Применение Data Mining для повышения лояльности клиентов

Информация о клиентах
– скрытый потенциал
программ лояльности
Арустамов Алексей
BaseGroup Labs
Состояние проблемы
Практически все компании признают высокую ценность
преданных клиентов. Многие пытаются внедрять
программы повышения лояльности, однако мало где
работает полноценная программа лояльности.
В большинстве случаев действия компаний сводятся к
разовым акциям, либо раздаче скидок всем подряд.
Очевидно, что ни в том ни в другом случае желаемая цель
не достигается. Разовые операции не позволяют работать
с лояльностью на регулярной основе, а раздача скидок
всем без разбора приводит только к потерям. Скидки
нужно предоставлять клиентам, учитывая их ценность для
компании, иначе затраты на их удержание могут
превысить доходы от работы с ними.
BaseGroup Labs
Как запустить программу лояльности
Для функционирования программы лояльности нужно
ответить на множество трудных вопросов:
 Кто является вашим клиентом, на какие
сегменты они разбиты и что отличает один
сегмент от другого?
 Какие факторы влияют на поведение, какова
структура потребления?
 Через какие каналы на них можно
воздействовать, какова отдача от воздействий?
 Как замерить лояльность, какие факторы
говорят об изменении тенденций?
и многое другое.
BaseGroup Labs
Моделирование как метод решения
Применение методов моделирования – единственный
способ поставить процесс на поток, т.е. решить не
разовую задачу, а запустить механизм
систематического повышения лояльности.
Трудоемкость задачи такова, что любая попытка
решить ее подручными средствами, «на коленке»,
обречена на провал. Сегодня компании фактически
решают задачу лояльности только за счет
максимального упрощения алгоритма, например, дать
всем скидки. Однако проще в данном случае не
означает лучше.
BaseGroup Labs
Оценка трудоемкости
Рассмотрим ситуацию на примере сегментации клиентов.
Если мы хотим сформировать интересные для компании и
привлекательные для клиентов предложения, то нужно
учесть особенности каждой группы-сегмента. Даже для
небольшого проекта необходим учет интересов сотен
различных групп, сильно отличающихся друг от друга.
2*5*5=50 сегментов
Регион
Доходы
2*5=10 сегментов
Возраст
2 сегмента
BaseGroup Labs
Пол
2*5*5*10=500
сегментов
Пример – Direct Marketing
Один из наиболее популярных подходов к повышению
лояльности – формирование адресных предложений клиентам с
учетом их предпочтений. Идея проста: предложить нужный
товар нужным людям в нужное время и в нужном месте. При
решении этой задачи Data Mining необходимо использовать на
каждом этапе работ.
Сегментация
клиентской базы
Оценка эффективности
программы лояльности
Анализ отклика
клиентов
BaseGroup Labs
Выбор целевой
аудитории
Формирование
адресных предложений
Сегментация клиентской базы
Сегментация на основе примитивных правил, например, сочетания
«Пол + Возраст», не отражает реальной сложной структуры клиентов.
Совершенно очевидно, что на предпочтения влияют еще множество
других факторов в очень сложных сочетаниях. Для построения
качественных моделей сегментации необходимо отойти от
примитивных методов группировки и использовать адекватные
многомерные и желательно самообучающиеся Data Mining алгоритмы
сегментации, например, карты Кохонена.
Алкоголь и
табак
Время
суток
BaseGroup Labs
Продукты
питания
Структура
клиентов
Выбор целевой аудитории
После выявления сегментов необходимо проанализировать их:

Оценить размеры и статистические характеристики.

Рассчитать финансовые характеристики сегментов, их
потенциал, привлекательность, перспективность.

Понять, какие характеристики определяют интересные
сегменты, чем они отличаются от остальных.

Определиться, какую стратегию лучше применить к каждому
сегменту: снижение издержек, cross-sell, up-sell…
Инструменты Data Mining позволяют не только провести
кластеризацию, но и интерпретировать полученные результаты при
помощи специализированных механизмов визуализации.
Значимость
факторов
Структура
кластеров
Характеристики
кластера
BaseGroup Labs
Формирование адресных предложений
Очевидно, что чем точнее мы сможем предсказать, какой продукт или
услуга заинтересуют представителей каждого сегмента, тем больший
эффект можно ожидать от адресных обращений. Правильно
сформированные предложения повышают лояльность и доходность, а
неграмотно подготовленные не только не приносят пользу, но еще
раздражают клиентов, снижая лояльность. Инструменты Data Mining
включают алгоритмы, такие как ассоциативные правила, позволяющие
автоматически находить взаимосвязи между товарами и
формировать предложения, на которые, скорее всего, клиент среагирует.
Что уже
купили
Что еще могут
купить
BaseGroup Labs
Вероятность
покупки
Анализ отклика клиентов
Наличие адресных предложений, даже сформированных при помощи
очень качественных алгоритмов анализа, не гарантирует желаемый
отклик, т.к. на любой экономический процесс влияет огромное
количество фактов. Поэтому необходимо после каждого маркетингового
действия анализировать отклик на него, выявлять причины,
оказывающие влияние на процесс. В арсенале Data Mining
присутствуют алгоритмы, позволяющие оценивать влияние факторов,
находить закономерности, например, деревья решений.
Наиболее
значимые
факторы
Правила
BaseGroup Labs
Вероятность срабатывания
Оценка эффективности программы лояльности
Оценка лояльности – сложная задача, которая не может сводиться
только к расчету среднего чека. Для оценки эффективности программы
лояльности необходимо использовать методы, позволяющие учитывать
различные аспекты поведения: частоту закупок, время последней
операции, отклик на предложения, структуру потребления.
Использование методов Data Mining для оценки эффективности
позволяет применять тонкие критерии лояльности, например, переход
клиента из кластера «лояльные клиенты» в «нелояльные» и обратно.
Оценка
лояльности RFM
Номер карт
лояльных
клиентов
BaseGroup Labs
Нелояльные
Лояльные
Data Mining: либо с ним, либо вообще никак
При наличии большой клиентской базы, невозможно
реализовать программу лояльности ручными способами.
Она требует обработки больших объемов данных, тонкой
настройки под клиента, учета разнородных факторов,
автоматического формирования актуальных предложений
и многого другого, что реально достичь только при
использовании методов интеллектуального анализа
данных – Data Mining.
Небольшие компании могут обойтись и без сложного
инструментария, но крупные организации должны либо
активно применять Data Mining, либо отказаться от идей
формирования вокруг себя лояльной клиентской базы. В
их случае, простые, примитивные методы учета
потребностей клиентов бесполезны и неэффективны.
BaseGroup Labs
Целостный подход к лояльности
Обеспечение лояльности сложная и комплексная
задача, не сводящаяся только к построению моделей
и анализу. Необходимо решать множество и других
задач: учет истории взаимоотношений, работа
персонала, обработка рекламаций и многое другое.
Однако именно анализ является «мозгами» всего
комплекса. При отсутствии должной аналитики вся
собранная информация будет лежать мертвым
грузом и не позволит обратить данные о клиентах в
знания о них, способные принести дополнительные
доходы.
BaseGroup Labs
BaseGroup Labs
BaseGroup Labs – профессиональный
поставщик Data Warehouse, OLAP, KDD, Data
Mining решений и инструментов.
Web-сайт:
Образование:
E-mail:
BaseGroup Labs
www.basegroup.ru
edu.basegroup.ru
[email protected]