- الذكاء الاصطناعي والبيانات Moost ذكاء عملاء يقوده الذكاء الاصطناعي
بنينا Moost: محرك تحليل شرائح عملاء مدعوم بالذكاء الاصطناعي يقسم العملاء ويصنفهم ويتنبأ بسلوكهم باستخدام تعلم الآلة. نُشر لشركة تأمين تونسية كبرى تعالج أكثر من 277 ألف سجل عبر 11 عامًا من البيانات.
59K
عميل مُحلل
115K
عقد مُحلل
103K
مطالبة معالجة
69,7%
دقة النموذج
04
شرائح عملاء محددة
59K
عميل مُحلل
115K
عقد مُحلل
103K
مطالبة معالجة
69,7%
دقة النموذج
04
شرائح عملاء محددة
- نظرة عامة تحليل ذكي للعملاء على نطاق واسع
Moost هو منتجنا الخاص في الذكاء الاصطناعي، يقسم العملاء انطلاقًا من بيانات الاستهلاك وسجل المعاملات. بفضل خوارزميات متقدمة للتجميع والتصنيف، يحدد تصرفات العملاء ويصنفها ويتنبأ بها، بما يتيح قرارات مبنية على البيانات للتسويق وتقييم المخاطر واستراتيجيات الاحتفاظ بالعملاء. تصف دراسة الحالة أدناه أول نشر إنتاجي لـ Moost: شركة تأمين تونسية تدير أكثر من 277 ألف سجل عبر 11 عامًا من البيانات.
- نظرة عامة تحليل ذكي للعملاء على نطاق واسع
Moost هو منتجنا الخاص في الذكاء الاصطناعي، يقسم العملاء انطلاقًا من بيانات الاستهلاك وسجل المعاملات. بفضل خوارزميات متقدمة للتجميع والتصنيف، يحدد تصرفات العملاء ويصنفها ويتنبأ بها، بما يتيح قرارات مبنية على البيانات للتسويق وتقييم المخاطر واستراتيجيات الاحتفاظ بالعملاء. تصف دراسة الحالة أدناه أول نشر إنتاجي لـ Moost: شركة تأمين تونسية تدير أكثر من 277 ألف سجل عبر 11 عامًا من البيانات.
- الوظائفما يقدمه Moost
محرك ذكاء اصطناعي جاهز للتشغيل يتصل بمصادر بياناتكم الحالية ويقدم ذكاء عملاء قابلًا للتنفيذ، قابل للتوسع للاندماج مع أي ERP أو CRM، وقابل للنشر محليًا أو في سحابتكم.
تقسيم العملاء
تجميع K-Means وهرمي لتجميع العملاء حسب أنماط السلوك، مع تحديث ديناميكي للشرائح مع تدفق البيانات الجديدة، لتبقى الشرائح دقيقة مع تطور العملاء.
التوصيات
خوارزميات ترشيح تعاوني وقائم على المحتوى تقترح المنتجات والإجراءات الملائمة حسب سياق كل عميل، لدعم فرص البيع المتقاطع والإضافي المطابقة للسلوك الفعلي لا للشخصيات المفترضة.
عرض البيانات
لوحات متابعة تفاعلية وتقارير مخصصة تلخص الشرائح وتقييمات المخاطر والرؤى القابلة للتنفيذ، مصممة لمستخدمي الأعمال لا لعلماء البيانات
أتمتة مسارات العمل
مخططات DAG في Apache Airflow لتنسيق ETL وتدريب النماذج وإعادة التدريب المستمر. MLflow لتتبع التجارب وإدارة إصدارات النماذج. يعمل خط المعالجة بأكمله من دون تدخل بشري بعد النشر.
- الوظائف ما يقدمه Moost
محرك ذكاء اصطناعي جاهز للتشغيل يتصل بمصادر بياناتكم الحالية ويقدم ذكاء عملاء قابلًا للتنفيذ، قابل للتوسع للاندماج مع أي ERP أو CRM، وقابل للنشر محليًا أو في سحابتكم.
تقسيم العملاء
تجميع K-Means وهرمي لتجميع العملاء حسب أنماط السلوك، مع تحديث ديناميكي للشرائح مع تدفق البيانات الجديدة، لتبقى الشرائح دقيقة مع تطور العملاء.
التوصيات
خوارزميات ترشيح تعاوني وقائم على المحتوى تقترح المنتجات والإجراءات الملائمة حسب سياق كل عميل، لدعم فرص البيع المتقاطع والإضافي المطابقة للسلوك الفعلي لا للشخصيات المفترضة.
عرض البيانات
لوحات متابعة تفاعلية وتقارير مخصصة تلخص الشرائح وتقييمات المخاطر والرؤى القابلة للتنفيذ، مصممة لمستخدمي الأعمال لا لعلماء البيانات.
أتمتة مسارات العمل
مخططات DAG في Apache Airflow لتنسيق ETL وتدريب النماذج وإعادة التدريب المستمر. MLflow لتتبع التجارب وإدارة إصدارات النماذج. يعمل خط المعالجة بأكمله من دون تدخل بشري بعد النشر.
بيانات معزولة، قرارات
عمياء
كانت شركة التأمين تدير أكثر من 59 ألف عميل بأكثر من 115 ألف عقد و103 آلاف مطالبة، عبر 11 عامًا من البيانات. كانت معلومات العملاء مبعثرة في عدة قواعد بيانات من دون رؤية موحدة. وكانت قرارات المطالبات تتخذ من دون فهم أنماط سلوك العملاء، ما أدى إلى إدارة مخاطر تفاعلية لا استباقية. ولا وسيلة لتحديد العملاء ذوي القيمة العالية المعرضين للمغادرة، أو لرصد الإشارات المبكرة للمطالبات التي يحتمل أن تكون احتيالية.
