Решение по предсказанию и анализу поведения клиентов. - презентация

1 Решение по предсказанию и анализу поведения клиентов

2 2 из 50 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

3 Подход к внедрению

4 4 из 50 Методология проектов: CRISP – DM Business Understanding Data Understanding Data Preparation Modeling Evaluation Deployment Data

5 5 из 50 Фазы проекта внедрения Понимание бизнес-задачи Понимание источников данных Подготовка данных для анализа Создание модели поведения Проверка качества модели Развертыва ние модели Главные факторы успеха проекта: Правильная постановка задачи Наличие и подготовка необходимых данных Sell4CastForecsys Team

6 Sell4Cast Основные возможности

7 7 из 50 Информативность признаков: Определение важности каждого фактора Информативность - мера значимости найденной закономерности.

8 8 из 50 Информативность признаков: Определение важности совокупности факторов

9 9 из 50 Автоматизация фаз методологии CRISP-DM Создание модели оттока Проверка качества модели Развертывание модели 3 клика6 кликов3 клика

10 10 из 50 Автоматический отбор признаков для модели и сегмента 10 из 32 Редуцированное признаковое описание ~ 500 Оптимальное признаковое описание 100

11 11 из 50 Визуализация данных

12 12 из 50 Возможности построения моделей

13 13 из 50 Экспорт алгоритмов

14 14 из 50 Автоматизация фаз методологии CRISP-DM Создание модели оттока Проверка качества модели Развертывание модели 3 клика6 кликов3 клика

15 15 из 50 Сравнение эффективности алгоритмов Cumulative Gain Chart Cumulative Lift Chart Lift Chart

16 16 из 50 Просмотр качества алгоритмов во времени

17 17 из 50 Автоматизация фаз методологии CRISP-DM Создание модели оттока Проверка качества модели Развертывание модели 3 клика6 кликов3 клика

18 18 из 50 Запуск модели

19 19 из 50 Обновление модели Создание сегмента Автоматическая настройка модели для сегментов Запуск модели для периодической классификации абонентов Обновление исторических данных сегмента Мониторинг качества работы модели

20 Sell4Cast Решаемые задачи

21 21 из 50 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

22 22 из 50 Жизненный цикл клиента Потенциальный клиентКлиентБывший 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

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

24 24 из 50 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

25 25 из 50 Схема работы 25 из 58

26 26 из 50 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.

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

28 28 из 50 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

29 29 из 50 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

30 30 из 50 Грубая оценка S(t)

31 31 из 50 Точная оценка S(t)

32 32 из 50 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.

33 Оптимизация маркетинговых кампаний Marketing campaign optimization

34 34 из 50 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

35 35 из 50 Процесс оптимизации кампании Описание новой кампании Выбор похожих на новую завершенных кампаний Построение модели отклика Построение интерпретируемых моделей отклика Выбор наилучшей модели Моделирование кампании Задание ценовых параметров кампании Задание потенциального объема аудитории Определение потенциальной прибыли Экспорт результатов в CRM Вероятности отклика Ценности участников

36 36 из 50 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 …

37 37 из 50 Оценка качества модели

38 38 из 50 Оптимизация маркетинговой кампании Приведенная ценность клиента: Доход от кампании:

39 39 из 50 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 + + +

40 40 из 50 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

41 Предсказание ухода Churn prediction

42 42 из 50 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

43 43 из 50 Формирование данных для настройки модели 43 из 58

44 44 из 50 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

45 Возможности интеграции

46 46 из 50 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

47 Operational Database Хранилище данных (data warehouse) CRM Database Витрина данных настройкаклассификация результаты эффективность Источник 1Источник …Источник N Хранилище моделей ServerClient CRM Server CRM Software Marketing Server Marketing Client Импорт данных настройка моделей классификация данных мониторинг эффективности Внешняя система (front office) Заявка на классификацию

48 Итоги

49 49 из 50 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.

50 50 из 50 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