Aktywizacja klientów i określenie prawdopodobieństwa powtórnego zakupu

Tekst przeczytasz w: 1 minutę.

Budowa modelu predykcyjnego dla zagadnienia aktywizacji klientów dla firmy wysyłkowej, komunikującej swoją ofertę klientom poprzez sezonowy katalog.

 W projekcie, dzięki modelowaniu danych drzewami decyzyjnymi, wykonana została automatyzacja wyboru grupy docelowej do kampanii, obejmująca dwie kategorie – klientów aktywnych w poprzednim sezonie i klientów nieaktywnych, dla których dało się określić prawdopodobieństwo zakupu analizując historyczne „powroty” klientów. 

 

PROBLEM

  • Zwiększenie sprzedaży.
  • Aktywizacja klientów, którzy od dłuższego czasu nie dokonali zakupu.

ROZWIĄZANIE

  • Budowa modelu predykcyjnego określającego szansę, że klient dokona zakupu po przekazaniu mu katalogu.
  • Uwzględnienie podgrup klientów nieaktywnych.
  • Przygotowanie procesu i struktur danych analitycznych specyficznych dla tak zdefiniowanej grupy docelowej kampanii.
  • Wdrożenie narzędzia data mining w celu realizacji analiz w obszarze analiz lojalności klientów.

 

 

Efekt/korzyści:

  • Zwiększenie sprzedaży.
  • Redukcja zjawiska nieaktywności.
  • Lepsze zrozumienie czynników wpływających na aktywizację, takich jak zróżnicowane potrzeby klientów detalicznych i mini hurtowników.

 

Powiązania produktów

Drzewa decyzyjne pozwalają skutecznie określić target kampanii wysyłkowej

 

Szczegóły projektu

 

Czas realizacji

4 tygodnie

Oprogramowanie

PS CLEMENTINE PRO

Zaangażowany zespół

Predictive Solutions - 1 osoba.

Po stronie klienta - 1 osoba zaangażowana bezpośrednio i  1 osoba odbierająca wyniki


Oceń artykuł:


Branże:
fmcg

Udostępnij artykuł w social mediach

Zostańmy w kontakcie!

Chcesz dostawać wiadomości o nowych wpisach na blogu
i webinarach z zakresu analizy danych?
Zapisz się na powiadomienia e-mail.