Применение методов интеллектуального анализа данных, Задача поведенческой сегментации, формирование портретов клиентов по поведению - Интеллектуальный анализ данных, который способствует поддержке маркетинга в компании
Задача поведенческой сегментации, формирование портретов клиентов по поведению
Одними из основных задач анализа являлись: поведенческая сегментация клиентов на различные кластеры, понимание их поведения, поиск закономерности и причинно-следственной связи в поведении клиентов. Данный раздел можно отнести к задачам описательного характера, а не предсказательного. Практическим применением результата анализа являлось выявление "лучшего" или "идеального" поведения клиента, и попытка навязать данное поведение другим клиентам. Другими словами, с самого начала клиентского цикла жизни в компании на поведение клиентов будет оказываться искусственно созданное влияние.
Задаче сегментации клиентов по поведенческим характеристикам был отведен особый приоритет. Поэтому для решения этой задачи было использовано несколько методов интеллектуального анализа данных.
В рамках данной задачи было создано отдельное представление данных "ThirdTimeColPlus", описанное во второй главе. Оно представляло собой таблицу, содержащую информацию по первым трем заказам, у клиентов с 3-мя и более заказами. Представление содержало в себе непрерывные значения, а также, созданные из непрерывных, логические и дискретные значения. Например, поле, отражающее количество дней между заказами, преобразовывалось в поле, отражающее информацию следующим образом: "0-10 дней", "больше 1 месяца" и др. В анализе для получения дополнительных знаний также использовались и другие таблицы. В следующих пунктах исследования представлены основные полученные результаты.
Дерево решений
Первостепенной задачей при сегментации клиентов было определение "первых шагов" или первых действий клиента в рамках его жизненного цикла. Для этого был использован метод интеллектуального анализа данных "дерево решений". Данный метод является наиболее подходящим для описания поведения клиента, так как отражает в прозрачной очевидной форме желаемый результат. Входными данными были: количество доставок в первом заказе, тип первого заказа (WOW, Diet, Other), количество дней между первым и вторым заказом, количество доставок во втором заказе, тип второго заказа. Выходными объектами были: количество дней между вторым и третьим заказами, а также количество доставок в третьем заказе.
При использовании логических значений указанных переменных, полученный результат был неудовлетворительным. Ниже представлена диаграмма полученного дерева с выходной переменной - количество доставок в третьем заказе:
Рис 7. Диаграмма первой модели дерева решений, таблица "ThirdTimeColPlus" (см. Приложение 5).
Очевидно, что подобная диаграмма не может решить поставленную задачу, поэтому было принято решение вернуться к стандартным непрерывным значениям, после чего корректно настроить модель. Полученный результат представлен ниже:
Рис 8. Диаграмма второй модели дерева решений, таблица "ThirdTimeColPlus" (см. Приложение 1, Приложение 2).
Полученная диаграмма является наиболее наглядной, с большим уровнем детализации. Изучив полученную модель, можно сделать следующие выводы:
- - Клиенты, которые берут продукт "Other", имеют, как правило, по одной доставке в заказе, или продукт "Diet" с одной доставкой в заказе. Чаще всего это ужины, рассчитанные на две порции. Данный сегмент клиентов является наибольшим (21%) и был изучен с точки зрения периодичности из заказов, так как их размер и тип заказов чаще всего не меняется. Были выявлены подсегменты клиентов, которые заказывают ужины каждый конец месяца и каждый раз перед новым годом. Как правило, женщины с отсутствием времени по причине работы. Также - подсегменты клиентов, которые заказывают в такие праздничные дни, как "8-е марта" или "14-е февраля". Клиентами из данного подсегмента оказывались в основном мужчины, которые хотели сделать приятно своей паре. Основываясь на данном результате, маркетинговый отдел разработал рекламные кампании, адаптированные именно на описанные подсегменты клиентов. "ELEMENTAREE" начала позиционироваться не только как компания, в которой можно осуществить подписку на правильное питание в течении длительного времени, но и как компания, где можно приобрести тематический романтический ужин на двоих, или ужин ресторанного уровня, не выходя из дома, по случаю праздничного дня. - Клиенты, которые берут подписку на "WOW". Таковых оказалось около 30% от общего числа анализируемых клиентов. Чаще всего клиенты берут сначала подписку на 1 неделю. Данный вариант подписки - 1 неделя - предполагает знакомство клиентов с форматом питания и с продукцией компании ELEMENTAREE. Из диаграммы дерева принятия решений можно выявить, что среди клиентов, у которых первым заказом является недельная подписка на "WOW", нет никакой закономерности в последующих заказах. Однако, подсегмент клиентов, которые берут сразу месячную подписку, демонстрирует, что большинство из них становится лояльным клиентами, которые продляют программу питания из месяца в месяц. На основании полученного результата была выдвинута гипотеза, которая в настоящий момент еще тестируется: за первую неделю клиенты испытывают больше дискомфорта, чем удовольствия, по сравнению со старым привычным форматом питания. Не успевая сформировать новые привычки и войти в режим нового формата питания, клиенты не приобретают нужную лояльность и не имеют в своем большинстве определенного типа поведения. На данный