ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ 18.11.2012 | Radim Tvardek, Petr Bulava, Daniel Mašek
U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic
PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU 18.11.2012 | Daniel Mašek
U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic
OBSAH A CÍLE PREZENTACE Stanovení cílů Datové zdroje Segmentace zákazníků Segmentace prodejen
Věrnostní systém
PAGE
3
METODOLOGIE Dataminingová úloha
PAGE
4
STANDARDY Best practises Využití standardní data miningové metodologie
PAGE
5
SPECIFIKA ANALÝZY NÁKUPNÍHO KOŠÍKU Nesupervizovaná úloha Popisná analýza V datech není pevný cíl Hledání anomálií
Supervizovaná úloha Predikční model Hledání odpovědi na jasné zadání
Definice vstupních a výstupních proměnných Interpretace modelu Snadná interpretace vs. praktický přínos
Výběr pravidel PAGE
6
OBCHODNÍ CÍLE Up-sell, cross-sell Segmentace zákazníků a prodejen Optimální složení plošné promoční nabídky Optimalizace produktů, marže
Cílená promoční nabídka Výběr zákazníků a produktů
Složení balíčků (produkty, služby) Omezení přechodů zákazníků ke konkurenci Přizpůsobení layoutu prodejny nákupním zvyklostem
PAGE
7
CÍLE ANALÝZY NÁKUPNÍHO KOŠÍKU Identifikace složení nákupních košíků dle typů zákazníka Identifikace nejprofitabilnějších a nejztrátovějších košíků Predikce chybějícího zboží v košíku Vizualizace nákupního košíku Optimalizace hrubého zisku marketingové kampaně Odhad pravděpodobnosti nákupu určitého zboží
PAGE
8
RIZIKA Dostupnost dat Data v transakčním formátu
Neúplnost dat
Počet vazeb (asociací) Roste exponenciálně s počtem produktů Kategorizace sortimentu Omezení rozsahu pro analýzu
Složitá praktická interpretovatelnost PAGE
9
DATOVÉ ZDROJE Transakční databáze POS data na úrovni řádek účtenky Identifikace prodejů věrnostního systému
Datové sklady Určitá ztráta detailu
Ostatní datové zdroje Exporty z databází Excel
Volná data Záznamy z call center, hodnocení atd.
Neelektronická data „Kniha přání a stížností“
Externí zdroje Data z marketingových agentur Registry (obchodní, dlužníků atd.) PAGE
10
POROZUMĚNÍ DATŮM Datový audit Obsahují data všechny potřebné informace? Jsou data opravdu tím, čím mají být? Jednoduchá analýza dat pro kontrolu (prázdné údaje, povolený rozsah, chybná struktura atd.)
Jednorázová příprava dat Aktualizace Chybovost Závislost na IT oddělení nebo dodavateli
Definice cílové jednotky Košík, zákazník
PAGE
11
PŘÍPRAVA DAT Čištění dat Kategorizace sortimentu Sloučení produktů do skupin Podle charakteru úlohy
Restrukturalizace dat Sloučení dat ze struktury databáze do „jedné tabulky“ = denormalizace Agregace (snížení objemu dat a granularity) Transponování řádků na sloupce
Připojení dalších datových zdrojů Informace o zákaznících, produktech, prodejnách atd.
PAGE
12
VÝBĚR MODELU Asociační model Použití pro predikci Může zahrnout i statické informace Nezohledňuje posloupnost Vhodné pro anonymní nákupy
Sekvenční přístup Zahrnuje časovou dimenzi (jak jdou události za sebou) Obtížné zahrnutí statických vlastností Vhodné pro adresné nákupy
Pavučinový graf Zobrazení vztahů
PAGE
13
SEGMENTACE Proces, kdy se rozdělí celek na menší homogenní části (se stejnými vlastnostmi)
Zvyšuje efektivitu vložených prostředků vystihnutím podstaty daného segmentu Vhodné segmentace Zákaznické profily Profily prodejen
PAGE
14
SEGMENTACE ZÁKAZNÍKŮ Pro které společnosti je určena Různé potřeby zákazníků z hlediska prodávaného zboží Dostatečný počet transakcí
Přínosy Znásobení odpovědí a konverzí oslovené skupiny Znásobení návratnosti kampaně (ROI) Vyšší důvěryhodnost značky (lepší vnímání nabídek) Snížení informační zátěže neoslovených
Jak na to Externí marketingové agentury Datamining Kombinace PAGE
15
SEGMENTACE ZÁKAZNÍKŮ Dimenze Sociodemografické Hodnota zákazníka (generovaný obrat) Loajalita zákazníka Nákupní chování Potenciál zákazníka Cenová citlivost Potřeby zákazníka Náklady na získání a udržení zákazníka a další…
PAGE
16
SEGMENTACE PRODEJEN Relativně jednoduchá Externí vstupy (potenciál prodejen) vs. datamining Dimenze Demografické složení spádové oblasti Celkový obrat, celkový hrubý zisk Potenciál Nárůst/pokles Složení nákupních košíků Ziskovost (náklady vs. prodeje) Loajalita zákazníků a další…
PAGE
17
VĚRNOSTNÍ SYSTÉM Řádově mění potenciál pro vyhodnocení Nebezpečí přecenění významu Věrnostní systém je pouze nástrojem k poznání zákazníka
Riziko devalvace Při jeho ne/přítomnosti nutno zvolit správný model vyhodnocení
PAGE
18
PAGE
19
Děkuji Vám za pozornost … Daniel Mašek U&SLUNO a.s.
[email protected] kontakt: +420 724 666 411
PAGE
20
