CRM-аналитика

Что такое предиктивная аналитика? (Predictive analytics)

0

Сегодня мне бы хотелось поговорить о еще одном модном тренде в аналитике, а именно Предиктивной аналитике (Predictive analytics). Для начала давайте разберемся с определением.

Предиктивная или прогностическая аналитика (Predictive analytics) — это прежде всего множество методов статистики, анализа данных и теории игр, которые используются для анализа текущих и исторических данных/событий для прогноза данных/событий в будущем.

Наиболее известный способ использования прогностической аналитики — это применение скоринговых моделей для оценки платежеспособности клиента при выдаче кредитов в банке. Это из области «как не наступить на те же грабли», любая скоринговая модель строится на исторических данных, и если в прошлом, какая-либо группа клиентов была уличена в несвоевременном гашении кредитов, а Вы по каким-либо характеристикам схожи с этой группой, то скорее всего в выдаче кредитов Вам откажут.

Однако это не все области, где применяется предиктивная аналитика, ее можно применять для разработки продуктов, для выбора потенциальной аудитории, для выбора следующего продукта, который Вы можете предложить клиенту (Next Best Offer) и множестве других.

Когда говорят о предиктивной аналитике часто сводят разговоры к применению методов Data mining, я бы даже сказал, что это небольшая ветвь Data mining-а, в основе которой лежат некоторые методы Data mining-а.

Центральной сущностью предиктивной аналитики является задача определение предиктора или нескольких предикторов (параметров или сущностей, которые влияют на прогнозируемое событие). Например, страховые компании выделяю такие предикторы, как возраст, стаж вождения при определении страховой премии.

Множество этих предикторов образует модель предиктивной аналитики, которая предсказывает определенное событие в будущем с какой-то степенью вероятности. Чем проще модель (или меньше количество факторов), тем меньше степень точности модели. Но всегда помним, что любая модель строится на произошедших событиях в прошлом и это не значит, что события в будущем могут повториться при тех же параметрах внутренней среды. Соответственно любой процесс моделирования имеет вероятностный характер. Усложняя модель на исторических данных, мы рискуем ее сильно переучить и соответственно, она может перестать быть устойчивой в будущем.

Если Вы еще не применяете предиктивную аналитику, присмотритесь к этой области, она позволяет значительно увеличить эффективность Вашего бизнеса.

Удачи Вам!

Еще о Data mining, прогнозировании.


Cognos 10 + SPSS

0

Вчера удалось попасть к IBM на презентацию аналитического решения. IBM уделили внимание двум продуктам это Cognos, который из себя представляет BI решение и купленный ими в 2009 году SPSS Clementine.

Почему в названии поста я поставил именно цифру 10, все потому что в этой версии произошла значительная интеграция этих продуктов в единое решение. Теперь любая аналитика, разработанная в BI, может передаться для анализа в SPSS и наоборот. Все это бесшовно.

SPSS имеет довольно дружелюбный интерфейс по отношению к пользователю, все интуитивно понятно.

Если сравнивать 2 продукта, Oracle BI и Cognos, то я бы выделил несколько преимуществ IBM перед Oracle:

1. Возможность подгружать файлы Excel без соответствующего «танца с бубном» на стороне IT в виде заведения отдельной таблички или витрины данных и включение ее в общую модель данных. Только после этого данные из Excel можно обрабатывать в Oracle BI. Надеюсь в будущем Oracle обратит внимание на этот факт.

2. Возможность создавать новые пользовательские уровни иерархии не только на основе значений измерений, но и самих показателей. Причем все это гораздо проще, чем в Oracle.

3. Наличие встроенного статистического пакета, хоть и не расширенного как в SPSS Statistics, но все же простейшие вещи позволяет делать. В BI от Oracle, этого нет.

Конечно, теперь я от IBM услышал о том, что они имеют самое лучшее BI решение в мире, хотя несколько месяцев до этого слышал это от Oracle.

Ну что же, в споре рождается истина. Будем ждать ответы других вендоров. Что скажут теперь SAP, который практически остался без SPSS (кто не знает, ранее SAP его использовал в качестве аналитической части) или SAS, положение в России которого в последнее время пошатнулось из-за неоднозначной ценовой политики.  Может им также стоит задуматься о диверсификации бизнеса и укрепиться на ряде отстающих направлений. В одном есть уверенность, что от этого выиграет бизнес.

Удачи Вам в выборе аналитического инструмента!


Почему продажники ненавидят CRM?

0

Сегодня я подниму еще один вопрос, собственно он и обозначен в топике. Конечно, многие могут не согласиться и сказать, что все любят и понимают зачем нужен CRM, особенно спецы по продажам. Но, с другой стороны, так может думать менеджмент компании, который, внедряя CRM, делает это во благо компании, а сами специалисты по продажам могут даже не понимать зачем им нужен этот CRM.

