ΠΛΑΝΟ

Εντοπισμός Προφίλ Πελάτη και Πρόβλεψη Μεταβολής του – Λογισμικό δημιουργίας του προφίλ των πελατών και πρόβλεψη της συμπεριφοράς τους. Λαμβάνει την ιστορική πληροφορία των πελατών και χρησιμοποιεί:

• στατιστική (ανάλυση χρονοσειρών, A/Β Τεστ, κατηγοριοποίηση δεδομένων, διαστήματα εμπιστοσύνης)
• μηχανική μάθηση (Decision Trees, Support Vector Machines, Linear Regression)
• νευρωνικά δίκτυα (LSTM, Convolutional Networks)
• επεξεργασία σε big data

Δυναμική Δημιουργία Προσφοράς - Χρησιμοποιώντας το εργαλείο TariffSuite της Neurocom, ενισχυμένο με αλγορίθμους μηχανικής μάθησης και Bayesian στατιστικής, το AutoSPRice εντοπίζει το κατάλληλο προϊόν για κάθε πελάτη. Το TariffSuite προσαρμόζεται στη ροή επεξεργασίας stream data και διαχείρισης μεγάλου όγκου δεδομένων Apache Flink.

Στη συνέχεια, χρησιμοποιώντας αλγορίθμους μηχανικής μάθησης εξερεύνησης/εκμετάλλευσης, προσδιορίζεται η κατάλληλη τιμή στο επιλεγμένο προϊόν για συγκεκριμένο πελάτη δεδομένης της προθυμίας αποδοχής του και της αύξησης του κέρδους της εταιρείας.

Μηχανισμός Υπολογισμού Προμήθειας - Υποσύστημα που υπολογίζει σε πραγματικό χρόνο την προμήθεια που θα αποδοθεί στον πωλητή που διαχειρίζεται την εκάστοτε προσφορά. Οι αλγόριθμοι υπολογισμού προμήθειας που χρησιμοποιεί η πλατφόρμα CommissionSuite της Neurocom, θα προσαρμόζονται στην πλατφόρμα ανάλυσης και επεξεργασίας big stream data ώστε:

• να αντιλαμβάνεται άμεσα και να επεξεργάζεται τα events που σχετίζονται με τους πελάτες και τη νέα πρόταση που τους απευθύνεται, και
• να ανακαλεί άμεσα και να χρησιμοποιεί τα απαραίτητα ιστορικά δεδομένα που απαιτούνται για τους επανυπολογισμούς προμηθειών.

Οπτικοποίηση Αποτελεσμάτων - Εφαρμογή λογισμικού ανοιχτού κώδικα για οπτικοποίηση δεδομένων (σε dashboard) με σκοπό την παρακολούθηση του συστήματος και των δεικτών αποδοτικότητας των προσφορών σε πραγματικό χρόνο καθώς και την ανάλυση της του ιστορικού των πελατών.