क्लाइंट बेस में कैसे और कौन से क्लस्टर आवंटित किए जा सकते हैं

आज हम ग्राहक आधार के विश्लेषण - विभाजन और क्लस्टरिंग में एक और पहलू जोड़ेंगे। जैसा कि मैंने एक से अधिक बार लिखा है, अगर हम अपने ग्राहकों को समान लोगों के एक बड़े समूह के रूप में देखते हैं, तो ग्राहक आधार का विश्लेषण अधूरा रहता है। ग्राहकों को प्रकारों में विभाजित किया जाता है और वे उत्पाद का अलग-अलग उपयोग करेंगे। कोई अक्सर खरीदता है, लेकिन ज्यादा नहीं, कोई जल्दी छोड़ देता है, कोई बहुत खरीदता है और अक्सर। दक्षता बढ़ाने के लिए, यह पता लगाने के लायक है कि ग्राहकों के समूह क्या हैं और फिर यह पता लगाएं कि आपके कार्यों से आपको उन ग्राहकों को आकर्षित करने की अनुमति कैसे मिलेगी जिनकी आपको आवश्यकता है। आपके ग्राहक समूहों को समझने के लिए दो मुख्य तरीके हैं: उत्तराधिकार और क्लस्टरिंग

विधि 1: सांख्यिकी और विशेषज्ञता

इस दृष्टिकोण के हिस्से के रूप में, आपके अनुभव के आधार पर, आपके उत्पाद और ग्राहक कहानियों का उपयोग करने का तर्क, आप उपभोक्ताओं के विभिन्न चित्रों के साथ आते हैं और फिर मूल्यांकन करते हैं कि आपके पास इन परिभाषाओं के तहत कितने ग्राहक हैं। या आप ग्राहक मीट्रिक के विश्लेषण के आधार पर अधिक संख्यात्मक दृष्टिकोण का उपयोग कर सकते हैं। कुछ लोकप्रिय संख्यात्मक दृष्टिकोण हैं:

एबीसी XYZ

मुख्य विचार ग्राहकों को आपके राजस्व और विकास संकेतकों की गतिशीलता में कुल योगदान से विभाजित करना है। एबीसी राजस्व में योगदान के लिए जिम्मेदार है, एक्सवाईजेड राजस्व की स्थिरता के लिए जिम्मेदार है। यह 9 खंड बनाता है

कुल्हाड़ी - सबसे बड़ी और स्थिर राजस्व के साथ
AZ - बड़े, लेकिन वे शायद ही कभी खरीदारी करते हैं, राजस्व स्थिर नहीं है
सीएक्स - सबसे छोटा, लेकिन स्थिर राजस्व के साथ
सीजेड - छोटा और राजस्व स्थिर नहीं है, शायद ही कभी खरीदारी करें

खंड ए में, 80% राजस्व उत्पन्न करने वाले ग्राहकों की पहचान खंड बी में की जाती है, जो एक और 15% और खंड सी में 5% देते हैं। खंड X में - राजस्व में सबसे छोटी विविधता (आप 33 प्रतिशत ले सकते हैं), Z - उच्चतम भिन्नता (क्रमशः, शीर्ष 33 प्रतिशत)। परिवर्तनशीलता से मेरा मतलब राजस्व में विचरण की मात्रा से है।

यह विश्लेषण क्या प्रदान करता है: यह आपको अपने ग्राहकों को उनके व्यवसाय के लिए उनके महत्व के अनुसार समूहों में विभाजित करने की अनुमति देता है। AX, AY, AZ समूह के ग्राहक सबसे बड़े हैं और आपको उन्हें सबसे अधिक ध्यान देना चाहिए। बीएक्स, बीवाई समूहों के ग्राहकों को अतिरिक्त ध्यान देने की आवश्यकता है, उन्हें विकसित किया जा सकता है। अन्य श्रेणियों में समूहों के लिए ध्यान कम किया जा सकता है। यह विशेष रूप से अच्छा है यदि आप विभिन्न खंडों में ग्राहकों के बीच समानता को उजागर करने का प्रबंधन करते हैं, जो आपको सही ग्राहकों को आकर्षित करने के प्रयासों को लक्षित करने की अनुमति देगा।

RFM (रीसेंसी-फ्रीक्वेंसी-मनी)

