Прогнозирование потребительского поведения: оригинальная модель с применением алгоритма "decision trees" ("деревья решений")

Что дает алгоритм?

КТО БУДЕТ ВАШИМ ДОХОДНЫМ КЛИЕНТОМ?

Кто из Ваших потенциальных клиентов с высокой степенью вероятности станут Вашими реальными клиентами, или из них кто обеспечит наиболее доходные сделки.

ЧТО ДЛЯ ВАШИХ КЛИЕНТОВ ВАЖНО?

На кого Вы должны нацеливаться в своих маркетинговых усилиях и что будет наиболее важным для Ваших клиентов, когда они начнут к Вам обращаться?

Ответ на эти вопросы может дать использование алгоритма «Decision Trees» или «Деревья решений».

Алгоритм DECISION TREES позволяет создать деревья классификаций для:

  • лучшего определения целевых групп (КТО БУДЕТ ВАШИМ ДОХОДНЫМ КЛИЕНТОМ?);
  • выявления отношений между группами;
  • предсказания будущих событий.

Данный алгоритм - это способ классификации существующих данных, определения факторов или правил, которые имеют отношение к целевому результату и их применения для прогнозирования результата.

Дерево решений позволяет понять следующее:

- ГЛАВНЫЕ ЦЕННОСТИ ВАШЕГО ПРОДУКТА. Бизнес-пользователи могут определить факторы, которые в наибольшей степени влияют на решение о покупке продукта/услуги;

- ОСНОВНЫЕ ВАШИ КЛИЕНТЫ. Департаменты маркетинга могут «целиться» в «правильные» группы потенциальных клиентов, исключая тех, кто с малой вероятностью будет покупать Ваш товар или услугу;

- КАКИЕ ПРОДАЖИ ВАС ОЖИДАЮТ? Аналитики данных и финансовые аналитики могут прогнозировать продажи благодаря анализу атрибутов потенциальных клиентов, о которых есть данные;

- ЛУЧШИЙ СЕРВИС ДЛЯ ВАШИХ КЛИЕНТОВ! Компании могут реорганизовать поддержку для обеспечения максимального удовлетворения клиентов.

Принцип работы алгоритма

Алгоритм DECISION TREES создает визуальные диаграммы, позволяет представить результаты исследований в интуитивном виде, помочь найти конкретные подгруппы и отношения, которые можно и не раскрыть, используя традиционную статистику.

Исследователь выбирает одну зависимую переменную и ряд независимых переменных, степень влияния которых на зависимую можно проверить, перебирает все возможные комбинации целевого признака с большим количеством предикторов (социально-демографических, поведенческих, мотивационных признаков) и выбирает те, которые обеспечивают лучшее разбиение с точки зрения максимизации отклика (% ответивших).

Примеры использования алгоритма

Пример 1.

Задача: Оценить потенциал новой торговой точки формата оптомаркет.

Зависимая переменная: «Будете ли Вы посещать магазин подобного формата?»

Независимые переменные: социально-демографические характеристики респондентов; привычки покупок и потребительская мотивация.

Результаты применения алгоритма:


ОСНОВНОЙ ВЫВОД:

Целевая аудитория нового магазина – потребители, предпочитающие приобретать более дешевые продукты, те потребители, семьи которых состоят из 3 и более человек.

Небольшие семьи, состоящие из 1-2 человек, использующие автомобиль для поездок за продуктами питания, готовы стать покупателями нового магазина.

Пример 2.

Задача: Определить целевую аудиторию пользователей услуги депозитов.

Зависимая переменная: «Планируете ли Вы воспользоваться услугой депозитов в ближайшие полгода?»

Независимые переменные: социально-демографические характеристики респондентов; мотивационные и поведенческие характеристики.

Результаты применения алгоритма:


ОСНОВНОЙ ВЫВОД:

Потенциальные пользователи услуги депозитов – респонденты, достаточно часто путешествующие и регулярно проводящие отпуск за рубежом, чей семейный доход составляет свыше 200 000 тенге в месяц, в возрасте старше 35 лет. Среди предпочитающих выезжать за рубеж и имеющих меньший уровень дохода (менее 150 000 тенге в месяц), велика доля потенциальных пользователей депозитов в семьях с детьми.

Пример 3.

Задача: Тестирование нового напитка, разработка рекомендаций для создания упаковки и концепции продвижения товара на рынок.

Зависимая переменная: «Если бы этот новый напиток был в продаже в магазине, где вы обычно покупаете безалкогольные напитки по той же цене, что и другие напитки, насколько вероятно вы бы купили его?»

Независимые переменные: социально-демографические характеристики респондентов; стиль жизни, мотивационные характеристики потребителей.

Результаты применения алгоритма:


ОСНОВНОЙ ВЫВОД:

Реклама нового напитка должна быть ориентирована на потребителей, активно занимающихся спортом, в большей степени на мужчин в возрасте 18-35 лет.

Потенциальными потребителями тестируемого напитка также могут стать те, кто практически не занимаются спортом, но при этом уделяют много внимания своему здоровью.