момент для проверки гипотезы искусственно повышается лояльность клиентов, путем формирования выгодных акций и скидок при первом заказе на 2 недели питания, за которые у клиента должна выработаться привычка, а новый формат питания стать для них более эффективным. На текущий момент реконверсия во второй заказ среди клиентов, у которых в первом было 2 недели питания, по сравнению с клиентами, у которых была 1 неделя питания - выше приблизительно на 30%, что говорит о высоком первоначальном результате. - Клиенты, которые берут подписку "Diet" с двумя доставками в первом заказе (недельная подписка). Как и в случае с подпиской на "WOW", большинство клиентов берет "пробную неделю". После клиенты начинают лояльно брать "Diet" подписку на месячное питание. Данный тип клиентов уже был знаком отделу маркетинга, так как это поведение уже успешно навязывалось клиентам. Однако, было обнаружен сегмент клиентов, которые после первого заказа на две доставки берут еще один такой же заказ, и только в третий заказ приобретают месячную подписку на питание. Конверсия среди подобных клиентов в лояльных клиентов, которые начинают заказывать месячные подписки оказалась выше почти на 20%. Была построена аналогичная гипотеза: за одну неделю клиенты не успевают привыкнуть к новому формату питания, от чего испытывают больше дискомфорта, чем удовольствия. Было принято решение предоставить клиентам первоначально две недели со скидками, после чего реализовать до полного месяца оставшиеся две недели. В итоге клиент получал 3 отдельных заказа (неделя за 8 000 руб., неделя за 8 000 руб., 2 недели за 16 000 руб. питания) по цене одного (месяц питания 27 000 руб.), на конечную цену также накладывалась скидка (итоговая цена составляла 25 000 руб. вместо 32 000). Подобная маркетинговая кампания оказалось успешной при тестировании и была внедрена на постоянную основу. Коэффициент последующей реконверсии в повторные заказы по 8 доставок (месячная подписка) был увеличен, однако имеет переменный характер. Среднее значение составляет 18%. - Клиенты, которые берут подписку "Diet" с восьмью доставками в первом заказе. Этот сегмент составляет порядка 8% от общего числа изучаемых клиентов. Оказалось, что в своем большинстве данный сегмент клиентов узнал об "ELEMENTAREE" благодаря "сарафанному радио". Поэтому данный способ привлечения клиентов в связи со своей эффективностью был пересмотрен заново: были разработаны новые программы бонусов при привлечении, а также сформировано такое понятие, как "продукция ELEMENTAREE". Туда входили наклейки, брелоки, подвески и украшения с логотипами компании, которые упаковывались вместе с ингредиентами. Результат находится в состоянии мониторинга.
Кластеризация
Другим методом интеллектуального анализа данных для сегментации клиентов по поведению была выбрана кластеризация. При анализе были использованы логические дискретные значения интересующих объектов. Полученный результат принес меньше изменений и реакции со стороны маркетингового отдела компании чем результат анализа с помощью алгоритма дерева решений. Однако полученные знания являются не менее важными, так как формируют более полное понимание типов клиентов, а полученные кластеры можно считать отдельными сегментами клиентов. Результат кластеризации показывает самые большие сегменты клиентов по их поведению среди клиентов, которые совершили три или более заказа. Ниже представлены профили кластеров:
Рис 9. Диаграмма профилей кластеров (см. Приложение 6)
Описание первых 6-ти кластеров:
- 1. Кластер 2. Данный кластер состоит из клиентов, у которых 1-й, 2-й и 3-й заказы в основном на 2-3 доставки (недельная подписка). У 18% клиентов в 3-м заказе 4-5 доставок (подписка на 2 недели). Между заказами в основном меньше 10-ти дней. Во всех трех случаях тип подписки "Diet". 2. Кластер 1. Равный по размеру предыдущему, Кластер 1 отличается типом подписки - подписка на "WOW". Равный размер кластеров говорит об успешном внедрении нового продукта. Временные промежутки между заказами находятся в диапазоне до 1 месяца. В основном, все заказы на 1 доставку (недельная подписка), у 22% клиентов из данного сегмента в 3-м заказе 2-3 доставки (подписка на две недели). 3. Кластер 4. Данный кластер напрямую отражает клиентов с поведением, которое было описано в предыдущей подглаве: 2 доставки в первом заказе (ознакомительная неделя), по восемь доставок в последующих заказах (переход на месячную подписку). Тип подписки у всех клиентов "Diet". Количество дней между заказами, как правило, меньше 10-ти дней. 4. Кластер 3. Данный кластер состоит из клиентов, которые заказывают ужины (1 доставка) с типом подписки "Other" (в БД этот тип отражен как "NobodyKnows"). 30% клиентов из Кластера 3 с 3-го заказа переходят на подписку "WOW", 33% из них (около 10% от Кластера 3) заказывает 1 доставку (ознакомительная неделя), 50% от перешедших (около 15% от Кластера 3) заказывает 2-3 доставки (подписка на 2 недели), 16% (около 5% от Кластера 3) оформляют 4-5 доставок (месячная подписка). 5. Кластер 5. Очень похож на Кластер 4, но отличается типом продукта - в Кластере 5 продуктом является подписка на "WOW". Клиенты заказывают одну доставку в 1-м заказе (недельная подписка) и 4-5 доставок в последующих (месячная подписка). Около 75% клиентов делает повторный заказ в течение 10-ти дней с момента последней доставки. 6. Кластер 6. В данном кластере присутствуют клиенты, которые с самого первого раза заказывают по 8 доставок (месячные подписки). Тип подписки у всех клиентов "Diet". Между заказами в основном меньше 10-ти дней.
