Váš pomocník pro analýzu dat            MODERNÍ METODY SEGMENTACE                    ZÁKAZNÍKŮ                            ...
StatSoft                     StatSoft CR20.6.2012   ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
Segmentace zákazníků                                                                  Banking                    Mobile Pr...
Segmentace zákazníkůZákaznická segmentace – proces rozdělní zákazníkůdo homogenních podskupin na základě jejich vlastností...
Cíle modelování›Pochopit stávající zákazníky›Zlepšit spokojenost zákazníka›Zabránit odchodu klienta›Eliminovat rizikového ...
Cíle modelování›      Model chování zákazníka (Trees, Neural Network, SVM…) ›      Proč odešel (Clustering, Principal Comp...
Zdroje dat20.6.2012    ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
Analytické metody pro práci s daty›      Cross Tabulation›      Principal Component Analysis (PCA)›      Factor Analysis (...
Data miningSoubor pokročilých statistických metod pro odhalení netriviálníchinformací v datech.›   Vzorce chování›   Třídě...
Data mining    ›       Churn scoring    ›       Profit scoring    ›       Credit scoring    ›       Fraud scoring         ...
Příprava datPříprava datové základny zahrnuje:› Vzorkování – cílová skupina je obvykle malé procento z celé populace› Čišt...
Příprava datVýběr proměnných:› Redukce počtu proměnných            - Spojité (chí-kvadrát)            - Kategoriální (min....
Propensitní modely – Churn scoringPropensity to Churn› Cíl:     › Lépe porozumět zákazníkům společnosti     › Vytvoření př...
Propensitní modely – Fraud scoring                                                      ›   Vysoká škoda/Pozdní platby    ...
ZávěrUdržení zákazníka prostřednictvím analýzy datModelování celého životního cyklu zákazníka.› Vhodné technologie› Segmen...
Děkuji za pozornost.                       milos.uldrich@statsoft.cz20.6.2012      ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINA...
Upcoming SlideShare
Loading in …5
×

Miloš Uldrich: Moderní metody segmentace zákazníků

1,544 views

Published on

Přístup ke klientským datům
Technická základna pro segmentaci klientů
Konkrétní metody pro efektivní segmentaci - od základů až po data mining
Udržení zákazníka prostřednictvím analýzy dat

Published in: Economy & Finance
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,544
On SlideShare
0
From Embeds
0
Number of Embeds
7
Actions
Shares
0
Downloads
0
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide
  • Cílem experimentů R&R je určit podíl proměnlivosti měření, které lze připsat na vrub: jednotlivým měřeným dílům, operátorům měřidel ( reprodukovatelnost ), chybám a nepřesnostem v měření, které udělají stejní operátoři při opakovaném měření stejných dílů ( opakovatelnost ).
  • Cílem experimentů R&R je určit podíl proměnlivosti měření, které lze připsat na vrub: jednotlivým měřeným dílům, operátorům měřidel ( reprodukovatelnost ), chybám a nepřesnostem v měření, které udělají stejní operátoři při opakovaném měření stejných dílů ( opakovatelnost ).
  • Cílem experimentů R&R je určit podíl proměnlivosti měření, které lze připsat na vrub: jednotlivým měřeným dílům, operátorům měřidel ( reprodukovatelnost ), chybám a nepřesnostem v měření, které udělají stejní operátoři při opakovaném měření stejných dílů ( opakovatelnost ).
  • Cílem experimentů R&R je určit podíl proměnlivosti měření, které lze připsat na vrub: jednotlivým měřeným dílům, operátorům měřidel ( reprodukovatelnost ), chybám a nepřesnostem v měření, které udělají stejní operátoři při opakovaném měření stejných dílů ( opakovatelnost ).
  • Miloš Uldrich: Moderní metody segmentace zákazníků

