16
26.11.2015 Максим Мозговой CRM & Publisher Analytics Director Ценностное управление клиентской базой и предиктивная аналитика.

Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

  • Upload
    -

  • View
    354

  • Download
    3

Embed Size (px)

Citation preview

Page 1: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

26.11.2015

Максим Мозговой

CRM & Publisher Analytics Director

Ценностное управление клиентской базой и

предиктивная аналитика.

Page 2: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Мнение эксперта

«Предположим, ваша компания потеряла 10% товаров в прошлом месяце. Вы

бы сразу запаниковали: собрали бы весь свой персонал, заперли бы двери и

начали бы разбираться, куда делся этот товар. Однако ваша компания может

потерять 10% своих покупателей и даже не заметить этого»

Эрик фон Фореном, Direct Marketing Know-How Institute

Page 3: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Возможно, это ваша компания?

Page 4: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Что такое ценность клиента?

T1 TnT 0

Начало

взаимоотношений Текущий момент

Уход клиента

$

Стоимость привлечения

Стоимость

обслуживания

Стоимость удержания

Клиент пользуется

продуктом 1

Клиент пользуется

продуктом 2

Потенциал

Время

Прибыль

Привлечение Развитие Удержание

Page 5: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Примеры: Простой расчет ценности клиентской базы

I. Построение модели CLV (Customer Lifetime Value), оценивающей текущую и вероятную будущую ценность клиента

II. Основные данные:

I. Раздельный учет затрат в расчете на клиента

II. Данные по продуктовой марже на клиента

III. Вероятностная модель лояльности и потенциала клиента

IV. Транзакционный профиль

V. Продуктовый профиль

III. Результат: скоринг ценности клиента, управление целевыми маркетинговыми кампаниями на основе ценности клиента,

построение системы дифференцированного обслуживания, оптимизация затрат

Где СLV = customer lifetime value,

AR – Acquisition rate (стоимость привлечения)

CF- Cashflow (текущая ценность)

CR – Churn rate (риск оттока)

d - ставка дисконтирования

Page 6: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Источники ценности клиентской базы

Лояльность (срок жизни клиента), потенциал и ценность взаимосвязаны.

Реализованный потенциал

Нереализованный потенциал

из-за недостатка релевантных

предложений

Нереализованный

потенциал из-за ухода

в отток

отт

ок

$

время

Page 7: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Нерелевантные коммуникации могут уничтожать ценность клиентской базы

• Пример - возьмем клиентскую базу 1000000 клиентов.

• Маркетинговая кампания генерирует 1% отклика– 1 р. стоимость контакта, всего - 1 млн руб., 10 000 откликов

– Каждый отклик генерирует 125 р. увеличения ценности клиента, т.е. всего = 1,250,000 р.

– Кампания приносит 250,000 р. дохода, так?

• Но что если те, кто не ответил, с каждым последующим контактом всего на 0,5% снижают вероятность отклика на предложения? Тогда мы теряем 990000*0,5%*125 = 618 750 р. интегральной ценности клиентской базы.

• Тогда – мы разрушаем ценность клиентской базы почти в 2,5 раза больше, чем создаём.

Page 8: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

В оценке «будущей ценности» используется в том числе профиль клиента*:

«Стабильный» клиент «Лояльный» клиент

«Случайный» клиент «Сезонный» клиент

-Регулярные (периодическое) поведение

- Низкий уровень пользования (редкие транзакции, небольшие суммы)

-Высокий уровень пользования услугами (частые транзакции, большие суммы)- Нестабильность в потреблении услуг

- Нестабильные «случайные» транзакции

-Высокий уровень пользования услугами (частые транзакции, большие суммы)- Стабильное потребление услуг

Классический пример транзакционного сегментирования – построение профилей клиента. Использование

профилей клиента позволяет разработать стратегию работы с наиболее ярко выделяющимися группами

клиентов по поведению, а также спрогнозировать поведение клиента в будущем.

