Любому предпринимателю важно понимать своих клиентов для эффективного маркетинга. Поэтому, например, составляю портрет клиента, определяют его пол, средние возраст и доход и так далее. Мы расскажем о ещё более тонкой классификации покупателей, которую проводят на основе «исторических» данных и которая выдает много полезной информации. Для неё достаточно обычных данных по продажам.

Проанализируйте покупателей

Такой анализ подойдет компании с большим разбросом чека, например, от 100 до 10 000 грн. Это может быть магазин с широким ассортиментом или ресторан.
Цель анализа — распределить покупателей по трём группам в зависимости от их выручки, прибыли, объема продаж или других критериев. Это помогает понять, каким клиентам уделять внимание в маркетинговых активностях, как определять ценовую политику, расширять ассортимент.
Без такого анализа вы вероятно тратите много ресурсов впустую. Предположим, у вас много покупателей — мелких рыб, которые приносят выручку 100-300 грн. Проведите классификацию, и может оказаться, что 80% выручки приносит 20% клиентов — «больших рыб», которых меньше, но которые тратят по 10 000 грн за раз.
Определение этих групп динамично, оно зависит от особенностей бизнеса. Для распределения используются методы data mining, а именно — кластеризация всей выборки продаж на три группы. При этом стоит определить, по чекам или по покупателям проводить распределение. В одном чеке может быть несколько покупателей, их количество также можно определить по некоторым алгоритмам.

Cluster analysis

Если проанализировать выборку чеков или покупателей, можно получить такие ценные выводы для обработки:

— количество «рыб» каждого размера. Например,

  • для чеков 0-200 грн — 1000,
  • 200-1000 грн — 400,
  • 1000-10 000 грн — 150.

— доля каждой группы

  • 0-200 грн — 10%,
  • 200-1000 грн — 30%,
  • 1000-10 000 грн — 60%.

Имея такую разбивку, полезно анализировать акции, продажи, программы в разрезе этих групп. Например, определенные товар может привлекать только мелких покупателей, и соответственно приносить минимальную прибыль при затратах ресурсов на него.[:en]От мелких до крупных рыб: какими бывают покупатели

Любому предпринимателю важно понимать своих клиентов для эффективного маркетинга. Поэтому, например, составляю портрет клиента, определяют его пол, средние возраст и доход и так далее. Мы расскажем о ещё более тонкой классификации покупателей, которую проводят на основе «исторических» данных и которая выдает много полезной информации. Для неё достаточно обычных данных по продажам.

Большие, средние и мелкие рыбы

Такой анализ подойдет компании с большим разбросом чека, например, от 100 до 10 000 грн. Это может быть магазин с широким ассортиментом или ресторан.
Цель анализа — распределить покупателей по трём группам в зависимости от их выручки, прибыли, объема продаж или других критериев. Это помогает понять, каким клиентам уделять внимание в маркетинговых активностях, как определять ценовую политику, расширять ассортимент.
Без такого анализа вы вероятно тратите много ресурсов впустую. Предположим, у вас много покупателей — мелких рыб, которые приносят выручку 100-300 грн. Проведите классификацию, и может оказаться, что 80% выручки приносит 20% клиентов — «больших рыб», которых меньше, но которые тратят по 10 000 грн за раз.
Определение этих групп динамично, оно зависит от особенностей бизнеса. Для распределения используются методы data mining, а именно — кластеризация всей выборки продаж на три группы. При этом стоит определить, по чекам или по покупателям проводить распределение. В одном чеке может быть несколько покупателей, их количество также можно определить по некоторым алгоритмам.

Если проанализировать выборку чеков или покупателей, можно получить такие ценные выводы для обработки:
количество «рыб» каждого размера. Например,
для чеков 0-200 грн — 1000,
200-1000 грн — 400,
1000-10 000 грн — 150 рыб.
доля каждой группы
0-200 грн — 10%,
200-1000 грн — 30%,
1000-10 000 грн — 60%.

Имея такую разбивку, полезно анализировать акции, продажи, программы в разрезе этих групп. Например, определенные товар может привлекать только мелких покупателей, и соответственно приносить минимальную прибыль при затратах ресурсов на него.

Categories: Статьи

Leave a Reply

Your email address will not be published. Required fields are marked *