Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
C op yr i g h t © 2012 , SAS Ins t i t u te Inc . A l l r i g h ts r eser v ed .
КЛИЕНТСКАЯ АНАЛИТИКА SAS ДЛЯ ОНЛАЙН РИТЕЙЛА
ОЛЬГА ЗУЕВА
Бизнес-консультант отдела клиентской аналитики
SAS Institute CIS
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM в e-commerce
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта7
Copyright © 2012, SAS Institute Inc. All rights reserved.
«Получение информации из интернета равносильно
попытке попить воды из пожарного крана»- Митчел Капор
Copyright © 2012, SAS Institute Inc. All rights reserved.
CUSTOMER
INTELLIGENCEВЫЗОВЫ E-COMMERCE
Огромные объемы
доступной информации
Mobile:
+79613405567
Token:
AAACNg1ulZC
UYBAHEZCxb
JTSO…Skype ID:
vano71
Email:
Twitter ID:
@follow_vanches
Apple ID:
Невозможность связать
устройства пользователя,
его веб-поведение и
историю покупок
Низкий отлик кампаний &
Запрос на
персонализацию
&Органиченность ресурсов
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM в e-commerce
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры онлайн персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта7
Copyright © 2012, SAS Institute Inc. All rights reserved.
ИСТОРИЯ ПОКУПОК360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
Copyright © 2012, SAS Institute Inc. All rights reserved.
ИСТОРИЯ ПОКУПОК360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
Copyright © 2012, SAS Institute Inc. All rights reserved.
360О
ВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
Web -
данные
внутренние
WEB - ДАННЫЕ ВНУТРЕННИЕ
Copyright © 2012, SAS Institute Inc. All rights reserved.
WEB - ДАННЫЕ ВНУТРЕННИЕ360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
• страницы & SKU
• время на сайте,
фильтры,
• воронка,
• недозаполненные
формы,
• поисковые запросы на
сайте
Web -
данные
внутренние
Copyright © 2012, SAS Institute Inc. All rights reserved.
ИСТОРИЯ КОММУНИКАЦИИ360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
Web -
данные
внутренние
• страницы & SKU
• время на сайте,
фильтры,
• воронка,
• недозаполненные
формы,
• поисковые запросы на
сайте
История
коммуникации
• отклики на компании,
• предпочитаемые
канал
• предпочитаемое
время коммуникации
• Customer Life Time
Value (его потенциал)
• вероятность оттока
Copyright © 2012, SAS Institute Inc. All rights reserved.
ИСТОРИЯ КОММУНИКАЦИИ360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
Web -
данные
внутренние
• страницы & SKU
• время на сайте,
фильтры,
• воронка,
• недозаполненные
формы,
• поисковые запросы на
сайте
История
коммуникации
• отклики на компании,
• предпочитаемые
канал
• предпочитаемое
время коммуникации
Copyright © 2012, SAS Institute Inc. All rights reserved.
WEВ - ДАННЫЕ ВНЕШНИЕ360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
Web -
данные
внутренние
• страницы & SKU
• время на сайте,
фильтры,
• воронка,
• недозаполненные
формы,
• поисковые запросы на
сайте
История
коммуникации
• отклики на компании,
• предпочитаемые
канал
• предпочитаемое
время коммуникации
Web-
данные
внешние
Copyright © 2012, SAS Institute Inc. All rights reserved.
WEВ - ДАННЫЕ ВНЕШНИЕ360
ОВЗГЛЯД НА
КЛИЕНТА
История
покупок
• стоимость товаров,
• категории,
• цены,
• промо-коды,
• сезонность,
• бренды
• доходность
Web -
данные
внутренние
• страницы & SKU
• время на сайте,
фильтры,
• воронка,
• недозаполненные
формы,
• поисковые запросы на
сайте
История
коммуникации
• отклики на компании,
• предпочитаемые
канал
• предпочитаемое
время коммуникации
Web-
данные
внешние
• профили в соцсетях,
степень влияния на
подписчиков,
• поисковые запросы
вне сайта,
• распознавание
незалогиненных
пользователей
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM в e-commerce
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры онлайн персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта7
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
Виды сегментаций
LifestyleИнтересы в соцсетях, стиль,
бренды, контент
Доходность% возврата, канал привлечения,
CLTV
Способ
коммуникацииКанал захода, время
заходов на сайт, канал с
самым высоким open rate
Вкус и цветРазмер, цвет покупок, стиль, гендерный состав
корзиныПривычкиЧастота покупок,
средний чек, дата
последней
покупки Эластичность по цене
Участие в акциях, % товаров со скидкой в
корзине
ЛояльностьДанные опроса, % корзины,
публичность в соцсетях
Выделение групп клиентов со следующими условиями:
1. Внутри сегмента однородность максимальная
2. Между сегментами однородность минимальная
Copyright © 2012, SAS Institute Inc. All rights reserved.
