Анализ клиентской базы : Математика и методы анализа товарных ресурсов

Добрый день, уважаемые закупщики!
Я сам не закупщик (хотя данная тема мне интересна), а продажник.
Почитав информацию здесь я понял, что многие методы анализа в закупках и продажах похожи.
В связи с этим такой вопрос: есть ли у кого-то опыт анализа клиентской базы? Какие методы можно использовать для этого?
Буду благодарен!

Добрый день!
1. Нужно поставить цель анализа, а затем выбирать инструменты и методологии анализа клиентской базы. Многие цели конечно зависят от рынка и стратеги работы самого предприятия. Примеры целей:
*Оценка клиентов с точки зрения вклада в выручку/прибыль. Выделение групп и формирование стратегии работы с ними.
*Оценка клиентов по частоте покупок. Выделение групп и формирование стратегии работы с ними.
*Оценка клиентов по давности покупки. Выделение групп и формирование стратегии работы с ними.
*Оценка системы скидок клиентам.
*Оценка кредитной политики предприятия. Выделение групп по просроченной дебиторской задолженности и формирование стратегии работы с ними.

2. Проводить анализ выбранными инструментами и методологиями.
*В первых 3 целях с п. 1 можно использовать RFM-анализ.
*Оценку эффективности действующей системы скидок можно проанализировать пузырьковой диаграммой (см. рисунок). Размер пузырька - это размер скидки.
*Кредитную политику можно оценить по АВС анализу по просроченной дебиторской задолженности в днях.

3. Сделать необходимые выводы и провести необходимые работы по улучшению ситуации.

Спрашивайте, постараемся помочь.

Миниатюры

 

Вадим, спасибо!

Цель анализа не совсем конретна из-за того, что раньше этим у нас в компании никто не занимался и нет четкого представления что нужно... У нас розничная сеть, у большинства клиентов есть наша дисконтная карта. С момента ввода данных карт анализ клиентской базы держателей карт не проводился. Вот теперь нужно это сделать. Я пытаюсь разобраться, что в принципе можно получить из этого анализа и какими инструментами.

Я как раз и попал на этот сайт из поисковика по данному запросу. Почитал, методика интересная, можно выделить "ядро" самых лояльных покупателей и подготовить им приятные сюрпризы :)

Что еще можно выжать из данных при помощи RFM-анализа?

Какие еще методы анализа можно применить для анализа держателей карт?

И какие решения можно принять на основе результатов этих анализов?

Извиняюсь, что вопрос не совсем конкретен, но имеющиеся на сегодня знания не позволяют сформулировать его более конкретно... :oops:

sales, добрый день!
Вы можете выделить группы по RFM ячейкам и разработать стратегии работы с этими группами.
Нужно смотреть какие у Вас данные введены в учетной истеме связанные с "профилем" покупателя: демографические характеристики, интересы и предпочтения, др. Главная цель - понять кто Ваши основные покупатели и как они подходят к процессу покупки.
Нужно смотреть на каком рынке Вы работаете и кто Ваши покупатели.
После выделения групп, можно работать с этими группами. Например:
1. можно использовать директ-маркетинг для стимулирования торговли и перекрестных продаж.
2. создать для лояльных покупателей такие условия, чтобы они чувствовали свою исключительность. Например, можно обслуживать таких покупателей без очереди или в отдельной кассе, без ожиданий по телефону получать необходимую информацию и т.д.

Спасибо, учту!
Вадим, а существует ли (думаю, что должна существовать) методика разработки дисконтной системы, чтобы скидки назначались не "наугад", а были обоснованы расчетами?

В приложении файл с методикой Гурьева Дмитрия Владимировича по определению шкалы скидок, можно использовать и для дисконтной системы.

Вложения

Калкулятор шкала скидок.rar (6.3 Кб, 264 просмотров)

Во-первых, стоит учесть, что воспользоваться картой может не только любой член семьи держателя карты, но и его друзья и подруги. И во-вторых, группы покупателей представляют собой кластеры, по-сути, это- кластерный анализ. Попросите Андрея расширить Инвентор возможностью проведения кластерного анализа в общем виде, без привязки к сущностям кластеризуемых объектов.

Вадим, Александр, спасибо!
Я на днях читал материал по кластерному анализу. Вот только проблема - я не математик... мне не понятно вообще как это можно сделать на практике, какими инструментами. А если мне не понятно - я не пытаюсь это применять. Использовать специализированные программы, не понимая как они работают, я бы не хотел. Скорее всего кластерный анализ - отличная штука, но перед этим нужно попробовать более простые инструменты. Так сказать, от простого к сложному, сначала мы учимся ходить, потом бегать...

В связи с этим вопрос: нет ли более простого способа выделения групп клиентов: формирующие поток, формирующие выручку, формирующие прибыль и т.д. (кстати, по каким критерия еще можно выделять группы покупателей, чтобы эта информация была полезна нам для дальнейшей работы?) Наверняка, можно в Excel такое сделать?

Большинство алгоритмов Data Mining, в том числе кластерный анализ, не требует специальной подготовки для понимания. Есть несколько методик проведения кластерного анализа, и лишь одна вызывает сложность: cамоорганизующиеся карты Кохонена, остальные методики довольно просты.

Самостоятельно это можно сделать, программируя на любом языке.

Я не согласен с распространенным мнением, что в Экселе все можно сделать намного проще. Может быть визуальнее- это да, но не проще, и на то есть две причины:
1) Отсоединяя данные от источника, мы теряем их актуальность, как и срезав цветы, мы сможем забрать их с собой, скомпановать букет, перевязать его ленточкой, но через короткий промежуток времени они завянут.
2) После преобразования и анализа отсоединенных данных, их практически невозможно залить обратно в источник, т.к. исходные данные за время нашего преобразования изменились, они меняются ежесекундно. Невозможно срезанный букет, связанный ленточкой, прарастить обратно к кусту.

Поэтому самый простой способ-не пытаться извлечь отсоединенные данные, а обрабатывать их в самом хранилище. Современные хранилища поддерживают во много раз бОльшую функциональность, чем отсоединенные софты для обработки. В том числе все алгоритмы Data Mining входят в состав современных СУБД. Понятно, что обычному сотруднику доступ к "святая святых" не дадут, но как вы и сказали: "Сначала мы учимся ходить, потом бегать".

Если все-таки Excel, то можно воспользоваться бесплатной [ приблудой ] от мелкомягких, позволяющей проводить анализы в Экселе, но я бы не советовал: слишком сложно описан инструментарий, и алгоритмы представляют собой "черный ящик".

sales, добрый день!
1. Используйте RFM-анализ.
2. Можно использовать АВС по прибыли, выручке и количеству отгузок. Количество отгрузок можно плучить в Excel с помощью сводных таблиц имея список: документ с номером и числом, клиент.

Согласен с Александром, что Excel не универсальный инструмент, но он позволяет проводить анализы для дальнейшей реализации их в учетной базе, также возможно моделирование. В свое время работал в Excel таким образом: анализирвал данные в Excel и затем импортировал в учетную базу данные с Excel.