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.
Воронцов К.В., Гуз И.С.  Москва 2010
<ul><li>Структура </li></ul>Предсказание поведения и потребностей клиентов Повышение доходности и лояльности клиентов Архи...
<ul><li>Как повышать доходность клиентов ? </li></ul>Предложение :  Каждому клиенту банка с зарплатной картой предложим ов...
Предсказание поведения и потребностей клиентов
<ul><li>Что нужно для предсказания ? </li></ul>Экспертные знания Хранилища данных Анкетные данные Формирование предложений...
<ul><li>Физическая модель данных о клиентах </li></ul><ul><li>Пример :  данные о платежах </li></ul>таблица фактов таблицы...
<ul><li>Признаковое описание состояния клиента  </li></ul><ul><li>в определенный момент времени </li></ul><ul><li>(Агрегат...
<ul><li>Построение обучающей выборки </li></ul><ul><li>Пример :  предсказание ухода клиентов </li></ul>
<ul><li>Пример обучающей выборки </li></ul><ul><li>Для построения профиля уходящего клиента </li></ul>Целевой признак Прои...
<ul><li>Построение предиктивных моделей </li></ul><ul><li>By  Константин Воронцов … </li></ul>
<ul><li>Определение качества модели  1 </li></ul><ul><li>Gains Chart &  Коэффициент Джини </li></ul>% уходящих из всех ухо...
<ul><li>Определение качества модели  2 </li></ul><ul><li>Lift Chart &  Лифт в верхнем дециле  (10%  клиентов) </li></ul>Уб...
<ul><li>Использование предсказанных потребностей клиентов </li></ul>
Повышение доходности и лояльности клиентов
<ul><li>Каких клиентов следует включать  </li></ul><ul><li>в  Cross/Up-sell  кампанию ? </li></ul><ul><li>Приведенная ценн...
<ul><li>Оценка эффективности кампаний </li></ul><ul><li>Все потенциальные участники кампании разбиваются на 3 группы : </l...
Автоматизация кампаний прямого маркетинга
<ul><li>Неавтоматизированный подход к созданию моделей поведения клиентов </li></ul>IT Department DWH CRM . . . Получение ...
Operational Database Хранилище данных ( data warehouse) CRM Database Витрина данных настройка классификация результаты эфф...
<ul><li>Воронцов Константин </li></ul><ul><li>[email_address] </li></ul><ul><li>Гуз Иван </li></ul><ul><li>[email_address]...
Upcoming SlideShare
Loading in …5
×

