Click here to print.

Управление маркетингом

Типичные маркетинговые задачи, решение которых не возможно без статистического анализа и методов data mining:  анализ конкурентов, сегментация клиентской базы, построение профилей клиентов, поиск наиболее доходных рыночных ниш, повышение лояльности клиентов, уменьшение оттока клиентов, моделирование выбора покупателей, проведение потребительских тестов и др. Ниже приведено краткое описание одного из таких проектов.

Сегментация клиентской базы розничной сети магазинов

Главная цель проводимого анализа – подготовить аналитическую базу для принятия решения по количеству уровней накопления для запуска бонусной программы лояльности для сети магазинов.

Задачи для решения

1. Провести анализ клиентской базы компании и выделить целевые и нецелевые сегменты для дальнейшего моделирования потребительского выбора.

2. Провести кластерный анализ клиентской базы компании по степени лояльности клиентов.

3. Выявить скрытые связи между покупками товаров номенклатуры А и списком интересующих товаров В, С, В и т.д. в каждом сегменте.

4. Определить наиболее доходные лояльные сегменты и выявить типичные шаблоны покупок клиентов в них.

Исходные данные

Транзакционные данные (чеки) по всей сети магазинов о покупках по номенклатуре всех товаров в разрезе клиентов, имеющих бонусные карты за 2 года. Особенность исходных данных в том, что бонусные карточки могут передаваться клиентами другим покупателям.

Используемые статистические методы

1. ABC-анализ и XYZ-анализ для кластеризации клиентов по степени доходности.

2. RFM-анализ для сегментации клиентов по степени лояльности.

3. Ассоциативный анализ – алгоритм data mining для поиска скрытых  нетривиальных закономерностей в данных. Впервые ассоциативный анализ был применен для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда данный метод называют еще анализом рыночной корзины (market basket analysis).

Полученные результаты

1. Удалось выделить сегмент карт "фродо", например, сотрудников сети, использующих карты лояльности. Были разработаны критерии отнесения карты к "фроду" для их блокировки.

2. Вся клиентская база была разделена на сегменты по степени лояльности.

3. В результате ассоциативного анализа были найдены нетривиальные пары и тройки продаж товаров в платежеспособных клиентских группах. На основе полученных результатов были разработаны предложения по акциям торговой сети.

4. Для наиболее лояльных клиентов были выделены последовательные шаблоны покупок. 

На основе проведенного исследования была разработана маркетинговая программа лояльности клиентов. В результате проведенных мероприятий у целевых сегментов вырос средний чек по всей торговой сети.