• Используют мобильное
приложение
• Активный пользователи соцсетей,
читают блог, шерят контент
• Редко совершают покупки, но с
хорошей маржой
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
• Редкие покупки товаров с
хорошей маржой
• Покупают только 1-2
категории товаров
• Посещают мобильный сайт,
но покупки совершают с PC
• Часто проверяют почту
Premium segment
• Имеют мобильное приложение
• Заходят каждый день в раздел акций
• 80% товаров куплены со скидкой
• Низкомаржинальный сегмент
• Женщины 25-40 лет с детьми
Value driven mommies
66%
8%
25%
Сегментация по доходности, частоте покупок и размеру корзины
6%
48%
46%
Сегментация по образу жизни: любовь к акциям, бренды, стиль, девайсы
Fashion hunters
1 500
7 20013 100 0,5
3,5
0,9
- кол-во покупок в месяц
- средний чек за год-каналы
коммуникации
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
Доля в базе Основные параметы
S2
S3
S4
S5
Ценовой уровень Стратегия Пример кампании
24%Fashion
hunters
7 200 0,9
2.6
Низкий: 10%
Средний: 40%
Высокий: 50%
• Увеличение частоты покупок
• Увеличение конверсии с одного посещения
• Промо программы лояльности
• Предложение программы лояльности
• E-mail с напоминанией / скидкой о просмотренных SKU
20%Value driven
mommies
1 500 3,5
2.3
Низкий: 73%
Средний: 21%
Высокий: 6%
• Увеличение среднего чека• Увеличение
маржинальности корзины• Сбыт плохо-продаваемого
стока
• Акции с высокой мин. Корзиной
• Рекомендации более высоко-маржинальных товаров
18%Premium
segment1.1
13 100 0,5Низкий: 10%
Средний:11%
Высокий: 81%
• Увеличение частоты покупок
• Увеличение оборота: : cross-sell
• Промо программы лояльности
• Предложение программы лояльности
• Специальные предложения на дополняющие товары
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
Модель отклика на коммуникацию:
Отк
ли
кнетс
я,
есл
и
сд
ел
ать
ком
муни
кац
ию
Откликнется, только
если сделать
коммуникацию
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
Вероятность отклика на коммуникацию на уровне сегмента:
1-й этап: вероятность отклика на коммуникацию
2-й этап: вероятность отклика на коммуникацию по категории
3-й этап: вероятность отклика на коммуникацию с разными механиками воздействия
Customer ID СегментСкидка на категорию
«Верхняя Одежда»
Вероятность
отклика
7676767 Value driven mommies10% 0,4
7676767 Value driven mommies20% 0,7
3434343 Fashion hunter 10% 0,05
3434343 Fashion hunter 20% 0,06
5252525Premium 10% 0,4
5252525Premium 20% 0,55
Скидки не
работают!
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
Соверши покупку на сумму от 1 000р. и получи скидку 10%
Условие достижения Поощрение
Тип кампании
на сумму от скидку 10%1 000р.
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
Основныепараметры
S2
S3
S4
S5
Стратегия
Fashion
hunters
Value driven
mommies
Premium
segment
7 200 0,9
2.6
1 500 3,5
2.3
1.1
13 100 0,5
• Увеличение частоты покупок
• Увеличение конверсии с одного посещения
• Промо программы лояльности
• Увеличение среднего чека• Увеличение
маржинальности корзины• Сбыт плохо-продаваемого
стока
• Увеличение частоты покупок
• Увеличение оборота: cross-sell
• Промо программы лояльности
Целевая кампания
Нашей программой лояльности пользуются 4
ваших друга: узнай их отзыв!
Соверши покупку на сумму от 4 000р. и получи
скидку 20% на «Верхнюю Одежду»
Скидка 20% на «Верхнюю Одежду» при покупке
товара в категории «Сумки» только 1 день!
5
Выборка клиентов и
создание предложений
2
Определение стратегии
для каждого сегмента
Copyright © 2012, SAS Institute Inc. All rights reserved.
