ניתוח נתוני שיווק עם כריית נתונים

ניתוח נתוני שיווק עולה לעיתים כשאלות נפרדות: שמירת לקוחות, פילוח שוק, ניתוח סקרים וכו'. אך בכריית נתונים השאלות הללו מתכנסות לשאלה אחת: כיצד לאבחן התנהגות לקוחות, כולל התנהגות לא צפוייה או לא ידועה?

הנושאים המענינים של סגמנטציית לקוחות, חיזוי נטישה, ניתוח קניות, סיכונים, חיזויים וכו', כל  אלה תלויים בשאלה, איך מסווגים את הלקוחות, כי אף פעם אין תשובה יחידה שתתאים לכל סוגי הלקוחות. הכל תלוי במיהו הלקוח, לאיזה סוג הוא שיך, או במונחי כריית נתונים - בזיהוי דפוס התנהגות הלקוחות. הגדרה הנ"ל מדגישה את חשיבות אבחון או סיווג אוביקטיבי של לקוחות, לאיכות התוצאות בניתוח הנתונים.
לדוגמא, ניתוח נטישת לקוחות לפי המגזר שלהם, בשעה שבפועל הנטישה, נניח, מושפעת מיבוא מתחרה (שאינו קשור למגזר), ניתוח כזה יעלה חרס. לעומת זאת, ניתוח נטישת לקוחות לפי דפוסי התנהגות רוביקטיביים, יצביע על סוגי המוצרים שהמשותף להם הוא, שנחשפו לאחרונה ליבוא מתחרה.

הגדרה על בסיס אינטואיטיבי, או הכתבה של גורמים מסוימים כמדדי הפתרון, מסיטים את הפתרון הצידה להערכות מוקדמות וסוביקטיביות, וזה כמובן לא רצוי. בכריית נתונים, אנו מחפשים בסיס חישובי אוביקטיבי לתיאור מה שקורה בשטח כמו שהוא. 

בעקרון, דרישות ניתוח לקוחות הינן דומות לשאלות הניהול בכלל, ומטרתן לקבל מידע מרוכז ואמין. בכל תחום ניהול אמנם הנושא אחר, אך בכולם נדרש לדעת מה המאפינים, מהם גורמי הרווחיות, מה סיכונים ומה התחזית לצרכי תכנון ומעקב.
מול הדרישות האלה, מנהלים היום ניצבים מול ערימות מידע, דיווחים ומאמרים מקצועיים. השאלה היא, האם המידע מוסיף לשליטה של מנהלים במצב?

- אדית


ראה גם: Customer Analytics .

[iurl=http://www.dwh.co.il/portal/forum/index.php?topic=379.0] www.dwh.co.il/portal/forum/index.php?topic=379.0 [/iurl]

בפורום "לקוחות" יש שאלה מענינת, בנוגע לשני כלים שהם חלק מרוב מערכות כריית הנתונים: עצי החלטה, ורשתות עצביות. ראו www.dwh.co.il/portal/component/option,co...temid,88/topic,391.0 .

זו שאלה מענינת כי היא נוגעת לכלים נפוצים שנמכרים במרבית תכנות המדף של כריית נתונים, ולא תמיד מבינים איך לנצל אותם.
כדאי לשים לב כאשר משתמשים בכלים המוצעים בחבילות של כריית-נתונים, שמדובר בשיטה ניסויית בעקרון. המטרה היא לאחזר נתונים, כדי לאפשר ללמוד את הנתונים, "לשחק" איתם, להציג אותם באופנים שונים, להשוות את התוצאות, וכולי. כלי כריית-נתונים הסטנדרטיים מתוכננים למעשה, לבצע איחזור. הם לא מבטיחים לחפש תוצאה סופית מתכנסת ויציבה, וודאי שלא תוצאה אופטימלית. כל מה שהכלים הסטנדרטיים מבטיחים הוא, לאפשר למשתמשים לדעת יותר על הקשרים הכלליים שבין הנתונים.

