Диссертация (1137940), страница 11

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

Текст из файла (страница 11)

Так, в качестве ключевых изменений отмечается:изменение частоты покупок клиентов;изменение величины среднего чека.71При этом в краткосрочном периоде влияние маркетинговыхмероприятий может быть отрицательным, но иметь положительныйэффект в долгосрочной перспективе.Влияние проводимых маркетинговых мероприятий на частотупокупок Fi t и величину среднего чека М it можно выразить в следующемвиде:Fi t  f i ( Ad 1t ;...;Ad Lt ) (21)M it  mi ( Ad 1t ;...;Ad Lt ) (22)где: fi – функция, отражающая зависимость частоты покупок кластера i отмаркетинговых мероприятий компании;mi – функция, отражающая зависимость среднего чека кластера i отмаркетинговых мероприятий компании;Ad lt – фактор, характеризующий набор маркетинговых мероприятий сопределенными параметрами в момент времени t.2.4.

Методы определения характера влияния маркетинговыхмероприятий на показатели покупательского поведениягрупп клиентовttttДля определения вида зависимости Inij ( Ad 1 ;...; Ad L ) , Ex ij , Gij , fi иmi используются методы статистического и регрессионного анализа.Одним из наиболее часто встречающихся предположений, лежащихв основе проводимых процедур статистического анализа, являетсяпредположение о нормальном распределении исследуемых выборочныхвеличин. В случае, если распределение входящих переменных отличаетсяот нормального, то необходимо использовать непараметрические тестыдля выявления закономерностей и проверки статистических гипотез.ДляпроверкиКолмогорова–нормальностиСмирнова[15],используетсякоторыйтестпозволяетпометодуопределить,подчиняется ли наблюдаемая случайная величина известному закону72распределения.

В результате проведения теста рассчитывается значениекритерия Колмогорова-Смирнова и статистическая значимость критерия p.ЕслирасчетноезначениекритерияКолмогорова-Смирновапревышает значение функции Колмогорова заданного уровня значимости,то гипотеза о нормальности распределения отвергается, и для дальнейшегоанализа необходимо использовать непараметрические тесты.Для анализа наличия значимых различий покупательского поведениявыявленных групп клиентов используется метод сравнения среднихзначений двух и более независимых выборок с использованием Н-теста пометоду Крускала и Уоллиса [16]. Условиями применения данного тестаявляется нормальное распределение рассматриваемых переменных.Н-тест по методу Крускала и Уоллиса является многомернымобобщением критерия Уилкоксона — Манна — Уитни.

Суть данного тестазаключается в расчете статистики критерия Краскела — Уоллиса дляпроверки гипотезы о наличии сдвига в параметрах сравниваемых выборок.Если эмпирическое (расчетное) значение критерия больше критическогозначения для заданного уровня значимости, то гипотеза о наличии лишьслучайных различий по уровню исследуемого признака отклоняется, т.е.подтверждается наличие значимых различий исследуемых признаков погруппам.Для выявления характера зависимости используются графические истатистические методы.

Так, на первом этапе выявления зависимостейцелесообразно построитьдиаграммы рассеяния[16], которые вграфическом виде отображают отношения между двумя переменными.В случае предположения линейной зависимости для подтверждениясделанных предположений о наличии линейной зависимости междурассматриваемыми переменными используется корреляционный анализ[16].

Данный метод позволяет выявить не только факт наличия илиотсутствия такой связи, но также определить ее направление и силу (илииными словами – тесноту линейной связи). Но ограничением данного73метода анализа является невозможность определить причину взаимосвязидвух факторов, что в некоторых случаях приводит к эффекту ложнойкорреляции.Корреляционный анализ применим для переменных, имеющихинтервальную или порядковую шкалу. В статистическом анализеиспользуется два основных коэффициента корреляции: коэффициенткорреляции Пирсона и коэффициент корреляции Спирмена [24].Коэффициент корреляции Пирсона измеряет степень линейныхсвязей между переменными и определяет степень, с которой значения двухпеременных пропорциональны друг другу.

Используется для переменных,имеющих интервальную шкалу измерений.КоэффициенткорреляцииСпирмена представляетсобоймерулинейной связи между случайными величинами и является ранговым, тоесть для оценки силы связи используются не численные значения, асоответствующие им ранги. Используется в случае, если хотя бы одна изисследуемых переменных относится к порядковой или дихотомическойшкале.

Данный коэффициент также нечувствителен к асимметриираспределения и наличию выбросов.Для выявления эффекта запаздывания или опережения переменныхможно провести анализ на кросс-корреляцию [41]. Процедура функциивзаимных корреляций (кросс – корреляция) оценивает корреляцию междуодним временным рядом в момент t и другим временным рядом вмомент t + k как функцию лага или дифференциала времени k. Онаособенно полезна для определения: есть ли корреляция между двумявременными рядами и, если есть, для периодизации основного временногоряда (разбивки на однородные отрезки).742.5. Определение доходов и расходов по группам клиентов,оценка долгосрочной стоимости клиентской базы компанииМетод определения доходов по группам клиентовДоходы, полученные компанией от клиента, можно оценить,используя частоту совершения покупок и размер среднего чека.RFM (англ.