الحل
ذكاء عملاء موحد
- المنهجيةمن البيانات الخام إلى التنبؤات
جمع البيانات وتحضيرها
استخراج البيانات من SQL Server عبر أربعة جداول رئيسية: الأشخاص والعقود والمركبات والمطالبات. تنظيف الشذوذ، وهندسة خصائص خاصة بالمجال، وحساب نسب مالية منها نسبة S/P التراكمية (حاسمة لتقييم المخاطر في التأمين).
تطوير نموذج الذكاء الاصطناعي
تطبيق تجميع K-Means لاكتشاف الشرائح الطبيعية للعملاء على بيانات 11 عامًا. وتدريب مصنف Support Vector Machine لتصنيف العملاء الجدد آليًا في إحدى الشرائح الأربع المحددة، بدقة 96.7% على مجموعة الاختبار.
أتمتة العمليات
بناء مخططات DAG في Apache Airflow لأتمتة خط المعالجة بأكمله، من الاستيعاب إلى التنبؤ. يتتبع MLflow كل تجربة نموذج وكل مقياس أداء، ويخزن MinIO جميع مخرجات البيانات والنماذج، بما يتيح إمكانية إعادة الإنتاج والتراجع الآمن إذا كان أداء إصدار جديد أضعف.
النشر والمراقبة
نشر حل الذكاء الاصطناعي على الخادم الداخلي للعميل لأسباب امتثال تتعلق بمكان إقامة البيانات. تضمن إعادة التدريب المستمرة بقاء الشرائح محدثة مع وصول بيانات عملاء جديدة، من دون تدخل بشري باستثناء المراجعات الفصلية للأداء.
- حجم البيانات11 عامًا من ذكاء العملاء
بيانات تغطي 2013 إلى 2024، منظفة وموحدة ومجمعة في مجموعة بيانات واحدة لتدريب النموذج.
59,543
عملاء أفراد
4,735
أشخاص معنويون
115,316
العقود
118,621
مركبات مؤمنة
تحليل RFM معزز بالذكاء الاصطناعي
يجمع Moost بين تحليل RFM التقليدي، الحداثة والتكرار والقيمة النقدية، وتعلم الآلة لتحقيق استهداف عملاء أدق وأكثر ديناميكية من RFM الكلاسيكي وحده. النتيجة: معدلات تحويل أعلى في الحملات الموجهة واحتفاظ أفضل بالعملاء على نافذة متحركة من 12 شهرًا.
الحداثة
متى قام العميل بآخر شراء أو آخر تواصل؟
التكرار
كم مرة يجري العميل معاملات؟
القيمة النقدية
كم أنفق العميل إجمالًا؟
المنهجية
تحليل RFM معزز بالذكاء الاصطناعي
يجمع Moost بين تحليل RFM التقليدي، الحداثة والتكرار والقيمة النقدية، وتعلم الآلة لتحقيق استهداف عملاء أدق وأكثر ديناميكية من RFM الكلاسيكي وحده. النتيجة: معدلات تحويل أعلى في الحملات الموجهة واحتفاظ أفضل بالعملاء على نافذة متحركة من 12 شهرًا.
الحداثة
متى قام العميل بآخر شراء أو آخر تواصل؟
التكرار
كم مرة يجري العميل معاملات؟
القيمة النقدية
كم أنفق العميل إجمالًا؟
أداء نموذج
الذكاء الاصطناعي
حقق نموذج التصنيف دقة شبه مثالية على مجموعة الاختبار، ما مكن العميل من تقسيم العملاء الجدد آليًا بثقة عالية. ثلاثة مقاييس تروي القصة.
الدقة
عندما يتنبأ النموذج بشريحة عميل، يكون مصيبًا في 96.7% من الحالات
About to Sleep
بحاجة إلى اهتمام
واعد
عملاء أوفياء
أداء نموذج الذكاء الاصطناعي
حقق نموذج التصنيف دقة شبه مثالية على مجموعة الاختبار، ما مكن العميل من تقسيم العملاء الجدد آليًا بثقة عالية. ثلاثة مقاييس تروي القصة.
الدقة
عندما يتنبأ النموذج بشريحة عميل، يكون مصيبًا في 96.7% من الحالات
الاستدعاء
F1-Score
أداء نموذج الذكاء الاصطناعي
حقق نموذج التصنيف دقة شبه مثالية على مجموعة الاختبار، ما مكن العميل من تقسيم العملاء الجدد آليًا بثقة عالية. ثلاثة مقاييس تروي القصة.
الدقة
عندما يتنبأ النموذج بشريحة عميل، يكون مصيبًا في 96.7% من الحالات
الاستدعاء
F1-Score
المتوسط التوافقي للدقة والاستدعاء، المقياس المتوازن لجودة التصنيف، ويؤكد تنبؤات عالية الثقة على نطاق واسع.
شهادة العميل
غيّر Moost طريقة فهمنا لعملائنا. للمرة الأولى نرى شرائح واضحة مبنية على بيانات سلوك فعلية، وخط المعالجة المؤتمت يعني أن رؤانا تبقى محدثة من دون أي جهد يدوي. دقة نموذج التصنيف فاقت توقعاتنا.
Moost هو محركنا الجاهز للتشغيل لتقسيم العملاء. إذا كان سياقكم مطابقًا، آلاف العملاء وبيانات معاملات وحاجة إلى شرائح قابلة للتنفيذ، يمكننا نشره لديكم. وإذا كانت مشكلتكم مختلفة، فنحن نبني أيضًا حلول تعلم آلة مخصصة.