Метрики и техники анализа клиентов в онлайн торговле — самая востребованная тема в маркетинге. Данные клиентов интернет-магазинов максимально детализированы, отлично отражают поведенческие особенности, пригодны для анализа в режиме реального времени и построения прогнозов. В первую очередь анализ клиентов отвечает на вопрос о том, как повысить текущий доход и где искать источники нового, как снизить издержки или повысить доходность существующих, новых и потенциальных клиентов.
В большинстве случаев необходимые данные располагаются в CRM-системах, корпоративных базах данных и облачных сервисах. Такие данные используются как для долгосрочного планирования и выстраивания стратегии, так для развития клиентского сервиса, маркетинга, финансов.
Базовый анализ клиентов он-лайн включает:
— общее количество клиентов;
— количество активных клиентов (при этом критерий активности определяется самим рынком и внутренней политикой компании);
— количество новых клиентов;
— отношение новых клиентов к существующим.
Более глубокие характеристики получают из кагорного анализа, анализа сегментов, атрибуции, пожизненной ценности, стоимости привлечения клиента и пр.
Анализ данных в e-commerce начинается с построения таблицы, где в строках отражается каждый отдельный клиент, а в столбцах сегмент, тип первого взаимодействия, дата первого заказа, объем первого заказа, дата последнего заказа, объем последнего заказа, прогнозируемая пожизненная ценность:
Что именно можно анализировать, располагая данными о покупателях?
— какие из покупателей наиболее ценны для компании;
— какие каналы наиболее эффективны для продвижения в целом и по сегментам в частности;
— какое время лучше подходит для контакта с вашим клиентом;
— сколько стоит привлечь покупателя;
— как влияют на потребительское поведение акции и скидки;
— чем отличаются клиенты с повторными покупками от тех, кто совершил покупку один раз;
— какие продукты можно рекомендовать покупателю Х;
— какие данные нужны, чтобы запустить акцию Y;
— почему покупатель отреагировал на акцию так, а не иначе, и что нам с этим делать. И прочее.
Анализ включает сегментацию и кластеризацию клиентов с целью лучшего понимания своей аудитории. Разнообразные методы, например, кагорный анализ, позволяют выявить закономерности поведения с течением времени. Данные покупателей используются для калькулирования финансово-значимых метрик, как, например, стоимость привлечения покупателей или пожизненной ценности клиента. Инструменты data science и машинного обучения делают возможным персонализацию клиентского опыта, прогнозы и оптимизацию.
Как делать анализ данных в Excel описано в статьях, посвященных техникам анализа в e-commerce:
Сегментация клиентов в Excel. Позволяет выделить наиболее ценных клиентов и создавать персонализированное предложение.
Когортный анализ в Excel. Позволяет отслеживать поведение покупателей с течением времени.
Расчет ценности клиента в Excel. Как построить прогноз Customer Lifetime Value (Пожизненная ценность клиента, CLV) и выяснить, какой доход принесет клиент за все время.
Как рассчитать стоимость привлечения клиента в Excel. Сколько денег вы тратите на привлечение клиента и какие затраты обоснованы.
Как провести анализ оттока клиентов. Сравните уровень оттока клиентов с их ценностью и стоимостью привлечения по сегментам.
RFM – анализ в Excel. Популярный способ выделить наиболее выгодных клиентов.