Recency Frequency Monetary — давность, частота, деньги)- коэффициент, определяющий ценность потребителя через некотороевремя после его последней покупки, частоту его покупок за период иобщую стоимость сделанных им покупок.В своей работе Фадер и Харди предполагают, что простая статистика,такая как частота и время последней покупки, может дать довольноточную оценку будущей ценности. Т.е.

"на основе ограниченного объемасобранной информации, при правильном ее использовании, можнопостроить прогноз CLV, почти столь же объективный, как и на основеполной и детальной истории взаимоотношений с клиентом. Главное –какую именно информацию использовать, и как использовать ееправильно" [97].На основе данного предположения, доход, полученный от группыклиентов компании 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(23)где: DT – сумма дисконтированного дохода от клиентской базы компанииза период T;N it – численность кластера i в момент времени t;Fi t – средняя частота покупок для кластера i в момент времени t;M it – величина среднего чека в кластере i в момент времени t;75K – количество кластеров, полученных в результате кластеризацииклиентской базы;t– множитель дисконтирования в момент времени t.Метод определения расходов по группам клиентовРасходы, понесенные компанией на управление клиентской базой,можно отнести к двум категориям: расходы на привлечение новыхклиентов и расходы на удержание существующих клиентов и увеличениеих лояльности [120].В идеале в расходы на клиента также необходимо включать расходыпо обслуживанию клиентов.

Так, для поддержания контакта с ними,необходимо непосредственное общение (с помощью телефона, факса,электронной почты) и установка информационной системы для того,чтобы можно было отслеживать и сохранять в базе данных все операции склиентами. Затраты на обеспечение взаимодействия с клиентом, егопривлечение в компанию и обслуживание необходимо учесть при расчетечистого дохода от клиента. Формула для расчета суммы расходов покластерам имеет вид:1  KZ     N tj  Z1t j  c 2 tj  Z 2t jt 1  t  j 1TT(24)где N it - численность кластера i в момент времени t;с2t j– количество новых клиентов в кластере j в момент времени t;Z 1t j- средние расходы компании на обслуживание клиентов вкомпании в расчете на 1-го клиента из кластера j в момент времени t;включают в себя операционные затраты и затраты на маркетинг;Z 2t j - средние расходы компании на привлечение 1-го новогоклиента в кластер j момент времени h;K – количество кластеров, полученных в результате кластеризацииклиентской базы;76t – множитель дисконтирования в момент времени t.Для корректного отнесения операционных затрат на обслуживаниекаждого клиента в компании необходимо использовать методику ABCанализа (Activity based costing), но данное направление исследованияостается за рамками данной работы.

В модели учитываются только прямыерасходы – расходы на маркетинговые мероприятия и проводимые акции.Если в момент времени t выделить L факторов, каждый из которыххарактеризует набор маркетинговых мероприятий с определеннымипараметрами, тогда сумма расходов компании на управление клиентскойбазойравнаясовокупнойстоимостифакторов,характеризующихмаркетинговые мероприятия компании, дисконтированные на начальныймомент времени, имеет вид:1  L  z ( Ad lt ) t 1  t  l 1TZT  (25) ,где: ZT – дисконтированная сумма расходов на управление клиентскойбазой за период T;z ( Ad lt ) –стоимостьмаркетинговыхфакторамероприятийсAd lt ,характеризующегоопределеннымипараметрами:набортипмаркетингового мероприятия, категория товара, регион проведениямероприятия, размер скидки/бонусных баллов в момент времени t;L – количество факторов, характеризующих набор маркетинговыхмероприятий с определенными параметрами;t – множитель дисконтирования в момент времени t.Оценка показателя долгосрочной стоимости клиентской базыкомпанииС учетом уравнений (23) и (25) формула для расчета долгосрочнойстоимости клиентской базы (CLVКБ) будет выглядеть следующим образом:TCLV КБ  t 1L1 K t t t  N i Fi M i   z ( Ad lt ) ν t  i 1l 1(26)77где:N it – численность кластера i в момент времени t;Fi t – средняя частота покупок для кластера i в момент времени t;M it – величина среднего чека в кластере i в момент времени t;z ( Ad lt ) – стоимость фактора Ad lt , характеризующего набор маркетинговыхмероприятийсопределеннымипараметрами:типмаркетинговогомероприятия, категория товара, регион проведения мероприятия, размерскидки/бонусных баллов в момент времени t;L – количество факторов, характеризующих набор маркетинговыхмероприятий с определенными параметрами;K – количество кластеров, полученных в результате кластеризацииклиентской базы;t– множитель дисконтирования в момент времени t.2.6.

Характеристики

Список файлов диссертации