Инструментарий

Market Basket Analysis

0

Продолжаем про полезные кейсы для бизнеса.
Немного про розницу.
Очень часто маркетинговые кампании в розничных сетях проводятся по принципу мы сто раз так делали, раньше выросли продажи в 3 раза при снижении цены вдвое, то и теперь обязательно вырастут, при этом абсолютно не смотрят, как поведут себя товары-заменители. Недавно мы решали кейс для одного из розничных сетевых брендов и заметили большие искажения в продажах товаров-заменителей, потребители очень живо реагируют на большой дисконт, действительно продажи резко вырастают, но при этом почти на такой же объем падают в заменителях. Да, торговые сети научились перекладывать свои акции на производителя или сам производитель их проводит. В результате розничная сеть немного вырастает в выручке, но значительно начинает терять в марже, так как резко падает оборот по товарам заменителям, а прирост продаж по товару, по которому проводится акция отнюдь не компенсирует выпадающую маржу заменителя.
Получается, что и маркетологи правы, планируя кампании (ведь все как прогнозировали — выросли продажи по акции и даже посещаемость выросла), однако компания потеряла деньги на этих активностях. Тут есть достаточно простые техники, которые позволяют учитывать все эти тренды, а есть и прекрасные аналитические инструменты, которые можно использовать для более умного планирования маркетинговых кампаний.
Одной из таких техник является Анализ продуктовой корзины (Market Basket Analysis) или в data mining-е — это ассоциативный анализ. Что он позволяет делать? Он выделяет на основе истории транзакций группы товаров, которые чаще всего встречаются в чеках (небольшой пример показан в скрин шоте). После проведения такого анализа у нас появляется отличный инструмент кросс-субсидирования, проводя точечные акции по одним товарам и делая наценку на другие, можно компенсировать выпадающую маржу, а если вы еще и переложите скидку на поставщика, то сможете еще больше заработать.
Также эта техника может быть использована при выкладке товаров — можно как пары собирать вместе, если идет наценка, так и разносить по залу обеспечивая лучшую проходимость полок.
Набирает популярность и интересный подход, модели динамического ценообразования, который может работать даже в ситуации, когда нет электронных ценников. Такой подход позволяет учитывать множество факторов при ценообразовании и дает умный инструмент менеджменту компании для повышения маржинальности, учитывать как эластичность спроса по цене, так и перекрестную эластичность по группам заменителей, кроме этого, обогащая витрину данными о конкурентах можно учитывать эластичность по цене конкурента. И чем сложнее логика и витрина, тем сложнее этот процесс становится поддерживать вручную (и не поддерживают), при этом допускается множество ошибок и потерь, мы научились строить такие сложные модели, использовать в моделях бизнес-метрики для оценки их качества, а не только ориентироваться на статистические критерии и находить оптимальные цены/скидки для повышения маржинальности проводимых активностей.
И конечно, мы умеем прогнозировать спрос, оптимизировать склады и логистику, проводить RFM-сегментацию и многое другое. Но об этом чуть позднее.
Интересно подробнее про подходы и инструментарий, welcome в ЛС.

Удачи Вам, будьте более эффективны!

Кейсы для байеров и селлеров ТВ рекламы

0

Недавно мы тут решали интересный кейс для одного из сейлз хаусов крупного ТВ оператора. Ну прежде всего мы научились парсить сложные логи (ну не то, чтобы не умели, но теперь умеем гораздо больше), измерять различные метрики (охват, аудитория, различные удельные статистики смотрения в разрезе эфирных событий, в различных срезах и т.д.), набирать панельные данные, делать различные коррекции.
Кроме этого, мы научились восстанавливать профиль домохозяйства по смотрению, определять количество зрителей, их состав, количество детей, наличие пенсионеров и домохозяек, половозрастной состав, занятость. В общем все что так или иначе должно позволить более точечно таргетировать аудиторию.
Во время исследования, было сделано немало открытий относительно профиля смотрения различных групп пользователей, что смотрит молодежь, что смотрят люди старшего возраста. Некоторые мифы улетучились, стоило взглянуть на данные и результаты получились очень необычными. Когда анализировали смотрение по времени суток, натолкнулись на очень необычные результаты, скажу я вам, вот не все группы смотрят ТВ в прайм тайм, а реклама самая дорогая. Отсюда есть множество путей оптимизации для байеров. В общем можно прилично минимизировать бюджеты выхватив нужную аудиторию в некоторых телеканалах за дешево, обеспечив более точечный таргетинг. Поэтому если вы покупаете рекламу и бюджеты не резиновые, мы точно сможем вам помочь.

