Диссертация (1137940), страница 13
Текст из файла (страница 13)
помесячно ( Purch_Num i );c. помесячно накопительным итогом ( Purch_Cumu l_Num i ).4. Сумма покупок клиента:a. за весь период (Purch_Sum_All);b. помесячно ( Purch_Sum i );c. помесячно накопительным итогом ( Purch_Cumu l_Sum i ).5. Частота покупок клиента:a. за весь период (Freq_All);b. помесячно накопительным итогом ( Freq t ).Частота покупок в момент времени t рассчитывается как отношениеколичества покупок клиентов, совершенных в момент времени t, кколичеству месяцев, прошедших от даты первой покупки до моментавремени t.tFreqt Purch _ Numi 1ti(28)где: Freqt - частота покупок клиента на момент времени t;Purch _ Numi - количество покупок, совершенное клиентов в месяце i;85t – количество месяцев, прошедших с момента первой покупки домомента расчета показателя.Замечание: частота покупок в последнем месяце совпадает с частотойпокупок при расчете за весь период времени.6.
Средний чек клиента:a. за весь период (Avg_All);b. помесячно накопительным итогом ( Avg t ).Средний чек клиента в момент времени t рассчитывается какотношение накопительной суммы покупок клиента на момент времени t кколичеству покупок клиента на момент времени t.tAvg t Purch _ Sumii 1t Purch _ Numi 1(29)iгде: Avg t - средний чек клиента на момент времени t;Purch_Sum iсумма покупок, совершенных клиентом в месяце i;Purch_Numi - количество покупок, совершенное клиентом в месяце i;t – количество месяцев, прошедших с момента первой покупки до моментарасчета показателя.7.
Количество месяцев, прошедшее от первой до последней покупки.8. Количество месяцев, прошедшее от первой покупки до выбытияклиента или до 03.2012г, если клиент активен.9. Количество месяцев, прошедшее от последней покупки до выбытияклиента или до 03.2012г, если клиент активен.Используемые пакеты анализа данных.В работе были использованы следующие программные инструментыанализа данных:IBM SPSS Statistics, версия 19;Eviews 7 Standart Edition;Microsoft Office Professional Excel 2010.863.2.
Предобработка и анализ входных переменныхВалидация данных.Валидация исходной информации и проверка непротиворечивостипредоставленныхданныхявляетсяоднимизважнейшихэтаповпроведения статистического исследования. Поэтому в рамках данногоисследования был проведен анализ данных с целью выявления аномальныхзначений и выбросов.Из рассмотрения были исключены следующие данные, которые былиотнесены к ошибкам заполнения анкеты.1.Ошибки заполнения даты рождения: клиенты, не достигшие возраста 18 лет, т.к.по условиямпрограммы участником может стать гражданин РФ не моложе 18лет;клиенты, имеющие возраст старше 90 лет, т.к.
вероятностьоформления карты лояльности таким клиентом весьма низкая.2.Мошеннические действия: выявление аномально большогоколичества покупок.3.Ошибки загрузки данных в систему - технические ошибки:выявление клиентов с аномально маленькой или большой суммой покупоки среднего чека.4.Прочиеневалидныеданные:отрицательныезначения,незаполненные обязательные поля анкеты (возраст, пол), клиенты сотсутствием покупок.Областьдопустимыхзначенийдляисследуемыхпеременныхприведены ниже (Таблица 4).Таблица 4.
Область допустимых значенийВозрастСумма покупкиСредний чекСовокупное число покупокМинимальноезначение18100р10р1Максимальноезначение902 000 000р2 000 000р80087В результате проведенного анализа было удалено 38 365 записей.Для построения модели использовалась выборка из 181 927 записей.Статистический анализ входящих переменныхВ рамках работы был проведен статистический анализ исходных ирассчитанных в ходе работы переменных:1. Построены гистограммы исследуемых переменных.2.
Проанализированаописательнаястатистикапеременных:минимальное и максимальное значение, среднее и стандартноеотклонение.Анализ демографических характеристик клиентской базы показал,что среди клиентов компании имеется небольшое преобладание мужчин,по социальному статусу клиентов, указавших свое семейное положение,небольшое преобладание «холостых» клиентов, над теми, кто обозначилсвой статус, как «женат/замужем», при этом наблюдается значительнаягруппа клиентов, которые не отметили свое семейное положение (рис. 9).Рисунок 9.
Социально-демографические характеристики клиентской базыкомпании.Распределение возрастных категорий среди мужчин и женщинодинаково: преобладают молодые люди в возрасте от 25 – до 40 лет(рис. 10).88ЖенскийМужскойРисунок 10. Половозрастная гистограмма клиентской базы компании.Потребительскоеповедениеклиентахарактеризуетсяегопокупательской активностью. Т.е. такими параметрами, как: совокупноеколичество покупок, совокупная сумма покупок, средний чек покупки,частота покупок, время «жизни» и время «сна» клиента.
Описательнаястатистика и гистограммы приведены на рис. 11 – рис. 16.Как видно из приведенных графиков, большая часть клиентской базыимеет довольно пассивное покупательское поведение: небольшое числопокупок из бюджетной категории товаров (средний чек от 1-2 тысячирублей), частота покупок низкая, в среднем менее 1 покупки в год.По гистограмме времени жизни клиента видно, что происходитпостепенное насыщение клиентской базы компании: количество клиентовсо сроком жизни менее 10 месяцев значительно ниже, чем количествоклиентов, привлеченных на этапе формирования клиентской базы (срокжизни от 50 до 53 месяцев).
