Menu Zavřít

Předvídejte, co udělá zákazník

20. 11. 2006
Autor: Euro.cz

DATA MINING Chcete vědět, co si bude váš zákazník přát v budoucnosti? Do jisté míry se to dá spočítat. Pokud chytře použijete již nashromážděná data, můžete předvídat budoucí chování klienta. Tato metoda se nazývá Data Mining. Data Mining v překladu nejvíce odpovídá českému výrazu „dolování dat,“ byť ve skutečnosti jde spíše o „získávání znalostí z dat“.

DATA MINING Chcete vědět, co si bude váš zákazník přát v budoucnosti? Do jisté míry se to dá spočítat. Pokud chytře použijete již nashromážděná data, můžete předvídat budoucí chování klienta. Tato metoda se nazývá Data Mining.

Data Mining v překladu nejvíce odpovídá českému výrazu „dolování dat,“ byť ve skutečnosti jde spíše o „získávání znalostí z dat“. Přináší do oblasti analýz obrovský posun od aspektu ex-post, tedy analýzy toho, co se již událo, do predikční roviny. To znamená, že umožňuje s určitou statistickou přesností předvídat události, které se mají odehrát v budoucnu.

VĚDĚT, CO BUDE Celá metoda je založena na behaviorální analýze, tedy analýze chování. Pokud to postavíme zjednodušeně, na základě historických dat, které máme o chování našich zákazníků, si můžeme vytvořit predikční model. Ten použijeme na tu skupinu zákazníků, jejichž chování chceme předvídat. Zavedením Data Miningu do firmy získáme doposud nepoznaný pohled na obchodní problémy a identifikujeme nové obchodní příležitosti. Díky těmto novým výsledkům bude podstatně jednodušší řešení větších problémů a přijímaní rozhodnutí.

Strategie většiny firem je zaměřena na zachování stávajícího zákazníka „za každou cenu.“ Nezbývá jim tudíž než se vrátit ke starému „náš zákazník - náš pán“, tedy lépe o něj pečovat, sledovat jeho chování a v případě potřeby včas reagovat. Ztráta každého jednoho zákazníka je vlastně ztrátou zisku, přičemž náklady na získání nového jsou vícenásobně vyšší než ty, které vydáváme na „údržbu“ stávajícího klienta.

KDO NÁM CHCE UTÉCT KE KONKURENCI?

Vaše společnost má data o svých zákaznících (transakce, platby, vzájemná komunikace a další) s historií alespoň jeden rok. Je tudíž jen krůček od toho, jak si tato data zhodnotit do podoby znalostí o tom, který z vašich zákazníků uvažuje o odchodu od vás k vaší konkurenci. Data Mining vám tuto informaci poskytne včas, v době, kdy je ještě čas na tuto hrozbu adekvátně reagovat (vyjednávací aktivity, slevy, benefity a další). Jakým způsobem to dokáže?

Základem správné predikce jsou kvalitní, čistá a konsolidovaná zákaznická data, nacházející se většinou v datovém skladu. Ten je běžný nejenom u velkých firem, ale díky převládajícímu trendu snižování cen i u malých a středních podniků. Na základě dat o zákaznících, kteří již od nás odešli, definujeme sadu atributů (proměnných), které tohoto zákazníka charakterizují. Nejčastěji jde o demografické (věk, pohlaví), geografické (obec, kraj, region, přítomnost dealera) a behaviorální (způsob používání služeb, chování) ukazatele.

Na základě takhle vzniklé analýzy vytvoří Data Mining predikční model, který pak použijeme na stávající, aktivní zákazníky. Výsledkem je hodnocení aktivních klientů ve smyslu jejich náchylnosti k odchodu. To je vlastně predikce pravděpodobnosti odchodu zákazníka nebo míry shody chování stávajícího zákazníka s těmi, kteří od nás v minulosti odešli.

ŠANCE I PRO MALÉ

BRAND24

Podle studie společnosti Gartner se Business Intelligence, jejíž významnou součástí je i Data Mining, stává nejvyšší prioritou pro vrcholový management. Jeho význam spočívá především v tom, že iniciativa těžit ze zákaznických dat nepřichází ze strany IT odborníků, ale ze samotného byznysu, což je významný posun ve smyslu řádné péče o zákazníka a následného zvýšení zákaznické loajality a zisku.

Neméně dobrou zprávou je i pokles cen technologií, díky nimž přestávají být sofistikované analýzy a integrace dat do datových skladů záležitostmi pouze velkých a silných firem. Přiblížit tyto technologie malým a středním podnikům je strategickým záměrem dodavatelských firem jako Microsoft, SAS, Oracle a dalších.

  • Našli jste v článku chybu?

Byl pro vás článek přínosný?

Upozorníme vás na články, které by vám neměly uniknout (maximálně 2x týdně).