Уверен, что среди моих знакомых есть и те кто развивает ТВ)) И вам тоже сможем помочь зарабатывать больше и тратить меньше. Выделить метрики, которые смогут в лучшем свете представить аудиторию, профили смотрения, интересы, состав домохозяйств и многое другое. Для задач внутреннего upsell-а самый правильный механизм. А может кому-то рекомендательную систему нужно построить по продвижению контента, тоже поможем. А для задачи оптимизации контента такие метрики просто незаменимы, а иногда нужны и просто поторговаться с правообладателем.

А может кому-то просто интересно развивать Data продукты, которые будут помогать как байерам так и селлерам. Даже с минимальным охватом региона и небольшой долей рынка, можно давать достаточно репрезентативные оценки по смотрению и добиваться хорошей качественной оценки аудитории.

Кого натолкнул на мысль, пользуйтесь на здоровье, а кому нужна помощь, велкам в ЛС, поможем обеспечить быстрый старт и дадим импульс к развитию.
PS На картинке профиль смотрения одной из групп, многое непонятно и зашифровано в справочниках)) Но какие-то вещи очень даже понятны и были получены в результате обогащения сложных и непонятных конструкций в логах.

Удачи Вам, будьте более успешны!

Как оптимизировать работу контакт центра?

0

Любая компания, которая имеет собственный контакт-центр сталкивается с множеством вызовов, которые перед ней стоят. Основная задача — это наличие ресурса для решения всех задач. В часы наибольшей загрузки ресурса всегда не хватает и приходится передавать на аутсорсинг, если контакт центр занимается обслуживанием или привлекать дополнительный ресурс во вне, если контакт центр занимается сбором задолженности или продажами. Внешний контакт центр больше заинтересован работать по минутам, нежели за результат. Если такой контакт центр работает за результат, то это хорошо, если поминутно, то у него нет никакого интереса делать больше за меньшие деньги.

На мой взгляд каждый контакт центр должен задать себе простой вопрос — а на сколько эффективно используется текущий ресурс. Например, посчитать время, проведенное операторами на трубке к общему временному фонду, это первый момент, а второй момент вообще понять, а все ли операторы одинаково эффективны на 1 сделанный звонок. Если в первом случае этот показатель от 60%, а во втором случае все одинаково эффективны, поздравляю, вы из тех, кто действительно работает неплохо, но есть те кто и 95% показывает, это вообще очень круто!

НО! Если эти показатели ниже и есть разрыв между лучшими и худшими операторами, я вас поздравляю у вас есть огромный потенциал для увеличения эффективности. Если в первом случае вам нужно разбираться с непродуктивной потерей времени, то во втором случае нужно понять, что же делают лучшие операторы, чего не делают худшие. Конечно, вы можете их прослушивать, давать какие-то рекомендации, если у вас немного звонков, тогда эти рекомендации сразу дадут ощутимый прирост. Но если звонков миллионы, то традиционной прослушкой не обойтись и нужно использовать более интеллектуальные подходы.

В данном случае речь идет об использовании алгоритмов NLP (Natural Language Processing), которые помогают размечать тексты операторов и далее уже на основе размеченных текстов оптимизировать диалоги худших (выдавая рекомендации) приводя их к лучшим. О том как мы решали такую задачу я расскажу в другой заметке.

А стоит ли овчинка выделки, зачем так заморачиваться, почему нельзя просто послушать и дать рекомендации?

Раньше мы так и делали, но когда в одном из кейсов сравнили результаты ручной разметки речевых скриптов операторов, в результатами автоматической разметки с помощью алгоритмов text mining, получили разную картину и результат автоматической разметки оказался более полным, потому как позволяет проанализировать больше информации и выделить все самые возможные и невозможные ситуации и сформировать более полные рекомендации по изменению операторов.

