Pályázati támogatás

 

Kedvezményezett: Nitro Communications Korlátolt Felelősségű Társaság

Projekt címe: Mesterséges intelligencia alapú ügyfél szegmentációs rendszer kialakítása

Projekt azonosítószáma: 2019-1.1.1-PIACI-KFI-2019-00413

 

A projekt bemutatása

 

A Nitro Communication Kft, mint a Lead Generation cégcsoport adatvezérelt marketing és értékesítés támogatás területére specializált tagja, valamint a Cessio Zrt. követelés kezelő vállalkozás konzorciuma jelen pályázati projekt keretei között a mesterséges intelligencia kínálta lehetőségeket kiaknázó a vállalati ügyfélkommunikációban és nyilvántató rendszerekben rejlő adatvagyonra építő üzleti intelligencia megoldás kialakítását valósítja meg. A konzorciumban végzett kutatás-fejlesztés eredményeként létrejövő technológia szorosan illeszkedik a Nitro Communication stratégiai terveibe a tevékenysége bármely célterületén, míg a Cessio Zrt. a projekt eredményeit közvetlenül tudja hasznosítani tevékenysége során. Ennek megfelelően a projekt keretei között egy technológia fejlesztési folyamat és egy konkrét termékfejlesztési folyamat párhuzamosan valósul meg.

Bármilyen machine learning rendszer alapja a megfelelő adatbázisok, amelyekre a célzott megoldás fejlesztése megvalósítható. A projektben ez az alapstruktúra a Cessio Zrt. rendszeriben képződő adat, amelynek a legértékesebb része az ügyfelekkel történő rögzített kommunikáció tartalmazza. A projekt eredményeként létrejövő termék azt a célozza, hogy ebben a kiterjesztett módon értelmezett adatvagyonra építve hozzunk létre egy szegmentációs modellt, amely képes segítséget nyújtani a követelés kezelő ügyfeleivel kapcsolatos két legfontosabb kérdésre: A fizetőképességre és főképp a fizetési készségre, amely az adósság rendezés két legfontosabb feltétele. Ennek megfelelően a kutatás során az első feladatunk egy AI által értelmezhető adatbázis összeállítása, amelynek forrásai a ügykezelő rendszerek, a rögzített telefonbeszélgetések és az ügyfélkontaktusok során alkalmazott más digitális kommunikációs tartalmak. A tervezett megoldás az adatvagyon feldolgozását egyrészt szemantikus elemzési eszközökkel tervezi, amelyhez az összes kommunikációs csatornán keletkező tartalmat egységes formátumra alakítjuk. A rendszer másik lényeges információforrása a kommunikáció tartalmi elemein túlmutató metaadatok. A kutatás során kialakítjuk azt a metaadat generáló módszertant, amelynek segítségével a kommunikáció metakommunikációs elemei is értékelhetővé válnak. A metaklommunikációs adatok kiszűrésére reális lehetőséget kínál a rögíztett beszélgetések mellett a messeging szolgáltatások, de a webes böngészés során keletkező metadatok. Az így összeálló adatbázisok képezik a Machine Learning megoldásunk alapját. A célunk egy olyan AI motor létrehozása, amely erre az adattartalomra futtatva képes az ügyfeleket szegmentálni. A szegmentálás célja, hogy a követelés kezelő számára eligazítást adjon, hogy mely ügyfelek esetében várható nagyobb eséllyel az adósságrendezés és mely ügyfeleknél kevésbé. Ennek az információnak azért van kiemelt jelentősége az iparágban, mert az olyan cégek, mint a Cessio zrt. világszerte  úgy működnek, hogy különböző bankoktól, szolgáltatóktól rossz adósság állomány portfoliókat vásárolnak a követelés összegének egy részéréért és működésük akkor válik profitábilissá, ha ennél az összegnél nagyobb összegben tudnak elérni adósság rendezést. Egy korlátos erőforrás bázison tehát kiemelte fontos, hogy egy nagy ügyféltömegből ki tudják választani azokat, akik esetében valószínűsíthető a követelés térülése.

Tekintettel arra, hogy a tervezett rendszer alapvetően egy pszichológiai profil alkotásra épül a célfüggvény oldalán a célfüggvény módosításával várhatóan ugyanez a módszertan sikerrel alkalmazható más területeken, mint például az értékesítés, vagy marketing területén.

A projekt megvalósításának kezdete: 2020.01.01.

A projekt fizikai befejezése: 2022.12.31.

A támogatás összege: 236 577 360 Ft