Вот несколько высказываний, которые они могут привести:

— Почему я должен передавать свою базу клиентов

— Почему я должен отчитываться за каждый свой шаг, ведь компании важна выручка/прибыль.

— Я должен продавать, а не с системой тут упражняться

— Как система поможет мне продать?

— Время, потраченное на внесение данных в систему, это время потерянное для продаж

— Напридумывали тут полей, а я забивай, какие-то вкладки, опции. (Система слишком сложная).

И это, поверьте, не полный перечень высказываний.

Отчасти, они правы, НО также и не правы. А почему они не правы, я сейчас попробую освятить, развеяв все сомнения относительно необходимости внедрения CRM.

Давайте начнем с того, почему они правы. Продажник обязательно поделится своей базой клиентов, но он может также и получить более широкую базу, так как другие продавцы также работают в системе со своей базой.

По поводу необходимости внесения каждого своего шага. Конечно, с точки зрения продажника это рутина, да и кто захочет, чтобы его контролировали. Но с точки зрения фирмы, важна именно эффективность, снижение простоя в продажах. Если продажник оболтус, то система это покажет в статистике эффективности того или иного менеджера.

Но с другой стороны, это может быть какая-то комплексная проблема, и тогда наличие этой статистики покажет, что у всех одна и та же проблема, это будет говорить не о неэффективности менеджера по продажам, а о наличии как раз проблемы. И в этом поможет CRM-система. Помните, когда говорили о воронке продаж, то говорили о том, что на каждом последующем шаге клиенты не должны отсеиваться. Вот если это происходит на одном и том же шаге, это покажет именно статистика, которая имеется в CRM, вот почему необходимо заносить данные в систему.

Последующие три выражения, сводятся примерно к одному и тому же. Мне платят деньги за то, что я принесу деньги, а не за занесение данных в систему. Но, уважаемые продавцы, Вы никогда не задумывались о том, что Вы тратите время на поездки, встречи иногда впустую. Постоянное занесение данных в систему и наличие статистики продаж, поможет Вам сегментировать клиентов и встречаться или обзванивать уже только тех клиентов, которые потенциально готовы к тому, чтобы купить, а не всех подряд.

Мне понравилась фраза на одной из конференции одного продажника, который рассказал свою историю. Каждый из его коллег по отделу проводило примерно 40 встреч, он же проводил всего 20 встреч за месяц, при этом остальное время он тратил на анализ данных из CRM-системы. Руководство недоумевало, как же так, все в полях, а ты тут расселся в офисе. На что он заметил: «Я правильно понимаю, что Вы мне платите не за встречи, а за продажи». Так вот, этот менеджер по продажам умудрялся быть эффективнее своих коллег за счет грамотного выбора целевой аудитории. А все это стало возможным благодаря наличию статистики в системе.

Ну а теперь перейдем к тому, что иногда система становится слишком сложной. И менеджеру по продажам уже становится тяжелее заносить данные в систему, ему становится непонятным для чего это нужно. В идеале, конечно, когда руководство при внедрении CRM-системы вовлекает менеджеров в сам процесс внедрения, выбор необходимых полей, чтобы это было для них не нечто революционное (вчера все работали в Excele и Outlooke, а с сегодняшнего дня все работаем в CRM, да что там, непременно надо занести историю взаимоотношений за 3 последних месяца), а чтобы это было их детищем, их результатом работы (стратегия win-win). Постепенный переход на новую систему (Занесение всех новых взаимоотношений, в постепенным добавлением необходимых данных). Тогда будет понимание необходимости применения системы, ее ценности.

Удачи Вам при внедрении и пусть Ваши менеджеры по продажам понимают всю ценность и важность CRM!


RFM-cегментация для увеличения отклика на кампании

9

Сегодня мы с Вами поговорим о еще одном инструменте увеличения эффективности маркетинговых кампаний — RFM — сегментации.

RFM — это аббревиатура от английского Recency (давность покупки или какого-то действия), Frequency (частота покупки или действия), Monetary (затраты на покупки). Конечно это никакой не метод кластерного анализа или какой-то сложный научный подход, это скорее практический инструмент для увеличения эффективности Вашего бизнеса за счет увеличения отклика на маркетинговую кампанию.

Итак, давайте рассмотрим более подробно в чем же заключается сам метод.

Recency (давность) — давность последнего заказа или какого-либо действия клиента. Рассчитывается как разность, выраженная в днях, между текущей датой и датой последнего заказа. Чем больше времени прошло с момента последней активности клиента, тем менее вероятно, что действия клиента будут повторяться. С большей долей вероятности клиент больше не появится. Но опять же требуется дополнительный анализ.