Примерно 12 500 клиентов активны исовершили покупку в последнем месяце (около 7% от рассматриваемойклиентской базы). Распределение клиентов по давности покупок довольноравномерно.89СтатистикиСовокупное количество покупокNВалидныеПропущенныеСреднееСтд. отклонениеАсимметрияСтд. ошибка асимметрииЭксцессСтд. ошибка эксцессаМинимумМаксимум181927012,043028,203247,446,00693,588,0111800,00Рисунок 11.
Описательная статистика характеристики «совокупное количествопокупок».СтатистикиСовокупная сумма покупокNВалидныеПропущенныеСреднееСтд. отклонение181927АсимметрияСтд. ошибка асимметрииЭксцессСтд. ошибка эксцессаМинимум012724,592234512,9545520,036,006666,727,01110,00Максимум1904987,08Рисунок 12. Описательная статистика характеристики «совокупная суммапокупок».СтатистикиСредний чекNВалидныеПропущенныеСреднееСтд. отклонение181927АсимметрияСтд.
ошибка асимметрииЭксцесс02240,46183470,705058,650,006166,527Стд. ошибка эксцессаМинимумМаксимум,01110,00122400,00Рисунок 13. Описательная статистика характеристики «средний чек».90СтатистикиЧастота покупокNВалидныеПропущенныеСреднее1819270,4262Стд. отклонение,94353Асимметрия7,522Стд. ошибка асимметрииЭксцесс,006120,439Стд. ошибка эксцессаМинимум,011,02Максимум41,53Рисунок 14. Описательная статистика характеристики «частота покупок».СтатистикиВремя жизни клиентаNВалидныеПропущенныеСреднее181927033,8475Стд.
отклонение13,42137Асимметрия-,318Стд. ошибка асимметрииЭксцесс,006-,857Стд. ошибка эксцесса,011Минимум1,00Максимум53,00Рисунок 15. Описательная статистика характеристики «время жизни клиента».СтатистикиВремя сна клиентаNВалидныеПропущенныеСреднееСтд. отклонение181927022,925215,98544Асимметрия,176Стд. ошибка асимметрии,006ЭксцессСтд.
ошибка эксцессаМинимумМаксимум-1,157,011,0052,00Рисунок 16. Описательная статистика характеристики «время «сна» клиента».913.3. Кластеризация клиентской базы компании методом kсреднихДля кластеризации клиентской базы использовались нормированныезначения следующих наборов переменных:1. Частота покупок клиента (за весь период).2. Средний чек клиента (за весь период).3. Количество месяцев с первой покупки до выбытия клиента или до03.2012г, если клиент активен1. В дальнейшем данный показательобозначается как время «жизни» клиента.4. Количество месяцев с последней покупки до выбытия клиента илидо 03.2012г, если клиент активен. В дальнейшем данный показательобозначается как время «сна» клиента.Кластеризация клиентской базы проведена методом k-средних сиспользованием программного инструментария IBM SPSS Statistica.В качестве параметров кластеризациибыло последовательновыбрано разбиение на 3, 5, 7 и 10 кластеров.
В результате анализарезультатов кластеризации для дальнейшего исследования было выбрано5-ти кластерное решение (Таблица 5).Таблица 5. Кластеризация клиентской базы (5 кластеров)Средний чекВремя «жизни»Время «сна»Частота покупокЧисленность кластераКластер 1 Кластер 21462.48755.0430.427.78.83.00.452.5059 51811 198Кластер314747.4423.213.80.482 382Кластер4 Кластер 5921.271918.1224.941.71.533.77.480.151 38436 686Из процедуры кластеризации клиентской базы были исключеныклиенты с нулевой частотой повторных покупок.Общее число таких клиентов – 70759, из них:- совершивших только 1 покупку – 32 316 человек;- совершивших более 1 покупки, но в течение одного дня – 38 443 человек.103.2012 – это дата последнего периода времени в представленном для анализа наборе данных92Значения среднего чека, времени жизни и времени сна для кластераклиентов без повторных покупок представлены в таблице (Таблица 6).Таблица 6.
Показатели покупательского поведения для кластерабез повторных покупокСредний чекВремя «жизни»Время «сна»МинимумМаксимумСреднее10,0010122400,0053522901,8334,1533,13Стд.отклонение4244,0812,8412,84Для выявления отличий в характере покупательского поведениявыделенных кластеров или социально-демографических различий былпроведен визуальный анализ данных и построены гистограммы ключевыхпоказателей базы по каждому кластеру (см. Приложение 1).По графикам видно, что есть незначительные отличия по полу исоциальному статусу в выделенных кластерах. Так в 3 кластере, с болеевысоким средним чеком, выражено преобладание мужчин.
В целомхолостых/незамужних клиентов чуть больше, чем семейных людей, чтосоответствует общему распределению по базе. При этом во 2 и 4 кластерахвидно явное преобладание людей, скрывших данную информацию.По характеру частоты покупок, величины среднего чека, общейсуммы покупок и общему количеству покупок не выявлено явныхразличий по распределению внутри группы – во всех кластерахнаблюдается смещение к минимальному значению параметра. Но явновидно отличие по максимальным значениям показателей.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
