預測分析和 AI 提供優秀的粉絲體驗

奧蘭多魔術使用行動應用程式的資料和機器學習來個性化行銷活動並分析遊戲數據

在 NBA，沒有什麼比贏得球迷的忠誠度。 對於奧蘭多魔術隊來說，打造出非凡的粉絲體驗是接近的第二位。

在使用技術吸引粉絲並提高收入方面，奧蘭多魔術隊在其中獨一無二的聯賽。 即使在城市競爭激烈的娛樂市場中，由於新的行動應用程式和獲勝的分析策略，該團隊仍然享受七位數的門票銷售和贊助的增長。

策略部資深副總裁 Jay Riola 表示：「我們正在盡可能地利用技術來增強粉絲體驗並構建新和改進的產品。

通過分析表現出色已成為魔法的一個配置。 其分析之旅在 2010 年開始，其智能競技場安威中心開幕。 為了測試可變票價格，團隊的前台收購了 SAS 數據管理和 SAS Analytics。 隨後成功，第一季票券收入上漲了 50%。

自 2013-14 賽季以來，魔術的單場門票收入增長了 91％。 此外，魔術隊在銷售單場門票方面一直排名 NBA 前五名。 Riola 將這一成功的大部分歸因於改進的定價、收入管理和整體行銷策略，大部分由分析驅動。

如今，Magic 憑藉其對創新的渴望和數據驅動的策略，被認為是體育界最具分析能力的團隊之一。 Riola 對籃球組織說：「每個人 —— 我的意思是每個人都使用 SAS。

無與倫比的粉絲體驗

假設您是開車參加魔法遊戲的季票持有人。 提示前十五分鐘，您會收到由人工智慧驅動的遊戲前分析。 距離競技場一英里，您的手機會以您的座位號碼響起，這是根據對遊戲的需求而定。 當您的奧蘭多魔術應用程式打開後，您可以支付代客泊車費用並獲得逐步前往座位的路線。 您可以坐下並從該應用程式訂購 nachos 將其帶到您的座位，然後兌換幾個忠誠度積分，讓吉祥物擺動過來與您的孩子一起自拍。

Riola 表示：「我們的應用程式是競技場體驗的遙控器，」與 VenueNext 合作開發團隊的最新版本的應用程式，並將其連接到競技場。

為體驗提供支援的一系列無縫技術，其中包括 iBeacons。 近 20 個 Apple 設計的接近感測器位於安威中心各處，可透過該應用程式提供許多地理定位服務。 一旦球迷進入競技場，應用程式用戶會收到即時通信，包括地圖，跳過長時間優惠的提示以及附近的食品，飲料和零售的個性化優惠。

該應用程式在 2018-19 賽季從客戶購買中獲得了巨大的收入，包括 Magic Marketplace 中提供數千種獨特的體驗和商品。 《魔術》本賽季的比賽日應用程式用戶增加了 120%，而球迷的滿意度分數在球隊使用場地技術上升了 20％。

VenueNext 首席執行官 Anthony Perez 表示：「具有可讓您做事工作的技術的場地和針對每個用戶個別響應的新等級技術之間有區別。」 特別是在這裡，Magic 使用來自 VenueNext 和其他來源的數據來推動動態體驗的地方，而這就是您可以到達下一個新級別的智能場所的地方。」

個人化領先地位

雖然只要用一個應用程式就足以讓一些粉絲互動，但 Magic 對客戶資料所做的方式就是讓它們進入不同的聯賽。

該過程始於將流媒體應用程式數據與來自超過 200 萬客戶的歷史數據集成。 來自 13 個來源系統的訊息 — 包括票務、優惠、零售商品和應用程式製造商 VenueNext — 合併為一個具有近 200 個生產化目標表的企業資料倉儲。 然後，個人會根據他們的行為集成細分。

此時，Riola 和他的團隊使用 SAS 來建模數據並預測粉絲可能會購買哪些產品和服務。 然後，個性化優惠會通過推送通知，網站橫幅和電子郵件自動發送給粉絲。

Riola 說：「我們長期以來一直相信分析。 但是，我們在使用分析來個性化粉絲體驗並發展業務方面的方式越來越複雜。」

例如，某些粉絲會在 Magic 頂級玩家的熱門表現之後，在應用程式市場上瀏覽球衣。 使用 SAS，使用預測模型進行評分，並與有關這些購物者的現有知識結合，以在應用程式中顯示針對球衣的個性化優惠。

該技術與季票銷售相似。 使用預測模型，團隊可以預測哪些門票持有人有關續訂。 這使銷售能夠通過該應用程式以建立忠誠度的禮物，例如免費代客泊車等，以鎖定風險的粉絲。

Riola 說：「我們在球迷體驗方面繼續超越聯盟平均水平，並提高我們的年度滿意度分數。」 透過 SAS，我們提供粉絲無法在其他任何地方找到的體驗。」

下一步：玩家分析

現場上，Magic 透過雲端部署在亞馬遜 Web 服務上的 SAS 視覺資料挖掘和機器學習，從大數據轉向大成果。 該團隊存儲和分析來自 100,000 名玩家的 18 多個數據來源的 20 年數據。

與所有 NBA 球隊一樣，Magic 致力於使用數據來跟踪球員的健身，獲得更好的球員，優化陣容並做出其他戰略決策，但數據挑戰仍然存在。 資料量正在爆炸，資料複雜性也在上升。 例如，攝像機現在每秒捕獲球的 XY 位置和球場上所有 10 名球員的數據，每秒 25 次。

Riola 說：「我們組織投資 SAS 的一部分決定是由我們的籃球分析部門驅動，該部門處理比我們在商業方面處理更大的數據。」

籃球分析總監 David Bencs 表示：「SAS 的記憶體內處理將使我們能夠更有效率地分析數據，機器學習將幫助我們更深入地了解數據。 以前需要觀看數百小時的遊戲電影，現在這是一個簡單的查詢。」

除了使用分析來進行球員獲取、陣容輪換和訓練決策之外，Bencs 和他的團隊還希望利用分析來進行越來越多策略性決策的清單。

Bencs 解釋說：「我們處於可用的數據使我們能夠提出以前無法回答的問題。」 「如果我們能夠在更深入的水平地理解遊戲，它可以幫助我們了解為什麼某些比賽是贏得或輸的。」

最終，團隊計劃在球的兩側運營分析。 雖然 Bencs 致力於實時分析遊戲數據來提高團隊表現，但 Riola 希望通過實施 虛擬 現實和物聯網等數據驅動技術來重新發明粉絲體驗。

Riola 說：「這個團隊發生了很多創新。 毫無疑問，分析將在指導我們在球場外的未來發揮關鍵作用。」