Создано с помощью openai.com https://labs.openai.com/s/SpAZlVi8fVRXueTBoKdi9p0w
Крупные компании имеют миллионы клиентов
Без сегментации очень сложно создавать маркетинговые стратегии или коммуникации с клиентами, такие как электронные письма или информационные бюллетени. Сегментация клиентов — важный инструмент для бизнеса, стремящегося оптимизировать свои усилия в области маркетинга и разработки продуктов и лучше обслуживать своих клиентов.
Существуют различные способы сегментации клиентов. В этом блоге я сосредоточусь на транзакционной сегментации клиентов, также называемой моделированием RFM (недавность, частота, денежная сумма).
RFM
- R = Recency = Когда клиент совершил последнюю покупку.
- F = Frequency = Как часто клиент совершает покупку.
- M = Monetary = Сумма совершённой покупки.
Процесс использования транзакционной сегментации для создания маркетинговой стратегии показан здесь.
Транзакционное моделирование
Чтобы продемонстрировать транзакционную сегментацию, я возьму пример интернет-ритейлера. Здесь показаны примеры данных розничных транзакций.
Данные содержат такую информацию, как номер счёта-фактуры, купленный товар, количество купленного товара, а также цену.
Модель RFM
Расчёты RFM выполняются на уровне клиента. Дата выставления счёта может быть использована для расчёта недавности, номера счетов-фактур могут быть использованы для расчёта частоты, а общая цена может быть использована для расчёта денежной стоимости.
После расчёта RFM данные будут содержать дни с момента последней покупки, частоту, измеренную как количество счетов-фактур в месяц, и денежную стоимость как сумму всех покупок за месяц.
Пример данных по расчёту RFM показан здесь.
Кластеризация
Расчёт RFM выполняется для каждого клиента, временные рамки могут быть ежемесячными, годовыми или любыми другими, требуемыми бизнесом. Используя значения RFM, клиенты могут быть сегментированы с помощью алгоритма кластеризации.
Здесь показан результат алгоритма кластеризации. Каждая точка соответствует клиенту. Цвет точки соответствует сегменту. Всего 5 сегментов, и каждый клиент отнесён к сегменту.
Интерпретация сегментов
Хорошо иметь красивую визуальную кластеризацию. Однако не менее важно понять, что означают кластеры.
Визуализация, которая может помочь в интерпретации сегментов, — это параллельные координаты, как показано ниже. Вы можете увидеть вертикальную линию для недавности, частоты и денежной суммы. Все значения были стандартизированы так, чтобы они находились в диапазоне от 0 до 100. Самая правая вертикальная линия предназначена для сегментов или кластеров.
Маркетинговая стратегия
Используя параллельную визуализацию координат, мы можем интерпретировать каждый сегмент и разработать маркетинговую стратегию. Показан визуальный образ для каждого кластера или сегмента.
Кластер 0
- Интерпретация — клиенты, которые не совершали покупок в последнее время.
- Стратегия — делать предложения, чтобы вернуть их к покупкам.
Кластер 1
- Интерпретация — клиенты с высокой денежной стоимостью.
- Стратегия — создать программу лояльности, чтобы они могли продолжать тратить больше.
Кластер 2
- Интерпретация — клиенты, которые не совершали покупок в последнее время.
- Стратегия — делать предложения, чтобы вернуть их к покупкам.
Кластер 3
- Интерпретация — клиенты, которые могут уйти.
- Стратегия — удержать их с помощью интересных предложений.
Кластер 4
- Интерпретация — постоянные клиенты.
- Стратегия — создать программу лояльности, чтобы они продолжали совершать покупки на регулярной основе.
Заключение
В этом блоге вы увидели, как перейти от данных к созданию маркетинговых стратегий для роста бизнеса. Сегментация клиентов с использованием RFM — это очень эффективная стратегия, которую можно реализовать с помощью кластеризации и визуализации интерпретации.
Источники данных
Источник данных, использованный в блоге, доступен здесь: https://archive.ics.uci.edu/ml/datasets/online+retail
Его можно использовать в коммерческих или некоммерческих целях, ссылаясь на следующую публикацию:
Daqing Chen, Sai Liang Sain, and Kun Guo, Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining, Journal of Database Marketing and Customer Strategy Management, Vol. 19, №3, pp. 197–208, 2012 (Published online before print: 27 August 2012. doi: 10.1057/dbm.2012.17).
Демонстрация
Вы также можете посмотреть демонстрацию моделирования RFM на моём канале YouTube.
Пожалуйста, подпишитесь на Medium по моей реферальной ссылке.
Присоединяйтесь к Medium по моей реферальной ссылке — Pranay Dave
Пожалуйста, подпишитесь, чтобы быть в курсе, когда я выпущу новую статью.
Получать электронную почту каждый раз, когда Pranay Dave публикует новую статью.
Дополнительные ресурсы
Веб-сайт
Вы можете посетить мой веб-сайт, который представляет собой платформу для изучения науки о данных без использования кода. https://experiencedatascience.com
Канал на YouTube
Вот ссылка на мой канал на YouTube: https://www.youtube.com/c/DataScienceDemonstrated