Документ описывает использование анализа данных для оптимизации программ лояльности и улучшения коммерческих результатов через сегментацию клиентов и кластеризацию их поведения. Рассматриваются методы, такие как RFM-анализ и создание 'живых сегментов', с целью увеличения частоты покупок и повышения среднего чека. Также акцентируется внимание на предиктивной аналитике и необходимости учитывать поведение клиентов для более эффективных предложений.

1. Анализ данных Клиентов
Заставляем данные говорить

2. Программы лояльности
Волшебная пилюля?

3. Данные
собирать
анализироватьПрименять

4. Геоаналитика. Практическое
применение
вы
конкурент
ваши
клиенты
Район
приложени
я усилий

5. Сегментация
Последняя дата
покупки
Количество
покупок в
месяц
Сумма покупки
7 дней назад 1 покупка до 10 рублей
14 дней назад; 2-4 покупки До 50 рублей
30 дней назад; 5-7 покупок До 100 рублей
45 дней назад; 8-9 покупок До 300 рублей
60 дней назад Более 10 От 500 рублей

6. Сегментация
До сегментации После сегментации
RFM –анализ. Пример
Не покупали
более 60 дней
Не покупали более 60
дней
Потратил 500 рублей –
оставляем
Потратил 10 рублей –
не трогаем

7. Кластеризация
Отличительная черта метода – создание «живых сегментов». Мы
не пытаемся сгруппировать их по придуманным нами группам, а
формируем сегменты, исходя из их фактического поведения

8. Кластеризация
Еженедельные
покупки;
 средний чек до 10
рублей;
Превалируют
социально-значимые
продукты
 возраст 60 +;
Высокая частота
покупки;
 200-300 рублей в
месяц;
Творог, молоко,
мясные и колбасные
изделия, рыба;
 возраст 35 + ;
Редкие покупки;
 высокий средний чек;
 готовая продукция,
полуфабрикаты, алкоголь;
Возраст 30 +;

9. Увеличить частоту покупки
Индивидуальное предложение (next best offer)
 покупает шампунь 1 раз в три
месяца (за одно);
 остальное время покупает
шампунь где-то ещё;
Что мы сделаем:
 рассчитаем среднее потребление
шампуня;
 предложим ему в тот момент, когда он
ему будет нужен;
Итог: увеличим частоту покупок;

10. Продать то, что еще не
покупал
Редкие покупки;
 высокий средний чек;
 готовая продукция,
полуфабрикаты, алкоголь;
 57 % покупают копченную
рыбу
Почему не покупают остальные
представители сегмента?
Итог: предлагаем им тот товар, который
свойственен похожим Клиентам и
увеличиваем продажи.

11. Продать то, что еще не
покупал
 Отрасль: деревообработка;
 Потребление краски на 100 000 $ в год;
 Производство 10 000 изделий;
 Закупают абразивы на 20 000;
 Отрасль: деревообработка;
 Потребление краски на 100 000 $ в год;
 Производство 10 000 изделий;
 Не покупают абразивы;

12. Предложение на основе
данных
А также:
 Food cost;
 Итоговая доходность;
 Первая покупка, общая корзины,
динамика категорий, повторные
покупки
Поднимаем средний чек;
Не заваливаем ТОП-продаж;
Высокая
пенетрация

13. Карта решений (основанная на
CLTV)

14. Карта решений (на основе
событий и дат)
Новый год День Рождения
свой, тещи,
ребенка
8 марта
День взятия
Бастилии
День
рационализатора
Годовщина работы с
компанией,
свадьбы…

15. Предиктивная аналитика

16. Предиктивная аналитика

17. Предиктивная аналитика

18. И множество других решений
Анализ Клиентов в социальных сетях;
Анализ эффективности рекламных
коммуникаций (в плоть до сообщения);
Программы лояльности для конечных
потребителей для производителей;

19. ВОПРОСЫ?

20. Спасибо!
Давайте дружить 
Анализ данных:
+375-29-756-52-90
Внедрение лучшего инструмента
BI Qlikview:
+375-29-346-74-78