'

Решение по предсказанию и анализу поведения клиентов

Понравилась презентация – покажи это...





Слайд 0

Решение по предсказанию и анализу поведения клиентов


Слайд 1

План презентации Подход к внедрению Sell4Cast – основные возможности Sell4Cast – решаемые задачи Создание моделей Cross/Up-sell Моделирование ценности клиента и оптимальных воздействий по удержанию Оптимизация маркетинговых кампаний Предсказание ухода Возможности интеграции


Слайд 2

Подход к внедрению


Слайд 3

Методология проектов: CRISP – DM Business Understanding Data Understanding Data Preparation Modeling Evaluation Deployment Data


Слайд 4

Фазы проекта внедрения Главные факторы успеха проекта: Правильная постановка задачи Наличие и подготовка необходимых данных Sell4Cast Forecsys Team


Слайд 5

Sell4Cast Основные возможности


Слайд 6

Информативность признаков: Определение важности каждого фактора Информативность - мера значимости найденной закономерности.


Слайд 7

Информативность признаков: Определение важности совокупности факторов


Слайд 8

Автоматизация фаз методологии CRISP-DM 3 клика 6 кликов 3 клика


Слайд 9

Автоматический отбор признаков для модели и сегмента 10 из 32 Редуцированное признаковое описание ~ 500 Оптимальное признаковое описание 100


Слайд 10

Визуализация данных


Слайд 11

Возможности построения моделей


Слайд 12

Экспорт алгоритмов


Слайд 13

Автоматизация фаз методологии CRISP-DM 3 клика 6 кликов 3 клика


Слайд 14

Сравнение эффективности алгоритмов Cumulative Gain Chart Cumulative Lift Chart Lift Chart


Слайд 15

Просмотр качества алгоритмов во времени


Слайд 16

Автоматизация фаз методологии CRISP-DM 3 клика 6 кликов 3 клика


Слайд 17

Запуск модели


Слайд 18

Обновление модели Создание сегмента Автоматическая настройка модели для сегментов Запуск модели для периодической классификации абонентов Обновление исторических данных сегмента Мониторинг качества работы модели


Слайд 19

Sell4Cast Решаемые задачи


Слайд 20

Решаемые задачи Прогнозирование и построение моделей ухода клиентов Предложение клиенту лучшего продукта с помощью построения Cross/Up-sell моделей Моделирование ценности клиентов в долгосрочной перспективе Выбор оптимального состава участников для маркетинговой кампании


Слайд 21

Жизненный цикл клиента Потенциальный клиент Клиент Бывший клиент Целевой рынок Новый клиент Высокая ценность Высокий потенциал Низкая ценность Добровольный уход Принудительный уход Заполнение заявки на подключение Активация Первоначальные покупки Кампании по привлечению новых клиентов Отключение за неоплату или мошенничество Прекращение использования услуг Добровольный отказ от использования Кампании Cross/Up-sell Кампании по удержанию Кампании по возврату ушедших клиентов


Слайд 22

Создание моделей Cross/Up-sell Cross/Up-sell model creation


Слайд 23

Cross/Up-sell: Цели Стратегические цели: Повышение ценности клиентов Повышение лояльности клиентов Изменение фокуса: product centric customer centric Тактические цели: Предоставить методологию и инструмент для определения склонности клиентов к приобретению конкретных услуг/продуктов: Анализ интересующего сегмента клиентов Автоматический отбор наиболее значимых факторов Построение интерпретируемых Cross/Up-sell моделей Оценка качества моделей Мониторинг качества моделей во времени Классификация клиентов по произвольному расписанию Sell4Cast


Слайд 24

Схема работы 25 из 58


Слайд 25

Результаты внедрения Возможность автоматического построения и обновления интерпретируемых cross/up-sell моделей для выбранных продуктов Возможность построения различных cross/up-sell моделей для различных сегментов клиентов Загрузка вероятности покупки каждого продукта по каждой модели для каждого клиента в CRM На основе вероятностей покупки проведение четко направленных Cross/Up-sell кампаний Отображение вероятностей покупки каждого продукта сотрудникам колл центра.


Слайд 26

Моделирование ценности клиента и оптимальных воздействий по удержанию Customer Life Time Value and retention incentives modeling


Слайд 27

Моделирование ценности клиента : Цели Стратегические цели: Повысить эффективность маркетинговых кампаний по удержанию за счет: Выбора сегмента прибыльных клиентов Выбора оптимальных воздействий Тактические цели: Возможность автоматического расчета ценности клиента и сравнение способов расчета. Определение ценности сегментов клиентов Проведение кампаний по удержанию на основе ценности клиентов, а не только вероятности ухода Моделирование кампаний по удержанию для максимизации ценности сегмента в будущем Sell4Cast


Слайд 28

Lifetime Value (LTV): состав V(t) – функция ценности клиента, задается пользователем через интерфейс. Пример: V(t) можно положить равным атрибуту «Средний платеж в месяц за последние 3 месяца» S(t) – вероятность того, что клиент не уйдет к моменту t Рассчитывается автоматически D(t) – дисконтирующий множитель, задается через интерфейс


Слайд 29

Грубая оценка S(t)


Слайд 30

Точная оценка S(t)


Слайд 31

What If анализ различных воздействий по удержанию Параметры удерживающего воздействия: C – стоимость коммуникации с клиентом G – стоимость бесплатных для клиента «бонусов» P – вероятность того, что клиент примет предложение (~1) ?v – изменение в функции цены, если клиент примет предложение T – длительность предложения, в течении которого клиент будет активным На основе параметров рассчитывается изменение LTV для сегмента и можно судить о его доходности.


