Автореферат (1137939), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Матрица привлечения и потери клиентовКластер 1x11x12x13…x1kКластер К+1(внешний мир)c11Кластер 2х21x22x23…x2kc12Кластер 3х31x32x33…x3kc13…………………Кластер ККластер К+1(внешний мир)xk1xk2xk3…xkkc1kc21c22c23…c2kКластер 1Кластер 2Кластер 315…Кластер КИнтенсивность перехода клиентов из кластера i в кластер j ( aij )определяется как отношение количества клиентов, перешедших из кластера i вкластер j к численности кластера на момент выхода клиентов, и рассчитываетсяпо формуле aijKx xijill 1(3). Тогда интенсивность выхода клиентов изкластера i (ri) представляет собой сумму всех переходов из кластера i в другиеkкластеры, т.е.

ri   aij  aiij 1(4). Вероятность нахождения индивида изкластера i в кластере j рассчитывается как pij aijri(5). Таким образом,используя матрицу привлечения и потери клиентов, можно оценить значенияпоказателей R и P в модели прогнозирования численности клиентской базы.Этап 4. Моделирование доходов от кластеров клиентов. Доходы,полученные компанией от клиента за период времени t, можно рассчитать какпроизведение частоты совершения покупок на размер среднего чека иколичество клиентов в кластере, дисконтированные на начальный моментвремени.

Формула для расчета доходов имеет вид:TD Tt 11tKN F Mi 1tititi(6),где: DT – сумма дисконтированного дохода от клиентской базы компании заttпериод T; N i – численность кластера i в момент времени t; Fi – средняя частотаtпокупок для кластера i в момент времени t; M i – величина среднего чека вкластере i в момент времени t; K – количество кластеров, полученных врезультате кластеризации клиентской базы; t – множитель дисконтирования вмомент времени t.Этап 5. Моделирование расходов от кластеров клиентов. Расходы,понесенные компанией на управление клиентской базой, можно отнести к двумкатегориям: расходы на привлечение новых клиентов и расходы на удержание16существующих клиентов и увеличение их лояльности.

Можно выделить Lфакторов в момент времени t, каждый из которых будет характеризовать набормаркетинговых мероприятий с определенными параметрами l  [1, L] . ФакторAd lt , гдеAd lt имеет свою стоимость z ( Ad lt ) . Тогда сумма расходовкомпании на управление клиентской базой равна совокупной стоимостифакторов,характеризующихмаркетинговыемероприятиякомпании,дисконтированные на начальный момент времени, имеет вид:1  LZ     z ( Ad lt )  (7) ,t 1  t  l 1TTttгде: z ( Ad l ) – стоимость фактора Ad l , характеризующего набор маркетинговыхмероприятий с определенными параметрами: тип маркетингового мероприятия,категория товара, регион проведения маркетингового мероприятия, размерскидки/бонусных баллов в момент времени t; L – количество факторов,характеризующих набор маркетинговых мероприятий с определеннымихарактеристиками; t – множитель дисконтирования в момент времени t.С учетом уравнений (4) и (5) долгосрочную стоимость клиентской базы(CLVКБ) можно рассчитать по формуле:1 K t t t L    N i Fi M i   z ( Ad lt )  (8)t 1 νt  i 1l 1TCLVКБПерераспределение клиентов между кластерами связано с изменением ихпокупательскогоповедения,котороехарактеризуетсяследующимипоказателями: частота совершения покупок, величина среднего чека, изменениенабора покупаемых товаров.Можно выделить следующие ключевые группы факторов, влияющих наизменение покупательского поведения:1.внешнее воздействие рынка;2.внутреннее воздействие маркетинговых мероприятий компании;173.изменение собственных потребностей клиентов вне зависимости отвнешнего мира.Модель, отражающаявлияние рассмотренныхвыше факторов наинтенсивность перехода из кластера i в кластер j (aij), имеет вид:aijt  Inij ( Ad1t ;...; Ad Lt )  Exijt  Gijt (9),ttгде: Inij ( Ad 1 ;...; Ad L ) – функция, отражающая зависимость интенсивностипереходов из кластера i в кластер j от маркетинговых мероприятий компании;Ad1t ;...; Ad Lt – факторы, характеризующие набор маркетинговых мероприятий сопределенными параметрами: тип маркетингового мероприятия, категориятовара,регионпроведениямаркетинговогомероприятия,размерtскидки/бонусных баллов в момент времени t; Ex ij – функция, отражающаявлияние рынка на переход клиентов из кластера i в кластер j в момент времениtt; Gij – функция, характеризующая межкластерные перемещения из кластера i вкластер j в момент времени t, обусловленные только изменением собственныхпотребностей клиентов вне зависимости от внешнего мира.Влияние проводимых маркетинговых мероприятий на частоту покупок Fi tи величину среднего чека М it можно представить следующим образом:Fi t  fi ( Ad1t ;...;Ad Lt ) (10)M it  mi ( Ad1t ;...;Ad Lt ) (11)где: fi – функция, характеризующая зависимость частоты покупок кластера i отмаркетинговых инициатив компании; mi – функция, характеризующаязависимость среднего чека кластера i от маркетинговых мероприятийкомпании;Ad lt–фактор,характеризующийнабормаркетинговыхмероприятий с определенными параметрами в момент времени t.Этап 6.

