Mail.ru Predictive Analytic Solutions
PREDICT

PREDICT (Predictive Analytic Solutions) – проект Mail.ru Group, ключевой задачей которого является создание для клиентов продуктов и сервисов на основе предиктивных моделей, построенных с использованием методов машинного обучения. Прежде всего это проекты, призванные серьезно повысить эффективность процессов маркетинга и продаж, оптимизировать внутренние процессы крупных компаний, управление рисками, работу с персоналом и многое другое.

Некоторые проекты PREDICT:

• CRM сегментация
• сегменты для digital-рекламы
• гео-аналитика
• профилирование аудитории
• персонализация сайта
• персонализация direct-коммуникаций

2022: Создание сервиса для застройщиков жилой недвижимости

PREDICT (проект VK) разработал ИИ-сервис для застройщиков жилой недвижимости. Об этом компания VK сообщила 13 июля 2022 года. С его помощью можно автоматически рассчитать оптимальную квартирографию жилого комплекса и рекомендуемые цены. Это позволит реализовать проект в нужный срок. По данным тестов компании MR Group, точность прогнозирования стоимости квартир в среднем составила 91%.

При проектировании жилого здания застройщику необходимо определить количество квартир и комнат в них, площадь, а также цену квадратного метра на каждом этапе строительства. Это помогает получить максимальную прибыль и реализовать весь объем жилья в установленный срок. Формировать план вручную не всегда эффективно: рынок меняется, количество данных для аналитики растет. Технологии машинного обучения и анализ массивов данных позволяют минимизировать риски и максимально эффективно формировать планирование жилых комплексов. Совместный опыт с MR Group уже показал высокую эффективность такого подхода. Сервис можно использовать как для принятия решения на этапе проектирования, так и для проверки гипотез экспертов, — сказал Роман Стятюгин, директор аналитических сервисов PREDICT, VK.

Алгоритмы сервиса анализируют накопленные данные о спросе и предложении на жилые объекты в точке застройки, цены и темпы продаж квартир в похожих комплексах. Кроме того, модели учитывают информацию о социальной и транспортной инфраструктуре района.

Математическая модель предлагает оптимальный вариант квартирографии для новых ЖК на основе имеющихся данных с оценкой оптимальной стоимости жилья. Алгоритм также позволяет менять распределение квартир с учетом проектных ограничений застройки и определять экономическую эффективность этого решения. Мы используем программный комплекс от VK на всех новых проектах, в том числе в таких масштабных жилых комплексах, как Mod, City Bay, Symphony 34, «Павелецкая Сити» и «Селигер Сити». В будущем также планируем расширить возможности инструмента и добавить опцию детализированных рекомендаций по функциональным характеристикам жилья для того, чтобы планировать, к примеру, количество парковочных мест и габариты отдельных комнат и помещений в соответствии со спросом, — сказала Мария Литинецкая, генеральный директор MR Group.

Система рассчитывает, какое количество квартир — студий, однокомнатных, двухкомнатных и трехкомнатных — должно быть в комплексе. Модели также позволяют балансировать продажи на всех этапах в зависимости от заданных темпов реализации проекта. При необходимости, разбивку по долям квартир можно скорректировать вручную, после чего система пересчитает показатели цен и сроков реализации. Как с помощью EvaProject и EvaWiki построить прозрачную бесшовную среду для успешной работы крупного холдинга 2.3 т

Первые тесты сервиса проводились на жилых комплексах Москвы. В дальнейшем география проекта может расширяться.

2017

Сервис способен проводить глубокую сегментацию аудитории, предсказывать потенциальный интерес к той или иной категории товаров, выбирать правильные каналы коммуникаций, прогнозировать вероятности оттока, выстраивать аудиторные сегменты интернет-пользователей для их дальнейшего использования в рекламных кампаниях.

Разработчики компании рассказали, что для создания ядра продукта — предиктивной математической модели — применялись технологии машинного обучения и новые методы обработки информации, созданные специалистами Mail.Ru Group в сфере data science, а также алгоритм построения моделей Multiclass Look-alike, являющийся развитием метода PU Learning.