Что это вообще дает? Основной эффект вы получаете практически сразу же, с тем же ресурсом вы начинаете делать намного больше.

Например, для одного из кол центра проведя такую работу и проведя пилотный проект после разработанных рекомендаций, мы сравнили результаты контрольной и пилотной группы, и получили колоссальные результаты практически сразу же, а именно конверсия из звонков в результативные звонки с подтвержденной оплатой увеличилась на 18%, а сумма платежа увеличилась более чем в 2 раза. Неплохо притом же ресурсе получить такой прирост.

Также глубокий анализ кол-центра позволяет вам увидеть непродуктивную потерю времени операторов и провести соответствующую работу по корректировке поведения операторов и техники, которая иногда тоже вносит свою лепту в непродуктивность процесса.

Если вам интересно провести такой анализ и увеличить эффективность работы кол-центра, то я с удовольствием вам помогу.

Для заявки на проведение этой работы, обращайтесь на admin@fsecrets.ru. Проведем аудит и предложим мероприятия по повышению эффективности.

Удачи вам и эффективных решений!

Как оптимизировать затраты и бюджет на закупку?

0

Продолжаем темы Data Driven Optimization. Поговорим про оптимизацию затрат и управление поставщиками.
Любая закупка генерирует затраты организации и чем лучше компания управляет этим процессом, тем более она эффективна. А я могу вам сказать, что на рынке эта область очень незрелая и с точки зрения обеспечения аналитики сильно отстает от коммерческой функции и это значительная точка роста для вашего бизнеса.

Аналитических кейсов в этой теме с финансовым эффектом очень много, причем как в коммерческих организациях, так и государственных заказчиках.

Давайте рассмотрим несколько кейсов на каждом из этапов:
1. Формирование и оптимизация бюджета закупки – задача определения оптимального объема закупки на основе расходования материалов, на выходе сбалансированный бюджет закупок на N месяцев вперед.
2. Оценка волатильности цены и подбор оптимального сезона для закупки, некоторые товары имеют сезонный спрос. Определение сезонов с наименьшей ценой позволяет здорово оптимизировать затраты.
3. Проверка поставщиков – на аффилированность (явная, неявная — сговор), на надежность (возможности выполнить условия конкурса/потенциальное банкротство, отсутствие претензий со стороны третьих лиц, одновременное участие в большом объеме закупок).
4. Подбор поставщиков также ваша задача, важно сформировать пул надежных поставщиков по каждой номенклатуре закупаемой продукции. И никакого нарушения, если вы просто помимо открытого конкурса, отправляете уведомления еще и по своему списку, гарантируя себе, что закупка точно состоится и вы не потеряете время впустую.
5. Выявление подозрительных конкурсов – нужно проводить регулярный мониторинг подозрительных конкурсов через интегральную оценку по надежности поставщика, цене, длительности, снижении цены от первоначальной, отклоненным заявкам, подозрению на сговор и пр. Тогда настроенные контроли, позволят вам на ранних этапах выявить риски.
6. Контроль над уровнем цен – тут важно по каждой номенклатуре проводить регулярный анализ цен поставщиков на основе открытой информации на сайте, каталогах, или запрашивать предложения с определенной частотой. В этом случае вы будете точно понимать рынок и возможную цену. И тут детальные номенклатуры очень важны, потому как изменение на 1 букву в индексе может привести к увеличению цен в три раза, и вам отгрузят товар с бантиком, который вам не нужен, но задорого.
7. Контроль над объемом закупаемой продукции – вы не допускать затоваривание склада, информируя если объем закупаемых товаров слишком большой (в погоне за минимальной ценой покупается слишком большая партия товаров), либо наоборот объем закупаемой продукции слишком низок (что приводит к дорогой закупке).
8. Контроль над видами закупаемой продукции – ведите реестр товаров заменителей/наличия их на складах/ближайших складах, это позволяет оптимизировать бюджет закупок. Если покупаете технологические товары и услуги, важно отслеживать тренды, все быстро меняется, появляются новые более дешевые технологии, иногда малоизвестные вендоры поставляют более качественные продукты.
9. Объединение закупок между филиалами либо шэринг закупки на паях – самый изящный способ сэкономить, это купить партию, договорившись с кем-то кому нужна такая же продукция.

