Характеристика информационной базы исследования

Для апробации теоретических результатов диссертационной работы была разработана динамическая модель управления клиентской базой для компании реального сектора экономики, и на основе данной модели найдена стратегия оптимального управления клиентской базой компании на интервале 12 месяцев, позволяющая максимизировать долгосрочную стоимость клиентской базы.

Рассматриваемая компания входит в список крупнейших торгово- розничных компаний России, сегмент салонов сотовой связи. Магазины представлены на всей территории Российской Федерации, в общей сложности более 2000 торговых точек.

Основные категории продаваемых товаров: аппараты сотовой связи, смартфоны, фото и видео техника, ноутбуки и планшеты, прочие электронные товары (электронные книги, плееры, GPS-навигаторы и т.д.).

Также компания предоставляет ряд финансовых услуг, такие как прием платежей от клиентов (сотовая связь, интернет, ЖКХ), денежные переводы, погашение кредитов, страхование.

В качестве анализа были рассмотрены транзакционные данные о покупках клиентов компании по региону Казань в период с ноября 2007 года по март 2012. Общее число уникальных клиентов: 220 292 записей.

Ограничения исследования: в рамках данного исследования была использована информация о покупках только тех клиентов, которые оформили карту лояльности компании, и в момент оплаты предъявили ее на кассе.

Оформление карты лояльности происходит при совершении первой покупки клиентом и заполнении специальной анкеты (фамилия и имя

клиента, дата рождения, пол, возраст, контактная информация). При предъявлении карты лояльности в момент совершения покупки клиенту начисляются бонусные баллы в размере 1% от суммы покупки. Бонусные баллы в дальнейшем могут быть использованы в качестве скидки при последующих покупках.

Исходные данные для анализа (список используемых переменных):

1. Уникальный идентификатор клиента (Client_ID).

2. Пол (Sex).

Принимает значения: 1 - мужчина, 0 - женщина.

3. Возраст (Age).

4. Семейное положение (Family_Status).

Принимает значения:

1 - женат/замужем, 2 - холост/не замужем, 0 - не указано.

5. Дата и время покупки (Purchase_Date).

6. Сумма покупки в рублях РФ (Purchase_Sum).

7. Категория, к которой относится купленный товар (Purchase_Kategory).

Принимает значения:

1 - сотовые телефоны, смартфоны;

2 - фото и видео техника;

3 - ноутбуки, нетбуки, планшеты;

4 - аксессуары;

5 - платежи;

6 - финансовые продукты (денежные переводы, погашения кредитов, страховые продукты);

7 - непрофильные товары;

8 - товары, бывшие в употреблении;

9 - тарифные планы, услуги операторов сотовой связи.

Данные по набору параметров представлены для каждого уникального клиента компании, т.е. представляют собой панельные данные. Для проведения анализа покупательского поведения в динамике необходимо осуществить переход к временным рядам, т.е. к показателям, характеризующим покупательское поведение клиента в каждый из заданных интервалов планирования - месяц.

Для решения данной задачи в работе были посчитаны следующие

агрегирующие переменные:

1. Дата первой покупки клиента (First_Purchase_Date).

2. Дата последней покупки клиента (Last_Purchase_Date).

3. Количество покупок клиента:

a. за весь период (Purch_Num_All);

b. помесячно (Purch Num_i);

c. помесячно накопительным итогом ( Purch Cumu l Num_i).

4. Сумма покупок клиента:

a. за весь период (Purch_Sum_All);

b. помесячно ( Purch Sum _ι);

c. помесячно накопительным итогом ( Purch Cumu l Sum _ι).

5. Частота покупок клиента:

a. за весь период (Freq_All);

b. помесячно накопительным итогом (Freq ).

Частота покупок в момент времени t рассчитывается как отношение количества покупок клиентов, совершенных в момент времени t, к количеству месяцев, прошедших от даты первой покупки до момента времени t.

где: Freq- частота покупок клиента на момент времени t;

Purch Num_i- количество покупок, совершенное клиентов в месяце i;

t - количество месяцев, прошедших с момента первой покупки до момента расчета показателя.

Замечание: частота покупок в последнем месяце совпадает с частотой покупок при расчете за весь период времени.

6. Средний чек клиента:

a. за весь период

b. помесячно накопительным итогом (Avg ).

Средний чек клиента в момент времени t рассчитывается как отношение накопительной суммы покупок клиента на момент времени t к количеству покупок клиента на момент времени t.

7. Количество месяцев, прошедшее от первой до последней покупки.

8. Количество месяцев, прошедшее от первой покупки до выбытия клиента или до 03.2012г, если клиент активен.

9. Количество месяцев, прошедшее от последней покупки до выбытия клиента или до 03.2012г, если клиент активен.

Используемые пакеты анализа данных.

В работе были использованы следующие программные инструменты анализа данных:

• IBM SPSS Statistics, версия 19;

• Eviews 7 Standart Edition;

• Microsoft Office Professional Excel 2010.

3.2.