Диссертация (1137940), страница 12

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

Текст из файла (страница 12)

ПостановкакомпанииПостановказадачизадачиуправленияуправленияклиентскойклиентскойбазойбазойкомпаниибазируется на следующих основных предположениях.Предположение 1. Всех клиентов компании можно разделить на Kнепересекающихся кластеров в зависимости от частоты покупок, величинысреднего чека и социально-демографического положения.Предположение 2. Перемещение клиентов между различнымикластерамивслучаеневыявленноговлиянияпредысториивзаимоотношений клиента и компании можно описать с помощьюадаптированной модели движения кадров Староверова О.В..Предположение 3.

Ценность клиента для компании можно оценить,используя частоту совершения покупок и размер среднего чека.Предположение 4. Расходы, понесенные компанией на управлениеклиентской базой, можно отнести к двум категориям: расходы на78привлечение новых клиентов и расходы на удержание существующихклиентов и увеличение их лояльности.Предположение 5. Изменение покупательского поведения клиентов:интенсивность перехода между кластерами, частота покупок и величинасреднего чека, происходит под влиянием следующих факторов:внешнего воздействия рынка;внутреннего воздействия маркетинговых мероприятий компании;изменения собственных потребностей клиентов вне зависимости отвнешнего мира.Критерийоптимальногоуправленияклиентскойбазой-максимизация показателя долгосрочной стоимости (CLV) клиентской базыкомпании за интервал времени T.Инструментамиуправленияклиентскойбазыявляютсямаркетинговые мероприятия, которые направлены на стимулирование иизменение покупательского поведения групп клиентов с целью увеличенияих прибыльности на долгосрочном интервале времени.В качестве граничных условий выступает бюджетное ограничение Bна проведение маркетинговых мероприятий для каждого моментавремени t.Таким образом, математическая запись задачи управления клиентскойбазой может быть сформулирована в виде следующей системы уравнений:T 1 K t t t Lt    N i Fi M i   z ( Ad l )   max t 1 νt  i 1l 1L z ( Ad t )  B t , t  [1,T ]ll 1(27)где N it – численность кластера i в момент времени t, рассчитывается поформуле (15);Fi t – средняя частота покупок для кластера i в момент времени t,рассчитывается по формуле: Fi t  f i ( Ad 1t ;...;Ad Lt ) ;79fi – функция, отражающая зависимость частоты покупок кластера i отмаркетинговых мероприятий компании;M it – величина среднего чека в кластере i в момент времени t,рассчитывается по формуле: M it  mi ( Ad 1t ;...;Ad Lt ) ;mi – функция, отражающая зависимость среднего чека кластера i отмаркетинговых мероприятий компании;Ad lt – фактор, характеризующий набор маркетинговых мероприятий сопределенными параметрами: тип маркетингового мероприятия, категориятовара, регион проведения, размер скидки/бонусных баллов, в моментвремени t;z ( Ad lt ) – стоимость фактора Ad lt в момент времени t;Bt – размер бюджета на маркетинговые мероприятия в момент времени t;K – количество кластеров клиентской базы;t – множитель дисконтирования в момент времени t.Решением данной задачи оптимального управления является такойнабор маркетинговых мероприятий Ad 1t ;...; Ad Lt в каждый момент времениt  [1, T ] , при котором достигается максимум долгосрочной стоимостиклиентской базы.Для решения поставленной задачи поиска оптимального решениязадачи управления клиентской базой компании используется методградиентного спуска, реализованный в программном инструментарииMicrosoft Excel [33, 60].Метод приведенного градиента (МПГ) основан на сокращенииразмерности задачи с помощью представления всех переменных черезмножество независимых переменных.

Впервые его предложил Вульф в1963 для задач линейного программирования с линейными ограничениями.Градиентный спуск — метод нахождения локального экстремума(минимума или максимума) функции с помощью движения вдольградиента.Дляминимизациифункциивнаправленииградиента80используются методы одномерной оптимизации, например, метод золотогосечения.