* - индикативно

Page 9: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Пример оценки клиента

«Лояльный» клиент

Сегмент, в кот. входит клиент

Порядковый номер клиента по ценности

Итоговая ценность клиента

Фактическая ценность клиента

Будущая ценность клиента

Профиль клиента по потреблению услуг Лояльный

Параметры клиента (пример)

р.

р.

р.

Частота и типы транзакций

Page 10: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

10

Модель предсказания ценности

клиента

Модели предсказания

активности

Модели предсказания

потенциала

Модели предсказания и

оптимизации отклика

Вероятность оттока по

различным продуктам

Вероятность оттока на

различных периодах

Вероятность возврата из

состояния оттока

Индивидуальная функция

выживаемости в рамках

продукта / экосистемы

SNV / монетизационный

потенциал соц.связей

Вероятность покупки продукта

Вероятность монетизации

контента

Индивидуальные модели

Share of Wallet

Вероятность каннибализации

/ перехода между продуктами

Анализ внутриигровых

триггеров покупки

Анализ внутриигровых

триггеров оттока

Uplift (инкрементальное)

моделирование

Мультивариантные A/B тесты

Эконометрическое

моделирование в сегменте

SNA / моделирование

социального графа

Анализ коммуникационных

триггеров

Page 11: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

Система КПЭ управления ценностью клиентской базы

% Реализации потенциала развития клиентской базы

Потенциальная интегральная ценность клиентской базы

Текущая интегральная ценность клиентской базы

Пожизненная ценность клиента

Потенциал клиента

Вероятность покупки продукта

Склонность клиента к оттоку

Текущая ценность клиента

Page 12: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

12

Классический подход к анализу данных

SEMMACRISP DM

Page 13: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

13

1. Предсказание активности - строим кривую выживаемости клиента

Пример – предсказание ценности клиента и вероятности отклика

Как решать такую задачу – сколько моделей нам нужно?

• 7 временных интервалов (1,2,3 недели, 1,2,3,6 мес.) – на каждом интервале строится модель вероятности перехода в неактивное состояние и возврата из неактивного состояния

• 4 поведенческих/транзакционных сегмента (может быть и больше)• 5 продуктов (WoT, WoTB, WoWS, WoWP, WoWG … )• 4 региона (NA/EU/CIS/ASIA)

ИТОГО: (7+7)*4*5*4 = 1120 моделей

2. Предсказание вероятности покупки контента• 4 временных интервала (1,2,3 недели, 1 мес.) – на каждом интервале строится модель вероятности

покупки• 30 различных единиц контента / офферов (в среднем, на самом деле может быть и больше)• 4 платежных сегмента (может быть и больше)• 5 продуктов (WoT, WoTB, WoWS, WoWP, WoWG … )• 4 региона (NA/EU/CIS/ASIA) ИТОГО: 4*30*4*5*4 = 9600 моделей

3. Предсказание вероятности отклика

• 11 коммуникационных стратегий • 8 поведенческих сегментов • 5 оффер-темплейтов в среднем на каждый сегмент (Прем, голд, бандлы, и тп)• 3 дизайн-темплейта (A/B/C тест для каждой кампании)• 5 каналов (e-mail, in-game client, site, RTB campaign, push)• 5 продуктов (WoT, WoTB, WoWS, WoWP, WoWG … )• 4 региона (NA/EU/CIS/ASIA)

ИТОГО: 11*8*5*3*5*5*4 = 132000 моделей

Page 14: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

14

Нам нужна фабрика! Какая фабрика?

Фабрика Моделей !

Такая?

Хм… Не совсем, хотя тоже

неплохо ;-)

Вот такая!

Page 15: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

15

Мы такие разные -

Но все-таки мы вместе!

Page 16: Максим Мозговой. Ценностное управление клиентской базой и предикативная аналитика

16

СПАСИБО!!!