1. Использование Data mining в коммуникациях с клиентами в эпоху персонального маркетинга Кирсанова А.В.

2. МАРКЕТИНГ, ПРОГРАММЫ ЛОЯЛЬНОСТИ И СОВРЕМЕННЫЕ МЕТОДЫ АНАЛИЗА В современном маркетинге и системах лояльности наряду с первичной информацией о клиентах (анкетные данные, чеки) используются данные, полученные в результате использования математических и статистических методов Кирсанова А.В.

3. Одна из технологий анализа данных Автоматический поиск скрытых общих закономерностей в больших наборах данных Использование методов и алгоритмов статистики, распознавания образов, машинного обучения, искусственного интеллекта Data Mining = Извлечение знаний BASKET ANALYSIS СОСТАВЛЕНИЕ ПРОФИЛЯ КЛИЕНТА САМЫЕ РАСПРОСТРАНЕННЫЕ ЗАДАЧИ, КОТОРЫЕ РЕШАЮТСЯ С ПОМОЩЬЮ DATA MINING: ЧТО ТАКОЕ DATA MINING ? Кирсанова А.В.

4. ЗАДАЧА №1 ДАНО: ИЗБЫТОЧНАЯ ЗАКУПКА В 10 000 ШТ. КНИЖЕК СО СКАЗКАМИ ДЛЯ МАЛЫШЕЙ БИЗНЕС-ПРОБЛЕМА — — РЕАЛИЗОВАТЬ ЦЕЛЕВОЙ ТОВАР Кирсанова А.В.

6. АССОЦИАТИВНЫЕ ПРАВИЛА: КУБИКИ МИШКА РЕЗИНОВЫЕ УТЯТА ЕСЛИ ТО ПАРОВОЗИК ЛЕГО СКАЗКИ ДАННЫЕ О ПОКУПКАХ Чеки за выбранный период КЛИЕНТ ДАТА КУБИКИ ЛЕГО СКАЗКИ КУКЛА 1 2 3 4 01.11.2010 01.11.2010 01.11.2010 01.11.2010 0 0 0 1 0 0 1 0 1 0 1 0 1 0 1 0 Кирсанова А.В. ПРОСМОТР РЕЗУЛЬТАТОВ НАСТРОЙКА ФИЛЬТРОВ И УПОРЯДОЧИВАНИЕ ПОРОГОВ

8. ЗАДАЧА №2 БИЗНЕС-ПРОБЛЕМА Снизить отток прибыльных клиентов Кирсанова А.В.

9. ПОСТРОЕНИЕ КЛАССИФИКАЦИОННОЙ МОДЕЛИ ДЛЯ ПРОГНОЗИРОВАНИЯ ОТТОКА МОДЕЛЬ Строится модель P(Y) = F(X1, X2, , Xm) Модель по прогнозным атрибутам вычисляет вероятность того, что Y=1 (отток) Модель «настроена» на исторические данные Исторические данные о клиентах за предыдущие периоды Клиенты ФИО ОБЪЕМ ПОКУПОК СЫН ДОЧЬ ВНУКИ 100,000 55,000 215,000 50,000 70,000 Х2 Григорьева Глаголев Попов Горбунова Рындин Х1 0 2 2 2 1 1 0 1 0 0 2 0 0 0 0 Х m 1 0 0 1 1 Y …… . На основе исторической информации о клиентах и их покупках за предыдущий квартал од …. строится статистическая модель, которая по параметрам клиента определяет его активность (вычисляет вероятность того, что клиент существенно снизит активность). Кирсанова А.В. РЕШЕНИЕ

10. ДАННЫЕ О КЛИЕНТАХ СОБИРАЮТСЯ ИЗ ДВУХ ИСТОЧНИКОВ ДАННЫЕ ИЗ АНКЕТ ДАННЫЕ О ПОКУПКАХ (ВЫЧИСЛЯЮТСЯ НА ОСНОВЕ ЧЕКОВ) Кирсанова А.В.

11. ШАГИ Кирсанова А.В. НАСТРОЙКА ПАРАМЕТРОВ МОДЕЛЕЙ ПОСТРОЕНИЕ КЛАССИФИКАЦИОННЫХ МОДЕЛЕЙ ОТТОКА ПРОСМОТР МОДЕЛЕЙ И РЕЗУЛЬТАТОВ ТЕСТИРОВАНИЯ Просмотр отдельных моделей Результаты тестирования каждой модели Сравнение моделей по эффективности, точности, прибыльности

12. МОДЕЛЬ Модель применяется к новым данным Для каждого клиента вычисляются значение и вероятность оттока Исторические данные о клиентах за предыдущие периоды Клиенты ФИО объем покупок сын дочь внуки отток? вероятность 20,000 70,000 300,000 50,000 70,000 Х2 Алексеев Звездный Кустова Ямкин Чалая Х1 2 2 0 2 1 0 1 0 0 0 0 0 2 0 0 Х m ? Прогнозирующие атрибуты …… . Целевой атрибут Y Кирсанова А.В. ПРИМЕНЕНИЕ МОДЕЛЕЙ К НОВЫМ ДАННЫМ

15. КОММУНИКАЦИЯ Кирсанова А.В. 40%

16. www.digitalevent.ru СПАСИБО!