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.
Drzewa decyzyjne pozwalają skutecznie określić target kampanii wysyłkowej
Szczegóły projektu
|
Czas realizacji |
Oprogramowanie |
Zaangażowany zespół |
|---|---|---|
|
4 tygodnie |
PS CLEMENTINE PRO |
Predictive Solutions - 1 osoba. Po stronie klienta - 1 osoba zaangażowana bezpośrednio i 1 osoba odbierająca wyniki. |
