Загружаю...

Компания Merku оказывает услуги бизнес-консалтинга и аналитики на базе технологии Big Data, разрабатывает и внедряет ряд корпоративных программных продуктов.

ЗАДАЧИ

Merku решает задачи стратегического развития, оперативного управления, маркетингового планирования и кадрового управления Клиента, используя собственные алгоритмы обработки данных на стыке математики, нейро- и геомаркетинга, экономики и социологии, а также технологии машинного обучения.

СПЕЦИАЛИЗАЦИЯ

Областью специализации компании Merku является аналитика рынков и поиск инсайтов в различных отраслях бизнеса. Накопленный опыт и реализованные проекты позволяют Merku выступать экспертом в аналитике фармацевтического рынка, рынка FMCG-ритейла, рынка банковских и страховых услуг и других отраслей экономики.

Ключевые отличия решений Merku
от классической реализации аналогичных задач:

Сроки реализации
Сроки реализации проекта в 3 и более раза короче за счет автоматизации

Стоимость реализации
Стоимость реализации в среднем на 30% ниже за счет сокращения трудозатрат

Актуальная аналитика
Полученная аналитика актуальна на момент исследования и объективна за счёт объёма анализируемых данных

Применяемые в Merku методы анализа данных:

  • Bayesian analysis – многократное оценивание данных с точки зрения влияния новых фактов и сведений в случае их появления.
  • Вероятностно-статистическое моделирование – анализ отдельных параметров исходных статистических данных.
  • Support Vector Machines – разработка набора алгоритмов, использующихся для задач классификации и регрессионного анализа.
  • Boosting / Ensemble family – наиболее эффективные с точки зрения качества классификации методы машинного обучения.
  • Neural Networks – метод кластеризации и построения оптимальной структуры связей и настройка параметров связей.
  • Decision Trees – метод интеллектуального анализа данных для построения прогнозных моделей.
  • Deep Learning Methods – алгоритмы машинного обучения, используемые для кластеризации данных, прогнозирования и расчета вероятности.

Задачи, которые решает Merku

Для полноты понимания задач, с которыми можно обратиться в Merku, мы собрали наиболее частые из них. Формулировки задач могут быть скорректированы в соответствии со спецификой отрасли и рынка.

Даже если Вы не нашли схожие задачи – напишите нам и мы подскажем, какие могут быть решения.

  • Прогноз тенденций рынков (емкость рынка в натуральных и денежных выражениях).
  • Анализ насыщенности рынка (уровень спроса, уровень удовлетворенности спроса предложением).
  • Расчёт жизненного цикла рынка.
  • Прогнозирование поведения конкурентов (существующих и будущих).
  • Выход в новые регионы.
  • Тенденции экономического развития регионов.
  • Имитационное моделирование бизнес-процессов.
  • Рекомендации по перераспределению ассортиментной матрицы.
  • Рекомендации по управлению складскими запасами.
  • Рекомендации по управлению запасами торговой точки.
  • Определение модели потребления и принятия решений о покупке.
  • Расчет ROMI.
  • Оценка лояльности к компании/продукту/услуге.
  • Оценка востребованности продукта/услуги.
  • Сегментация клиентов.
  • Конкурентный анализ (анализ продуктового портфеля).
  • Анализ внутренних процессов по выявлению "узких мест".
  • Моделирование бизнес процессов.
  • Анализ причин оттока клиентов.
  • Оценка рисков по запуску нового продукта/выхода в новый регион.
  • Выявление изменения потребительского поведения.
  • Анализ эффективности проведенных маркетинговых и рекламных кампаний.
  • Оценка факторов, влияющих на принятие решения о повторной покупке.
  • Прогнозирование увольнения сотрудников.
  • Тестирование сотрудников.
  • Оценка эффективности корпоративного обучения.
  • Оценка качества взаимодействия между департаментами и сотрудниками.
  • Оценка квалификации соискателей (конкурсный и массовый отбор).

Проектный опыт

Компания Merku работает на рынке анализа больших массивов данных и машинного обучения с 2005 года.

