Как прогнозная аналитика может помочь повысить прибыль? Предугадывая будущее поведение клиентов. Анализ данных таких прогнозов позволяет принять правильные (оптимальные и оперативные) решения.
В сложные времена компании уделяют большое внимание не столько повышению объёмов продаж, сколько снижению издержек. Может ли прогнозная аналитика помочь не только привлекать новых клиентов и увеличивать продажи, но и снижать издержки? Уверен, что да.
Более оптимальные продажи, как ни парадоксально, могут быть основаны на меньших объёмах продаж. Отказ от более рискованных и менее прибыльных сделок означает, что и потратите вы меньше. А модель эффективного сохранения наиболее прибыльных клиентов – это реализация принципа «сэкономил - считай, что заработал», к тому же этих клиентов не нужно искать.
Обычно в продажах и маркетинге прогнозную аналитику используют для увеличения объёмов продаж. Однако, можно использовать прогнозные модели для снижения затрат. Рассмотрим шесть способов снижения издержек с помощью прогнозной аналитики, которые приводятся различными зарубежными исследованиями в области прогнозной аналитики.
Способ 1: моделирование откликов для директ-маркетинга. Не контактируйте с теми, кто не будет отвечать
Моделирование откликов для директ- маркетинга - пожалуй, наиболее распространенное приложение прогнозной аналитики. Изучая опыт предыдущих маркетинговых кампаний, наблюдая, какой клиент ответил или не ответил на обращения в прошлом, можно оценить, кто, скорее всего, ответит завтра. После этого выделяется целевая группа из тех клиентов, которым присвоен достаточно высокий балл. Таким образом, маркетинговая кампания даст более высокую отдачу с меньшими затратами.
Эффективность такой модели часто измеряется с точки зрения повышения (lift), чаще всего изображаемого в виде диаграммы прибыли:
На практике, чем кривая выше диагонали, тем лучше модель. Для понимания экономии средств, полученных с помощью модели, посмотрим на горизонтальное расстояние от кривой до пунктирной диагонали.
Допустим, у вас есть маркетинговый бюджет, чтобы связаться с 40% клиентов из вашего списка. Если бы у вас не было прогнозной модели и средств для определения того, какие клиенты с большей вероятностью ответят, ваш список по сути - это случайная выборка. В среднем из любых 40% ответят 40%, т.е. правая точка на пунктирной диагонали графика.
Привлечем прогнозную модель и получим те же 40% ответов при контакте со всего 10% клиентов, которые, скорее всего, ответят (левая точка на кривой). Это всего лишь четверть, с которой можно связаться и получить тот же результат. При экономии средств в 75%.
Эта первая десятка содержит 40% всех возможных респондентов - в 4 раза больше, чем средний случайный образец из 10%, т.е. повышение (lift) равно 4.
Правда, интересно? Читайте другие статьи из цикла "6 способов снижения затрат с помощью прогнозной аналитики":
Таргетированное удержание с моделированием оттока
Управление рисками: не привлекайте убыточных клиентов
Ярослав Макаров, коммерческий директор "Аплана. Центр Разработки"
Вам понравилось? Поставьте лайк и подпишитесь на новые статьи!