Далее когда вы купили, потратили деньги, это не значит что уже нужно расслабиться, начинается самое интересное это управление затратами:
1. Вы можете оптимизировать затраты на хранение
2. Можете пересматривать цену если арендуете какой-то ресурс/помещение/пользуетесь услугами. Рынок не стоит на месте и важно проводить работу по мониторингу рынка регулярно, это вам может дать достаточно большую экономию.

Давайте приведу несколько примеров, когда сложно выявить превышение затрат, но можно. Анализируя расходные договора на аренду и покупку ресурсов, я выявлял такие кейсы:
1. Закуплены коммутаторы с количеством портов много больше рынка конкретного региона, это иногда может быть дом, иногда подъезд, а иногда и целый населенный пункт.
2. Закуплены каналы на 50% превышающий нужный объем со скидкой 20% за единицу. То есть вроде бы дешевле на 1 Мбит, но все равно потратили лишних денег, иногда и просто скидку получили, остались в тех же деньгах, хотя могли бы сэкономить. Эксплуатация очень часто перестраховывается и не отслеживает рынок, рынок может быть падающим, а технари планируют развитие.
3. Критичный анализ утилизации ресурсов — вообще проанализируйте чем забиты ваши каналы, я находил и убыточный трафик и технологический трафик, который можно было пускать по дешевому маршруту, но так исторически сложилось.
4. Посмотрите критично на резервирование — я иногда находил такие маршруты, которые по 3 раза зарезервированы было по разным маршрутам.
5. Просто старые договора на аренду, по которым цены снизились на рынке в 3 раза, вроде сумма небольшая поэтому никто не обращает внимание.
6. Использование самого дорогого маршрута для пропуска — вроде бы и канал забит, но переключение трафика на дешевый маршрут и отказ от дорогого приносит дополнительную экономию.
И на самом деле много что еще.

А вы когда-нибудь анализировали прейскуранты Западных IT вендоров — у некоторых они составлены так, чтобы вы никогда в этом не разобрались, а у некоторых содержат более 1000 страниц. А мы в этом очень хорошо разбираемся и знаем как не переплачивать за то, что вам не нужно.

Поверьте если вы проведете эту работу, а по хорошему ее еще и автоматизировать можно, вы получите очень качественный прирост маржинальности и окупите систему к моменту запуска ее в эксплуатацию.

Если вам интересна эта тематика — тогда вам сюда http://fsecrets.ru/service/

Хотите оставаться в теме самых интересных кейсов применения больших данных, подписывайтесь на telegram-канал https://t.me/fsecrets

Осторожно! Маркетологи)

0

До чего же люди маркетологи пошли жадные! Я как-то ранее рассказывал как увеличивать средний чек за счет раздробления товара на более мелкие порции и увеличение цены на единицу продукции (мл, г, и т.д.). Я думал, я всякое повидал, но совсем недавно наткнулся на новый вид мошенничества маркетинговой акции — чем больше берешь, тем дороже за единицу. Удивительно, но стал обращать внимание, что такой подход распространен практически повсеместно. Видимо расчет на то, что пользователи ожидают объемной скидки на большее количество товара, но не тут-то было, на самом деле все наоборот, чем больше упаковку берешь, тем дороже товар за единицу и если раньше я видел только единичные случаи, которые возникали в следствии установления акционной цены на меньший объем товара, то сейчас я это вижу буквально на каждом шагу. И прямо бросается все это в глаза, ну что же такой подход тоже имеет место быть.
Маркетологам на заметку!
А простым покупателям — будьте бдительны!

Удачи вам!

PS Оказалось, что расчет на психологию покупателя, покупатель решит обмануть магазин и купить больше штук по 1-ой вещи, таким образом стимулируется продажа большего объема.

Вверх
Яндекс.Метрика