Мы перенесли 10-летний опыт анализа данных в различных статистических пакетах на модель машинного обучения по обработке (аналитике) нестандартизированных массивов данных и поиска нестандартных решений для наших клиентов.

Результаты нашей работы были использованы для принятия стратегических и оперативных решений такими компаниями, как:

Цель проекта:

Рассчитать емкость и тенденции 37 рынков мобильных девайсов для среднего и крупного бизнеса.

Методы решения:

  • Анализ 612 массивов данных и вторичных статистических источников путем Bayesian Analysis.
  • Добор недостающих данных по рынку путем разработки и проведения экспертных интервью с представителями рынков, по которым проводилась аналитика.
  • Перевод качественных характеристик рынков, полученных от экспертов, в количественные показатели.
  • Создание математического поля из 30 показателей для каждого рынка.
  • Сужение поля до 4-7 переменных, которые оказывали влияние на развитие рынка.
  • Разработка математической модели, прогнозирующей развитие рынка, при использовании языка программирования R.

Результат:

Определение наиболее перспективных рынков в следующих категориях:

  • “Топ – 5 рынков, которые будут развиваться в ближайшие 3 года, инвестиции в будущую прибыль”.
  • “Топ – 5 рынков, где рынок уже сформирован, конкуренция растет”.
  • Принятие решения по разработке 10 девайсов вместо 37.
  • Инвестиции в развитие рынка по 6 девайсам из 10 предложенных компанией Merku.

Цель проекта:

  • Рассчитать емкость и потенциал рынка USB-модемов в ЦФО и ЮФО в разбивке по операторам связи.
  • Расчет индекса NPS для операторов связи.

Методы решения:

  • Разработка совместно с клиентом инструментария исследования.
  • Онлайн опрос пользователей USB-модемов по базе респондентов Merku.
  • Онлайн опрос пользователей USB-модемов, путем привлечения респондентов через социальные сети – Вконтакте, Одноклассники.

Результат:

  • Повышение уровня удовлетворенности клиентов на 27% за счет работы с недовольными абонентами.
  • Привлечением клиентов на насыщенных USB-модемами рынках на 35% дешевле.

Цель проекта:

Оценка рыночного потенциала бизнес-моделей̆ и направлений онлайн-образования России

Методы решения:

  • Анализ 407 массивов данных и вторичных статистических источников путем BayesianAnalysis
  • Сбор данных по рынку путем разработки и проведения экспертных интервью с представителями корпоративного обучения.
  • Перевод качественных характеристик рынков, полученных от экспертов, в количественные показатели.
  • Создание математического поля из 17 показателей для каждого рынка.
  • Сужение поля до 3-5 переменных, которые оказывали влияние на развитие рынка.
  • Разработка математической модели, прогнозирующей развитие рынка,при использовании языка программирования R.

Результат:

  • Выявлены тренды развития и роста рынка корпоративного онлайн-образования.
  • Рассчитана потенциальная емкость рынков и их подсегментов (направлении и поднаправлений).
  • Разработаны модели ценообразования B2C .
  • Исследованы каналы продаж B2C и В2G .
  • Выделены наиболее перспективные модели онлайн-курсов с характеристикой̆ тематики курсов B2C и B2B, ценообразования B2C и продаж B2B и В2G.
  • Запуск в разработку 5 наиболее денежноемких направления онлайн-курсов.

Цель проекта:

Выявить причины оттока пользователей сервиса по изучению английского языка LinguaLeo.

Методы решения:

  • Разработка совместно с клиентом инструментария исследования.
  • Онлайн опрос респондентов Merku, изучающих английский язык.
  • Проверка поставленных в ходе опроса гипотез.
  • Опровержение гипотез, корректировка опроса.
  • Онлайн опрос пользователей LinguaLeo по скорректированному инструментарию.

