10.3.7. Отбор клиентов, не приносящих доход

В посылочной торговле не приносящие доход клиенты — это, на­пример, те, у которых очень высока доля товаров, возвращенных продавцу. У банка или страховой фирмы наверняка таких клиентов очень много.

В базе данных этих клиентов идентифицируют. Вероятно, можно выяснить, почему человек перестал поддерживать контакт, воспользоваться предложения­ми перекрестной продажи и попытаться его вернуть

Результаты применения маркетинга баз данных

Описанные здесь возможности использования маркетинга 6a3j| ных помогают увеличить рентабельности ДМ.

Индивидуальный отбор клиентов для акций и быстрое реагировани заказ или запрос информации способствуют повыщению оборота

• На основе личных сведений обо всех клиентах, проводя сегмент для дополнительных предложений и предложений по перекрестной j даже, можно увеличить сбыт.

• Благодаря оценке данных клиентов и регулярному обновлению БД npl приятие может обращаться к своим потребителям целенаправленно.!

• База данных помогает управлению отношениями с клиентами.

• Анализируя структуру клиентов, предприятие получает сведения, нс| ходимые для эффективного привлечения заинтересованных лиц.

Наконец, благодаря отбору неактивных и не приносящих доход клш тов сокращают издержки, разъездная работа становится более эфф тивной

Экономическая эффективность применения маркетинга баз данных

Рационализация

Последовательное обслуживание клиентов групп А, В, С.

Экономия издержек на коммуникацию.

Эффективное применение разъездной работы.

Автоматизация процесса продажи,

-> Уменьшение издержек.

Быстрота

Возможность быстро реализовать предложение.

Равное обеспечение информацией всех отделов.

Более раннее распознавание и использование рыночных шансов.

^ Более высокие цены и больше клиентов.

Индивидуальность

Лучшее знание клиентов.

Индивидуальное обращение, предложения, товары. Более высокая консультативная компетенция. ^ Более высокие цены и больше клиентов. Перекрестная продажа Анализ шансов продажи новых предложений. Предложение дополнительных товаров и услуг. -> Больший объем сбыта. Сопряженные процессы

Более раннее распознавание потребности замены товара. Обслуживание дополнительных покупок. Стимулирование лояльности.

Больший объем сбыта+

Хранилище и разработка данных

в системе управления маркетинга баз данных

Маркетинг баз данных в форме ориентированного на рынок про­цесса принятия рещений и программирования представляет собой систему управления, посредством которой в диалоге с клиентом постоянно предпри­нимаются следующие шаги

• Определение цели.

• Определение стратегии, образа дальнейших действий. -Jv

• Акция.

• Реакция. :

• Анализ, оценка, контроль

Цель — с помощью прямого или диалогового маркетинга поддерживать как можно более тесные контакты с клиентами или заинтересованными лицами, чтобы установить долгосрочные связи.

В хранилище данных (рис. 11.1) поступает информация не только из систе­мы маркетинга БД, но и всех релевантных внутренних и внешних источников предприятия, поэтому можно получить достаточно полное представление об имеющихся и предполагаемых клиентах

Источники внешних данных предприятия: - .

• изучение рынка; ' '

• результаты опроса;

• сделки;

• адресные данные;

• аэрофотосъемка;

• реестровая книга;

статистика.

После того как внешние и внутренние данные загружены с сервера в хранилише, в пункте сбора происходит дальнейшая обработка информаци содержанию для многомерного рассмотрения и специфических маркетинговых оценок.

Анализ клиентской информации через систему обеспечения приня] решений (DSS), аналитическую обработку информации в реальном врем (OLAP) и разработку данных (Data Mining) помогает принять стратегичес] маркетинговые решения, в то время как информация о клиентской ак сти управляет маркетинговыми программами, которые принимают pemei исходя из ее оценки.

Эта деятельность непосредственно нацелена на диалог с имеюшимся| потенциальным клиентом. На базе интерактивных элементов фиксируют особенности взаимодействия, реакцию, и полученные сведения опять поступают в хранилище данных.

Их вводят в анализ клиентской информации, оценка становится более объективной, что облегчает отбор клиентов для последующих маркетинговых акций и процесса обучения. В информации о клиентской активности данные о реакции нужны для того, чтобы перейти к следующему этапу проходящей маркетинговой акции, предположим, к изучению спроса центром обработки заказов

В основном под понятием «хранилище данных» подразумевается! данных, изолированная от операционной системы электронной ( информации, которая в масштабах предприятия является базой данны всех формирований систем управления и не зависит от операционных; и систем принятия решений

Чтобы создать хранилище данных, из систем и внешних ис точников извлекают и трансформируют стратегически релевантную информа цию и загружают ее в хранилище данных.