Frequency (частота или количество) – общее количество заказов или действий, совершенных клиентом за всю историю наблюдения за ним. Очевидно, что, чем больше каких-либо действий совершит клиент, тем больше вероятность того, что он его повторит в будущем. На практике рекомендуется рассматривать ограниченный промежуток времени.

Monetary (затраты) – общая сумма денег, которую потратил клиент за все время. Чем больше денег было потрачено, тем больше вероятность того, что он сделает заказ. Рекомендуется так же анализировать ограниченный промежуток времени.

RFM-показатели используются для прогнозирования будущего покупательского поведения, основываясь на гипотезе, что историческое поведение покупателя может являться надежным ориентиром для последующих покупок. Важность показателей ранжируется согласно последовательности букв –давность (обычно наивысший приоритет), частота (второй по значимости), затраты (последний по значимости, потому как количество потраченных денег еще не гарантирует частоту покупок, ведь клиент мог приобрести единожды дорогой товар).

Обычно, рассуждения основываются на следующих тезисах: чем больше давность последнего заказа, тем меньше вероятность того, что клиент совершит покупку вновь. Чем больше частота и затраты клиента, тем больше вероятность того, что клиент вернется.

Можно выделить сегменты клиентов : активный, спящий, переходный и разработать целевые маркетинговые предложения для наиболее активной группы клиентов, так как вероятность положительного отклика (win — иногда такой термин применяют при проведении целевых маркетинговых кампаний в CRM) на кампанию довольно велика. Компании стремятся сохранить активную группу. Повлиять на спящую для возможного увеличения активной группы.

Кроме, этого на практике аналитики часто делят целевые сегменты на подсегменты (иногда квантили или децили), дифференцируя предложения для того, чтобы добиться максимальной эффективности от проведения ЦМК.

Если Ваш канал коммуникации и продаж с клиентом дешевый, то Вы можете проще экспериментировать с границами подсегментов, периодом рассмотрения показателей и другими характеристиками. Но если канал коммуникации и канал продаж достаточно дорогой, то необходимо накапливать статистику успешности, проводить дополнительный анализ, почему именно такой инструмент дает максимальный результат и по максимуму увеличивать отклик на ЦМК, иначе это как стрелять из пушки по воробьям.

Успешных Вам маркетинговых кампаний!


Воронка продаж

0

Помните в своей статье про CRM я упомянул термин «воронка продаж». Давайте попробуем разобраться что это и как Вы, как аналитик, можете улучшать эффективность работы Вашей компании.
Воронка продаж это один из инструментов работы с клиентами, позволяющий оценивать эффективность работы на каждой стадии продажи, как отдельного менеджера по продажам, так и всего подразделения продаж.

Давайте на примере Интернет-магазина, Вы повесили баннер в Интернете. Количество просмотров баннера 50тыс., кол-во человек, кликнувших по баннеру 3 тыс. человек, количество человек, которое позвонило Вам 700 человек, количество человек, разместивших заказ 300 человек, количество человек купивших товар 150 человек. В данном случае Ваша воронка продаж отсеивает потенциальных покупателей как мух. Но в большинстве случаев происходит именно так.  Думаю суть стала понятна.

Возможно, термин воронка не совсем точный, так как на каждом этапе у Вас отсеивается часть клиентов. «Сито» в самый раз бы подошло, но термин этот устоявшийся, поэтому будем использовать именно его.

Обычно воронку продаж изображают для наглядности в виде столбиковой диаграммы.

Идеально когда все столбики у Вас одинаковой длины. И ваша задача как аналитика, в данном случае сводится к увеличению высоты каждого последующего столбика. Разбираемся с причинами, производим управляющее воздействие, увеличиваем столбик, соответственно увеличиваем эффективность компании. Если один из столбцов не ниже предыдущего, то пока этот этап можно пропустить, вероятнее всего на данном этапе пока все идеально. Если ниже, тут уж пора Вам вмешаться.

Воронки продаж можно формировать также по каждой проводимой  целевой маркетинговой кампании. В целевых маркетинговых кампаниях, анализируя воронку продаж можно значительно увеличить отклик на кампанию. Анализировать можно воронки по кампаниям, которые проходят на тестовых выборках, чтобы на целевых выборках эффективность была максимальная.

Анализируемых параметров может быть множество, необходимо выделить ключевые, на которые Вы можете влиять либо сами либо через Ваше руководство.

Добиться 100% эффективности нереально, но если Вы хотя бы на процент увеличите отклик, то значит это стоило потраченного Вами рабочего времени. Эффективность зависит от отрасли, от сложности предлагаемого продукта, от цены, качества и множества других характеристик. Ваша задача как аналитика найти те ниточки, за которые Вы можете дергать, делая свою компанию эффективной.

Желаю, чтобы Ваша трапеция превратилась в прямоугольник. Я думаю, Вы понимаете о чем я.


Эффективности Вам!

Вверх