Потребители
<<  Взгляд с другой стороны баррикад, или чего же на самом деле хочет Клиент Комплексная система автоматизации отношений с клиентами для экспедиторов и таможенных брокеров  >>
Решение по предсказанию и анализу поведения клиентов
Решение по предсказанию и анализу поведения клиентов
Подход к внедрению
Подход к внедрению
Методология проектов: CRISP – DM
Методология проектов: CRISP – DM
Фазы проекта внедрения
Фазы проекта внедрения
Фазы проекта внедрения
Фазы проекта внедрения
Фазы проекта внедрения
Фазы проекта внедрения
Фазы проекта внедрения
Фазы проекта внедрения
Sell4Cast Основные возможности
Sell4Cast Основные возможности
Информативность признаков: Определение важности каждого фактора
Информативность признаков: Определение важности каждого фактора
Информативность признаков: Определение важности совокупности факторов
Информативность признаков: Определение важности совокупности факторов
Автоматический отбор признаков для модели и сегмента
Автоматический отбор признаков для модели и сегмента
Автоматический отбор признаков для модели и сегмента
Автоматический отбор признаков для модели и сегмента
Автоматический отбор признаков для модели и сегмента
Автоматический отбор признаков для модели и сегмента
Визуализация данных
Визуализация данных
Визуализация данных
Визуализация данных
Возможности построения моделей
Возможности построения моделей
Возможности построения моделей
Возможности построения моделей
Экспорт алгоритмов
Экспорт алгоритмов
Сравнение эффективности алгоритмов
Сравнение эффективности алгоритмов
Сравнение эффективности алгоритмов
Сравнение эффективности алгоритмов
Сравнение эффективности алгоритмов
Сравнение эффективности алгоритмов
Просмотр качества алгоритмов во времени
Просмотр качества алгоритмов во времени
Запуск модели
Запуск модели
Запуск модели
Запуск модели
Sell4Cast Решаемые задачи
Sell4Cast Решаемые задачи
Создание моделей Cross/Up-sell
Создание моделей Cross/Up-sell
Cross/Up-sell: Цели
Cross/Up-sell: Цели
Схема работы
Схема работы
Моделирование ценности клиента и оптимальных воздействий по удержанию
Моделирование ценности клиента и оптимальных воздействий по удержанию
Моделирование ценности клиента : Цели
Моделирование ценности клиента : Цели
Грубая оценка S(t)
Грубая оценка S(t)
Точная оценка S(t)
Точная оценка S(t)
Оптимизация маркетинговых кампаний
Оптимизация маркетинговых кампаний
Оптимизация маркетинговых кампаний: Цели
Оптимизация маркетинговых кампаний: Цели
Оценка качества модели
Оценка качества модели
Оптимизация маркетинговой кампании
Оптимизация маркетинговой кампании
Методика оценки эффективности
Методика оценки эффективности
Методика оценки эффективности
Методика оценки эффективности
Методика оценки эффективности
Методика оценки эффективности
Предсказание ухода
Предсказание ухода
Отток абонентов: Цели
Отток абонентов: Цели
Формирование данных для настройки модели
Формирование данных для настройки модели
Возможности интеграции
Возможности интеграции
Источник 1
Источник 1
Источник 1
Источник 1
Источник 1
Источник 1
Итоги
Итоги
Наши клиенты
Наши клиенты
Наши клиенты
Наши клиенты
Наши клиенты
Наши клиенты
Картинки из презентации «Решение по предсказанию и анализу поведения клиентов» к уроку экономики на тему «Потребители»

Автор: Vladimirskaya Maria. Чтобы познакомиться с картинкой полного размера, нажмите на её эскиз. Чтобы можно было использовать все картинки для урока экономики, скачайте бесплатно презентацию «Решение по предсказанию и анализу поведения клиентов.ppsx» со всеми картинками в zip-архиве размером 1486 КБ.

