О клиенте
Крупный FMCG-производитель с дистрибьюторской моделью RTM: собственных полевых команд нет, ключевая роль в развитии территории лежит на торговых партнерах.
«Компания стремится расширить покрытие, оценить реальную ёмкость рынка и выстроить непрерывный процесс управления клиентской базой. Для этого был приобретён сторонний массив данных по торговым точкам. Однако база оказалась непригодной к немедленному использованию из-за низкого качества данных, а ручной процесс обработки точек не позволял работать в нужном темпе».
Ключевой результат
«Системные Технологии» создали ML+AI-алгоритм, который обрабатывает 10 000 точек за 1–3 дня вместо месяца ручной работы. Это позволяет клиенту системно и непрерывно управлять базой без расширения штата.
Показатели эффективности:
- –95% сокращение времени ручного труда
- 100% прозрачность процесса: аналитика по всей стране и регионам
Вызовы и цели проекта
Клиенту требовалось превратить неструктурированный массив данных в актуальный управляемый инструмент для анализа рынка и планирования продаж, не наращивая операционные затраты.
Вызовы проекта:
- Низкое качество данных: сторонняя база содержала тысячи записей с дублями, некорректными адресами и точками без координат.
- Медленный ручной меппинг: сопоставление 10 000 записей требовало полной загрузки 5 операторов в течение месяца.
Цели проекта:
- Получить актуальную, очищенную базу уникальных торговых точек с адресами и координатами.
- Сократить время меппинга в десятки раз — без увеличения штата операторов.
- Обеспечить визуализацию юниверса и дистрибьюторской сети на карте.
- Создать прозрачную аналитику.
- Выстроить системную непрерывную работу с юниверсом.
Решения и используемые продукты
Мы усилили модуль ST Data Quality Engine, который клиент использует с 2020 года, AI-алгоритмом меппинга торговых точек.
- Алгоритм ищет кандидатов на сопоставление на карте, постепенно расширяя шаг поиска.
- Автоматически обогащает недостающие данные (название, ИНН, юрлицо, контакты, виды деятельности).
- Анализирует обогащённые данные и принимает финальное решение по меппингу.
Используемые продукты:
- ST Чикаго — Модуль УКБ
Управление клиентской базой: гармонизация, эталонные точки, дедупликация, сегментация.
- ST Чикаго — Карта юниверса
Визуализация торговых точек и дистрибьюторской сети на карте с фильтрацией по атрибутам.
- ST SI Lab — AI-меппинг
Алгоритм автоматического сопоставления точек с использованием ML+AI и автообогащения данных.
Этапы реализации
- Аудит и проектирование
Анализ исходной базы, формирование бизнес-логики меппинга под модель дистрибуции клиента.
- Гармонизация базы
~95% торговых точек получают распознанный адрес по ГАР, координаты и статус эталонной точки.
- Разработка AI-алгоритма
Создание алгоритма автоматического меппинга с поиском по радиусу и обогащением данных (ML обрабатывает типовые случаи, AI — сложные и неоднозначные).
- Пилот и настройка
Тестирование алгоритма на реальной базе, донастройка параметров под бизнес-логику клиента.
- Визуализация и аналитика
Запуск карты юниверса, 7+ аналитических отчётов, автоинформаторы для ответственных сотрудников.
- Масштабирование
Запуск непрерывного процесса обновления базы: разбор новых точек, дедупликация, обогащение из внешних источников.
До и после внедрения
- Меппинг 10 000 точек:
было — ~1 месяц работы 5 операторов;
стало — 1–3 дня с использованием AI-алгоритма.
- Обработка 1 млн точек:
было — недостижимо в рамках ручного процесса;
стало — 52 часа.
- Визуализация юниверса:
было — табличный список без наглядности;
стало — интерактивная карта с фильтрацией по атрибутам.
- Аналитика по меппингу:
было — отсутствовала;
стало — 7+ аналитических отчётов и дашборды.
- Нагрузка на операторов:
было — высокая, все операции выполнялись вручную;
стало — минимальная, участие только в обработке исключений.
Результаты проекта
Благодаря внедрению AI-алгоритма меппинга и визуализации на карте производитель получил полноценный инструмент для регулярного виртуального сенсуса территории.
Работа с юниверсом превратилась в управляемый и непрерывный процесс.
Подробнее об этом кейсе рассказывали в рамках вебинара «Как качать продажи в точке без лишних инвестиций. Кейсы FMCG».
