Сергей
Макаренков


Директор по развитию бизнеса цифровых технологий Ericsson
06.11.2019

Сегодня, наравне с абонентской базой, большие данные (Big Data) становятся всё более ценным активом операторов или поставщиков услуг. Последние разработки в области искусственного интеллекта (AI) и машинного обучения (ML) открывают новые возможности управления клиентским опытом и его монетизации.


Например, семь из десяти крупнейших по капитализации компаний в мире использовали Big Data в своих бизнес-моделях в 2018 году, доход Google и Facebook составляет более 130 миллиардов долларов на основе обработки массивов данных при размещении рекламы.

Однако, операторы не просто следуют в фарватере гигантов IT индустрии. Используя своё уникальное положение на рынке с доступом к данным миллионов пользователей и характеристикам сети в реальном времени, операторы определяют актуальные бизнес-задачи по монетизации данных, как нахождение баланса из трех основных компонентов:

  • повышение лояльности абонентов (Net Promoters Score, NPS) за счет качества услуг и персонализации клиентского опыта
  • поиск новых источников дохода путем выстраивания экосистемы новых цифровых продуктов за пределами классического телекома
  • использование Big Data для постоянной борьбы с операционными издержками и при инвестировании в инфраструктуру сети

Таким образом, сформулировав задачи, можно обратиться к мировому опыту их решения на примере платформы Ericsson Expert Analytics (EEA), использующую патентованные алгоритмы обработки массивов данных с помощью искусственного интеллекта.

В основе платформы лежит сотрудничество Ericsson с ведущими научными школами Швеции, Канады и Венгрии в области обработки потоков данных и машинного обучения. Уже в течение 10 лет проводится постоянная актуализация алгоритмов платформы, путем исследования шаблонов поведения 1,1 миллиарда реальных абонентов. Для оценки восприятия клиентского опыта при просмотре web и видео потоков используются уникальные алгоритмы на основе психологической модели восприятия конкретной услуги.

Все это в комплексе позволяет получить оператору, в дополнение к собственным основным решениям Big Data, абсолютно надежный набор дополнительных готовых KPI, метрик и срезов данных:

  • предиктивное определение NPS для каждого абонента от каждой предоставляемой ему услуги (Service Level Index).
  • определение удовлетворенности услугой (голос, видео, социальные сети т.д.) для каждой соты (Cell Level Index)
  • и, пожалуй, самый важный отчет по каждой сессии абонента (End-to-End Session Record, ESR), начиная от теминала, системы радиодоступа, опорной сети, местоположения, и заканчивая услугой в целом.

Этот набор параметров - уникальное предложение на рынке, позволяющее оператору сегментировать абонентскую базу вплоть до абонента по восприятию качества каждой услуги в данный момент времени. Появляется возможность сразу активировать маркетинговые предложения с высокой степенью конверсии и добиться прямого роста доходов.

Технологии AI и ML при обрабоке потоков данных решают задачи предиктивного анализа и предоставляют персоналу оператора не только наиболее вероятную причину проблемы обращения в службу поддержки или аварии на сети, но и автоматически предлагает следующие шаги, позволяющие решить проблему абонента в реальном времени, что ведет к повышению его лояльности.

Например, согласно исследованию западноевропейского оператора: несмотря на отсутствие аварий и использованию спланированной традиционными методами радио сети, до 30% (!) абонентов имели проблемы с задержками при просмотре видеосервисов, что естественным образом влияло на снижение NPS и конкурентное положение оператора на рынке. Внедрение платформы Ericsson Expert Analytics позволило дополнить существующие методы планирования сети за счет понимания причин отказов на уровне услуги (Service Level Index, SLI), провести оператору точечное расширение покрытия с минимальными инвестициями (Smart Investments) и снизить отток на 20% в целевом сегменте высокодоходных абонентов.

Другой пример стратегии с фокусом на абонентское обслуживание – кейс операторов из Великобритании, Финляндии и Швейцарии, внедривших пакет Customer Care. При обращении абонента в службу технической поддержки получилось сократить среднее время решения его проблемы в реальном времени на 18% и количество эскалаций на 2-ю линию поддержки на 90%.

Как известно, сегодня до 85% доходов оператору по-прежнему приносят традиционные услуги связи. Поэтому, появление каждой новой услуги в продуктовом каталоге поставщика услуг должно сопровождаться постоянной обратной связью по воспринимаемому качеству. Процитируем главного технического директора Т-Mobile USA (оператор ослуживает более 72 миллионов абонентов) Невила Рея (Neville Ray): "мы смогли абсолютно контролируемо перевести нашу абонентскую базу на технологию VoLTE. Платформа Ericsson Expert Analytics сыграла ключевую роль в автоматизации этого процесса, помогая решать проблемы в реальном времени, и мы продолжаем оказывать превосходный уровень голосовых услуг нашим абонентам, соответствующий их ожиданиям".

Интересным является новый тренд, взятый европейскими и американскими операторами, на интеграцию EEA с собственными основными системами Big Data. Они используют уже готовые патентованные KPI от платформы EEA в качестве триггера к принятию бизнесом решений или встраивание этих KPI в сложные сценарии обработки потоков данных для собственных Big Data платформ.

Такой подход позволяет существенно сократить издержки оператора на развертывание серверной емкости для управления клиентским опытом и планирования сети, ускорить time to market новых маркетинговых сценариев и избежать ошибок при тренировке системы и адаптации алгоритмов, неизбежых в случае собственной разработки аналогичных KPI.

Внедрение IoT и 5G требует аналитики поведения устройств в сети, их сегментации. В отличие от человека, устройства и датчики не могут сообщить о своих проблемах в колл-центр, однако компании, использующие эти устройства, вполне могут принять решение о смене оператора, при неудовлетворительном качестве услуг. Речь может сразу идти о тысячах устройств, особенно в областях критических приложений (например, безопасности), промышленных производств или автономного вождения.

Поэтому, в ближайшем будущем для решения этих новых задач, на основе AI для платформы EEA будут созданы алгоритмы, самостоятельно выявляющие аномалии и ранее неизвестные типы инцидентов c автоматическим выполнением корректирующих действий.

В заключение отметим, обработка больших массивов данных, с точки зрения управления клиентским опытом, как любая прорывная технология, дает совершенно новые возможности, но и требует от поставщика услуг адаптации, тщательного отбора активируемых сценариев, просчета бизнес кейсов, развития новых компетенций и партнерских отношений.