplines.

Современные технологии

А что такое предиктивный набор в айфоне и «Андроиде»? Сегодня более продвинутые интеллектуальные клавиатуры используют другой подход к подсказкам. Он основан на обработке естественного языка и машинного обучения. Языковое моделирование — это именно то, что дает описываемая функция, т. е. она позволяет «узнавать» определенные слова. Как правило, они объединяются в целое на применяемом языке. Таким образом, точность таких клавиатур, как правило, намного выше, чем у старых кнопочных.

Как включить предиктивный набор на айфоне? Как правило, он включен по умолчанию, но если эта опция неактивна, достаточно зайти в настройки клавиатуры и выбрать соответствующий пункт меню. Точно так же можно и отключить данную опцию, однако это не рекомендуется.

Специалисты поясняют, что современные более интеллектуальные клавиатуры используют облачные сервисы и обратную обработку, чтобы улучшить свои подсказки, синхронизировать пользовательские словари на разных устройствах и добавлять в них новые слова, не заставляя пользователей загружать огромные обновления или повторно тренировать свои девайсы.

Они также предлагают облачные сервисы, которые могут выполнять множество функций. Некоторые из наиболее распространенных включают:

• ввод имени контакта из онлайн-сервисов в подсказку;
• анализ вашей записи в различных онлайн-сервисах для обновления и, таким образом, персонализацию хранилища слов;
• сохранение и синхронизацию вашей языковой модели.

Это позволяет функционалу использоваться на нескольких устройствах и не утрачиваться, если оно будет повреждено или украдено. Доступно сегодня и динамическое обновление вашей языковой модели на основе другой информации, получаемой из сайтов в реальном времени, например, Twitter.

Прогностическая клавиатура Google аналогична, за исключением того, что она использует набранное вами на устройстве Android, а также все, что вы вводите в своих учетных записях Google, истории веб-поиска, Google+ и т. д. Во всех случаях эти функции являются необязательными, их нужно выбирать и их можно легко исключить.

Как действует предиктивный набор?

Что это такое на практике? В своей основной форме, в предиктивной клавиатуре, используется текст, который вы вводите регулярно. Все набранные вами слова запоминаются системой для создания пользовательского локального словаря из слов и фраз, которые вы часто повторяете. Затем девайс предлагает вам эти слова при вероятности, что вы будете использовать их или нуждаетесь в них снова.

Например, если вы наберете некое слово и ваша клавиатура никогда его не видела ранее, она предложит исправить его на другое, которое, по ее мнению, более вероятно. У вас есть три варианта:

• вы можете принять одно из предложенных исправлений;
• игнорировать предложения и оставить все как есть;
• добавить его в свой личный словарь, чтобы система не беспокоила вас, когда вы будете вводить его снова.

Основные задачи

Один из главных инструментов предиктивной аналитики – анализ «больших данных». Сбор и анализ статистики помогает выявить, какие факторы влияют на поведение потенциальных клиентов, как и в каком направлении оно меняется. Часто предиктивная аналитика используется для решения следующих задач:

• Дополнение профилей клиентов. Сбор данных из открытых источников помогает пополнить сведения, содержащиеся в CRM. После этого на их основании строится модель, помогающая предугадать действия клиента.
• Повышение продаж. Проанализировав профили клиентов, совершающих покупки чаще всего, можно выявить общие закономерности, которые их объединяют. Таким образом, вы предугадаете, насколько вероятна повторная покупка со стороны того или иного клиента, и увидите способы повысить эту вероятность.
• Проведение маркетинговых кампаний. Анализ информации о клиентах покажет, что чаще всего подталкивает их к покупке. Благодаря этому вы сможете строить кампанию с использованием именно таких сообщений и медиа, которые эффективнее всего воздействуют на целевую аудиторию. Кроме того, можно заранее спланировать и возможные реакции на действия клиентов.
• Прекращение оттока клиентов. Как и в случае с лояльными покупателями, клиенты, которые настроены на прекращение сотрудничества с компанией, имеют общие признаки. Методики предиктивной аналитики позволяют выявлять их заранее. Следовательно, вы сможете предпринять дополнительные меры, чтобы их удержать, например, предложить им дополнительные скидки или бонусы.

Сбор данных из открытых источников