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.

Клиентская аналитика - методы принятия решений

2,966 views

Published on

Подробно изложены простые и продвинутые методы бизнес-аналитики, направленные на повышение лояльности клиентов, минимизации оттока и увеличения отклика на предложения. Все методы привлечения клиентов могут быть реализованы на базе системы бизнес-аналитики Deductor.

Published in: Technology

Клиентская аналитика - методы принятия решений

  1. 1. Клиентская аналитика: методы принятия решений
  2. 2.  Кого привлекать?  Как удержать ценных клиентов?  Как увеличить прибыльность?  Как сформировать привлекательные адресные предложения?  Как увеличить отклик на предложения?  Как минимизировать отток?  Как минимизировать негатив?  Как диагностировать проблемы? Вопросы к аналитике
  3. 3. Комплексная ABC XYZ RFM Соц-дем.Поведение География Предпочтения Варианты анализа
  4. 4. Простые методы
  5. 5. 1. Выбрать показатель: выручка, маржа… 2. Агрегировать данные по каждому клиенту за последний период 3. Отсортировать по убыванию показателя, рассчитать накопительную сумму:  Первые 20% - самые ценные  Следующие 30% - промежуточные  Последние 50% - наименее ценные ABC-анализ: алгоритм
  6. 6. 1. Выбрать квант: день, неделя, месяц 2. Агрегировать данные по продажам каждому клиенту и получить временные ряды 3. Рассчитать коэффициент вариации для каждого клиента:  0-10% - стабильное потребление  10-25% - регулярное потребление  >25% - хаотическое потребление XYZ-анализ: алгоритм
  7. 7. 0 5 10 15 20 25 Янв Фев Мар Апр Май Июн Июл Авг Сен Окт Ноя Дек X Y Z XYZ-анализ: пример
  8. 8. Оценка лояльности клиента на основе показателей:  Recency (новизна) – давность последней покупки.  Frequency (частота) – частота покупок.  Monetary (деньги) – потраченные суммы RFM-анализ: идея
  9. 9. Каждый из показателей делится на 5 квантилей, например: Считается RFM-код каждого клиента. RFM-анализ: алгоритм R Давность покупки F Частота покупок M Потраченные суммы 5 <1 мес. 5 >1 в 1 мес. 5 >100 000 руб. 4 2-3 мес. 4 1 в 2-3 мес. 4 50-100 000 руб. 3 4-8 мес. 3 1 в 4-8 мес. 3 10-50 000 руб. 2 9-18 мес. 2 1 в 9-18 мес. 2 3-10 000 руб. 1 >18 мес. 1 1 в >18 мес. 1 <3 000 руб.
  10. 10. RFM-анализ: визуализация
  11. 11. 1. Оценка привлекательности клиента 2. Контроль изменений в поведении 3. Оценка миграции между группами 4. Оценка эффективности программы лояльности 5. Выбор стратегии работы с каждым сегментом RFM-анализ: применение
  12. 12. RFM-анализ: выводы Клиенты R F M Количество клиентов Лояльные Промежуточные Нелояльные Потерянные 5 4 5 4 5 4 2 1 2 1 2 1 2 1 3 2 1 3 2 1 3 2 1 3
  13. 13. Продвинутые методы
  14. 14. Определение задачи Сбор данных Сегментация/ Кластеризация Интерпретация результатов Применение Цикл работ
  15. 15. Разработано множество алгоритмов кластеризации. Некоторые наиболее популярные:  Карты Кохонена  K-средних  EM-кластеризация  Иерархическая Математический аппарат
  16. 16. 1. Оцифрованы и систематизированы 2. Содержат значимые факторы 3. Очищены от ошибок 4. Рассчитаны агрегаты 5. Сведены в одну таблицу Требования к данным
  17. 17. Соц-дем • Пол • Возраст • Семья • Образование • Собственность Поведение • Частота покупок • Средний чек • Последняя покупка • Покупки товаров по акциям География • Место жительства • Место работы • Место покупки • Перемещения Анализируемые данные
  18. 18. Сегментация: профили кластеров Социально- демографические данные + поведение
  19. 19. Сегментация: география
  20. 20. 1. Консолидировать данные о транзакциях (чеках) 2. Определить товары-маркеры 3. Кластеризовать транзакции 4. Рассчитать предпочтения по товарам-маркерам Предпочтения: алгоритм
  21. 21. Предпочтения: визуализация Типичная потребительская корзина
  22. 22. ЗнанияДанные Комплексная аналитика Чеки География Обращение Сайт Анкеты Перспективность Интересы Удовлетворенность
  23. 23. Метод Сложность Специалист ABC Простой Маркетолог XYZ Простой Маркетолог RFM Простой Маркетолог Соц-дем. Средний Аналитик География Средний Аналитик Поведение Сложный Data Mining аналитик Предпочтения Сложный Data Mining аналитик Комплексная Сложный Команда аналитиков Оценка сложности
  24. 24. Средства анализа Excel CRM СУБД OLAP Data Mining Big Data Технологии анализа
  25. 25. basegroup.ru

×