<<
>>

Где теория встречается с практикой: поиск скрытых закономерностей в CRM

Средства поиска скрытых закономерностей могут определить ключе­вые структуры или взаимосвязи в массиве данных и предоставить ценную новую информацию, которая может помочь компании лучше понять себя и своих клиентов.
Подобные средства обычно используются бизнес-ана­литиками для поиска закономерностей, о которых они, возможно, даже не предполагают. Сейчас подобные средства широко применяются для фор­мирования нового уровня знания о рынке — от предсказания возможно­го времени следующей покупки до оптимального расположения товаров в магазине или оптимальной даты выпуска на рынок нового фильма.

Существует большое количество различных математических алгорит­мов для поиска скрытых закономерностей. Некоторые из них относятся к миру эзотерики и слабо применимы для решения бизнес-задач (много­мерные адаптивные регрессивные сплайны — что бы это ни значило). Несмотря на то что в качестве аналитического аппарата могут использо­ваться как жесткие математические алгоритмы (дерево решений), так и нечеткая логика нейронных сетей, в сфере CRM они используются в пер­вую очередь для решения следующих ключевых задач.

1. Предсказания. Использование исторических данных для опреде­ления будущего поведения. Данный процесс создает на выходе модель

или структуру, которая с определенным уровнем статистической точности отображает результат предсказания. Например, предсказательное моде­лирование может, основываясь на исторических данных о покупках этого и других клиентов со схожими потребительскими интересами, предполо­жить, какой именно следующий продукт клиент, скорее всего, купит.

2. Последовательности. Анализ последовательностей определяет комбинации действий, которые следуют одно за другим в соответствии с определенной закономерностью. Компании используют анализ последова­тельностей для того, чтобы определить, существуют ли цепочки действий клиентов при решении тех или иных задач. Подобная техника помогает вы­делить закономерность в последовательности действий из набора разроз­ненных записей в операционных системах компании. Данная техника очень эффективна в банках или, например, телекоммуникационных компаниях для изучения динамики подключения или отказа от тех или иных услуг.

3. Ассоциации. Ассоциативный анализ определяет группы похожих вещей или событий. Он может быть использован для поиска событий, ко­торые происходят одновременно. Данный алгоритм используется часто для анализа потребительской корзины, помогая определить, какие проду­кты лучше продаются вместе (например, орешки — с пивом). Понимание ассоциаций между клиентами и продуктами помогает компании прини­мать ответственные решения о том, какие продукты рекламировать, на ка­кие предложить дополнительную скидку и на какие клиентские сегменты нацеливать те или иные маркетинговые предложения.

Использование средств поиска скрытых закономерностей обычно предполагает наличие специалиста по статистике с хорошим знанием продуктов и услуг компании, а также наиболее применимых в данном слу­чае алгоритмов. Помимо этого требуется соответствующий программный инструментарий. Конечные бизнес-пользователи (руководители подраз­делений, специалисты по маркетингу) вряд ли будут самостоятельно пользоваться данным инструментарием — скорее всего, они получат дос­туп уже к результатам анализа, которые могут быть представлены как в формате отчетов и графиков, так и в формате конкретных выборок или за­дач в операционной С1КМ-системе.

Существует огромное множество возможных применений для трех основных типов анализа скрытых закономерностей, описанных выше: от использования моделей поведения существующих клиентов для марке­тинга по отношению к новым и до избежания наиболее рисковых потен-

циальных клиентов за счет анализа рисков и оценки потенциальной цен­ности клиента в течение его жизненного цикла.

В большинстве случаев компании выделяют отдельный сервер под анализ скрытых закономерностей, куда закачивается вся информация, связанная с клиентами, и где строятся модели и анализируются структуры поведения. Подобные действия обычно требуют существенных компью­терных ресурсов, поэтому вынесение данной функции на отдельный сер­вер помогает избежать лишней нагрузки на другие операционные систе­мы, от бесперебойной работы которых зависит качество и скорость рабо­ты компании в целом. Аналитический сервер может быть связан с выде­ленным хранилищем данных для того, чтобы получать доступ к данным о клиентах и осуществлять моделирование по принципу «что, если.» с различными тарифными планами, клиентскими сегментами или новыми маркетинговыми кампаниями.

