Персональные предложения учитывают индивидуальные особенности покупательского поведения и позволяют ритейлерам мотивировать к покупкам как постоянных клиентов, так и тех, кто заходит к ним не часто. При этом персональные предложения не требуют больших вложений в маркетинговые коммуникации – через мессенджеры, электронную почту, социальные сети и мобильные приложения они направляются напрямую к каждому клиенту, предоставляя оптимальные поощрения на определенные категории товаров. SELGROS Cash&Carry – одна из крупнейших сетей гипермаркетов, в которой представлен широкий ассортимент самых разных товаров. Чтобы продолжать соответствовать высоким ожиданиям клиентов и активнее привлекать их в свои магазины, компания приняла решение оптимизировать программу лояльности и сделать алгоритм формирования персональных предложений еще более эффективным. Оптимизация  программу лояльности  SELGROS Cash&Carry проводилась на базе аналитического сервиса   Manzana Predictive Analytics , основанного на алгоритмах предиктивной аналитики и машинного обучения. Использование модуля позволяет делить клиентов на микросегменты по схожему поведению и потенциалу, предсказывать поведение клиентов, создавать персонализированные скидки, подбирать как товар под определенных покупателей, так и покупателей под продвигаемые категории товаров. Для задач сети SELGROS Cash&Carry компания Manzana Group предложила усовершенствованный алгоритм формирования персонализированных предложений. После того, как для каждого клиента подбирается около 40 индивидуальных рекомендаций товаров, к этой выборке дополнительно применяется механизм постфильтрации: более крупное поощрение предлагается на те категории товаров, в приобретении которых покупатель до этого времени был менее активен. Таким образом, стимулируется расширение горизонтов покупательской активности, увеличивается дополнительный товарооборот и предотвращается отток клиентов. Те персональные предложения, которые клиенту предлагались ранее и не были им востребованы –заменяются другими. Это позволяет доставлять наиболее релевантные предложения и делать персональные акции более результативными. Оценка эффективности нового алгоритма проводилась с использованием контрольной группы и продемонстрировала, что интерес к предлагаемым в персональных предложениях категориям значительно увеличился.