Результат:

  • Рассчитанный индекс NPS
  • Работа с пользователями,недовольными уровнем сервиса приложения LinguaLeo.
  • Принятие оперативных решений по удержанию пользователей за счет введения новых услуг, выявленных в ходе опроса.
  • Разработка дополнительных функций приложения по стимулированию ежедневного возвращения к занятиям.

Аналитика Big Data

Big Data понимается как сложное инфраструктурное решение обработки терабайтов данных или как статистика работы Облаков и ЦОДов.

Компания Merku занимается аналитикой больших массивов данных – структурированных и неструктурированных, с целью поиска нестандартных решений задач, которые стоят перед Клиентом.

Решение Merku по аккумулированию и анализу Big Data направлено на оптимизацию бизнес процессов, способствующих увеличению прибыли компании.

Инсайт — это краткий вывод или смысл произвольного объёма информации, который получен в ходе анализа данных.

Компания Merku специализируется на поиске инсайтов за счет использования машинного обучения.

На первом этапе поиска нестандартных решений происходит построение поля решаемых задач, где упорядочиваются и структурируются различные типы данных: текстовые (качественные) и цифровые (количественные).

Специальные алгоритмы могут не только показывать отклонения, аномалии и выбросы значений, но и объяснять, почему они произошли, а также дают возможность их прогнозировать.

При достижении компанией определенной доли рынка стратегические решения принимаются на основе множества показателей, которые не всегда коррелируют между собой, или эта корреляция нежизнеспособна и неприменима к данному рынку.

Математические модели построения рынка позволяют выявить наиболее типичные сценарии его развития при различных экономических, политических, демографических и прочих условиях.

В каждом конкретном случае применяется определенная математическая модель, основанная на ключевых характеристиках исследуемого рынка.

Компания Merku применяет более 30 математических моделей построения рынков с выявлением от 4 до 10 ключевых характеристик из 400-1000 переменных. Такая обработка и сужение ключевых характеристик дают наиболее достоверные сценарии развития рынка в динамике, позволяя клиентам «играть» выделенными характеристиками, задавая разнообразные условия, в которых будет их компания будет развиваться. Такие данные помогают заранее ввести необходимые меры для благополучного роста и развития бизнеса.

Неструктурированные данные представляют собой любой цифровой продукт — тексты статей, аналитические отчёты, таблицы, карты, информацию на веб-сайтах.

Часто эти данные обрабатываются вручную, но возможности Machine Learning и Natural Language Processing позволяют анализировать данные в автоматическом режиме.

Технология машинного обучения DeepLearning имеет возможность распознавать смысл фраз и делать выводы о содержании текста. Например, анализ скана чека или счет-фактуры позволяет программе сделать вывод о том, что это покупка товара. Проанализировав с помощью этой технологии данные, содержащиеся в сотнях страниц отчетов, система предоставляет структурированную информацию, понятную аналитику.

Большинство компаний используют BI системы для анализа внутренних данных и поиска закономерностей в бизнес процессах. Данные системы заточены под задачи компании и точно выполняют свои функции.

Решение Merku – это интеграция (надстройка) всех данных клиента со структурированными данными Big Data – динамика стоимости квадратного метра жилья, количество мигрантов, средний чек на единоразовую покупку товаров первого потребления и пр.

Такой объем данных сложен для обработки человеком и внедрением постоянного обновления в пакетные продукты BI. Команда Merku разработала решение встраивания внешних данных и аккумулирование всех данных со стороны клиента в одном программном продукте, который полностью защищен от утечки данных. Аналитика может быть предоставлена как разовая услуга, а так же как обновляемое программное решение на серверах заказчика.

Программные решения

Программные решения Merku - изначально разрабатывались для помощи в работе специалистам отделов маркетинга и аналитики. Основной целью разработки было создание userfriendlyusability решения с сохранением классических методов статистики и мат.моделирования. Даже специалисты, не обладающие глубокими знаниями статистики, могут запускать и в последующем обрабатывать данные опросов, данные внешних источников, внутренние данные самой компании.

Программные решения Merku - помощники в получении объективной информации о ситуации на рынках.

