Desde que Machine Learning se introdujo por primera vez en Mindbox, el Big Green Button se ha convertido en un objetivo común. Este es un botón de este tipo en pantalla completa, cuando se hace clic, todo funciona por sí solo y genera ganancias.
En el proyecto analítico "RFM", el objetivo es menos ambicioso: un pequeño botón verde . Hace clic y la base de datos se divide automáticamente en segmentos por los cuales comienza el envío de correos electrónicos (por ejemplo).
Para lograr el objetivo, escribimos un segmentador automático de RFM y desarrollamos un informe especial para visualizar los resultados.
Te contamos cómo sucedió todo y por qué ahora es posible prescindir de los analistas dedicar más tiempo a tareas menos triviales.
¿Qué es el análisis RFM?
El resultado del boletín por correo electrónico depende del alcance de la audiencia y la calidad del boletín en sí. El infinito no se puede aumentar indefinidamente, lo que significa que se debe aumentar la calidad. Para hacer esto, debe personalizar el boletín, ya que todas las personas son diferentes y todos necesitan algo diferente.
Usualmente hay muchos consumidores; es difícil hacer una carta individual para cada uno. Para hacer frente al problema, los especialistas en marketing dividen a los consumidores en grupos: segmentos.
Puedes compartir de diferentes maneras. Una opción es el análisis RFM .
Es decir, el análisis RFM es una forma de segmentación. Los segmentos se denominan grupos de consumidores disjuntos. El análisis RFM sugiere tres atributos para cada cliente:
- R (Recency): cuánto tiempo ha realizado el cliente el último pedido.
- F (Frecuencia): cuántos pedidos realizó el cliente.
- M (Monetario): cuánto dinero gastó el cliente.
Muchas compañías de marketing hacen y usan análisis RFM. Estamos incluidos En un artículo sobre la segmentación de RFM, dijeron qué tipo de informe podemos hacer y cómo puede ayudar a los vendedores.
Enfoques de análisis RFM existentes
Los enfoques existentes para el análisis RFM son aproximadamente los mismos para todos.
Los clientes se dividen en grupos según cada característica. Por lo general, no hay más de cinco grupos de este tipo. Las intersecciones de grupo se llaman segmentos.
Por ejemplo, cuando se divide en cuatro grupos para cada una de las tres características, se forman 64 segmentos de consumo (4x4x4) y para cinco, ya 125 segmentos.
La principal dificultad es determinar los límites de los grupos, porque no hay una regla específica sobre cómo hacer esto.
Considere los enfoques más populares en el ejemplo de una base de clientes:
Aquí usamos solo dos de las tres dimensiones (R y M) para facilitar la percepción.
En nuestro ejemplo:
- La cantidad de compras se encuentra en el rango de 0 a 15 mil rublos.
- El período de prescripción varía de 1 hora a 240 días.
Enfoque 1. División en partes iguales por rangos de valores
Con este enfoque, la separación se basa en los valores de las características. En nuestro caso, distinguimos tres grupos por gasto: hasta 5 mil rublos, de 5 a 10 mil y de 10 mil. Y tres grupos según la prescripción de la fecha de compra: hasta 80 días, de 80 a 160 días, de 160 días.
Tenemos nueve segmentos:
Ventajas del método:
- Fácil de automatizar.
- Puede identificar el "más más": aquellos que compran más, con mayor frecuencia y que no compraron más.
Contras del método:
- La distribución entre los grupos es desigual: en el ejemplo, el 86% de los consumidores en un segmento, el 13% en el segundo, el 1% se distribuyó en los siete segmentos restantes.
- El número de grupos para cada atributo es el mismo.
- Muchos segmentos (recuerde que incluso cuando se divide en 3 partes de acuerdo con cada atributo, habrá 27 segmentos).
Enfoque 2. División en partes iguales por el número de consumidores
Con este enfoque, la separación de cada característica se lleva a cabo para que el mismo número de consumidores caiga en los grupos.
Así es como se distribuyen los compradores de nuestro ejemplo (como antes, nos dividimos en tres partes para cada atributo):
Ventajas del método:
- Fácil de automatizar.
- Por lo general, no hay un fuerte desequilibrio entre los grupos.
Contras del método:
- Los clientes "especiales" se destacan mal.
En el ejemplo, en un segmento hubo consumidores que compraron 1 mil rublos y 15 mil. Al mismo tiempo, aquellos que compraron por cantidades realmente grandes no se destacaron en un grupo separado (a diferencia del método anterior). - El número de grupos para cada atributo es el mismo.
- Muchos segmentos
Enfoque 3. Manual
El analista examina la base de datos y selecciona la partición correcta.
Ventajas del método:
Contras del método:
- Necesito un especialista
- Toma mucho tiempo
Informe RFM de un botón con aprendizaje automático
Decidimos deshacernos de las deficiencias de los viejos enfoques. Para hacer esto, tuve que recurrir a algoritmos de Machine Learning .
