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
Download

Předpoklady pro analýzu nákupního košíku