Слайд 32

Оптимизация маркетинговых кампаний Marketing campaign optimization


Слайд 33

Оптимизация маркетинговых кампаний: Цели Стратегические цели: Повышение прибыльности кампаний за счет выбора клиентов, наиболее склонных к отклику Прогнозирование прибыльности кампании по аналогии с уже проведенными кампаниями Тактические цели: Предоставить методологию и инструмент для определения клиентов, склонных к отклику на кампании: Анализ интересующего сегмента клиентов Автоматический отбор наиболее значимых факторов Построение интерпретируемых моделей откликов Оценка качества моделей Мониторинг качества моделей во времени Классификация клиентов по произвольному расписанию Sell4Cast


Слайд 34

Процесс оптимизации кампании


Слайд 35

Пример интерпретируемого алгоритма: Решающий список Если средний ежемесячный платеж > 500руб И Если Стаж > 2 лет И Если Кол-во дней с момента изменения услуг > 200, ТО Клиент откликнется на кампанию с вероятностью 35% Иначе Если Количество дней со смены тарифа < 10 И Если Объем GRPS трафика за последний месяц < 1Мб ТО Клиент откликнется на кампанию с вероятностью 1% Иначе …


Слайд 36

Оценка качества модели


Слайд 37

Оптимизация маркетинговой кампании Приведенная ценность клиента: Доход от кампании:


Слайд 38

Методика оценки эффективности Все потенциальные участники кампании разбиваются на 3 группы: Группа без рассылки: Лучшие клиенты с точки зрения построенной модели с которыми не будет проведена кампания. Тестовая группа: Лучшие клиенты с точки зрения построенной модели с которыми будет проведена кампания. Контрольная группа: Случайный выбор клиентов с которыми будет проведена кампания + + +


Слайд 39

Результаты внедрения Выделение интерпретируемых сегментов клиентов, склонных к отклику на каждую кампанию Загрузка приведенной ценности клиента с точки зрения конкретной кампании в CRM Выбор оптимального состава участников кампании для максимизации прибыли и загрузка результатов в CRM What IF анализ прибыльности потенциальной кампании Проверка эффективности как самой модели, так и маркетинговой кампании Сокращение издержек на кампанию за счет выбора клиентов, наиболее склонных к отклику


Слайд 40

Предсказание ухода Churn prediction


Слайд 41

Тактические цели: Предоставить методологию и инструмент для: Анализ интересующего сегмента клиентов Автоматический отбор наиболее значимых факторов оттока в выбранном сегменте Визуализация данных по оттоку Построение интерпретируемых моделей оттока Оценка качества моделей Мониторинг качества моделей во времени Классификация клиентов по произвольному расписанию Отток абонентов: Цели Стратегические цели: Сократить отток абонентов Проводить более направленные кампании по удержанию клиентов Sell4Cast Churn rate


Слайд 42

Формирование данных для настройки модели 43 из 58


Слайд 43

Моделирование анализа оттока абонентов Автоматизация процесса прогнозирования оттока: Исследование интересующего сегмента клиентов Автоматический отбор наиболее значимых факторов оттока в выбранном сегменте Визуализация данных Построение интерпретируемых моделей оттока Оценка качества моделей Мониторинг качества моделей во времени Классификация по произвольному расписанию


Слайд 44

Возможности интеграции


Слайд 45

Интеграция Настройка способа выгрузки результатов прогнозирования в том числе в хранилище данных CRM В случае отсутствия CRM системы пользователь может самостоятельно просматривать и использовать результаты работы системы через стандартные приложения такие как MS Excel


Слайд 46

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


Слайд 47

Итоги


Слайд 48

Sell4Cast Sell4Cast – средство для построения, хранения и мониторинга качества работы моделей: Оттока клиентов Cross/Up-sell предпочтений Откликов на маркетинговую кампанию Ценности клиентов Sell4Cast позволяет: Определять основные факторы построения моделей в каждом сегменте Автоматически строить легко интерпретируемые модели Оценивать качество построенных моделей, выбирать лучшую модель Производить мониторинг и обновление моделей Настроенная модель легко интегрируется в бизнес процессы компании.


Слайд 49

Наши клиенты Компания Forecsys имеет опыт решения аналогичных проблем в телекоммуникационной отрасли: Предсказание и анализ оттока абонентов Исследование поведенческой сегментации клиентов Сравнительный анализ поведения различных сегментов клиентов СТРИМ и МГТС


×

HTML:





Ссылка: