VK разрабатывает технологии для неопасной совместной работы с данными
VK тестирует Data Clean Room для работы бизнеса с данными партнеров в неопасной среде и сохранения их конфиденциальности. Решение дозволяет компаниям делиться обезличенными параметрами, вместе учить ML-модели без обмена информацией и употреблять результаты аналитики в собственных задачках. Первой новейшие технологии протестировала сеть парфюмерии и косметики РИВ ГОШ.
Любовь Пшеничникова, директор направления консолидированных цифровых решений для бизнеса VK:
Средний и большой бизнес работает с огромным количеством партнеров: поставщиков, дистрибьюторов, дочерних компаний. У их общие клиенты и задачки в развитии продаж, при всем этом высочайшие и понятные требования к сохранности и надежности секретных данных. Data Clean Room – нужный класс решений, который уже зарекомендовал себя на глобальном рынке как неопасная среда для совместной работы партнеров с данными. А применение федеративного обучения ML-моделей помогает предсказывать бизнес-метрики, определять аудиторные инсайты и разрабатывать животрепещущие предложения – без обмена данными меж компаниями.
На базе решения VK была развернута среда для поставщиков. С ее помощью бренды вместе с РИВ ГОШ могут без обмена данными учить методы и составлять расширенный портрет покупателей различных групп продуктов. Сегменты на базе аналитики употребляются для тестирования продуктовых гипотез, исследования рынка, рекламных коммуникаций и роста продаж.
РИВ ГОШ вкупе с партнерами тестируют аудиторные сегменты на базе технологий ИИ для всеохватывающих маркетинговых задач. На первом шаге они помогают прирастить познание о новейшей продукции поставщиков и сформировывают спрос на их. На втором шаге – мотивируют на покупку юзеров, уже знакомых с предложениями. Механика персонализированных коммуникаций построена на платформе VK Customer Experience Hub с привлечением Data Science команды VK Predict для построения частей и аналитики.
Напомним, ранее VK Реклама представила новейший сервис для самостоятельного проведения исследовательских работ на базе опросов.