Рекомендуемые продукты в CRM

Компания «ФБ КОНСАЛТ» специализируется на формировании стратегии управления взаимоотношениями с клиентами (CRM — Customer Relationship Management), CRM-консалтинге и внедрении CRM-технологий для предприятий финансового и торгово-промышленного секторов экономики. Компания обеспечивает глубокую автоматизацию всей технологической цепочки сбытовых процессов: маркетинг, сбыт, сервис с использованием средств аналитики и документооборота.

Введение. Постановка задачи. CRM – информационная система, которая дает возможность автоматизировать взаимодействие с клиентами и процесс продаж. Система представляет собой клиентоориентированное решение, призванное усовершенствовать управление отношениями с действующими и потенциальными клиентами в подразделениях продаж, маркетинга и сервисного сопровождения. В процессе работы с системой накапливаются массивы информации о клиентах, которые необходимо анализировать с целью повышения эффективности работы организации и получения дополнительной прибыли. Аналитический модуль системы выполняет функции анализа информации и выдачи рекомендаций пользователям.

Одной из главных задач аналитического модуля является выявление товаров, которые можно рекомендовать клиенту. Это помогает организации не просто получить максимальную прибыль, но и создать положительный имидж в глазах потребителей. Столь мощный инструмент анализа, как специализированный модуль CRM, во многом облегчает работу рекламистов и маркетологов. Для последних, особенно важно владеть информацией о сегментации рынка, чтобы вырабатывать максимально эффективную политику продвижения организации на рынке. Поэтому, разработка аналитического модуля CRM – системы является важной и актуальной задачей для компании.

Структура модуля. В рамках поставленной задачи был разработан аналитический модуль CRM – системы, состоящий из четырех основных частей:

732

Модуль коллаборативной фильтрации

Модуль коллаборативной фильтрации. В модуле реализован один из основных методов построения прогнозов покупки товаров, используемый в рекомендательных системах — коллаборативная фильтрация. Метод применяется из-за двух его основных преимуществ: довольно простой реализации алгоритма и достаточно хороших результатов работы. Алгоритм метода строится на допущении, что те клиенты, которые одинаково оценивали какие-либо продукты в прошлом, будут схоже оценивать и другие продукты в будущем.

В процессе работы модуля коллаборативной фильтрации анализируется таблица покупок клиентов и находятся наиболее близкие клиенты. Далее модуль передает список клиентов с указанной степенью близости в модуль выдачи рекомендаций. В модуле берутся все товары клиентов, степень близости которых больше, или равна степени близости, заданной в настройках анализа. После этого убираются одинаковые товары и товары, уже приобретенные клиентом. Далее результаты передаются в модуль выдачи рекомендаций, полученных на основе применения разных моделей.

Модуль ассоциативного анализа

Модуль ассоциативного анализа. Если предыдущий модуль искал схожих пользователей, то задача модуля ассоциативного анализа – найти взаимосвязи между товарами.

Ассоциативный анализ – это метод, реализующий поиск часто встречающихся наборов данных (покупок товаров в данном случае) в большом множестве наборов и формирующий ассоциативные правила, которые определяют какие товары покупаются совместно и с какой вероятностью.

Ассоциативное правило представляет собой выражение типа "если-то" и состоит из двух частей: причины и следствия.

В модуле реализован алгоритм Apriori, позволяющий сократить пространство поиска ассоциативных правил и увеличить скорость проведения анализа.

После того, как все ассоциативные правила сформированы, они передаются в модуль выдачи рекомендаций, где, при наличии причины в товарах клиента, следствие ассоциации добавляется в список рекомендованных товаров.

Модуль кластерного анализа

Модуль кластерного анализа. У методов двух предыдущих модулей есть один общий недостаток – при появлении нового клиента, ему не может быть порекомендован ни один товар, ведь своих товаров у него еще нет. Эта проблема называется «проблемой холодного старта» и именно ее и помогает решить данный модуль. В модуле реализован EM-алгоритм кластерного анализа данных, который разбивает клиентов на классы на основе анализа их метаданных, заполняемых менеджером в CRM-системе.

После того как клиенты разделены на кластеры, для каждого класса выбирается набор наиболее часто встречающихся продуктов. При выборе нового клиента (клиента у которого нет приобретенных товаров), выявляется к какому кластеру он относится и выдается набор наиболее популярных товаров для этого кластера.

Свяжитесь с нами


Более подробную информацию Вы можете получить, позвонив в "ФБ Консалт" по тел.:  +7 (495) 781–6400 или отправив запрос по электронной почте: info@fbconsult.ru. Специалисты компании с радостью ответят на все интересующие Вас вопросы. Обращайтесь!


Подписка

RSS-материал