Димитри Маекс - Ключевые цифры. Как заработать больше, используя данные, которые у вас уже есть

Чтобы лучше представлять ситуацию с будущими продажами, вам имеет смысл пригласить на работу статистика и поручить ему разработку моделей, сходных с той, которую я сделал для авиакомпании. Но в будущем – в течение трех или четырех лет – я ожидаю появления таких программ, которые позволят вам делать все это самостоятельно. Не исключено, что Google даже выпустит бесплатную версию.

Полная детальная модель

В предыдущем сюжете, рассматривая пример авиакомпании, мы опирались лишь на один из трех компонентов, составляющих пожизненную ценность, – изменение дохода в будущем (увеличение или снижение). Порой, когда вытаскиваешь какие-то ключевые данные из имеющейся клиентской базы, требуется создание модели, включающей в себя еще две переменные – ценность индивидуального клиента и продолжительность связи с компанией. Я расскажу, как это делается, на примере нашей работы с крупной розничной сетью. Предположим, эта сеть (назовем ее Retailco) наняла нас для оценки качества своей клиентской базы. Мы начали с классификации каждого домохозяйства по показателю пожизненной ценности, чтобы дать Retailco возможность индивидуального обращения к каждому из них. (Клиенты с самым высоким показателем потенциальной пожизненной ценности по вполне понятным причинам должны были получать от компании больше внимания.)

В то время, когда мы начали работать с Retailco, у нее было около полутора тысяч магазинов. И покупатели, как вы можете понять, снабжали компанию невероятно большими объемами данных. В базе данных содержалась информация почти о двадцати миллионах домохозяйств. Компания знала, что именно приобретало каждое из них, как часто и где. Размер базы данных мог показаться пугающим, но тем, кто любит копаться в цифрах, было где развернуться!

Прежде Retailco уже нанимала на работу опытных маркетологов и поручала им выжимать максимум из своей клиентской базы. Специалистам удалось внедрить некоторые из самых крупных и сложных программ лояльности в розничной отрасли. Теперь Retailco хотела разобраться с показателями пожизненной ценности клиентов, чтобы полностью сосредоточить внимание на лучших для торговой сети покупателях (как настоящих, так и потенциальных) и со временем еще сильнее увеличить их ценность. Модель позволяла нам понять простую, но важную вещь: с ее помощью мы могли знать, сколько денег потратит каждое отдельно взятое домохозяйство на отношения с Retailco в течение следующих трех лет – именно таков срок «всей жизни» в динамичном мире розничной торговли!

Цель была простой, но для ее реализации потребовался сложный и запутанный математический аппарат. Для начала мы выяснили, что означает пожизненная ценность для Retailco на концептуальном уровне, а результат представили в виде диаграммы (см. ниже). Хочу предупредить, что чуть далее приводится самая сложная статистическая модель в этой книге. Если вам удастся понять смысл следующих двух абзацев, то вы не только можете считать себя большим молодцом, но и вправе гордиться, что понимаете суть принципа цепей Маркова.

Как вы можете заметить, мы поместили клиентов в четыре различные группы в зависимости от уровня их расходов. «Отсутствие» означало домохозяйства, не совершавшие в любом из магазинов сети покупок в течение двенадцати месяцев.

Затем мы определили пожизненную ценность домохозяйств следующим образом:

Пожизненная ценность = (Вероятность будущего состояния) × (Ценность в будущем состоянии)

Это означает: пожизненная ценность клиента отчасти состоит из вероятности того, что в последующие три года она окажется в одной из групп (с высоким, средним и низким показателями или показателями отсутствия), а отчасти – из ценности этого домохозяйства в будущем (с высоким, средним или низким показателями). Другими словами, для расчета пожизненной ценности мы должны были сначала предсказать вероятность того, что в следующем году кто-то останется в группе с высоким показателем или, напротив, переместится в другую группу (с низким или средним показателями или его отсутствием). Затем мы умножали эту вероятность на среднюю ценность клиентов, находившихся в том или ином состоянии.

Изложенное мной может показаться слишком сложным, но на практике все было куда проще. Вот вам пример (вполне гипотетический) работы метода. Предположим, мы внимательно изучили данные и заключили, что клиенты Retailco с высоким уровнем ценности тратят 1000 долларов в год, клиенты со средним уровнем – 500 долларов, а с низким – 50 долларов. Предположим также, что сам я отношусь к клиентам Retailco с высоким уровнем ценности.