КЛАСТЕРІЗАЦІЯ КЛІЄНТІВ ІНТЕРНЕТ-МАГАЗИНУ ЗА РІВНЕМ ЇХНЬОЇ КУПІВЕЛЬНОЇ АКТИВНОСТІ

Клочко Р.С.
магістр
rostislav.klochko@gmail.com
Піскунова О.В.
д.е.н., професор
episkunova@kneu.edu.ua
ДВНЗ “Київський національний економічний університет імені В.Гетьмана” (Україна)

Презентація

Одним із сучасних трендів розвитку українського роздрібного ринку є переведення торгівлі з фізичних в інтернет магазини. Прибутки в електронний комерції займають все більшу частину від загальної виручки підприємства. Реалії сьогодення такі, що компанія, яка не освоїла інтернет-продажі, як правило, приречена на занепад. В процесі побудови ефективної системи електронної комерції важливе значення для компанії має постійний моніторинг показників активності клієнтів. У світлі сказаного актуальною задачею є кластерізація клієнтів інтеренет-магазину за рівнем їх купівельної активності.

Для вирішення цієї задачі, в першу чергу, необхідно визначити ключові показники ефективності електронної комерції (KPI), на основі яких можливо здійснювати моніторинг активності клієнтів інтеренет-магазину. KPI зазвичай діляться на одну з наступних п’яти категорій: продажі; маркетинг; обслуговування клієнтів; виробництво; управління проектом.

Ключові показники ефективності продажів показують, як бізнес працює з точки зору конверсії і доходів. Вони включають в себе:

  • обсяги продажів – можуть відстежуватися загальні продажі за годину, день, тиждень, місяць, квартал або рік;
  • середній розмір замовлення, що говорить про обсяг коштів, який клієнт зазвичай витрачає на одне замовлення;
  • кількість транзакцій;
  • нові замовлення клієнтів і повторні замовлення клієнтів – цей показник показує порівняння між новими і постійними клієнтами;
  • цінність клієнта (CLV) – показник говорить про те, скільки коштує клієнт для бізнесу протягом їх відносин;
  • дохід на одного відвідувача (RPV) – середнє значення того, скільки людина витрачає за одне відвідування сайту;
  • вартість залучення клієнтів (CAC) – CAC повідомляє, скільки компанія витрачає на придбання нового клієнта.

Ключові показники ефективності маркетингу говорять про те, наскільки добре бізнес справляється з власними маркетинговими і рекламними цілями. Вони також впливають на ключові показники ефективності продажів. Маркетологи використовують ключові показники ефективності, щоб зрозуміти, які продукти продаються, хто їх купує, як вони їх купують і чому вони їх купують. До ключових показників ефективності маркетингу відносяться:

  • трафік сайту – цей показник свідчить про загальну кількість відвідувань сайту електронної комерції.
  • нові відвідувачі проти постійних відвідувачів – цей показник харктеризує успіх кампаній цифрового маркетингу;
  • джерело трафіку – показник надає інформацію про те, які канали привертають найбільшу кількість трафіку.

З точки зору вирішення задачі сегментації клієнтів за рівнем їхньої купівельної активності найбільш прийнятною вважається RFM модель [1].

RFM – це стратегія для аналізу і оцінки цінності клієнта, заснована на трьох точках даних: періодичність (recency) (як недавно клієнт зробив покупку), частота (frequency) (як часто він купує) і грошова вартість (monetary) (скільки він витрачає коштів). Ці три чинники можуть бути використані для обґрунтованого прогнозування ймовірності того, що покупець буде робити повторні покупки у компанії. Аналіз RFM оцінює, які клієнти мають найвищу і найнижчу цінність для організації, ґрунтуючись на недавності покупок, частоті і грошовій вартості, щоб розумно передбачити, які клієнти з більшою ймовірністю здійснять покупки в майбутньому.

До основних переваг RFM підходу належать легкість в обчисленні та інтерпритації показників. Основними недоліками є те, що модель доволі обмежжена апріорі заданими метриками. Багато інформативних факторів тут не враховується. Але RFM модель є базовою, тому, в більшості випадків, використовують комбінації різних підходів. Зокрема, в науковій літературі зустрічаються такі модифікації класичної RFM моделі:

  • RFMI – для кращого визначення характеристик VIP-замовників було модернізовано модель RFM до моделі RFMI, використовуючи чотири фактори – R, F, M та I ( ідентифікатор статусу клієнта) [2];
  • RFMP – до класичної моделі додано час до здійсненння покупки від прояву першої активності. ( Застосовувалося у період рекламної активності) [3];
  • RFMC – враховано процес постійної покупки однотипних товарів [4];
  • RFMV – додано метрику варіативності куплених продуктів [5];
  • RFMT – враховано час з першої покупки [6].

Сегментація клієнтської бази на основі розглянутих показників може бути здійснена за допомогою методу кластерного аналізу k-середніх, після чого можлива побудова класифікаційних моделей розподілу клієнтів інтернет- магазину за цими сегментами.

ЛІТЕРАТУРА

  1. Dogan, Onur & Ayзin, Ejder & Bulut, Zeki. (2018). Customer segmentation by using rfm model and clustering methods: a case study in retail industry. International Journal of Contemporary Economics and Administrative Sciences. 8. 1-19.
  2. Gan, Weihua & Xu, Zhenning & Wang, Hongbin & Geng, Ting. (2016). A Modified RFMI Framework and Strategic Implications for Analyzing VIP Customers in Logistics Companies: A Case Study of Jiaji Co. Ltd. in China. 10.1007/978-3-319-11815-4_251.
  3. Cho, Kwang-Hyun & Park, Hee-Chang. (2012). A study on the segmentation of real estate customer using RFMP. Journal of the Korean Data and Information Science Society. 23. 515-523. 10.7465/jkdi.2012.23.3.515.
  4. Predicting Customer Value Using Clumpiness: From RFM to RFMC Yao Zhang, Eric T. Bradlow, and Dylan S. Small Marketing Science 2015 34:2, 195-208.
  5. Moghaddam, s.Q. & Abdolvand, Neda & Rajaee Harandi, Saeedeh. (2017). A RFMV model and customer segmentation based on variety of products. Journal of Information Systems and Telecommunication. 5. 155-161.
  6. Al-Shayea, Qeethara & Al-Shayea, Tamara. (2014). Customer Behavior on RFMT Model Using Neural Networks. Lecture Notes in Engineering and Computer Science. 1. 49-52.