Решение по предсказанию и анализу поведения клиентов

содержание презентации «Решение по предсказанию и анализу поведения клиентов.ppsx»
Сл Текст Сл Текст
1Решение по предсказанию и анализу 32воздействия: C – стоимость коммуникации с
поведения клиентов. клиентом G – стоимость бесплатных для
2План презентации. Подход к внедрению клиента «бонусов» P – вероятность того,
Sell4Cast – основные возможности Sell4Cast что клиент примет предложение (~1) ?v –
– решаемые задачи Создание моделей изменение в функции цены, если клиент
Cross/Up-sell Моделирование ценности примет предложение T – длительность
клиента и оптимальных воздействий по предложения, в течении которого клиент
удержанию Оптимизация маркетинговых будет активным На основе параметров
кампаний Предсказание ухода Возможности рассчитывается изменение LTV для сегмента
интеграции. и можно судить о его доходности.
3Подход к внедрению. 33Оптимизация маркетинговых кампаний.
4Методология проектов: CRISP – DM. Marketing campaign optimization.
Business Understanding. Data 34Оптимизация маркетинговых кампаний:
Understanding. Data Preparation. Цели. Тактические цели: Предоставить
Deployment. Data. Modeling. Evaluation. методологию и инструмент для определения
5Фазы проекта внедрения. Главные клиентов, склонных к отклику на кампании:
факторы успеха проекта: Правильная Анализ интересующего сегмента клиентов
постановка задачи Наличие и подготовка Автоматический отбор наиболее значимых
необходимых данных. Forecsys Team. факторов Построение интерпретируемых
Sell4Cast. моделей откликов Оценка качества моделей
6Sell4Cast Основные возможности. Мониторинг качества моделей во времени
7Информативность признаков: Определение Классификация клиентов по произвольному
важности каждого фактора. Информативность расписанию. Sell4Cast. Стратегические
- мера значимости найденной цели: Повышение прибыльности кампаний за
закономерности. счет выбора клиентов, наиболее склонных к
8Информативность признаков: Определение отклику Прогнозирование прибыльности
важности совокупности факторов. кампании по аналогии с уже проведенными
9Автоматизация фаз методологии кампаниями.
CRISP-DM. 6 кликов. 3 клика. 3 клика. 35Процесс оптимизации кампании.
10Автоматический отбор признаков для 36Пример интерпретируемого алгоритма:
модели и сегмента. ~ 500. 100. Решающий список. Если средний ежемесячный
Редуцированное признаковое описание. платеж > 500руб И Если Стаж > 2 лет
Оптимальное признаковое описание. 10 из И Если Кол-во дней с момента изменения
32. услуг > 200, ТО Клиент откликнется на
11Визуализация данных. кампанию с вероятностью 35% Иначе Если
12Возможности построения моделей. Количество дней со смены тарифа < 10 И
13Экспорт алгоритмов. Если Объем GRPS трафика за последний месяц
14Автоматизация фаз методологии < 1Мб ТО Клиент откликнется на кампанию
CRISP-DM. 6 кликов. 3 клика. 3 клика. с вероятностью 1% Иначе …
15Сравнение эффективности алгоритмов. 37Оценка качества модели.
Cumulative Lift Chart. Cumulative Gain 38Оптимизация маркетинговой кампании.
Chart. Lift Chart. Приведенная ценность клиента: Доход от
16Просмотр качества алгоритмов во кампании:
времени. 39Методика оценки эффективности. Все
17Автоматизация фаз методологии потенциальные участники кампании
CRISP-DM. 6 кликов. 3 клика. 3 клика. разбиваются на 3 группы: +. +. +.
18Запуск модели. Контрольная группа: Случайный выбор
19Обновление модели. Создание сегмента. клиентов с которыми будет проведена
Автоматическая настройка модели для кампания. Тестовая группа: Лучшие клиенты
сегментов. Запуск модели для периодической с точки зрения построенной модели с
классификации абонентов. Обновление которыми будет проведена кампания. Группа
исторических данных сегмента. Мониторинг без рассылки: Лучшие клиенты с точки
качества работы модели. зрения построенной модели с которыми не
20Sell4Cast Решаемые задачи. будет проведена кампания.
21Решаемые задачи. Прогнозирование и 40Результаты внедрения. Выделение
построение моделей ухода клиентов интерпретируемых сегментов клиентов,
Предложение клиенту лучшего продукта с склонных к отклику на каждую кампанию
помощью построения Cross/Up-sell моделей Загрузка приведенной ценности клиента с
Моделирование ценности клиентов в точки зрения конкретной кампании в CRM
долгосрочной перспективе Выбор Выбор оптимального состава участников
оптимального состава участников для кампании для максимизации прибыли и
маркетинговой кампании. загрузка результатов в CRM What IF анализ
22Жизненный цикл клиента. Потенциальный прибыльности потенциальной кампании
клиент. Клиент. Бывший клиент. Высокая Проверка эффективности как самой модели,
ценность. Добровольный уход. Целевой так и маркетинговой кампании Сокращение
рынок. Новый клиент. Высокий потенциал. издержек на кампанию за счет выбора
Низкая ценность. Принудительный уход. клиентов, наиболее склонных к отклику.
Кампании по привлечению новых клиентов. 41Предсказание ухода. Churn prediction.
Кампании по возврату ушедших клиентов. 42Отток абонентов: Цели. Тактические
Кампании Cross/Up-sell Кампании по цели: Предоставить методологию и