Полученные результаты анализа, относящегося к задачам поведенческой сегментации и формированию портретов клиентов по поведению, были проверены на соответствии с реальными данными. Также результаты анализа не противоречят логике здравого смысла, что означает достоверность и правдивость знаний, которые были получены с помощью моделей Data Mining. В результате выделены основные сегменты клиентов по их поведению:
- - Клиенты, которые с определенной периодичностью заказывают ужины или недели питания с "ELEMENTAREE" - Клиенты, которые берут пробную неделю (недели) питания, после чего начинают заказывать месячные подписки на постоянной основе - Клиенты, которые с первого заказа оформляют месячные подписки на питание
Маркетинговым отделом компании был произведен глубокий анализ каждого из полученных сегментов клиентов. Были вынесены следующие рекомендации для компании:
- - Компании следует изменить свое позиционирование и позиционирование своей продукции на рынке. На текущий момент компания "ELEMENTAREE" позиционирует свою продукцию, как эффективное питание на каждый день. Однако, один из основных сегментов клиентов, который заказывает разовые доставки с определенной периодичностью, воспринимает продукцию компании в качестве блюд ресторанного уровня, которые предназначены для особого ужина - Компании следует навязывать клиентам другое поведение. Результаты исследования показывают, что клиентам необходимо некоторое время для того, чтобы адоптироваться к новому формату питания. Необходимо увеличить этот временной промежуток до 2-х недель путем проведения различных акций и влияния на систему мотивации клиентов - Компании следует увеличить эффект от "сарафанного радио". Практически весь сегмент клиентов, которые в своем первом заказе оформляют 8 доставок, а после продолжает регулярно питаться, узнает о компании "ELEMENTAREE" через своих знакомых
Были изменены маркетинговые кампании для увеличения ориентированности на потенциального клиента. Условия акций и скидок были изменены, для достижения желаемого поведения клиентов. Был проведен ряд мероприятий по увеличению узнаваемости компании, а также для увеличения эффекта "сарафанного радио". В настоящее время происходит мониторинг эффектов от описанных изменений.
Похожие статьи
-
Заключение - Интеллектуальный анализ данных, который способствует поддержке маркетинга в компании
В рамках проведенного исследования была проделана работа по разработке системы интеллектуального анализа данных для поддержки маркетинга производственной...
-
Объектом исследования является производственная компания ООО "Элементари" (ELEMENTAREE) (http://www. elementaree. ru/). Исследования, отображаемые в...
-
Описание исходных данных На текущий момент (в силу большой загрузки IT-отдела) не реализован доступ к серверу с ХД, маркетинговые данные выгружаются в...
-
Прогнозирование оттока клиентов Отделом маркетинга компании ELEMENTAREE было выявлено, что практически все клиенты, у которых отсутствовали заказы в...
-
Введение - Интеллектуальный анализ данных, который способствует поддержке маркетинга в компании
В связи возникших условий экономического кризиса наблюдается рост издержек маркетинговой деятельности. Отдел маркетинга компании "ELEMENTAREE" испытывает...
-
Предложенный подход к решению задач исследования Используя в качестве основы присутствующее в наличии программное обеспечение, которое применимо к...
-
Теоретические предпосылки исследования Системы поддержки принятия решений Системы поддержки принятия решений (СППР), представляют собой приложения узкого...
-
Увеличение эффективности деятельности отделов В рамках данной задачи производился анализ данных с целью выявления любых знаний, на базе которых можно...
-
Для того, чтобы разработать оптимальный метод интеграции сторонних систем в существующую ИТ-инфраструктуру систем компании, требуется точно поставить...