Mediante el uso de métodos de agrupamiento, determinamos automáticamente cuántos segmentos de consumidores hay realmente en la base de datos y cuáles son estos segmentos. Y con la ayuda de un árbol de decisión, llevamos estos segmentos a una forma conveniente para la percepción. Cómo funciona, contamos en un artículo separado sobre el segmentador de dispositivos .
Para el ejemplo anterior, obtuvimos este resultado:
Para que todo esto sea conveniente y comprensible para los especialistas en marketing, hemos desarrollado un informe en el que los resultados de la segmentación se describen de manera conveniente y clara (como nos parece).
Para obtenerlo, simplemente haga clic en un botón, y el sistema hará todo por sí mismo.
El informe se coloca en una página y consta de tres tablas.
Parte 1. Evaluación del estado de la base.
La primera tabla es un resumen. Contiene información sobre todos los segmentos de la base de datos, obtenida en base al análisis RFM. Indicadores clave: actividad del consumidor en el segmento y su valor.
La actividad está determinada por la receta de la última compra, y el valor está determinado por la cantidad gastada.
Cada segmento pertenece a una de las categorías. Cada categoría puede tener varios segmentos o ninguno en absoluto. Las celdas indican el número total de consumidores de todos los segmentos de la categoría.
Los indicadores "Actividad" y "Valor" forman nueve categorías de segmentos. Otra categoría: "Nunca compró"
PD Aquí las expresiones "Flujo de salida" y "Riesgo de flujo de salida" se usan como abreviaturas para "Hace mucho tiempo que no compraban clientes" y "Clientes que compraron la cantidad promedio de tiempo atrás" y no significan flujo de salida en el sentido literal de la palabra. Del mismo modo, "Activo" es la designación para "Clientes que recientemente realizaron una compra".
En el ejemplo anterior, el 80% de los clientes no tienen compras, casi un tercio de los de alto valor están en el flujo de salida y otro tercio en el grupo de riesgo.
Evaluar el estado de la base de datos le ayuda a elegir la categoría con la que es importante trabajar en primer lugar.
Para mostrar cómo usar el informe, tomamos clientes con alto valor, es decir, clientes que gastaron más dinero.
Parte 2. El estudio de segmentos.
La segunda tabla del informe muestra: tamaño del segmento, rotación, es decir, el monto gastado por todos los consumidores en el segmento y el cheque promedio.
Todos los segmentos de consumidores están representados por una lista. Por ejemplo, aquí hay una lista de segmentos de compradores que tienen compras:
Para informar solo a los consumidores de alto valor, utilizamos un filtro.
Como resultado de aplicar el filtro, obtenemos siete segmentos de consumidores con alto valor.
En base a esta información, se pueden extraer varias conclusiones.
Por ejemplo, el segmento No. 2 tiene una rotación significativamente mayor que otros con una factura promedio moderada. Esto indica una gran cantidad de compras de consumidores en este segmento y su alta lealtad. Sin temor a una salida de clientes, puede enviarles cartas y contarles, por ejemplo, sobre nuevos productos.
Ahora prestemos atención a la verificación promedio: el segmento No. 7 con la verificación promedio más grande está en flujo de salida, y el segmento No. 9 con la segunda verificación promedio más grande está en el grupo de riesgo. Los consumidores de estos segmentos están listos para comprar grandes cantidades, pero no han comprado durante mucho tiempo. Quizás tenga sentido alentarlos a actuar con un código promocional o boletín informativo.
El estudio de segmentos es necesario para comprender qué segmentos valen la pena trabajar duro.
La última tabla muestra los límites de los segmentos para cada característica (R, F, M) y los valores promedio para ellos.
Esta tabla muestra que los consumidores del segmento 2 en realidad tienen más compras que otros, un promedio de 12
Necesitamos elegir con qué segmento queremos trabajar primero. Digamos que estamos interesados en los segmentos con mayores ingresos promedio: No. 7 y No. 9. Consideremos con más detalle.
En el segmento 7, los clientes no realizaron compras durante casi un año; no será fácil devolverlos. Pero quizás valga la pena intentarlo, porque en promedio los consumidores de este segmento compraron 2.1 veces, esto significa que la primera compra no los decepcionó. Es probable que un buen descuento les ayude nuevamente a interesarse activamente en la marca.
Con el segmento n. ° 9 es más fácil: la receta promedio de las compras de los clientes es de solo tres meses, y el número promedio de compras es de 2.8. Lo más probable es que estos clientes sean bastante leales y no requieran ninguna acción en relación con ellos mismos. Pero puede enviar un correo electrónico con un anuncio o un pequeño descuento para recordar la marca.
Cuando se seleccionan segmentos para acciones adicionales, puede ejecutar las campañas de marketing necesarias.
Hay muy poco en el presente botón verde
Creamos un segmentador automático de RFM y quedamos satisfechos: se necesitan 20 segundos del tiempo de una persona para obtener la distribución de la base de clientes por segmentos.
Vamos a automatizar la configuración de campañas de marketing para segmentos, de modo que una persona no necesite perder tiempo en esto.
Por supuesto, será una pena que nadie más necesite nuestro informe, pero el progreso tecnológico no perdona a nadie.