3
Прогнозное
моделирование
4
Определение правил
целевых кампаний
5
Выборка клиентов и
создание предложений
6
Учет общих
ограничений/ выбор
конкретного
предложения
1
Сегментация и
мониторинг
эффективности
сегментов
2
Определение стратегии
для каждого сегмента
Ограничения
1) Бюджет: не более 300 тыс. рублей
2) Контактная политика: не более 5 контактов в месяц
3) Оборот стока: продать не менее 15 000 тыс. товаров из
категории «Верхняя одежда»
4) Мощности: колл-центр, склад
Оптимизируем предложения
• Максимизируем выручку – первичная цель
• Максимизируем маржу – вторичная
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM в e-commerce
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры онлайн персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта и референсы7
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОНЛАЙН
ПЕРСОНАЛИЗАЦИЯ
Персональный промо-код на скидку
Next best offer для категории
Рекомендации, основанные на
истории просмотров и персональных предпочтениях пользователя
E-MAIL РАССЫЛКА
Omni-Channel
Integrated Customer View,
integrated and flexible usage
E-mail рассылка
Баннеры на главной
странице
Push и СМС сообщения
Ретаргетинг
Сортинг товаров в
каталоге
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОНЛАЙН
ПЕРСОНАЛИЗАЦИЯ
Omni-Channel
Integrated Customer View,
integrated and flexible usage
E-mail рассылка
Баннеры на главной
странице
Push и СМС сообщения
Ретаргетинг
Сортинг товаров в
каталоге
Customer_ID Segment Priority Offe_CD Score OfferName
3434343 Fashion_Hunters 1 Offer_code_01 0,7600 TheStyle_Room
3434343 Fashion_Hunters 2 Offer_code_02 0,7000 Denim_guide
3434343 Fashion_Hunters 3 Offer_code_03 0,6000 Loyalty_Program
User ID: 3434343
ГЛАВНАЯ СТРАНИЦА
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОНЛАЙН
ПЕРСОНАЛИЗАЦИЯ
80% корзины пользователя состоит
из товаров с тегом NEW
Отзыв –мотивация для
покупки
SKU в ценовом сегменте 49-80 $ получают дополнительный буст в
сортинге.Высокий показатель отказов
(rejection rate) = > показываем товары с более высокой
маржинальностью
𝑠𝑜𝑟𝑡𝑖𝑛𝑔_𝑟𝑎𝑛𝑘 = 𝑎1 ∗ 𝑥1 + 𝑎2 ∗ 𝑥2 +⋯+ 𝑎𝑛 ∗ 𝑥𝑛,
Где 𝑥𝑖могут быть: CTR, CR, доступность в размерах, цвет, сезон, диапазон цены
Customer_ID Segment Price_segment
_shoes $Price_segment_o
utwear_ $Rejection
rateMark-up
boost Is_Discounted Is_NEW
3434343 Fashion_Hunters 49-80 200-300 70% >2,3 0 1
7676767 Value-driven mommies 20-50 50-100 40% 0 1 0
5252525 Premium >100 >400 40% 0 0 0
КАТАЛОГ
Omni-Channel
Integrated Customer View,
integrated and flexible usage
E-mail рассылка
Баннеры на главной
странице
Push и СМС сообщения
Ретаргетинг
Сортинг товаров в
каталоге
Copyright © 2012, SAS Institute Inc. All rights reserved.
CUSTOMER
INTELLIGENCE
Для оценки эффективности маркетинговых
коммуникаций рекомендуется использование
контрольных групп:
1) A/B тестрирование (champion / challenger,
challenger / challenger
2) Многовариативное тестирование
3) Возможность сохранять состав тестовых групп
для тестирования цепочек коммуникацй
ACRM – TEST, TEST, TEST!ОТЧЕТНОСТЬ
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБОГАЩЕНИЕ ИНФОРМАЦИИ О КЛИЕНТЕ
С ПОМОЩЬЮ SAS
CUSTOMER
INTELLIGENCE
Онлайн поведение
Посещение сайта 1
Non-login
Браузер
IP address
Товары
Корзина
Бренды
Категории
Акции
Канал
Посещение сайта 2Login
Браузер
IP address
!User ID!
Товары
Корзина
Бренды
Категории
Акции
Канал
Отклики
Посещение сайта 3
Non-login
!User ID!
Товары
Корзина
Бренды
Категории
Акции
Канал
Отклики
Посещение сайта 4
Non-login
!User ID!
Товары
Корзина
Бренды
Категории
Акции
Канал
Отклики
Возможность накапливать
историю о пользователе
даже, если он еще не
совершал покупку и не
залогинен на данный
момент.
