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.

Анализ поведения клиентов (Сбербанк)

5,021 views

Published on

Published in: Technology, Business
  • Login to see the comments

Анализ поведения клиентов (Сбербанк)

  1. 1. Июнь 2011 г. Мозговой Максим, Сбербанк Анализ поведения клиентов на основе карточных продуктов и его использование
  2. 2. Кто наши клиенты? В чём они похожи? Как создать портрет КАЖДОГО клиента? Классические маркетинговые исследования и опросы не работают (каждого клиента не опросишь) Поэтому – необходимо анализировать их поведение. <ul><li>Как сегментировать клиентов? </li></ul><ul><li>Что мы покупаем? </li></ul><ul><li>Где мы покупаем? </li></ul><ul><li>С кем мы покупаем? </li></ul><ul><li>Как мы покупаем? </li></ul><ul><li>Сколько мы покупаем? </li></ul>
  3. 3. Анализ транзакций <ul><li>Лояльность клиента </li></ul><ul><li>Ценность клиента </li></ul><ul><li>Вероятность покупки новой услуги </li></ul><ul><li>Потенциал для развития </li></ul><ul><li>в будущем </li></ul><ul><li>Поведенческие характеристики </li></ul><ul><li>Lifestyle- сегментация </li></ul><ul><li>Анализ потребностей </li></ul><ul><li>Профилирование </li></ul><ul><li>… </li></ul>Сбор данных о профиле пользования клиента Группировка и сравнение сходных данных Выделение закономерностей : Тип коммуникации, частота, время, продолжительность, периодичность Пересечение с данными из дополнительных источников Формирование гипотезы о принадлежности к сегменту ? ? ? !
  4. 4. Кто наши клиенты? В чём они похожи? Основная гипотеза: люди со схожими привычками, статусом, стилем жизни, социальными ролями обладают и схожим потребительским поведением: обладают сравнимым уровнем дохода, выбирают похожие бренды, тратят деньги в схожих местах с примерно одинаковой периодичностью и т.д.
  5. 5. Бренды объединяют людей Бренды объединяют людей. Поэтому, существуют так называемые «Кольца брендов» - повторяющиеся комбинации потребляемых брендов, которые специфичны для каждого потребительского сегмента.
  6. 6. Бренды объединяют людей Фактически, для каждого сегмента можно найти комбинацию брендов, в той или иной степени характеризующую этот сегмент Сегмент «Молодёжь»
  7. 7. Формирование единого списка потенциальных партнёров (индикативно) Частота транзакций Величина проникновения в сегмент Объём транзакций Кольца брендов, характеризующие тот или иной сегмент ROI = max Group 2 Group 3 Group 1 ROI = med ROI = min ROI impact ROI = med ! !! !! !! ! ! ? ? ?
  8. 8. Пример отображения сети клиентов Сегменты клиентов со сходным потребительским поведением: на графе отображены сообщества клиентов по принципу расходования средств: те клиенты, которые совершают покупки в одних и тех же местах, объединены в сообщества. Найдено 18 таких сообществ.
  9. 9. Сеть брендов На втором графе в сообщества объединены уже «объекты» - MCC -коды, участвующие в анализе. Найдено 8 таких сообществ.
  10. 10. Связи клиентов и Брендов На третьем, «общем», графе, представлены связи клиентов и MCC- кодов непосредственно
  11. 11. Привязка к геолокационным данным Данные о карточных транзакциях клиентов по различным точкам размещения на карте г. Москва
  12. 12. Пример сегментации по ценности Пример различных профилей ценности для различных сегментов клиентов, и доли данных сегментов. Квартальная доходность на одного клиента , руб. PROJECTED LOSS CHURN MAIN SEGMENT BEST CLIENTS 26% 1 5 % 47% 12% +590 руб. -337 руб. +2170 руб. +11046 RUB
  13. 13. Возможные стратегии по кросс-скорингу Доходность – Риск – Отклик Churn LOSS BEST Main Retention Cross-sell Wait Up-sell & Cross-sell
  14. 14. Наши проекты <ul><li>Единый фронт-офис </li></ul><ul><ul><li>Предоставление консолидированной информации клиенту </li></ul></ul><ul><ul><li>Сбор информации по обращениям клиентов/ опросы </li></ul></ul><ul><ul><li>Реализация индивидуальных стратегий по отношению к различным сегментам клиентской базы </li></ul></ul><ul><ul><li>Повышение эффективности обслуживания </li></ul></ul><ul><li>Отчетность по вкладам физических лиц </li></ul><ul><ul><li>Полная и выверенная информация по вкладам, собираемая по единой технологии формирования данных в витрине данных розничного блока </li></ul></ul><ul><ul><li>Распространение отчетности за пределы Московского Банка (+ 6 ТБ) </li></ul></ul><ul><li>Витрина клиентских данных </li></ul><ul><ul><li>Основа для формирования полной и детальной отчетности по состоянию клиентской базы, по динамике продаж/качеству клиентов, по эффективности маркетинговых кампаний </li></ul></ul><ul><ul><li>Основа для создания моделей и сегментаций клиентской базы </li></ul></ul><ul><li>Программное обеспечение для обработки и анализа данных, визуализации отчетов </li></ul><ul><ul><li>Модели и сегментации клиентской базы, позволяющие выделить наиболее ценных клиентов; клиентов, склонных к оттоку; клиентов с наивысшей вероятностью отклика на кампании и пр. </li></ul></ul><ul><ul><li>Выработка рекомендаций по индивидуальным стратегиям (кампаниям) для каждого выделенного сегмента </li></ul></ul><ul><ul><li>Предоставление результатов анализа и отчетов в наглядной легко интерпретируемой форме </li></ul></ul><ul><ul><li>Расчет эффективности кампаний – предварительный и окончательный </li></ul></ul><ul><li>Качество данных </li></ul><ul><ul><li>Создание постоянно работающего механизма, управляющего качеством данных в фронтальных системах </li></ul></ul><ul><ul><li>Автоматическая платформа для нормализации, дедубликации, стандартизации клиентских данных </li></ul></ul>
  15. 15. Спасибо за внимание! Мозговой Максим, [email_address]

×