Предсказательная модель для оценки рыночного потенциала рекламных материалов, дизайнов и упаковки “Шагал”
- Заказчик:
- ООО "Профи Исследования"
- Руководитель проекта со стороны заказчика
-
- Поставщик
- ООО "Профи Исследования"
- Год завершения проекта
- 2024
- Сроки выполнения проекта
- февраль, 2022 — сентябрь, 2024
- Масштаб проекта
- 1265 человеко-часов
- Цели
Оптимизация работы отделов маркетинга в плане разработки, тестирования и улучшения маркетинговых материалов таких как eCom карточки продуктов, баннеры, печатная реклама, упаковка продукта.
- Результаты
Была создана уникальная предсказательная модель, которая позволяет с точностью до 80% предсказать насколько потребители будут готовы воспользоваться рекламным предложением, какой интерес вызовет eCom карточка продукта и сколько людей захочет купить продукт в новой упаковке.
Уникальность проекта
Главные преимущества:
-
скорость;
-
стоимость;
-
бесконечность вариантов;
-
уникальность.
Шагал не имеет аналогов ни в России, ни в мире. Он является не только результатом применения передовых технологий и алгоритмов, но также плодом уникального знания, полученного из собственной базы данных.
Шагал - это предсказательная модель, построенная на собственной базе данных исследований, накопленной за 17 лет существования компании. Он может предсказать привлекательность и потенциал продаж продукта для различных социо-демографических групп населения РФ. Наш инструмент является незаменимым помощником маркетологов, дизайнеров и бренд менеджеров любых продуктовых компаний, позволяя упростить, ускорить и удешевить процесс разработки рекламы, упаковки и eCom материалов.
Если раньше маркетологи тратили большие бюджеты и долгие недели на тестирование всех креативов, которые разработали для них дизайнеры, то сейчас эта задача решается за считанные часы.
- Проект решает задачи импортозамещения
- Да
- Использованное ПО
В проекте был использован фреймворк Python, что обеспечило гибкость и удобство разработки. Для оценки эстетичности изображений применялись нейронная сеть способная достичь высокую точность в определении эстетических характеристик. Изначальная архитектура модели была адаптирована с добавлением кастомных функций и дополнительных параметров, что позволило улучшить её производительность под специфические задачи проекта. Все веса модели были полностью переобучены с использованием графических процессоров (GPU). Интерфейс реализован с фреймворком Streamlit.
- Сложность реализации
Степень сложности - высокая.
Модель Шагал была обучена в 2 этапа:
1 этап: Модель была обучена определять разные категории продуктов по картинке, понимать что написано на упаковке или в рекламе, что именно человек должен был сделать в результате контакта с таким предложением.
2 этап: Модель была обучена предсказывать реакцию на представленное изображение для разных групп потребителей с разным доходом, разного возраста, проживающих в разных регионах страны. Точность предсказания потенциала дизайна была доведена до 80%.
- Описание проекта
Моделирование выбора упаковки, рекламы или eCom материалов
-
модель имитирует независимую оценку (как при монадическом тестировании), далее предсказывает распределение оценок по 5-бальной шкале для показателей “привлекательность” и “готовность купить”;
-
для сопоставимости и сравнения результатов с другими методами производится расчет индекса NET для привлекательности и готовности купить;
-
отбор лучших дизайнов на основании более строгого критерия NET привлекательности и готовности купить продукт.
Модель использует в работе:
-
предобученную нейронную сеть;
-
имеющиеся данные предыдущих опросов;
-
распознавание брендов (оценивает силу влияния брендов на респондентов);
-
социо-демографические параметры целевой аудитории;
-
категоризацию продуктов по 186 категориям;
-
узнавание на упаковке или в рекламе более 50 ключевых атрибутов.
-
- География проекта
Города РФ
- Дополнительные презентации:
- Шагал.pdf