Офлайн витрина
Клиентские
метрики
Модель
данных
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM в e-commerce
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры онлайн персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта7
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБОГАЩЕНИЕ ИНФОРМАЦИИ О КЛИЕНТЕ
С ПОМОЩЬЮ SAS: ОСТАВЛЕННЫЕ ПОЛЯ САЙТА
CUSTOMER
INTELLIGENCE
Посетили
страницу
Взаимодействовали
с корзиной
Успешно оформили
заказ
Веб-сайтМобильный
сайт
Воронка
кампании
Шаг 1: Обнаружение проблемных страниц /
каналов
Шаг 2: Анализ на уровне пользователя
Шаг 3: Получение данных об оставленных полях: имя, email клиента
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБОГАЩЕНИЕ ИНФОРМАЦИИ О КЛИЕНТЕ
С ПОМОЩЬЮ SAS: ОСТАВЛЕННЫЕ ПОЛЯ САЙТА
CUSTOMER
INTELLIGENCE
Шаг 4: Превращение отрицательного опыта в «ВАУ-опыт»
• Известно, какие пользователи не смогли
сделать заказ
• Известно, чем они интересовались и что было
у них в корзине
• Известны их контактные данные
Эти пользователи могут быть
конвертированы в клиентов и стать
лояльными покупателями!
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM в е-commerce
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры онлайн персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта7
Copyright © 2012, SAS Institute Inc. All rights reserved.
РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫCUSTOMER
INTELLIGENCE
Чем больше товаров в каталоге, чем выше издержки поиска для пользователей.
Пользователи любят наличие
выбора,
но легче совершают покупку,
когда их выбор органичен.
Copyright © 2012, SAS Institute Inc. All rights reserved.
«35% продаж совершаются
по рекомендациям: «Часто
покупают вместе» и
«Пользователи, которые
купили это, также
смотрели». Amazon
«75% того, что люди
смотрят - это результат
рекомендаций». Netflix
КТО ИСПОЛЬЗУЕТ РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ?CUSTOMER
INTELLIGENCE
Copyright © 2012, SAS Institute Inc. All rights reserved.
ВИДЫ И ЦЕЛИ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
Вид рекомендацииМесто
рекомендацииБизнес-результат Тип пользователя
«Похожие
товары...»
Карточка товара • Увеличение корзины за счет
покупки нескольких товаров
одной категории
• Более быстрый поиск товаров
=> Увеличение среднего чека
(Up-sell, mark-up ↑)
• Если о пользователе ничего не
известно – ассоциативные правила
• Если известна информация –
рекомендация на основе
предпочтений похожих
пользователей
«Лидеры продаж в
категории...»
Каталог
Главная страница
• Более быстрый поиск товаров
товаров с органичениями =>
Увеличение конверсии
• Ничего не известно о пользователе,
первый раз зашел на сайт
«С этим товаром
часто покупают...»
Карточка товара
Корзина
Окно «Добавить в
корзину»
• Увеличение количества товаров
в корзине: cross-sell
• Если о пользователе ничего не
известно – ассоциативные правлиа
• Если известна информация –
рекомендация на основе
предпочтений похожих
пользователей
«Вам может
понравится..»
Главная страница
Корзина
• Next best offer: комбинация всех
видов рекомендаций
• Известна история покупок и
просмотров товаров
Copyright © 2012, SAS Institute Inc. All rights reserved.
ВИДЫ И ЦЕЛИ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
«Лидеры продаж» - NEW
Повышение конверсии с повторного
посещения
«Вам может понравится..» - RETURN
Напоминание от товарах, которыми
интересовалась
Повышение конверсии с повторного
посещения
Copyright © 2012, SAS Institute Inc. All rights reserved.
ВИДЫ И ЦЕЛИ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
«Покупатели, которые купили этот
товар, также купили..»
Увеличение корзины за счет покупки
нескольких товаров одной категории
Более быстрый поиск нужных
товаров
Увеличение конверсии
Copyright © 2012, SAS Institute Inc. All rights reserved.
ВИДЫ И ЦЕЛИ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
«Вам также может понравится»
Увеличение среднего чека за счет
продажи дополняющих товаров:
cross-sell
Увеличение скорости sell-out
Copyright © 2012, SAS Institute Inc. All rights reserved.
МЕТОДЫ ПОСТРОЕНИЯ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
Рекомендательные системы
Неперсонализированные
Обычное усреднение рейтингов
Правила ассоциаций
Персонализированные
SVDCollaborative
filteringContent-based
«Лидеры продаж»:
Топ- категория: платья
Рекомендации на базе
факта покупки товара
На базе
индивидуальных
предпочтений
пользователей
Рекомендация товаров,
с учетом истории
покупок пользователей
Рекомендация товаров, на
базе профилей
пользователей или товаров
Copyright © 2012, SAS Institute Inc. All rights reserved.