-
В данном пункте представлено описание подключаемых к общей архитектуре ИС компании систем. Описание систем является справочной информацией для...
-
В выпускной квалификационной работе предметом исследования является деятельность по учету и управлению доставкой корреспонденции. Для того, чтобы...
-
Построение модели предметной области с помощью описания структур данных и программного кода является классическим подходом в разработке ИС. Зачастую...
-
Информационная система крупной организации, как правило, представляет собой исторически сложившуюся совокупность отдельно работающих систем, которые...
-
Текущая инфраструктура компании совершенствуется, всегда появляются новые системны для подключения и внедрения. Инфраструктура построена на схеме...
-
Задачей проекта По внедрению Campaign Management является автоматизация полного цикла проведения кампаний, включая: Ѕ сегментацию и отбор Клиентов; Ѕ...
-
SPSS Modeler [29] - это программный комплекс, позволяющий строить прогностические модели и применять эту информацию при принятии решений на уровне...
-
Необходимо исследовать зависимость влияния различных факторов на параметр, характеризующий производство. В качестве такого параметра было выбрано...
-
Онлайн исследования в социологии: новые методы анализа данных - Распространение новостной информации
На сегодняшний день анализ социальных сетей и медиа, Интернет-сообществ, пользователей в целом используется в основном в маркетинге. Компания может...
-
Решения компании IBM - Технологии больших данных: анализ и выбор решения для реализации проекта
Технологии анализа больших данных являются прекрасным дополнением к средам хранения больших данных. Множество применений включает в себя, например,...
-
Системная архитектура проекта Архитектура данных При организации любой управленческой работы, в том числе и работы по управлению заказами клиентов, очень...
-
1.2.1 Уточнение постановки задачи Для анализа в рамках проекта выберем очень простые, но от этого не менее актуальные , задачи БД отеля. 1. Добавление...
-
Корпоративная интеграционная подсистема на базе IBM WebSphere Business Integration Message Broker [28] отвечает за выстраивание корпоративной...
-
В данной главе представлено описание возможных вариантов совершенствования архитектуры предприятия в части гибкого подключения сторонних систем и их...
-
Известно, что создание систем "с нуля" приводит к глобальным затратам компании на фонд оплаты труда, на поддержание созданного решения. К тому же, чем...
-
По результатам данного исследования необходимо выявить недостатки и ограничения существующих технологий интеграции. Для проведения исследования...
-
Определение методов реинжиниринга информационных систем Основные задачи, которые стоят перед проектировщиком, занимающимся реинжинирингом информационных...
-
Язык программирования R - Технологии больших данных: анализ и выбор решения для реализации проекта
Язык программирования R является универсальным и разработан для применения в следующих областях: разведочный анализ данных, классические статистические...
-
Введение - Технологии больших данных: анализ и выбор решения для реализации проекта
В конце 2000х годов были уже сформированы решения класса Business Intelligence, которые являются альтернативой традиционным методам управления базами...
-
Для достижения цели, поставленной в данной работе, необходимо проанализировать текущую ситуацию в области информационных систем, сравнить информационные...
-
В данном пункте представлено описание подключенных систем к общей инфраструктуре ИС компании. В случае IBM SPSS: Вследствие того, что сбор данных с...
-
Прогнозируемая оценка проекта после реализации единой шины данных как прослойки между всеми компонентами ИТ-ландшафта компании выполняется по методу...
-
Эффективность работы бизнеса напрямую зависит от эффективности работы ИТ. При внедрении новых проектов, связанных с развитием бизнеса, происходит...
-
В данной главе приведена характеристика текущей архитектуры информационных систем компании. Описаны основные компоненты архитектуры. Приведено...
-
Как известно , необходимость интеграции нескольких информационных систем как внутри одной организации (системы являются подсистемами к историчной...
-
Описание бизнес-процессов бюджетирования в группе компаний нефтегазового сектора Одна из исследовательских задач данной работы состоит в том, чтобы...
-
В данном разделе описывается предлагаемый метод обнаружения уязвимостей веб-приложений на основе контроля поведения веб-приложения. Применение метода Как...
-
Обоснование выбора средств разработки проекта Для реализации корпоративной информационной системы "Бюджетное планирование и отчетность" в исследуемой...
-
За последние годы было разработано большое количество методологий и стандартов построения и описания различных уровней архитектуры организации, в том...
-
Постановка задачи Имеющаяся база данных SQL имеет недостаточное количество полей и таблиц, не имеет упорядоченной структуры пользователей для работы с...
-
Исходя из контекста решаемой задачи, для сравнительного анализа рассмотренных математических моделей обнаружения аномалий можно выбрать следующие...
Применение методов интеллектуального анализа данных, Задача поведенческой сегментации, формирование портретов клиентов по поведению - Интеллектуальный анализ данных, который способствует поддержке маркетинга в компании