    1. 1. Váš pomocník pro analýzu dat MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich StatSoft CR20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    2. 2. StatSoft StatSoft CR20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    3. 3. Segmentace zákazníků Banking Mobile Proč segmentovat? Classic users Heavy users Shoppers /Transactioners Stars› Identifikace nových obchodních příležitostí Borrowers Professional users Investors SMS users› Image značky Travelers Basic users Non active Non active› Design výrobků a služeb na míru segmentu› Cílená produktová nabídka pro stávající zákazníky› Volba komunikačního kanálu› Volba prodejního a servisního kanálu› Úspora nákladůNeexistuje žádná univerzální kuchařka, která bypokryla všechny oblasti podnikání. 20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    4. 4. Segmentace zákazníkůZákaznická segmentace – proces rozdělní zákazníkůdo homogenních podskupin na základě jejich vlastností.Tradiční přístup pro třídění klientů:› Demograficky/Geograficky› Hodnotově Segmentace Proměnné Geograficky stát, region, kraj, město, zvyklosti… Demograficky pohlaví, věk, vzdělání, příjem, zaměstnání, národnost… Hodnotově tržba (Gold/Silver/Bronze), potenciál, riziko, loajalita Psychograficky názory, postoje, životní styl… Behaviorálně počet transakcí, ATMs, depozity, úvěry, spoření, karty Kombinace hodnotově & behaviorálně20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    5. 5. Cíle modelování›Pochopit stávající zákazníky›Zlepšit spokojenost zákazníka›Zabránit odchodu klienta›Eliminovat rizikového klienta›Vzbudit zájem potencionálního zákazníka›Optimalizovat pojistné sazby›Detekce podvodného jednání›Pravděpodobnost pojistné události›Cross-up/sell›… Předpoklady pro modelování: › Diferencované potřeby zákazníků › Velký počet zákazníků › Velký počet transakcí20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    6. 6. Cíle modelování› Model chování zákazníka (Trees, Neural Network, SVM…) › Proč odešel (Clustering, Principal Component Analysis …) 20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    7. 7. Zdroje dat20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    8. 8. Analytické metody pro práci s daty› Cross Tabulation› Principal Component Analysis (PCA)› Factor Analysis (FA)› Cluster Analyse (CLA)› Clasiffication And Regression Trees› Association rules› Neural Network 20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    9. 9. Data miningSoubor pokročilých statistických metod pro odhalení netriviálníchinformací v datech.› Vzorce chování› Třídění dat› Odchylky od normy› Určení profilu klienta› Predikční modely› Segmentace » Dataminingové metody jsou využívány během celého CRM procesu.20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    10. 10. Data mining › Churn scoring › Profit scoring › Credit scoring › Fraud scoring II. Definice cíle/porozumění procesům III.Porozumění datům IV.Příprava dat Behaviorální scoring V. Tvorba dataminingových modelů VI.Vyhodnocení modelů VII.Deployment20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    11. 11. Příprava datPříprava datové základny zahrnuje:› Vzorkování – cílová skupina je obvykle malé procento z celé populace› Čištění a filtrování dat – poloha, variabilita, outlier, kvantily pro detekci chybných a odlehlých dat › Spojitá – rozdělní a ChD › Kategoriální – četnosti, vytvoření nové kategorie pro ChD› Nahrazení chybějících hodnot› Výběr a transformace proměnných • Definice cíle/porozumění procesům • Porozumění datům • Příprava dat • Tvorba dataminingových modelů • Vyhodnocení modelů • Deployment 20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    12. 12. Příprava datVýběr proměnných:› Redukce počtu proměnných - Spojité (chí-kvadrát) - Kategoriální (min. četnosti, chí-kvadrát)› Výběr podstatných proměnných20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    13. 13. Propensitní modely – Churn scoringPropensity to Churn› Cíl: › Lépe porozumět zákazníkům společnosti › Vytvoření představy o profilu loajálního zákazníka › Stanovení retenční strategie› Výsledky modelu: Pravděpodobnost odchodu jednotlivých zákazníků.Indikátory:›Vyšší platby než obvykle› Více nových účtů za poslední období› Větší podíl účtů s nulovým zůstatkem› Velký počet disponibilních prostředků› Přesun prostředků po obdržení první nabídky› Menší podíl účtů s kladnými zůstatky20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    14. 14. Propensitní modely – Fraud scoring › Vysoká škoda/Pozdní platby › Nedávné ohodnocení majetku › Absence stvrzenek › Spousta malých pojistných událostí Production › Odcizená velká hotovost system › Časté změny pojistitele › Existence dalšího pojištění › Technická kontrola (prošlá/vyprší brzy) Internal data › Nízký věk držitele › Datum cesty je v rozporu s dobou DM model rizikového chování platnosti › Typ vozidla neodpovídá živ. stylu › Nulový poplatek za odtažení › Plnění v hotovosti › Časté změny dokumentů20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    15. 15. ZávěrUdržení zákazníka prostřednictvím analýzy datModelování celého životního cyklu zákazníka.› Vhodné technologie› Segmentace zákazníků› Definice signifikantních faktorů odchodu› Průběžná analýza chování klienta (názory, postoje, přání)› Včasná retence v různých komunikačních kanálech› Detailní reporting zákazníků› Systémy automatického varování› Cílená komunikace/zákaznický servis 20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH
    16. 16. Děkuji za pozornost. milos.uldrich@statsoft.cz20.6.2012 ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH

    ×