Модель оптимального управления клиентской базой компании.Критерий оптимального управления клиентской базой - максимизацияпоказателя долгосрочной стоимости (CLV) клиентской базы компании за18интервал времени T при наличии бюджетного ограничения на совокупныезатраты на маркетинговые мероприятия компании.Математически задача управления клиентской базойможет бытьпредставлена следующей системой уравнений:T 1 K t t t Lt    N i Fi M i   z ( Ad l )   max t 1 νt  i 1l 1L(12) z ( Ad t )  B t , t  [1,T ]ll 1ttгде: N i – численность кластера i в момент времени t; Fi – средняя частотаtпокупок для кластера i в момент времени t; M i – средний чек в кластере i вtмомент времени t; Ad l - фактор, характеризующий набор маркетинговыхмероприятий с определенными параметрами в момент времени t, имеющийtстоимость z ( Ad l ) ; Bt – размер бюджета на маркетинговые мероприятия вмомент времени t.Величинапараметровмаркетинговых мероприятийN it ,Fi t ,M itзависитотпроводимыхAd lt согласно формулам (2), (10) и (11)соответственно.Решением данной задачи оптимального управления будет являться такойнаборфакторов,определяемыхмаркетинговымиAd 1t ;...; Ad Lt в каждый момент временимероприятиями,t  [1, T ] , при котором будетдостигаться максимум долгосрочной стоимости клиентской базы.Втретьейглаверассматриваетсяпрактическоеприменениепредложенной выше модели на примере управления клиентской базойкомпании сектора розничной торговли по региону Казань.

Из имеющейся наначало исследования базы, состоящей из 220 292 уникальных клиентов, послепроведениявалидацииисходныхданныхиудаленияаномальныхинекорректных значений для исследования была использована выборка19в 181 927 клиентов. В результате кластеризации клиентской базы быловыделено 6 кластеров (рис. 4).Характеристика выявленных кластеров.«Рядовые покупатели» (кластер 1): число наблюдений 59 518, или 32,7%от всей клиентской базы.

Клиенты, которые приобретают в компаниипрофильные товары и услуги – покупка сотовых телефонов недорогих(бюджетных) моделей, аксессуаров к ним.«Плательщики» (кластер 2): число наблюдений 11 198, или 6,2% от всейклиентской базы. Клиенты, имеющие высокую частоту пользованияуслугами по приему платежей в адрес различных поставщиков услуг.«Средний класс» (кластер 3): число наблюдений 2 382, или 1,3% от всейклиентской базы.

Клиенты, приобретающие дорогие модели сотовыхтелефонов, а также активно пользующиеся финансовыми услугамикомпании: денежные переводы, погашение кредитов, страхование.«Приверженцы» (кластер 4): число наблюдений 1 384, или 0,8% от всейклиентскойбазы.Клиенты,которыепользуютсядвумяуслугамикомпании: покупка телефонов и финансовые услуги (погашение кредита,денежные переводы).«Спящие» (кластер 5): число наблюдений 36 686, или 38,9% от всейклиентской базы. Клиенты, обращающиеся в компанию преимущественноза финансовыми услугами – денежный перевод, погашение кредита,страховые услуги.«Случайные прохожие» (кластер 6, без повторных покупок): числонаблюдений 70 759, или 39% от всей клиентской базы. Клиенты,совершившие за рассматриваемый период только 1 покупку. Поэтому прианализе динамики перемещения клиентов между кластерами этот кластернецелесообразно рассматривать как отдельное состояние марковской цепи.20Рисунок 4. Кластеризация клиентской базы компанииКаждый новый клиент в соответствии с величиной суммы совершеннойпокупки попадает в один из 5 сформированных ранее кластеров.

Если в течение23месяцевоннесовершилповторнойпокупки,фиксируетсяегоавтоматическое выбытие из данного кластера.Для анализа динамики изменения численности клиентских кластеров наинтервале с 11.2007 по 03.2012 (53 месяца) были определены параметрыпокупательского поведения клиентов в каждый рассматриваемый периодвремени, составлены матрицы переходов клиентов между кластерами иполучены временные ряды интенсивностей переходов между кластерами (53наблюдения), скорректирована схема потоков внутри клиентской базы (рис. 5).Поток клиентов изкластера i в кластер jПоток клиентов из кластера iв кластер j (менее 1%)Поток новых клиентовВыбытие клиентовРисунок 5.

Скорректированная схема потоков между кластерамиМаркетинговые мероприятия компании, использующиеся для управленияклиентской базой, характеризуются 25 параметрами (таблица 2), отражающимитипы проводимых маркетинговых мероприятий, размер начисления бонусныхбаллов, регион проведения маркетинговых мероприятий и категории товаров.

Характеристики

Список файлов диссертации