Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Customers segmentation_responce prediction

700 views

Published on

Описание бизнес-кейса проведения сегментации клиентской базы для выявления наиболее склонной к покупке страховых продуктов аудитории и последующей целевой коммуникации

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

Customers segmentation_responce prediction

  1. 1. -­‐  Сегментация  клиентов    по  степени  склонности  к  покупке   страховых  продуктов  -­‐  
  2. 2. cleverdata.ru    |    info@cleverdata.ru   Постановка  задачи  
  3. 3. cleverdata.ru    |    info@cleverdata.ru   Исходные  данные   Для   анализа   была   предоставлена   обезличенная   база   клиентов   Заказчика   с   отражением   исторической   информации   о   покупке   или   отказе   от   покупки   страховки  –  сформирована  обучающая  выборка.     Поставленная  задача:   •  Составить  типовые  профили  клиентов,  склонных  к   покупке  страховки;   •  Понять,   каким   клиентам   целесообразно   предлагать  страховку  в  будущем.   Для  проверки  была  предоставлена  обезличенная  база   клиентов   с   отсутствующей   информацией   о   покупке   страховки  –  тестовая  выборка.     Всего  клиентов  –  10  804.   Со  страховкой  –  3  359.     36%  купили  страховку    
  4. 4. cleverdata.ru    |    info@cleverdata.ru   Решение  задачи.   Разработка  модели  отклика  
  5. 5. cleverdata.ru    |    info@cleverdata.ru   Способ  решения  задачи   Для   решения   задачи   с   помощью   интеллектуального   Big   Data   анализа   была   разработана   модель   сегментации   клиентов   по   признаку   «Склонность   к   покупке   страховки».  Это  позволило:   1)  Определить  профиль  клиента  и  выделить  микросегменты  из  всей  базы;   2)  Выявить,  каким  клиентам  следует  предлагать  страховку,  а  каким  –  нет.     Машинное  обучение     Предиктивная  модель   Точно   купит   Скорее  всего    купит   Может  быть   купить   Точно     не  купит  
  6. 6. cleverdata.ru    |    info@cleverdata.ru   Выявленный  профиль  клиента   «Хороший»  клиент                        «Типичный»  клиент                            «Плохой»  клиент        Доход  10-­‐14  тыс.  руб.                                  Доход  18-­‐23  тыс.  руб.                              Доход  22-­‐27  тыс.  руб.   Кировград,  Озерск,  Снежинск     Преподаватель,  воспитатель,   фельдшер   Екатеринбург,  Киров     Водитель,  продавец,   директор   Новосибирск,  Липецк     Менеджер  по  продажам,   предприниматель  
  7. 7. cleverdata.ru    |    info@cleverdata.ru   Построение  клиентских  сегментов   Количество  клиентов   Без  страховки   Со  страховкой   SEGM  1   SEGM  2   SEGM  3   SEGM  4   SEGM  5   SEGM  6   Вероятность  отклика   На   основе   вероятности   отклика   на   предложение   страховки   было   выявлено   6   клиентских   сегментов   по   степени   склонности   к   покупке   –   начиная   от   самого   «холодного»  и  заканчивая  самым  «теплым».  
  8. 8. cleverdata.ru    |    info@cleverdata.ru   Построение  клиентских  сегментов   Сегмент   Кол-­‐во   клиентов   Объем   базы   Клиенты  со   страховкой   Процент   отклика   SEGM1   1330   15%   79   6%   SEGM2   1491   17%   291   21%   SEGM3   2217   26%   630   29%   SEGM4   1798   21%   921   57%   SEGM5   1644   19%   1237   76%   SEGM6   171   2%   146   90%   SEGM1  –  «холодные»  клиенты,  продукт  нерелевантный   SEGM2  –  клиенты  с  минимальной  вероятностью  покупки   SEGM3  –  клиенты  со  средней  вероятностью  отклика   SEGM4  –  клиенты  с  большой  вероятностью  отклика   SEGM5  –  клиенты  с  максимальной  вероятностью  покупки   SEGM6  –  «горячие»  клиенты,  продукт  оптимален  
  9. 9. cleverdata.ru    |    info@cleverdata.ru   Проверка  модели  
