Академия PwC С нами вы достигнете большего!
Курсы/Клиентская аналитика в CRM-системах: Data Mining

Клиентская аналитика в CRM-системах: Data Mining

К семинарам раздела "Операционная эффективность"

«Нужно четко понимать, кто является клиентом компании, и вести свою работу отталкиваясь именно от этих данных».

«Сегментируйте рынок. Выбирайте наиболее приемлемые для вас сегменты и занимайте в них лидирующие позиции». 

Филипп Котлер


Системы управления взаимоотношений с клиентами (CRM) внедряются и используются повсеместно. В большинстве случаев CRM-системы автоматизируют операционную деятельность, генерируя гигантские объемы «сырых» фактических данных. Специалистам-аналитикам важно научиться находить в информационных системах ответ на ключевой вопрос - как сформировать долгосрочную лояльность клиентов?

Чтобы разработать программы лояльности, настроенные на потребности клиентов, требуется проанализировать большие объёмы разнородных данных. Достичь необходимой глубины проработки позволяют методы интеллектуального анализа данных Data Mining.

Продолжительность: 18 академических / CPD часов (2 дня)

Семинар может быть проведен в корпоративном формате. В соответствии с пожеланиями Заказчика программа может быть изменена и дополнена.

Семинар поможет решить практические задачи

  • Анализировать массивы клиентских данных, накапливаемых в CRM-системах, чтобы проводить низко затратный, «точечный» маркетинг.
  • Получать из данных в CRM-системах ответы на вопросы:
    • Каких клиентов привлекать? Как удержать ценных клиентов? Как минимизировать отток?
    • Как сформировать привлекательные адресные предложения? Как увеличить отклик на предложения?
    • Как диагностировать проблемы в области взаимоотношений с клиентами?
    • Как увеличить прибыльность?

Развить навыки:

  • Использовать для клиентской аналитики методы и средства Data Mining;
  • Готовить данные для анализа;
  • Проводить сегментирование, ранжирование, ABC- анализ, XYZ-анализ, RFM – анализ, используя различные подходы;
  • Строить прогнозные и ассоциативные модели;
  • Принимать маркетинговые и управленческие решения на основе аналитических данных из CRM-системы. 

Целевая аудитория

Маркетологи, бизнес-аналитики, руководители компаний, подразделений, специалисты, интересующиеся современными подходами к маркетинговой аналитике

Почему PWC

  • Системный подход к теме: взаимосвязь маркетинга, клиентской аналитики и информационных систем;
  • Анализ практических ситуаций, примеров, заданий с использованием информационных систем и баз данных; 
  • Работа двух преподавателей: эксперта по маркетингу и эксперта в области клиентской аналитики в CRM-системах, Data Mining.

Сертификты

Выдается Сертификат об участии в учебно-консультационном семинаре «Клиентская аналитика в CRM-системах: Data Mining» в компании PwC.

Программа семинара

  1. Информационно-аналитические системы класса CRM
    • Концепция массовой персонализации (кастомизации). Построение систем управления взаимоотношениями с клиентами. 
    • Лояльность клиента. Концепция жизненной ценности клиента - Customer Lifetime Value (CLV). Оценка прибыльности клиента, коэффициент CLV.
    • Внедрение аналитических систем класса CRM: цели, задачи, возможности, ключевые уроки, «подводные камни» и риски.
  2. Клиентская аналитика 
    • Методы, подходы, инструменты и логика работы с клиентской базой;
    • Цикл работ: постановка задачи, подготовка данных; сбор данных, интерпретация результатов, управление исполнением; 
    • Сегментация/ кластеризация, ранжирование. Комплексная диагностика прибыльности и лояльности клиента – ABC; XYZ ; RFM;
    • Статическая и динамическая сегментация. Варианты нацеливания. 
  3. Анализ клиентской базы (практика) 
    • Возможности клиентской аналитики с использованием Data Mining: методы, стадии и задачи; 
    • Постановка задачи. Сбор, подготовка и очистка данных; 
    • Кластеризация с использованием алгоритма Micorosoft Sequence Clustering. Составление «портрета» группы клиентов, дающих более 80% прибыли.
    • Построение и использование модели Data Mining, методы валидации статистических моделей; 
    • Ассоциативные правила и алгоритмы их поиска (Apriori, FPG). Поиск закономерностей и построение моделей предпочтений клиентов с использованием алгоритма MicrosoftAssociationRules; 
    • Прогнозирование изменений клиентской базы: анализ жизненного цикла, жизненной ценности клиентов и покупательского поведения. Оценка удовлетворенности клиента . Поиск закономерностей. Деревья решений;
    • Методы повышения прибыльности:Up-selling, Cross-selling, Churn prediction;
    • Применение результатов анализа для планирования маркетинговых программ и рекламных кампаний.