Кровь. Деньги. Метрики: Как мы переосмыслили RFM-анализ для классификации доноров крови

Значимый прорыв формирует отрасль ИИ: Я Ольга Матушевич, преподаватель курса «Нейросети для бизнеса», а в прошлом ментор Мастерской Яндекс Практикума. В e-commerce и маркетинге есть множество наработанных методик. Но как применить их там, где цель — не прибыль, а спасение жизней?

Хочу поделиться кейсом Мастерской: мы работали с DonorSearch — крупнейшим сообществом доноров крови в Рунете. Заказчик поставил задачу: сегментировать донорскую базу так, чтобы можно было вести адресную коммуникацию с разными группами доноров. Понять, кого считать активным донором, кто выпал из донорства, а кто только начинает свой путь — и что делать с каждой из этих групп.

Технические детали

Мы выбрали необычное решение — применить RFM-анализ, классический инструмент из маркетинга. В статье я расскажу:— почему мы отказались от машинного обучения в пользу с-анализа,— как переосмыслили классическое определение метода под некоммерческую задачу,— чем заменили «деньги», «покупки» и «покупателей» в RFM-анализе,— и к каким семи классам доноров в итоге пришли. Статья будет интересна тем, кто работает с некоммерческими проектами: у кого часто есть данные, но нет готовых методологий.

А ещё — тем, кто хочет посмотреть, как переосмыслить классические бизнес-инструменты для нестандартных задач.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.