Data-майнинг: как извлекать полезные инсайты из данных ?

Posted on by riasevastopol

Сейчас компании имеют доступ к огромным массивам данных, но иногда кроме того самые умелые аналитики не смогут рассмотреть в таком обилии информации по-настоящему серьёзные сведения. Основная задача современных data-экспертов пребывает в том, дабы отвечать на вопросы начальников высшего звена, принимающих главные бизнес-ответа. Аналитические сервисы сами по себе не могут извлекать из данных полезные инсайты, и потому им приходится брать на себя роль неких «переводчиков» между деловым и технологическим мирами.

Как правило эти вопросы касаются весьма значимых качеств бизнеса, но одновременно с этим формулируются они очень расплывчато:

  • Удостоверимся в надежности эту новую функцию на отечественных «лучших» клиентах?
  • Как мы улучшим «клиентский опыт»?
  • Мы совершили множество маркетинговых кампаний; что сработало?

Как применить это на «лучших» клиентах?

Заберём пример с «лучшими» клиентами. Что означает эта идиома? С позиций аналитики, вам необходимо разобраться с ним прежде всего, поскольку оно может иметь самые различные значения.

Скажем, в случае если дело касается пользователей ритейл-сервиса, оно вероятно значит следующее:

  • Довольно часто берущие клиенты: Выражается в таких метриках, как количество транзакций за последние 12 месяцев, общее число транзакций, среднее число дней между транзакциями, количество визитов и т. д.
  • Громадные «транжиры»: Выражается в таких метриках, как средний чек, средняя сумма на клиента за последние 4 года, пожизненная сокровище и т. д.
  • Последние клиенты: Выражается числом дней с момента последней приобретения.

Data-майнинг: как извлекать полезные инсайты из данных ?p
Очевидно, практически всем аналитиков хотелось бы, дабы управление их компании структурировало собственные вопросы более конкретно, но «переводить» обычные предложения в понятные для автомобилей показатели должны как раз они.

Различные эксперты смогут вкладывать в слово «лучшие» совсем различные значения. Так, маркетологов программ лояльности может заботить только фактор частоты транзакций, с учетом сокровища потребителя как вторичной метрики.

Но если вы углубитесь и учтете тут еще и элемент «непрерывности» — как в компаниях, трудящихся по модели регулярных абонентских платежей — слово «лучшие» кроме этого будет трактоваться в противном случае. Сейчас вам нужно будет думать о длительности взаимоотношений с клиентом, наровне с фактором и транзакциями лояльности:

  • Срок нахождения в статусе клиента: Выражается в таких метриках, как количество месяцев с момента первой транзакции либо регистрации.
  • Сотрудничества: Количество обращений в работу помощи, ответов неприятностей, жалоб либо переходов на другой тарифный замысел.
  • Другие действия: Такие, как аннулирование аккаунта, просрочка платежа либо реактивация.

К примеру, для авиакомпаний слово «лучшие» может иметь различные значения в каждом рейсе. В их случае рассмотрению смогут подлежать следующие эти:

  • Количество миль по программе
  • Общее число миль (lifetime mileage)
  • Класс/код билета
  • Цена билета на рейс/величина скидки
  • Частота полетов (число перелетов за последние 12 месяцев, среднее количество дней между перелетами/бронированием)
  • платные обновления и Второстепенные покупки

Для чего такие подробности? Аналитики должны быть готовы к любым типам бизнес-ситуаций и задач, с которыми они смогут столкнуться.

Как улучшить «клиентский опыт»?

«Клиентский опыт» кроме этого возможно разбить на пара переменных, дабы дать людям, принимающим решения, различные опции. Из чего состоит опыт клиента и что вам необходимо осознать обо всем его пути? Сейчас, в то время, когда мы можем отслеживать любой клик, просмотр и слово, вы должны учитывать эти критерии, дабы приобретать ответы максимально скоро.