मुख्य विचार ग्राहकों को 3 गुणों के अनुसार विभाजित करना है: कितने समय पहले एक ग्राहक (रीसेंसी) को बिक्री हुई थी, वह कितनी बार सामान (आवृत्ति) खरीदता है, उसने कितना राजस्व (पैसा) उत्पन्न किया। सामान्य तौर पर, दृष्टिकोण एबीसी-एक्सवाईजेड जैसा दिखता है, लेकिन थोड़ा अलग कोण से।

इस दृष्टिकोण के भाग के रूप में, आप क्लाइंट को रीसेंसी समूहों में विभाजित करते हैं, उदाहरण के लिए:

• 0-30 दिन
• 31-60 दिन
• 61-90 दिन
• 90 +

खरीद की संख्या से, उदाहरण के लिए:

• 15 से अधिक है
• 10-14
• 5-9
• 0-4

राजस्व के संदर्भ में:

• 1000
• 600-1000
• 200-599
• 0-199

यह स्पष्ट है कि प्रत्येक विशिष्ट उत्पाद, एप्लिकेशन या उत्पाद के लिए आपको अपनी सीमाएं निर्धारित करने की आवश्यकता है।
नतीजतन, आप ग्राहकों को कई खंडों में विभाजित करने में सक्षम होंगे, जिनमें से प्रत्येक आपके लिए महत्व के क्रम में ग्राहक की विशेषता है।

बीसीजी मैट्रिक्स

मुख्य विचार ग्राहकों को राजस्व मात्रा और राजस्व वृद्धि दर की श्रेणियों में विभाजित करना है। यह दृष्टिकोण आपको यह निर्धारित करने की अनुमति देता है कि कौन बड़ा है और कितनी तेजी से बढ़ रहा है। सभी ग्राहक 4 क्वैडेंट में विघटित हो जाते हैं:

• उच्च राजस्व वृद्धि दर वाले सितारे सबसे बड़े ग्राहक हैं। ये ऐसे ग्राहक हैं जिन्हें सबसे ज्यादा ध्यान देने की जरूरत है। यह वृद्धि का एक मजबूत बिंदु है।
• डेयरी गाय कम या नकारात्मक राजस्व वाले बड़े ग्राहक हैं। ये ग्राहक आपके वर्तमान राजस्व का मूल रूप बनाएंगे। गायों को देखें और व्यवसाय खो दें।
• डार्क हॉर्स अभी भी छोटे ग्राहक हैं, लेकिन उच्च विकास दर के साथ। ये ग्राहकों के समूह हैं, जिन्हें ध्यान देना चाहिए, जैसा कि वे सितारों या डेयरी गायों को विकसित कर सकते हैं।
• कुत्ते कम या नकारात्मक विकास दर वाले छोटे ग्राहक हैं। ये ऐसे ग्राहक हैं जिन पर आप कम से कम ध्यान दे सकते हैं और लागत कम करने के लिए उन पर बड़े पैमाने पर सेवा पद्धतियाँ लागू कर सकते हैं।

सभी हेयुरिस्टिक तरीकों के फायदे कार्यान्वयन के सापेक्ष सहजता हैं और आपके क्लाइंट को उन समूहों में विभाजित करने की क्षमता है जो व्यापारिक दृष्टिकोण से समझने योग्य हैं।

नुकसान यह है कि हम उन्हें वर्णन करने और विचार से अन्य कारकों को बाहर करने के लिए केवल कुछ गुणों का उपयोग करते हैं। इसके अलावा, अक्सर ग्राहक खुद को अस्थायी रूप से खंडों में पाते हैं, अपनी स्थिति बदलते हैं, और खंड के भीतर एक वास्तविक समुदाय स्थापित करना मुश्किल होता है।

विधि 2: क्लस्टरिंग

मुख्य विचार क्लाइंट बेस की संरचना के बारे में प्रारंभिक परिकल्पनाओं का उपयोग किए बिना ग्राहकों के समूहों को खोजने के लिए है, जो उपलब्ध डेटा के आधार पर ग्राहकों के गुणों के बीच प्राकृतिक समूहों को खोजने के लिए है।