удержанию. Заполнение заявки на инструмент для: Анализ интересующего
подключение Активация Первоначальные сегмента клиентов Автоматический отбор
покупки. Отключение за неоплату или наиболее значимых факторов оттока в
мошенничество Прекращение использования выбранном сегменте Визуализация данных по
услуг Добровольный отказ от использования. оттоку Построение интерпретируемых моделей
23Создание моделей Cross/Up-sell. оттока Оценка качества моделей Мониторинг
Cross/Up-sell model creation. качества моделей во времени Классификация
24Cross/Up-sell: Цели. Тактические цели: клиентов по произвольному расписанию.
Предоставить методологию и инструмент для Sell4Cast. Стратегические цели: Сократить
определения склонности клиентов к отток абонентов Проводить более
приобретению конкретных услуг/продуктов: направленные кампании по удержанию
Анализ интересующего сегмента клиентов клиентов. Churn rate.
Автоматический отбор наиболее значимых 43Формирование данных для настройки
факторов Построение интерпретируемых модели. 43 из 58.
Cross/Up-sell моделей Оценка качества 44Моделирование анализа оттока
моделей Мониторинг качества моделей во абонентов. Автоматизация процесса
времени Классификация клиентов по прогнозирования оттока: Исследование
произвольному расписанию. Sell4Cast. интересующего сегмента клиентов
Стратегические цели: Повышение ценности Автоматический отбор наиболее значимых
клиентов Повышение лояльности клиентов факторов оттока в выбранном сегменте
Изменение фокуса: product centric customer Визуализация данных Построение
centric. интерпретируемых моделей оттока Оценка
25Схема работы. 25 из 58. качества моделей Мониторинг качества
26Результаты внедрения. Возможность моделей во времени Классификация по
автоматического построения и обновления произвольному расписанию.
интерпретируемых cross/up-sell моделей для 45Возможности интеграции.
выбранных продуктов Возможность построения 46Интеграция. Настройка способа выгрузки
различных cross/up-sell моделей для результатов прогнозирования в том числе в
различных сегментов клиентов Загрузка хранилище данных CRM В случае отсутствия
вероятности покупки каждого продукта по CRM системы пользователь может
каждой модели для каждого клиента в CRM На самостоятельно просматривать и
основе вероятностей покупки проведение использовать результаты работы системы
четко направленных Cross/Up-sell кампаний через стандартные приложения такие как MS
Отображение вероятностей покупки каждого Excel.
продукта сотрудникам колл центра. 47Источник 1. Источник … Источник N.
27Моделирование ценности клиента и Хранилище данных (data warehouse). CRM
оптимальных воздействий по удержанию. Software. Marketing Client. Marketing
Customer Life Time Value and retention Server. Operational Database. CRM
incentives modeling. Database. Витрина данных. CRM Server.
28Моделирование ценности клиента : Цели. Client. Server. Хранилище моделей. Внешняя
Тактические цели: Возможность система (front office). Импорт данных.
автоматического расчета ценности клиента и Настройка моделей. Мониторинг
сравнение способов расчета. Определение эффективности. Классификация данных.
ценности сегментов клиентов Проведение Заявка на классификацию. Классификация.
кампаний по удержанию на основе ценности Настройка. Эффективность. Результаты.
клиентов, а не только вероятности ухода 48Итоги.
Моделирование кампаний по удержанию для 49Sell4Cast. Sell4Cast – средство для
максимизации ценности сегмента в будущем. построения, хранения и мониторинга
Sell4Cast. Стратегические цели: Повысить качества работы моделей: Оттока клиентов
эффективность маркетинговых кампаний по Cross/Up-sell предпочтений Откликов на
удержанию за счет: Выбора сегмента маркетинговую кампанию Ценности клиентов
прибыльных клиентов Выбора оптимальных Sell4Cast позволяет: Определять основные
воздействий. факторы построения моделей в каждом
29Lifetime value (LTV): состав. V(t) – сегменте Автоматически строить легко
функция ценности клиента, задается интерпретируемые модели Оценивать качество
пользователем через интерфейс. Пример: построенных моделей, выбирать лучшую
V(t) можно положить равным атрибуту модель Производить мониторинг и обновление
«Средний платеж в месяц за последние 3 моделей Настроенная модель легко
месяца» S(t) – вероятность того, что интегрируется в бизнес процессы компании.
клиент не уйдет к моменту t Рассчитывается 50Наши клиенты. Компания Forecsys имеет
автоматически D(t) – дисконтирующий опыт решения аналогичных проблем в
множитель, задается через интерфейс. телекоммуникационной отрасли: Исследование
30Грубая оценка S(t). поведенческой сегментации клиентов.
31Точная оценка S(t). Предсказание и анализ оттока абонентов.
32What if анализ различных воздействий Сравнительный анализ поведения различных
по удержанию. Параметры удерживающего сегментов клиентов СТРИМ и МГТС.
Решение по предсказанию и анализу поведения клиентов.ppsx
http://900igr.net/kartinka/ekonomika/reshenie-po-predskazaniju-i-analizu-povedenija-klientov-94942.html
cсылка на страницу