СПОСОБЫ ПОСТРОЕНИЯ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
Матрица рейтингов пользователей внутри
сегмента по продуктам:
Пользователь X
Продукт
Продукт
1 Продукт 2 Продукт 3 Продукт 4 Продукт 5…
Пользователь 1 3 2 5 4 5
Пользователь 2 - - - 1 1
Пользователь 3 1 - 2 5 -
Пользователь 4… ? ? 1 2 5
Предсказанный рекомендательной системой рейтинг пользователя
Пользователь 4 3.21 4.82 1 2 5
«Вам может понравиться..» => Задача: показать максимально релеватные данному товару продукты
Шаг 1: сегментация
пользователей
Шаг 2: построение матрицы рейтингов на уровне
пользователь / SKU (внутри категории)
Шаг 3: пересчет рейтинга продуктов
для пользователя с учетом стратегии
развития сегмента
Продукт Продукт 1 Продукт 2
Первоначальный
рейтинг
3.21 3.89
Рейтинг с учетом
ограничений4.82 2.12
Стратегия:
Для сегмента «Value driven mommies»
поднимать маржинальность корзины:
• Маржинальность продукта 1 = 3.4
• Маржинальность продукта 2 = 2.2
Copyright © 2012, SAS Institute Inc. All rights reserved.
СПОСОБЫ ПОСТРОЕНИЯ РЕКОМЕНДАЦИЙCUSTOMER
INTELLIGENCE
Матрица рейтингов пользователей внутри
сегмента по продуктам:
Пользователь X
Продукт Продукт 1 Продукт 2 Продукт 3 Продукт 4 Продукт 5…
Пользователь 1 3 2 5 4 5
Пользователь 2 - - - 1 1
Пользователь 3 1 - 2 5 -
Пользователь 4… ? ? 1 2 5
Предсказанный рекомендательной системой рейтинг пользователя
Пользователь 4 3.21 4.82 1 2 5
«Вместе часто покупают..» => Задача: показать дополняющие товары, которые пользователь захочет
приобрести вместе с данным товаром
Шаг 1: сегментация
пользователей
Шаг 2: построение взаимосвязей
продуктов в корзинах данного сегмента
Шаг 3: построение матрицы рейтингов на уровне
пользователь / SKU (внутри дополняющих
категорий)
Правило в сегменте:
Если клиент покупает обувь, то в 10%
случаев он купит носки
Copyright © 2012, SAS Institute Inc. All rights reserved.
ОБСУЖДАЕМЫЕ ВОПРОСЫCUSTOMER
INTELLIGENCE
Бизнес-процесс ACRM
Вызовы и особенности аналитики в e-commerce
360o взгляд на клиента2
Примеры онлайн персонализации4
Как превратить техническую проблему в конверсию:
отслеживание заполнения полей 5
Рекомендательные системы6
3
1
Состав решения, план проекта7
Copyright © 2012, SAS Institute Inc. All rights reserved.
Источники
данных
Отклики
Очистка /
преобразование
данных
Единое
представление
о клиенте
Клиентская
аналитика
Разработка
кампаний
Outbound
ОптимизацияNext Best
Offer
Отчетность /
Мониторинг
Онлайн поведение
Рекомендации
Inbound
ACRM – КАК ДОЛЖНО БЫТЬ: СХЕМА РАБОТЫ ACRMCUSTOMER
INTELLIGENCE
Copyright © 2012, SAS Institute Inc. All rights reserved.
Источники
данных
Отклики
Очистка /
преобразование
данных
Единое
представление
о клиенте
Клиентская
аналитика
Разработка
кампаний
Outbound
ОптимизацияNext Best
Offer
Отчетность /
Мониторинг
Inbound
Онлайн поведение
Рекомендации
SAS Data Integration
SAS
Enterprise
Miner
SAS RTDM
SAS
In-memory
Statistics
SAS
Campaign
Management
SAS
Marketing
Optimization
SAS
Campaign
Management
SAS
Business
Intelligence
SAS CUSTOMER DECISION HUB
CUSTOMER
INTELLIGENCE
ACRM – КАК ДОЛЖНО БЫТЬ: РЕШЕНИЯ SAS
SAS
Customer
Experience
45Copyright © 2011, SAS Institute Inc. All rights reserved.Copyright © 2011, SAS Institute Inc. All rights reserved.
Спасибо за внимание!
Ольга Зуева
Бизнес консультант по клиентской аналитике
+7 985 189 89 60