Система состоит из 3-х модулей:

  • Модуль сбора и хранения данных, который собирает структурированные и неструктрированные данные и накапливает их в базе данных.
  • Модуль обработки и процессинга, который структурирует собранную информацию и извлекает знания, сокращая время обработки.
  • Модуль аналитики, который работает с подготовленными данными, позволяет визуализировать данные и автоматизировать построение выводов.

Система анализирует и предоставляет решения для бизнеса, которые не очевидны для внутренних отделов аналитики компании, по причине не рассматривания задач так широко и с допущением различных факторов и гипотез.

Платформа Merku оптимизирует полевой этап исследований рынка и может быть применена, как:

  • Инструмент для разработки и проведения онлайн опросов.
  • Платформа для разработки и ведения телефонных, онлайн, личных опросов с контролем интервьюеров, расчетом квот и подготовкой первичного среза исследования.
  • Сервис по сбору обратной связи и опросов сотрудников крупных компаний отделом персонала.

Отличительной особенностью от большинства аналогичных сервисов является полное укомплектование решения для работы крупных полевых отделов маркетинга, т.к. в основе обработки данных лежат классические статистические пакеты, адаптированные под пользователей без знания статистики и методов математического моделирования.

Одним из элементов платформы опросов является отдельный API-сервер, который позволяет встраивать опросы в мобильное приложение. Мобильное приложение используется полевыми работникам для сбора информации у респондентов на улице. При этом данные сразу доступны для обработки и просмотра в аналитическом центре. Приложение может работать без постоянного подключения к интернету. В этом случае данные синхронизируются, как только будет доступно интернет-подключение.


Приложение имеет ряд расширенных функций:

  • Запись аудио потока опроса.
  • Сохранение времени и координат собранной анкеты.
  • Возможность создания аккаунта администратора для контроля эффективности работы полевых работников.

Функции сервиса мониторинга социальных сетей:

Система сканирует и анализирует упоминания брендов, продуктов, конкурентов, позволяя в динамике отслеживать тональность сообщений. Учет степени лояльности авторов дает возможность выделить промоутеров, сторонников и противников бренда.

Приложение имеет ряд расширенных функций:

  • Мониторинг соцсетей Facebook, VK, Twitter, Instagram по заданным ключевым словам и упоминаниям бренда.
  • Учет тональности постов.
  • Отчеты по источникам и авторам.
  • Интеграция с CRM.

Панель респондентов

«Полевой этап» всегда составляет большую часть бюджета исследования. Это связано с несколькими причинами: поиск и привлечение респондентов к опросу, перепроверка данных, полученных в ходе опроса. С увеличением количеством необходимых исследований компании стали искать пути оптимизации бюджетов. Одним из решений стало формирование панели респондентов, желающих принимать участие в опросах, и экспертов различных отраслей и рынков.

На сегодняшний день, панель респондентов Merku содержит более 1 миллиона 700 тысяч человек и постоянно пополняется новыми участниками.

Формируемая компанией Merku панель респондентов репрезентативно распределена по всей территории России. Аккумулируя панель, мы соблюдаем все социально-демографические характеристики населения и перепроверяем данные, предоставленные респондентом, через уточняющие вопросы в анкетах.

Привлеченные через партнерские программы респонденты мотивированны на участие в опросах за вознаграждения в виде купонов и скидок от наших партнеров.

База экспертов – формируется за счет привлечения и постоянного поддержания сообщества специалистов узких областей рынка.

Чаще всего экспертами выступают представители компаний из различных направлений бизнеса, которые обладают уникальным опытом и знаниями собственной отрасли и могут поделиться видением развития рынка в будущем или дать свое мнение по конкретному вопросу о специфике рынка.

Контакты

ООО «Промодерн»

109028, г. Москва

ул. Серебяническая набережная, д.29, БЦ Silver City

Телефон: +7(915) 419-09-17

E-mail: info@merku.ru


<<<<<<< HEAD ======= >>>>>>> 2818c2de76d5b639e9d669882d0b6028cbe4e2c7