Трансформация — это фильтрация, согласование, обобщение и обновленных данных. Фильтрация — извлечение и согласование оперативных данных, чем из внешних систем отбирают лишь те, в которых действительно нуж­ен. Затем следует экономическое согласование отфильтрованных данных: устраняется дисгармония, вызванная гетерогенностью различных внешних еративных систем, к примеру, различия кодирования, синонимы, омонимы сковные нарушения. Посредством обобщения соединяют отфильтрован-ие и согласованные данные-. При обновлении суммарные структуры форми-ся на основе непротиворечивых определений параметра, так как поль-атели в основном интересуются отчетами и показателями многомерного лиза данных. В хранилище в соответствии с моделями данных некоторые аметры отделяют от основных постоянных данных и переводят в одну или сколько таблиц фактов, собранных в специальных структурных таблицах в большинстве случаев в ненормализованном состоянии

Отдел мониторинга и администрация управляют этим хранилищем мета- нных, а трансформацией занимается проектная группа. Для того чтобы не лучить неправильных результатов, надо следить за качеством данных. Нека- твенные данные могут появиться по различным причинам, связанным с их эм в операционных системах

Методы разработки данных

Визуализация: гистограмма, диаграмма дисперсий. Классификация: присоединение объектов к классам. Сегментация: сбор объектов в группах, которые не были известны раньше. | Прогноз: предсказание неизвестных значений признака на основе других п знаков.

Анализ зависимости: связи с признаками объекта.

Анализ отклонения: идентификация тех объектов, которые не вписывою:] в систему большинства других объектов, исследование причин этого.

Процесс разработки данных

в общем, разработка данных понимается как процесс. Разработка данных представляет собой дополнение к представленным ранее процессам анализа данных и содержит процесс индуктивного машинного программирования. Модел взаимодействия открытых систем дает представление о процессе разработки данных

Модель разработки базы данных содержит в себе релевантные фазы, их задачи и связи между фа­зами.

Жизненный цикл программного продукта состоит из щести фаз, причем не описываются все возможные отношения между фазами, так как они взаи­мосвязаны с целями, фоновыми интересами и прежде всего с истинным ма­териалом данных. При разработке данных процесс идет не только прямо, он содержит и обратные связи между фазами, если результат данной фазы неудов­летворителен.

Фазы жизненного цикла модели разработки базы данных -DM

1.Понимание бизнеса. первом шаге стартовой фазы речь идет о том, что определяются и изуча­ются цели и потребность в проекте с точки зрения коммерческой перспективы пользователей

2. Понимание данных (Data understanding).Поняв, в чем состоит проблема, необходимые данные определяют, про­ведя аудит всего массива. Сначала речь идет о проверке данных, для чего собирают и описывают возможные релевантные сведения, чтобы проверить затем отдельные поля данных относительно их качества и вклада в реше» определенной проблемы

3.Подготовка данных . Отсортировав релевантные сведения, производят выборку определен! данных. Сначала отсортированные данные согласуют, чтобы выявить, кпр меру, недостаюшие величины, выпадаюшие статистические значения ит Затем создают базу данных, добавляяя необходимые дополнительные качесп которые получают, проанализировав прежние. При следуюшем шаге данш; если они находятся в различных таблицах, интегрируют в единую таблицу, чк бы оценить их. К интеграции прибегают достаточно часто, так как для дальни шей обработки многие детали информации нуждаются в определенном ypoBi суммирования. Затем данные переводят в необходимый для реального прош са формат, потому что процессы разработки данных предъявляют различна^ требования к отдельным характеристикам и их масштабам.

4. Моделирование .В этой фазе выбирают специальные методы разработки данных, процеа

и средства для которых определили уже на стадии понимания бизнеса.

Прежде чем провести реальный анализ, нужно исследовать и установи: параметры специальных процессов. Для этого проводят проектировочнь: тест, а затем с его помощью перепроверяют качество на разных этапах ид» стоверность окончательной модели

5. Оценка.

Процессы разработки данных с технической точки зрения проведены удов­летворительно, теперь вместе с пользователями модели результаты пошагом проверяются на точность и эффективность с точки зрения коммерческих целе! и нужд. При этом важно установить, есть ли еще какие-либо коммерчесюи обстоятельства, которые недостаточно выяснены. В конце этой фазы прини­мается решение об использовании результатов разработки данных.