Выводы по результатам анализа скрытых закономерностей могут слу­жить сигналом для тех или иных ответственных действий в компании. На­пример, розничная сеть по продаже электроники в Лондоне определила, что большинство потенциальных покупателей портативных DVD-плейеров добирается на работу на электричке. В результате маркетинг перенаправил большую часть рекламного бюджета с телевидения на утренние газеты и рекламные щиты на вокзалах. Продажи плейеров выросли на 43% после смены рекламного носителя. Примечательно, что изменение маркетинговой стратегии было принято не по результатам дорогостоящего и длительного опроса целевых групп, а по результатам работы аналитика за интерфейсом аналитической системы на основе существующих в компании данных.

Понимание будущего поведения существующих и потенциальных клиентов — основная цель большинства приложений в сфере поиска скрытых закономерностей. Среди всего многообразия методик, позволя­ющих достичь подобного понимания, для целей CRM наиболее полезными могут быть «Анализ Web-активности» (так называемый «Clickstream Analysis», дословно — «анализ кликов», совершаемых пользователями мышью за экраном своего компьютера в процессе пользования Web) и «Персонализация».

<< | >>
Источник: Черкашин Павел Александрович. Готовы ли Вы к войне за клиента? Стратегия управления взаимоотношениями с клиентами. 2004

Еще по теме Где теория встречается с практикой: поиск скрытых закономерностей в CRM:

  1. КАКОГО РОДА ЗАДАЧИ ВСТРЕЧАЮТСЯ В ПРАКТИКЕ КОНСУЛЬТАНТА?
  2. Глава 3. Где учиться продающему умному маркетингу или Где искать умных маркетологов
  3. 2. Кому нужна стратегия CRM? Применение CRM в различных сферах экономики
  4. 1.1. Экономическая теория и практика
  5. Ч а с т ь 1 ТЕОРИЯ И ПРАКТИКА МЕЖДУНАРОДНОЙ ПОЛИТИКИ
  6. Глава 1. Теория и практика инвестирования в турбизнесе
  7. Глава 4. КОНСАЛТИНГ:ИСТОРИЯ, ТЕОРИЯ И ПРАКТИКА
  8. Блок 4. Теория и практика КАТАНИЕ НА АМЕРИКАНСКИХ ГОРКАХ
  9. Румянцева З.П.. Общее управление организацией. Теория и практика: Учебник. — М.: ИНФРА-М, — 304 с., 2007
  10. E. С. Стоянова. Финансовый менеджмент: теория и практика, 2003
  11. Кочинев Ю.Ю.. Аудит. Теория и практика. 5-е изд. - СПб.: — 448с, 2010
  12. Н. Е. Симионова, Р. Ю. Симионов. Оценка бизнеса: теория и практика. — Ростов н/Д.: «Феникс», — 576 с., 2007
  13. Зуб А. Т.. Стратегический менеджмент: Теория и практика: Учеб­ное пособие для вузов. — M.: Аспект Пресс, — 415 с., 2002
  14. Под ред. А.Г. Поршнева, М.Л. Разу, A.B. Тихомировой. Менеджмент: теория и практика в России:. Учебник.— М.: ИД ФБК-ПРЕСС,— 528 с., 2003
  15. Под ред. Казанцева А.К., Миндели Л.Э.. Основы инновационного менеджмента. Теория и практика. 2-е изд., перераб. и доп. - М.: — 518 с., 2004
  16. Голубков Е.П.. Маркетинговые исследования: теория, методология и практика. — М.: Изда­тельство «Финпресс», — 416 с., 1998
  17. ЧЕРНЯХОВСКАЯ Т. Н.. Маркетинговая деятельность предприятия: теория и практика / Т. Н. Черняховская. — М. : Высшее образование, — 533 с., 2008
  18. Мелкумов Я.С.. Финансовые вычисления. Теория и практика: Учебно- справочное пособие. — М.: ИНФРА-М, — 383 с. — (Серия «Высшее образование»)., 2002
  19. Моисеева Н.K., Конышева М.В.. Управление маркетингом: теория, практика, информационные технологии: Учеб. пособие / Под ред. Н.К. Моисеевой. —М.: Финан­сы и статистика, — 304 с., 2002