После обсуждения [/n], предлагаю перейти к более сложной сегментации - RFM сегментации. Название сегментации - это аббревиатура от трех слов:
Recency,
Frequency,
Monetary. Эти понятия служат тремя столбами сегментации:
Recency (давность) - давность какого-либо действия клиента. Для сегментации очень важно эмпирическое свойство Recency - чем меньше времени прошло с момента последней активности клиента, тем более вероятней, что он повторит действие. Например, пусть Recency - это давность последнего заказа клиента, нужно сравнить двух клиентов: у первого давность последнего заказа - 30 дней (30 дней назад он сделал свой последний заказ), у второго - 70 дней. Как Вы думаете, у какого клиента выше вероятность, что он повторит заказ? Правильно, у первого клиента (давность - 30 дней).
Frequency (частота или количество) - количество действий, которые совершил клиент. Для нас важно свойство Frequency - чем больше каких-либо действий совершит клиент, тем больше вероятность того, что он его повторит в будущем. Обычно в литературе и на сайтах основателей этого метода не ограничивается временной интервал, в течение которого меряется Frequency, по опыту скажу, что это делать нужно, например, cчитать Frequency только в течение 360 дней относительно даты анализа. Теперь перейдем к примеру, пусть frequency - кол-во заказов сделанных в течение 360 дней: у первого клиента - 10 заказов, у второго клиента - 5 заказов. Понятно, что у первого клиента вероятность сделать в будущем заказ выше, чем у второго.
Monetary (деньги) - сумма денег, которую потратил клиент. Здесь все, как у Frequency - нужно постараться ограничить время, в течение которого измеряется величина; и чем больше денег было потрачено, тем больше вероятность того, что он сделает заказ. На практике Monetary обычно не используют, т.к. она сильно коррелирует с Frequency. Поэтому RFM сегментация в большинстве случаев называют RF сегментацией.
Итак, у нас есть два параметра для сегментации
Recency (далее R) и
Frequency (далее F), оба эти параметра могут прогнозировать дальнейшее поведение клиента c определенной точностью. И если объединить их в один параметр RF - то точность прогноза повышается в разы. Далее, я приведу последовательность шагов, как это делается (по методике Джима Ново):
Параметр R - бьется на пять частей, и появляются пять значений от 1 до 5. 5 - это когда заказ был сделан совсем недавно.
Параметр F - бьется на пять частей, и появляются пять значений от 1 до 5. 5- это когда клиент сделал в течение определенного периода времени (этот период тоже нужно рассчитать) сделал очень много заказов.
Строится RF сетка (grid): в виде двухзначной комбинации R и F. 55 - сегмент лучших клиентов, 11 - самых худших клиентов.
Вычисляются Transformation rates для каждого сегмента
25 RF сегментов объединяются по Transformation rates в большие сегменты.
Что можно делать с RF сегментами:
Отличная сегментация для Директ маркетинговых кампаний, можно выделить клиентов, которым нужно слать сообщения, и которым не нужно
Можно делать прогнозные модели. Правда по сравнению с [/n], здесь очень сложная матрица переходов.
Можно анализировать не только продажи, но и посещаемость веб сайта.
Можно строить программу лояльности
Я не стал пока детально расписывать шаги, как точно строить сегментацию, тогда лучше уж перевести книгу Джима Ново. Пишите комментарии к статье или мне напрямую через [/n], тогда пойму, что больше всего интересует и смогу осветить Ваши вопросы на сайте. Где можно найти дополнительную информацию:
Посетить сайт [/n], обязательно подпишитесь на его рассылку, он пришлет первые 9 глав своей книги
Drilling Down
Роман, добрый день! Понравилась Ваша статья, просто и понятно написано) А кто автор книги "Стратегический маркетинг баз данных"? Ссылка не работает. Может быть вы посоветуете еще полезные книги по статистическим анализам, которые можно проводить для анализа лояльных клиентов?
Статья хорошая, но еще много вопросов: 1.почему делить на пять частей, может и на 3 будет достаточно или на десять? Вообще, все эти схемы 5х5х5 классов широко описываются в литературе, но обычно неудачно. Каким способом предлагается делить на 5 частей? 2. если сегментация RFM, то куда потерялась Monetary, все таки было бы интересно узнать, как ее следует делить... 3. Про то что Frequency надо считать только за последние 360 дней - тоже надо быть осторожным. Так можно и потерять полезную информацию: например, два клиента не покупали уже 359 дней,- пусть это будет recency=1, но первый клиент сделал всего 1 покупку, а другой - 10. Если пользоваться только опытом автора, то клиенты попадут в один и тот же RF-класс - 11, хотя второго можно поместить в более хороший класс, например, - 14. Конечно, зачастую, при отсутствии покупок 360 дней frequency уже бывает не так важна, но случаи бывают разные!
Сделали RFM решение под 1С: https://sites.google.com/site/rfmscoring / интегрируется в типовые конфигурации или может использоваться как отдельный продукт с подключением к внешнему хранилищу данных
Перед запуском рекламной кампании в электронной коммерции разрабатываются маркетинговые модели, которые должны в точности отражать маркетинговую стратегию.
Интернет-реклама (или интернет-маркетинг) приводит потенциальных клиентов на сайт и требует серьезных инвестиций. Веб-аналитика помогает сделать анализ рекламы,
оценить конверсию сайта и посещаемость сайта. В качестве технического средства лучше использовать Google analytics, это очень хороший счетчик посещений сайта, можно
сказать лучший из всех бесплатных счетчиков сайтов.
На эффективность продвижения юзабилити влияет, но не настолько, как сейчас распространено мнение в сети Инернет. Больше влияют алгоритмы рекомендаций и навигация на сайте.
Сайты накапливают базу данных клиентов. И анализ интернет-магазинов показывает, что эта информация в маркетинге используется слабо.
Business intelligence или bi система позволяет делать сегментацию потребителей по поведению и демографии, а также скоринг вероятности отклика клиента.
Data mining инструменты затем используют для проведения кампаний прямого маркетинга (или direct marketing) по базе данных клиентов.
OLAP и bsc (сбалансированные показатели) инструменты очень важны для анализа в маркетинге. Bi системы также являются основой любой аналитической CRM системы.
Все это образует электронный маркетинг. Об этом весь сайт KPIs.ru, включая мои лекции по маркетингу.