  10. 10. cleverdata.ru    |    info@cleverdata.ru   Результаты  модели   Средняя  точность  модели  (AUC)  -­‐  80%.  Модель  на  60%  лучше  случайной  коммуникации  (GINI).   Обзвон  1000  клиентов  без  использования  модели  -­‐  страховку  купят  360  клиентов.   Обзвон  1000  клиентов,  выбранных  по  модели  -­‐  страховку  купят  576  клиентов.       ROC  кривая  на  обучающей  (красный)  и   тестовой  (синий)  выборках   Распределение  клиентов  по   вероятности  отклика   Количество  клиентов   Вероятность  отклика   Без  страховки   Со  страховкой  
  11. 11. cleverdata.ru    |    info@cleverdata.ru   Обзор  тестовой  выборки   Клиенты  тестовой  выборки  принадлежат  сегментам,   наиболее  склонным  к  отклику   Холодные  сегменты  1  и  2   Теплые  сегменты  3-­‐6   Купили   Не  купили   Тестовая  выборка      Обучающая  выборка   Сегментирование   тестовой   выборки   (факт   покупки   неизвестен)   и   сравнение   распределения  теплых  и  холодных  сегментов  показало:  
  12. 12. cleverdata.ru    |    info@cleverdata.ru   Как  использовать  результат  
  13. 13. cleverdata.ru    |    info@cleverdata.ru   Планирование   Планирование,   настройка  событий,   подготовка  кампаний   Источники   Campaign  management   Внешние  данные   Внутренние  данные     Сбор  данных   Маркетинговая   витрина   Внутренние   данные   Внешние   данные   Сегменты   Прогнозные   модели   Аналитика   Отчетность,   профилирование,   сегментация   Исполнение   Создание,   выполнение,   отслеживание   Каналы   Клиенты   ATM   web   CC,  IVR   email   mobile   chat   Обратная  связь   Проведение  маркетинговых  кампаний   Модель  внедряется  в  систему  Campaign  management,  и  результаты  работы  модели  используются                                для  сегментирования  клиентов  и  проведения  высокоэффективных  маркетинговых  кампаний.  
  14. 14. cleverdata.ru    |    info@cleverdata.ru   o  Повышение  точности  модели  за  счет  внешних  данных;   o  Оптимизация  продуктовых  предложений  для  клиентов;   o  Оптимизация  офферов;   o  Исследование  эластичности  к  ставке  и  др.  параметрам;   o  Оптимизация  каналов  коммуникаций.     Результат:  рост  эффективности  маркетинговых  кампаний.   Дальнейшее  развитие   Среднее  увеличение  прибыльности  по  результатам  проекта:     +15-­‐30%,  если  в  компании  уже  используется  клиентская  аналитика;   +30-­‐80%,  если  в  компании  ранее  не  использовалась  клиентская   аналитика.  
  15. 15. cleverdata.ru    |    info@cleverdata.ru   О  компании  CleverDATA  
  16. 16. cleverdata.ru    |    info@cleverdata.ru   Make  your  data  clever   Развитие    бизнеса     на    международном     рынке   Входит  в  тройку   лидеров  российских  ИТ  компаний   43  подразделения  в  России  и  за   рубежом   Более  7000  сотрудников   100  тыс.проектов  для  10  тыс.заказчиков   Облачная  платформа   управления  данными   «Биржа»  данных   Прикладные  сервисы  и  приложения   Big  Data  интегратор   Опыт  работы  более  3-­‐х  лет   Собственные  центры  разработки   Партнерство  с  мировыми  лидерами   и  научными  институтами   Центр  экспертизы  по  технологиям   Big  Data  и  Marke‡ng  Automa‡on   1DMP  
  17. 17. cleverdata.ru    |    info@cleverdata.ru   Автоматизация  маркетинга   Клиентская аналитика Campaign Management Обогащение внешними данными Прогнозное моделирование Реал-тайм кампании   Решения  для  укрепления  клиентского  опыта  и  повышения   продаж  за  счет  консолидации  всех  элементов  вашей  data-­‐driven   маркетинговой  стратегии;     Решения  для  автоматизации  маркетинговых  кампаний  на  базе   решений  лидеров  рынка  –  компаний  IBM  и  Teradata;     Модели  управления  оттоком  клиентов,  моделирования   отклика,  микро-­‐сегментирования  клиентской  базы;     Решения  для  управления  всей  digital  активностью  компании.  Digital Intelligence Наша  задача  –  с  помощью  данных  сделать  ваш  бизнес  эффективнее   Продвижение в интернет-канале

×