Позднее этот метод был обобщен на случай нелинейныхограничений.Метод обобщенного приведенного градиента применяется дляпоиска минимума целевой функции на множестве, заданном нелинейнымиограничениями, как типа равенства, так и неравенства. Метод можноиспользовать даже в случае нелинейных функций, ограниченных каксверху, так и снизу.В качестве достоинств этого метода отмечаются: простота формулировки целевой функции как функции независимых изависимых переменных; возможность получения допустимого решения на каждой итерации засчет перемен местами зависимых и независимых переменных; устойчивость алгоритма к нарушению исходных предпосылок и егонадежность; оптимальные решения находятся даже при больших интервалах заданияначальных условий.Найденноесиспользованиемметодаградиентногоспускауправляющее воздействие наряду с оптимизацией расходов компании иповышением эффективности клиентской базы одновременно позволит:1.управлять не отдельными клиентами, а группами клиентов компаниив соответствии с разработанной в данном исследовании моделью,представляющую собой модель движения кадров Староверова О.В.,адаптированную для групп клиентов;2.учесть различия в покупательском поведении клиентов и отследитьизменение качественных характеристик клиентской базы, таких какчастота покупки и средний чек, что положительно влияет на точностьрасчета показателя CLV.81Таким образом, в результате теоретических исследований былиполучены следующие результаты:1.Предложенновыйподходкоценкепараметровмоделипрогнозирования численности клиентской базы с использованием матрицыпривлечения и выбытия клиентов, и разработана модель прогнозированиячисленности клиентской базы, учитывающая интенсивность переходовклиентов между группами, для случая постоянной и изменяющейся вовремени интенсивности.2.Выявлены факторы, оказывающие влияние на интенсивностиперехода клиентов между кластерами, частоту покупок и величинусреднего чека.3.Предложена комплексная модель управления клиентской базойкомпании,позволяющаяучитыватьособенностипокупательскогоповедения и социально-демографические отличия групп клиентов, как приналичии бюджетных ограничений, так и при их отсутствии.4.Сформулирована и решена задача, доставляющая оптимальное, сучетом заданных критериев качества, решение задачи управленияклиентской базой компании.82ГЛАВА 3.

УПРАВЛЕНИЕ КЛИЕНТСКОЙ БАЗОЙ КОМПАНИИРОЗНИЧНОЙТОРГОВЛИСИСПОЛЬЗОВАНИЕМКОМПЛЕСКНОЙ ДИНАМИЧЕСКОЙ МОДЕЛИ3.1. Характеристика информационной базы исследованияДля апробации теоретических результатов диссертационной работыбыла разработана динамическая модель управления клиентской базой длякомпании реального сектора экономики, и на основе данной моделинайдена стратегия оптимального управления клиентской базой компаниина интервале 12 месяцев, позволяющая максимизировать долгосрочнуюстоимость клиентской базы.Рассматриваемая компания входит в список крупнейших торговорозничных компаний России, сегмент салонов сотовой связи.

Магазиныпредставлены на всей территории Российской Федерации, в общейсложности более 2000 торговых точек.Основные категории продаваемых товаров: аппараты сотовой связи,смартфоны, фото и видео техника, ноутбуки и планшеты, прочиеэлектронные товары (электронные книги, плееры, GPS-навигаторы и т.д.).Также компания предоставляет ряд финансовых услуг, такие какприем платежей от клиентов (сотовая связь, интернет, ЖКХ), денежныепереводы, погашение кредитов, страхование.В качестве анализа были рассмотрены транзакционные данные опокупках клиентов компании по региону Казань в период с ноября 2007года по март 2012.

Общее число уникальных клиентов: 220 292 записей.Ограничения исследования: в рамках данного исследования былаиспользована информация о покупках только тех клиентов, которыеоформили карту лояльности компании, и в момент оплаты предъявили еена кассе.Оформление карты лояльности происходит при совершении первойпокупки клиентом и заполнении специальной анкеты (фамилия и имя83клиента, дата рождения, пол, возраст, контактная информация). Припредъявлении карты лояльности в момент совершения покупки клиентуначисляются бонусные баллы в размере 1% от суммы покупки.

Бонусныебаллы в дальнейшем могут быть использованы в качестве скидки припоследующих покупках.Исходные данные для анализа (список используемых переменных):1. Уникальный идентификатор клиента (Client_ID).2. Пол (Sex).Принимает значения: 1 – мужчина, 0 – женщина.3. Возраст (Age).4. Семейное положение (Family_Status).Принимает значения:1 – женат/замужем, 2 – холост/не замужем, 0 – не указано.5. Дата и время покупки (Purchase_Date).6.

Сумма покупки в рублях РФ (Purchase_Sum).7. Категория, к которой относится купленный товар(Purchase_Kategory).Принимает значения:1 – сотовые телефоны, смартфоны;2 – фото и видео техника;3 – ноутбуки, нетбуки, планшеты;4 – аксессуары;5 – платежи;6 – финансовые продукты (денежные переводы, погашения кредитов,страховые продукты);7 – непрофильные товары;8 – товары, бывшие в употреблении;9 – тарифные планы, услуги операторов сотовой связи.84Данные по набору параметров представлены для каждого уникальногоклиента компании, т.е.

представляют собой панельные данные. Дляпроведения анализа покупательского поведения в динамике необходимоосуществитьпереходквременнымрядам,т.е.кпоказателям,характеризующим покупательское поведение клиента в каждый иззаданных интервалов планирования – месяц.Для решения данной задачи в работе были посчитаны следующиеагрегирующие переменные:1. Дата первой покупки клиента (First_Purchase_Date).2. Дата последней покупки клиента (Last_Purchase_Date).3. Количество покупок клиента:a. за весь период (Purch_Num_All);b.

Характеристики

Список файлов диссертации