Анализ данных для повышения доходности и лояльности клиентов

1,647 views

Published on

Анализ данных для повышения доходности и лояльности клиентов

Published in: Business, Technology
  • Be the first to comment

Анализ данных для повышения доходности и лояльности клиентов

  1. 1. Воронцов К.В., Гуз И.С. Москва 2010
  2. 2. <ul><li>Структура </li></ul>Предсказание поведения и потребностей клиентов Повышение доходности и лояльности клиентов Архитектура решения по автоматизации повышения доходности клиентов
  3. 3. <ul><li>Как повышать доходность клиентов ? </li></ul>Предложение : Каждому клиенту банка с зарплатной картой предложим овердрафт на эту карту. Всего кредитоспособных клиентов : 10 0 000 Средняя полная стоимость коммуникации с клиентом : 25 0 руб. Средняя прибыль с согласившегося клиента : 10 250 руб. Соглашаются : 2.4 % <ul><li>Прибыль при коммуникации со всеми клиентами : </li></ul><ul><li>( 10 0 000 * 0.02 4 ) * 10 000 – ( 10 0 000 * 0.9 76 ) * 25 0 = - 400 000 руб. </li></ul><ul><li>Невыгодно </li></ul><ul><li>Можем выделить 10% всех клиентов, среди которых 9% соглашаются : </li></ul><ul><li>( 10 000 * 0. 09 ) * 10 000 – ( 10 000 * 0.9 1 ) * 25 0 = 6 725 000 руб. </li></ul><ul><li>Выгодно </li></ul>
  4. 4. Предсказание поведения и потребностей клиентов
  5. 5. <ul><li>Что нужно для предсказания ? </li></ul>Экспертные знания Хранилища данных Анкетные данные Формирование предложений <ul><li>Выделение склонных к покупке на основе : </li></ul><ul><li>Результатов отклика на похожие предложения в прошлом </li></ul><ul><li>Результатов самостоятельной покупки похожих продуктов </li></ul><ul><li>Результатов отклика на пилотную кампанию </li></ul>Данные по проведенным кампаниям Данные по использованию продуктов . . .
  6. 6. <ul><li>Физическая модель данных о клиентах </li></ul><ul><li>Пример : данные о платежах </li></ul>таблица фактов таблицы измерений с иерархиями Платеж Сумма (мера) Код клиента Код времени суток Код даты Код способа платежа Код места Клиент Код Дата регистрации ФИО Пол Способ платежа Код Название Место Код Код типа места Название Код региона Регион Код Название Дата Код Дата Код типа дня Код недели Месяц Код Название Год Неделя (1 /4 месяца) Код Дата начала Дата конца Код месяца Время суток Код Название Тип дня Код Название Тип места Код Название
  7. 7. <ul><li>Признаковое описание состояния клиента </li></ul><ul><li>в определенный момент времени </li></ul><ul><li>(Агрегат) Сумма / Среднее </li></ul><ul><li>(Мера) размер платежа </li></ul><ul><li>За последние (Неделя , Месяц) 1п.нед /2 п.нед /3 п.нед / … /1 п.мес /2 п.мес /3 п.мес / … / 3мес / 6мес </li></ul><ul><li>По (Тип дня) рабочим / выходным / праздничным / любым дням </li></ul><ul><li>В (Время суток) утреннее / дневное / вечернее / ночное / любое время суток </li></ul><ul><li>С помощью (Способ платежа) наличными / кредитной картой / любым способом </li></ul><ul><li>В (Регион) Московская обл. / Нижегородская обл./.../везде </li></ul><ul><li>Через (Тип места) банкомат /POS- терминал / интернет / офис продаж / любой тип места </li></ul><ul><li>Пример : </li></ul><ul><li>Суммарный размер платежа за 1 последний месяц по рабочим дням через POS -терминалы </li></ul>Оценка максимального числа различных простейших признаков, связанных с платежами : 2*10*4*5*3*100* 5 = 600 000 !!!  Признаки следует строить исходя из бизнес задачи , исключая неинформативные иерархии
  8. 8. <ul><li>Построение обучающей выборки </li></ul><ul><li>Пример : предсказание ухода клиентов </li></ul>
  9. 9. <ul><li>Пример обучающей выборки </li></ul><ul><li>Для построения профиля уходящего клиента </li></ul>Целевой признак Производные признаки Базовые признаки Идентификатор Код клиента Пол Возраст Сумм платеж 1мес Ср платеж 1мес … Онлайнер … Уходящий 20957305 Муж 23 200 50 … Нет … Да 49302857 Жен 19 340 100 … Нет … Нет 39572048 Муж 46 200 100 … Нет … Да 35721958 Муж 25 400 400 … Нет … Нет 47265934 Муж 36 140 20 … Нет … Нет 17362049 Муж 51 250 50 … Нет … Нет 39482985 Жен 19 540 270 … Да … Да 98472645 Жен 42 700 350 … Нет … Нет … … … … … … … … …
  10. 10. <ul><li>Построение предиктивных моделей </li></ul><ul><li>By Константин Воронцов … </li></ul>
  11. 11. <ul><li>Определение качества модели 1 </li></ul><ul><li>Gains Chart & Коэффициент Джини </li></ul>% уходящих из всех уходящих Убывание вероятности ухода % всех клиентов S = Коэффициент Джини
  12. 12. <ul><li>Определение качества модели 2 </li></ul><ul><li>Lift Chart & Лифт в верхнем дециле (10% клиентов) </li></ul>Убывание вероятности ухода % всех клиентов Лифт = Доля уходящих в квантиле N Доля уходящих во всей выборке
  13. 13. <ul><li>Использование предсказанных потребностей клиентов </li></ul>
  14. 14. Повышение доходности и лояльности клиентов
  15. 15. <ul><li>Каких клиентов следует включать </li></ul><ul><li>в Cross/Up-sell кампанию ? </li></ul><ul><li>Приведенная ценность клиента : </li></ul>Доход от кампании :
  16. 16. <ul><li>Оценка эффективности кампаний </li></ul><ul><li>Все потенциальные участники кампании разбиваются на 3 группы : </li></ul>Контрольная группа : Лучшие клиенты с точки зрения построенной модели с которыми не будет проведена кампания. Основная группа : Лучшие клиенты с точки зрения построенной модели с которыми будет проведена кампания. Тестовая группа : Случайный выбор клиентов с которыми будет проведена кампания + + +
  17. 17. Автоматизация кампаний прямого маркетинга
  18. 18. <ul><li>Неавтоматизированный подход к созданию моделей поведения клиентов </li></ul>IT Department DWH CRM . . . Получение данных для настройки Построение моделей Выбор лучшей модели Экспорт модели Получение актуальных данных Экспорт результатов в CRM или каналы Подготовка и очистка данных Применение модели и оценка эффекта Подготовка и очистка данных Регулярное применение модели Мониторинг качества модели Обновление модели ?! Matlab, Statistica, . . .
  19. 19. Operational Database Хранилище данных ( data warehouse) CRM Database Витрина данных настройка классификация результаты эффективность Источник 1 Источник … Источник N Хранилище моделей Server Client CRM Server CRM Software Marketing Server Marketing Client Импорт данных настройка моделей классификация данных мониторинг эффективности Внешняя система ( front office ) Заявка на классификацию
  20. 20. <ul><li>Воронцов Константин </li></ul><ul><li>[email_address] </li></ul><ul><li>Гуз Иван </li></ul><ul><li>[email_address] </li></ul><ul><li>Спасибо за внимание! </li></ul>

×