Команда Qiwi предлагает несколько задач на выбор. Команда может
взять одну или несколько из них и презентовать свое концептуальное
решение той или иной задачи. По итогам Qiwi выбирает несколько команд
для каждой задачи и дает возможность презентовать подробное решение
лично.
Победитель получает финансирование для пилотного проекта и в
случае успешного запуска пилота продолжение сотрудничества с Qiwi.
Мечта любой молодой команды!

Мы подавались на две задачи: геймификация и рекомендательная система.
Уверены, это что две связанные между собой задачи разделены: алгоритм и программа геймификации/лояльности для пользователей терминала т.к. без идентификации пользователя эффективность всей системы рекомендаций может быть под вопросом.

Идеальное решение мы видели следующим образом: увеличение «опознанных» пользователей т.к. для эффективной системы рекомендаций критически важно знать, как человек сейчас собирается совершить платеж.

Многоуровневая программа лояльности

1 уровень:
Мини-игра с быстрым выигрышем, встроенная терминал
Цель: максимальное вовлечение проходящего потока и не идентифицированных пользователей.

2 уровень:
Идентифицированный пользователь (зарегистрировался в игре, имеет свой кошелек Qiwi) - система геймификации, основанная на достижении наград за простые действия: оплатил коммуналку - награда, сделал пять платежей - награда.
Награда может быть двух вариантов: либо разовый приз/кэшбек/подарок от партнера (сертификат, скидка и т.п.) или типовая бонусная программа с минимальным начислением, где в зависимости от достижений пользователь получает повышенный кэшбэк/% бонусов.

Второй этап – это сама рекомендательная система. Которая также
строилась на нескольких уровнях.

1. Не идентифицированные пользователя. Рекомендательная модель будет строиться на основе геоданных терминала (какие платежи делаются именно на нем) + "календарь" платежей. На этапе тестирования будут опробованы несколько гипотез: максимальные продажи за день на конкретном терминалы, рекомендации по категорийному признаку, рекомендации на уровне конкретных услуг.
2. Смэтчинный пользователь -2 уровень – связка данных об уникальных платежах вокруг пользователя. Связка происходит по общему идентификатору: email, телефон и т.п. При наличии достаточного количества пользователей алгоритм также подставляет предложения по принципу look-a- like: похожие пользователи, чаще всего оплачивали и это.
3. Рекомендательная система основанная на идентифицированных пользователях-владельцах QIWI. Сегментация и построение двух типов рекомендаций: первая - основана на ритмичности покупок и его цикле - когда обычно Клиенты совершают тот или иной платеж, когда это будет логичней всего? Доведение "корзины" покупателя до эталонной в сегменте.

Таким образом, мы охватывали все возможные варианты работы с пользователям терминала.