להלן פירוט הביצועים בפועל, בשאלה הספציפית:
1. עצי-החלטה מציגים חתך של הנתונים, לפי מדד מוכתב מראש. זה בד"כ מדד של הצלחת המטרה, כגון "נאמנות לקוח".
2. רשתות-עצביות מתארים את הקשרים בין מישתנים לתוצאה מבוקשת. הניתוח דורש כמות גדולה של נתונים שנאספו בתנאי עבודה דומים. הקשרים שמתקבלים מתיחסים לכל סוגי הלקוחות ביחד. השיטה לא מיצרת "חוקים".

מי שרוצה לאבחן תופעות בדיוק רב יותר מזה המתואר לעיל, ולזהות תופעות חדשות וחוקי התנהגות, צריך כלי כמו GT, שיודע לבצע חיפוש ואבחון.
מבחר הכלים האלה מצומצם ביותר, וסף הכניסה אליהם הוא בד"כ גבוה.
ב-GT פתרנו את הבעיה של נגישות לפתרון, ע"י זה שמציעים אותו דרך לשכת שירות.

אדית

users.actcom.co.il/~edit

מתי צריך כריית נתונים בשיווק?

בזמן האחרון ראיתי שמתיחסים לכריית נתונים כמו למערכת שמיצרת דוחות (אולי זה היה כך תמיד, ורק עכשיו הבחנתי בזה?). אני רואה ש- BI משמש בפועל כמערכת לסריקת אפשרויות לפי שאלות.
אמנם זו בהחלט המטרה, לרתום את הכלי הכי חזק שאפשר להובלת העבודה השוטפת. אך מישהו צריך קודם לעשות כיוון-כלים, להגדיר את השאלות, ולישר את השטח בשביל העבודה השוטפת דלעיל. הנקודה שבה המשתמש מתחיל את עבודתו, היא למעשה, סוף העבודה שלנו בכריית נתונים, והשאלה היא איך עושים את זה?

לפי GT עושים את זה ע"י סגמנטציה טובה של האירועים. הפרדה נניח בין סוגי לקוחות, שמתבצעת על פי מספר גורמים בו-זמנית, כומ נניח, הפרדת לקוחות לפי הפוטנציאל שלהם, המוצר המבוקש, החיזויים הכללים לגבי תחום התעשייה המסוים של הלקוח, הרקע האישי של נציג הלקוח, ההסטוריה של הלקוח בארגון שלנו אם קימת, וכד'.  כאן הכח של כריית נתונים, בהפרדה של מציאות מורכבת לקבוצות מוגדרות בבירור. אבחנה כזאת חושפת דפוסי התנהגות ייחודיים, וזה המפתח לכל "השכל" שבא אחר כך.

הבשורה לאנשי שיווק היא, שמכל התחומים, שיווק הוא הכי קל!!!
זה התחום היחיד (ככל שזכרוני מגיע) שבו די לבצע סגמנטציה טובה, אפילו בלי אבחון גורמים משפיעים, כדי לסיע בהבנת השוק. מספיק הפוקוס דפוסי התנהגות ואפיון הקשרים ביניהן, כדי להביא שלל רעיונות יצירתיים למי שקרובים לענין.
לדוגמא האבחנה שקבוצה א' של לקוחות בצפון ת"א, היא שלב ראשון בהתפתחות של שתי מגמות - עלייה בקבוצה ב' של לקוחות צעירים בכל הארץ, על חשבון קבוצה ג' שבה מאובחנת מגמת ירידה בקניות של לקוחות סיטונאים מסוימים. אם מצאנו תת קבוצה שבה מאובחנת עלייה בשתי הקבוצות הנ"ל, מצאנו תשובה כיצד להנות משני העולמות - זו תשובה אסטרטגית.

ולסים במה שהתחלתי, בענין דוחות שיווק טובים לעבודה שוטפת: בשביל ליצר את הדוחות, מישהו למעלה צריך לקרוא את השוק ולפעמים להגדיר כיוונים חדשים. בשביל זה צריך את ה-I של ה-BI, וזה לדעתי נמצא בכריית הנתונים.

אתם מוזמנים להביע דעות אחרות.