<<
>>

Кластеризация клиентской базы компании методом k- средних

Для кластеризации клиентской базы использовались нормированные значения следующих наборов переменных:

1. Частота покупок клиента (за весь период).

2. Средний чек клиента (за весь период).

3. Количество месяцев с первой покупки до выбытия клиента или до 03.2012г, если клиент активен[I]. В дальнейшем данный показатель обозначается как время «жизни» клиента.

4. Количество месяцев с последней покупки до выбытия клиента или до 03.2012г, если клиент активен. В дальнейшем данный показатель обозначается как время «сна» клиента.

Кластеризация клиентской базы проведена методом k-средних с использованием программного инструментария IBM SPSS Statistica.

В качестве параметров кластеризации было последовательно выбрано разбиение на 3, 5, 7 и 10 кластеров. В результате анализа результатов кластеризации для дальнейшего исследования было выбрано 5-ти кластерное решение (Таблица 5).

Таблица 5. Кластеризация клиентской базы (5 кластеров)

Кластер 1 Кластер 2 КластерЗ Кластер4 Кластер 5
Средний чек 1462.48 755.04 14747.44 921.27 1918.12
Время «жизни» 30.4 27.7 23.2 24.9 41.7
Время «сна» 8.8 3.0 13.8 1.5 33.7
Частота покупок 0.45 2.50 0.48 7.48 0.15
Численность кластера 59 518 11 198 2 382 1 384 36 686

Из процедуры кластеризации клиентской базы были исключены клиенты с нулевой частотой повторных покупок.

Общее число таких клиентов - 70759, из них:

- совершивших только 1 покупку - 32 316 человек;

- совершивших более 1 покупки, но в течение одного дня - 38 443 человек.

Значения среднего чека, времени жизни и времени сна для кластера клиентов без повторных покупок представлены в таблице (Таблица 6).

Таблица 6. Показатели покупательского поведения для кластера без повторных покупок

Минимум Максимум Среднее Стд.

отклонение

Средний чек 10,00 122400,00 2901,83 4244,08
Время «жизни» 1 53 34,15 12,84
Время «сна» 0 52 33,13 12,84

Для выявления отличий в характере покупательского поведения выделенных кластеров или социально-демографических различий был проведен визуальный анализ данных и построены гистограммы ключевых показателей базы по каждому кластеру (см. Приложение1).

По графикам видно, что есть незначительные отличия по полу и социальному статусу в выделенных кластерах. Так в 3 кластере, с более высоким средним чеком, выражено преобладание мужчин. В целом холостых/незамужних клиентов чуть больше, чем семейных людей, что соответствует общему распределению по базе. При этом во 2 и 4 кластерах видно явное преобладание людей, скрывших данную информацию.

По характеру частоты покупок, величины среднего чека, общей суммы покупок и общему количеству покупок не выявлено явных различий по распределению внутри группы - во всех кластерах наблюдается смещение к минимальному значению параметра. Но явно видно отличие по максимальным значениям показателей.

Следует отметить, что частота покупок во 2 и 3 группах распределена более равномерно, чем в остальных кластерах. Но также наблюдается смещение в сторону минимальных значений.

По времени жизни клиента в 1 и 5 группах наблюдается смещение в стороны более давних клиентов, в то время как во 2, 3, 4 группах наблюдается небольшой сдвиг в сторону клиентов, пришедших в компанию менее 2-х лет назад.

Результаты проведенного Н-теста по методу Крускала и Уоллиса (см. Приложение2)подтверждают значимость различий между выделенными кластерами на уровне значимости 95%.

Для анализа наличия или отсутствия существенных различий по категориям покупаемых товаров для каждого кластера были составлены частотные таблицы по событию: была ли совершена покупка в данной категории товаров или нет (Таблица 7).

Таблица 7. Количество покупок товаров по категориям в разрезе кластеров

Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5 Без повторных покупок
Категория 1 (телефоны) Есть покупка 44 764 8 379 1 282 1 095 27 965 49 953
Нет покупок 14 754 2 819 1 100 289 8 721 20 806
Категория 2 (фото/ видео) Есть покупка 9 431 2 302 199 418 4 263 3 980
Нет покупок 50 087 8 896 2 183 966 32 423 66 779
Категория 3 (ноутбуки) Есть покупка 5 051 1 668 178 343 427 1 015
Нет покупок 54 467 9 530 2 204 1 041 36 259 69 744
Категория 4 (аксессуары) Есть покупка 42 958 8 787 906 1 164 23 755 30 742
Нет покупок 16 560 2 411 1 476 220 12 931 40 017
Категория 5 (платежи) Есть покупка 45 317 10 778 518 1 360 20 976 13 712
Нет покупок 14 201 420 1 864 24 15 710 57 047
Категория 6 (финансовые услуги) Есть покупка 8 387 1 809 1 245 318 27184 1 628
Нет покупок 51 131 9 389 1 137 1 066 9502 69 131
Категория 7 (Б/у) Есть покупка 5 614 2 017 91 378 1 912 1 251
Нет покупок 53 904 9 181 2 291 1 006 34 774 69 508
Категория 8 (непрофильн ые товары) Есть покупка 840 207 28 24 1 169 1 134
Нет покупок 58 678 10 991 2 354 1 360 35 517 69 625
Категория 9 (тарифные планы) Есть покупка 30 993 6 933 335 983 14 348 23 686
Нет покупок 28 525 4 265 2 047 401 22 338 47 073

Полученное распределение покупок по категориям представлено в виде гистограмм (рис. 17).