तरीकों का एक सेट है (K-mean, C-mean, hierarchical clustering, आदि) जो आपको उनके गुणों के आधार पर वस्तुओं की निकटता को एक दूसरे से निकटता निर्धारित करने की अनुमति देता है। सामान्य स्थिति में, आप अपने ग्राहक को वेक्टर के रूप में वर्णित करते हैं, इस वेक्टर का प्रत्येक तत्व ग्राहक की कुछ विशेषता (चाहे वह राजस्व, सहयोग के महीनों की संख्या, पंजीकरण पता, खरीदे गए उत्पाद आदि) का वर्णन करता है। उसके बाद, आप इस वेक्टर को अपने एल्गोरिथ्म के लिए वांछित प्रारूप में परिवर्तित करते हैं, एल्गोरिदम को डेटा पर सेट करते हैं (और इसे क्लस्टरिंग के लिए कॉन्फ़िगर करते हैं) और आउटपुट में क्लाइंट्स को अलग करने के लिए क्लस्टर में प्राप्त करते हैं।

यद्यपि यह प्रक्रिया जटिल नहीं दिखती है, लेकिन तरीकों का विवरण और उनकी व्याख्या का बहुत महत्व है। चयनित "दूरी" मैट्रिक्स, डेटा परिवर्तन की विधि, और चयनित कारकों की संख्या तस्वीर को बहुत बदल सकती है। चूंकि अंततः बहुआयामी डेटा में क्लस्टरिंग समस्या के लिए कोई असमान रूप से "सही" समाधान नहीं है, इसलिए आपको अंततः क्लस्टर्स की गुणवत्ता का स्वतंत्र रूप से मूल्यांकन करना होगा, अर्थात्, अंत में, "व्यवसाय" व्याख्या की तलाश करें उनके लिए आप लोगों द्वारा निर्णय लेने में इन समूहों का उपयोग करने जा रहे हैं।

अनुभव से, मैं कह सकता हूं कि आपको ग्राहकों के जटिल और तार्किक रूप से असंबंधित गुणों का उपयोग नहीं करना चाहिए, साथ ही साथ चालाक रूपांतरण भी। एल्गोरिदम की रेखा के साथ संभावना, सुरुचिपूर्ण समाधानों के बावजूद, आप उन समूहों की व्याख्या करना मुश्किल हो सकते हैं जो व्यावसायिक संदर्भ में कुछ भी नहीं बढ़ाते हैं। शायद आपका तरीका अच्छा है यदि क्लस्टर किसी अन्य मशीन लर्निंग सिस्टम के इनपुट मापदंडों के लिए उपयोग किया जाता है। लेकिन जब आप ग्राहक आधार को विभाजित करना और एक विपणन रणनीति तैयार करना चाहते हैं, तो ऐसे चालाक क्लस्टर आपको कहीं भी नहीं ले जाएंगे।

क्लस्टरिंग प्रक्रिया अपने आप में एक पुनरावृत्ति प्रक्रिया है:

1. वेक्टर बनाएं
2. डेटा ट्रांसफ़ॉर्म करें
3. एल्गोरिदम पैरामीटर सेट करें
4. क्लस्टरिंग करें
5. क्लस्टर्स का मूल्यांकन करें, क्या आप उनका उपयोग कर सकते हैं?
6. चरण 1. दोहराएं यदि क्लस्टर आपको संतुष्ट नहीं करते हैं

इस दृष्टिकोण का लाभ यह है कि कई पुनरावृत्तियों के माध्यम से आप अपने ग्राहकों और उनके डेटा को बेहतर समझ पाएंगे। प्रत्येक क्लस्टरिंग प्रयास आपको ग्राहक व्यवहार और गुणों का एक भाग दिखाएगा, जिसकी आपके पास सबसे अधिक संभावना है कि आपने कभी नहीं देखा। आप विभिन्न ग्राहकों के बीच संबंधों और संबंधों को बेहतर ढंग से समझ पाएंगे। इसलिए, मैं आपको सलाह देता हूं कि इस अभ्यास को करें और अपने स्वयं के क्लस्टर्स को बाहर लाएं।

पाश में पिछले लेख:

उत्पाद विश्लेषण लेखों की एक श्रृंखला में यह 6 वाँ लेख है:

1. ऊपर-नीचे का दृष्टिकोण। उत्पाद अर्थशास्त्र। सकल लाभ
2. उत्पाद अर्थशास्त्र। राजस्व विश्लेषण
3. क्लाइंट बेस की गतिशीलता में डूबे: कोहोर्ट विश्लेषण और प्रवाह विश्लेषण
4. हम एक्सेल के उदाहरण पर कोहोर्ट विश्लेषण / प्रवाह का विश्लेषण एकत्र करते हैं
5. बिक्री फ़नल एनालिटिक्स
6. एमपीआरयू, राजस्व और यह राजस्व और ग्राहक आधार की गतिशीलता से कैसे संबंधित है