Data-коллаборации на основе федеративного машинного обучения

Современный ритейл требует проактивной работы с данными для персонализации коммуникаций. Совместный анализ данных с партнерами сталкивается с высокими требованиями к безопасности и конфиденциальности. VK представила решение для премиальной сети парфюмерии и косметики РИВ ГОШ — Data Clean Room, безопасную среду для работы с данными брендов, которая позволяет совместно обучать ML-модели без прямого обмена информацией.

Перед РИВ ГОШ и одним из ее FMCG-брендов, представленных на полке, стояли следующие стратегические задачи: Безопасно использовать данные бренда для глубокого анализа аудитории. Совместно обучать ML-модели для прогнозирования бизнес-метрик и определения аудиторных инсайтов. Создавать расширенные портреты покупателей для повышения релевантности маркетинговых коммуникаций. Увеличить продажи и эффективность рекламных кампаний за счет персонализированного подхода.

Для достижения целей на базе решения VK была развернута безопасная среда (Data Clean Room).

1. Для построения сегментов аудитории одного из FMCG-брендов внутри Data Clean Room использовалось федеративное обучение — метод, позволяющий совместно обучать алгоритмы машинного обучения без обмена исходными конфиденциальными данными.
2. На основе совместного анализа формировался расширенный портрет покупателей для разных товарных групп.
3. Полученные сегменты и инсайты использовались для двух ключевых задач:

• На первом этапе сегменты помогали увеличить знание о новой продукции брендов.
• На втором этапе реклама мотивировала на покупку пользователей, уже знакомых с предложениями.

4. Вся механика работы с данными и персонализированными коммуникациями была построена на платформе VK CXhub с привлечением Data Science команды VK Predict для построения сегментов и аналитики.

Федеративное обучение — это уже не просто технология, а новый стандарт для анализа данных. Она открывает уникальные возможности для бизнеса, позволяя совместно использовать данные без риска их утечки.

Результаты

Принципиально новый уровень безопасности и глубины анализа данных для РИВ ГОШ и FMCG-бренда за счет использования федеративного машинного обучения и Data Clean Room:

• Созданы расширенные портреты покупателей
• +26% рост знания бренда (Brand Awareness)
• Превышение средних показателей широкозахватной рекламы, максимальный ROAS до 251%.

Эдгар Шабанов, президент группы компаний РИВ ГОШ:

Современный маркетинг требует от ритейлеров проактивной работы с данными — важно учитывать потребительские привычки своей аудитории и внедрять персонализированный подход в коммуникациях. Релевантность рекламного сообщения определена точностью и объемом данных, поэтому мы понимаем значимость совместной с брендами работы с данными. Такие подходы невозможны без соответствующей технологической инфраструктуры, обеспечивающей сбор, обработку данных и их безопасное применение в построении аналитики.

Любовь Пшеничникова, директор направления консолидированных цифровых решений для бизнеса VK:

Data Clean Room — востребованный класс решений, который уже зарекомендовал себя на глобальном рынке как безопасная среда для совместной работы партнеров с данными. А применение федеративного обучения ML-моделей помогает прогнозировать бизнес-метрики, определять аудиторные инсайты и разрабатывать актуальные предложения — без обмена данными между компаниями.