Решение по предсказанию и анализу поведения клиентов

другие презентации на тему «Решение по предсказанию и анализу поведения клиентов»

«Поведение в общественных местах» - Нельзя носить пиротехнические изделия в карманах. Проходя мимо домов, смотрите наверх! Несмотря на обыденность, бенгальский огонь очень красивый (а главное доступный) фейерверк. Нельзя сжигать пиротехнику в костре. Правила лыжной прогулки. Бенгальские огни, как и любая пиротехника, являются огнеопасными.

«Поведение школьника» - Памятка для родителей « СМИ и подросток». Цель: Боевики. изучить влияние СМИ на формирование духовно-нравственных ценностей младших школьников. Виды массовой информации. Журналы. Ужастики. Анализ литературы по теме исследования. Проведение и анализ анкетирования среди младших школьников. Результаты исследования.

«Правила поведения в школе» - Задачи: Я - ученик. Одеваться культурно. Урок «Окружающий мир» по теме «В школе». Ответы учеников на четвертый вопрос анкеты: Многие ребята, бегая на переменах, могут получить травму. Мероприятия: Напомнить ребятам о правилах поведения в школе. Творческая работа «Фоторепортаж». Мои одноклассники знают правила поведения в школе.

«ИНИСТ Банк-Клиент» - Генератор одноразовых паролей. ИНИСТ Банк-Клиент. Также возможно прямое IP-соединение через сеть. Ключевая регистрация. Электронный ключ дополнительно защищен паролем и имеет ограниченный срок действия. Криптосервер. Безопасность. Взаимодействие между клиентской и банковской частями осуществляется посредством каналов связи.

«Поведение на улице» - На улице подальше держитесь от стен и домов. 7 – Пользуясь банкоматом и платным телефоном... Находясь на улице не откровенничайте с людьми. Кричите «Пожар!», «Горим!», в случае опасности разбейте окно первого этажа. Меняйте темп ходьбы. Правила безопасного поведения на улице. Никогда не пользуйтесь плеером, иначе вы не сможете услышать преступника.

«Культура поведения» - Профилактика противоправного поведения детей. На уроках. Культура поведения. Рассказ-коллизия. Материал речевых логических задач: литературные произведения; реальные события. Внешний облик. Но на улице Костю ждали ребята. Пример педагога. Речевые логические задачи. В процессе игры легче усваиваются понятия, приобретаются навыки культурного поведения.

Потребители

12 презентаций о потребителях
Урок

Экономика

125 тем
Картинки
900igr.net > Презентации по экономике > Потребители > Решение по предсказанию и анализу поведения клиентов