Из данных гистограмм видно, что почти все клиенты совершают покупки в категориях, считающихся профильными для данной компании: телефоны (1), аксессуары (4) и тарифные планы

сотовых операторов (9), а также совершают платежи за услуги сотовой

связи (5). Менее популярны товары из категорий фото и видео техники (2), ноутбуки (6). В целом схожие категории товаров приобретают клиенты 2 и 4 кластеров, незначительные отличия в товарных предпочтениях есть у клиентов 1 кластера. Также схожие потребности у клиентов 5 кластера и кластера без повторных покупок. Довольно значимо отличается поведение клиентов 3 кластера - у них преобладают покупки в 6-ой категории

товаров (финансовые услуги).

кластеров

Рисунок 17. Доля клиентов, покупающих товары по категориям, в разрезе

На основе проведенного анализа представлено сводное описание получившихся клиентских кластеров:

1. «Рядовые покупатели» (кластер 1): клиенты, которые

приобретают в компании профильные товары и услуги - покупка сотовых телефонов недорогих (бюджетных) моделей, аксессуаров к ним. Примерно

половина этой группы вместе с телефоном приобретает и тарифный план к нему. Данная категория клиентов также активно пользуется услугой по приему платежей в адрес различных поставщиков услуг: операторы сотовой связи, интернет-провайдеры и т.д.

Данные клиенты имеют невысокую частоту покупок - 0,45 покупок в месяц (или примерно 1 раз в 2 месяца), средний чек - 1462,48 руб.

2. «Плательщики» (кластер 2): клиенты, имеющие высокую частоту пользования услугами по приему платежей в адрес различных поставщиков услуг. Эти клиенты также приобретают в компании телефоны и аксессуары к ним. Около 60% также дополнительно приобретают тарифные планы сотовых операторов. При этом средний чек ниже, чем у рядовых покупателей, и составляет 755,04 руб., но высокая частота покупок - в среднем 2,5 покупки в месяц.

3. «Средний класс» (кластер 3): клиенты, приобретающие дорогие модели сотовых телефонов, а также активно пользующиеся финансовыми услугами компании: денежные переводы, погашение кредитов, страхование. Примерно 40% этих клиентов также приобрели аксессуары к купленным телефонам и воспользовались дополнительными услугами по приему платежей. Средний чек у данной группы значительно выше, чем у рассматриваемых ранее, и составляет 14747,44 руб, частота покупок 0,48 покупки в месяц. Следует отметить, что данные клиенты достаточно пассивны - период времени с последней покупки в среднем по кластеру составляет 13,8 месяцев, что находится на втором месте по величине данного показателя.

4. «Приверженцы» (кластер 4): клиенты, которые активно приобретают товары/услуги в данной компании. Почти все клиенты осуществляют платежи в пользу различных поставщиков услуг, а также приобретают различные категории товаров - сотовые телефоны, аксессуары, фото и видео технику. Следует отметить, что доля покупок в категории фото и видео, ноутбуки, непрофильные товары - самая высокая

из всех рассматриваемых кластеров. Средний чек у данной группы составляет 921,27 руб., частота покупок 7,48 покупка в месяц.

5. «Спящие» (кластер 5): клиенты, первоначально обращающиеся в компанию преимущественно за финансовыми услугами - денежный перевод, погашение кредита, страховые услуги. В дальнейшем клиенты приобретают базовые категории товаров: сотовые телефоны, аксессуары, тарифные планы.

Данные клиенты имеют самый высокий период неактивности - 33,7 месяцев. Средний чек 1918,12, частота покупок самая низкая - 0,15.

6. «Случайные прохожие» (без повторных покупок): клиенты, совершившие за рассматриваемый период только 1 покупку. Как правило, это покупка профильного товара компании - сотовый телефон. Примерно половина из рассматриваемых клиентов также приобрели в комплекте с телефоном аксессуар и/или подобрали тарифный план оператора сотовой связи. Размер среднего чека - 2901,83 руб.

Доля каждого выделенного кластера в общей численности клиентской базы компании представлена на рис. 18.

Рисунок 18. Кластеризация клиентской базы компании.

Динамика изменения численности выделенных кластеров с течением времени представлена в виде графиков ниже (рис.19).

Рисунок 19. Динамика изменения численности клиентов по каждому кластеру.

По графикам динамики изменения численности кластеров можно выделить следующие основные этапы формирования и развития клиентской базы компании:

Этап 1. Рост.

На данном этапе происходит интенсивный рост числа клиентов компании во всех кластерах. Основной рост происходит за счет притока новых клиентов, за исключением 5-го кластера, который характеризует спящих клиентов.

Этап 2. Развитие.

На данном этапе рост численности клиентской базы в целом замедляется, и численность клиентов по кластерам стабилизируется. В этот период возрастает доля изменения численности кластеров за счет межкластерных переходов, но при этом доля новых клиентов в общем притоке клиентов в кластер остается преобладающей.

Этап 3. Насыщение

На данном этапе приток новых клиентов практически прекращается, увеличивается доля неактивных клиентов. Численность кластеров начинает постепенно убывать.

С точки зрения управления клиентской базой компании на данном этапе значительно возрастает важность проведения эффективных маркетинговых мероприятий, чтобы сократить выбытие клиентов и повысить их покупательскую активность.

3.4.

<< | >>
Источник: Андреева Анна Викторовна. Динамическая модель управления клиентской базой компании на основе марковских цепей. Диссертация на соискание ученой степени кандидата экономических наук. Москва - 2013. 2013

Еще по теме Кластеризация клиентской базы компании методом k- средних:

  1. Кластеризация клиентской базы компании
  2. Кластеризация клиентской базы компании методом k- средних