По сути, вам необходимо заострять внимание на таких качествах «клиентского опыта»:

  • Интересующий продукт: Из-за чего клиент с вами связался? Начните с обозначения и классификации проблем соответствующих продуктов и категорий. Уровень сложности неприятностей кроме этого стоит пометить.
  • Количество реакций и действий: Выражается числом контактов/входящих звонков на клиента, числом исходящих звонков, чатов и т. д.
  • Ответ: Каков был фактический итог? Неприятность решена либо нет? Удовлетворительно либо нет?
  • Как много времени все это забрало: Выражается в минутах между решением и изначальным обращением, среднем количестве мин. между действиями, средней длительности сотрудничеств и т. д. Говоря в общем, чем стремительнее все это происходит — тем лучше для вас.

При таком подходе хороший клиентский опыт возможно измерить более объективно.

Просматривайте кроме этого: Как избежать предвзятого отношения к собственным данным?

Какая кампания сработала?

Сейчас перейдем к третьему вопросу, что касается эффективности тех либо иных маркетинговых кампаний. Аналитические консультанты довольно часто сталкиваются с подобными задачами и утверждают, что вся сложность тут содержится не в самом ходе, а в нехорошей структуризации данных. Чтобы выяснить, что сработало, вы должны выяснить, это что может значить?

В первую очередь, уясните для себя, каков был желаемый итог?

  • клики и Открытия: Классические метрики в digital-аналитике
  • Конверсия: Сейчас вам необходимо покопаться в транзакционных разрешённых и согласовать их с каналами и соответствующими кампаниями
  • Продление: В случае если речь заходит о B2B-сегменте
  • Улучшение имиджа бренда: Это сложное и субъективное понятие, исходя из этого оно кроме этого испытывает недостаток в дополнительном пояснении

После этого вы должны учесть все факторы, каковые смогут оказать влияние на ваш итог:

  • Канал: «Маст хев» в омниканальном мире.
  • Источник: Где вы забрали контактное имя клиента?
  • Критерии выбора: Как вы выбирали имя для контакта? По какой переменной? Если вы применяли продвинутую аналитику, то для какого именно сегмента, групп и модели моделей?
  • Тип/Наименование/Цель кампании: К примеру, ежегодное продвижение продукта, рождественское предложение.
  • Продукт: Какой продукт был главным на протяжении кампании?
  • Оффер: В чем заключалась наживка? Скидка в финансовом эквиваленте либо в %? Бесплатная доставка? Возможность взять вторую приобретение безвозмездно? Дисконт на ограниченный период?
  • Креативные элементы: К примеру, контент, типы изображений, размер и тип шрифта и другие графические элементы.
  • Сутки/время падения: Время суток на момент падения кампании, сутки семь дней, время года и т. д.
  • Волна: В случае если кампания включала пара волн.
  • Особенности сплит-тестирования: В какой среде проводилось изучение (контролируемой либо нет).

Непременно, тут перечислены только кое-какие предположения. Ваша компания может руководствоваться вторым комплектом параметров. Старайтесь не зацикливаться на каком-то конкретном элементе, а приобретать как возможно больше «нечистых» и «чистых» данных.

Если вы вправду желаете определить, «что сработало» в ваших маркетинговых кампаниях, такая разбивка вам попросту нужна.

Вместо заключения

В то время, когда дело касается data-майнинга, вы должны четко осознавать, откуда как раз стоит затевать поиск инсайтов, поскольку в конечном итоге это определяет уровень качества всей вашей последующей бизнес-аналитики. Сталкиваясь со непростыми вопросами и неоднозначными задачами, постоянно разбивайте их на более небольшие и ощутимые элементы. Это разрешит вам трудиться с данными действеннее, даже если вы ничего не смыслите в аналитике.

Делайте бизнес на базе данных!

По данным: targetmarketingmag.com, Изображение: wollis

Случайные статьи:

КАК СЧИТАТЬ ДОХОД ОТ МАЙНИНГА


Подборка похожих статей:

riasevastopol

More Posts