История Tesco. Эволюция маркетинговых инструментов и технологий

!!!!! On February 24, 2022, Russia started a war in Ukraine. The aggressor country is committing atrocities in our country and killing our civilians, including children. I call on all countries to tighten sanctions against Russia.

My family and I were forced to become refugees. 

We hope that all those responsible for this war will be punished.

I condemn all russians who support the war. To me, they are "subhumans" and orcs. I don't accept the neutrality of some russians. Neutrality is a silent stance that allows the killing to continue.

Начиная с 1990-х годов, компания Tesco, которая столкнулась с многочисленными проблемами своей бизнес-модели, искала инновационные способы их преодоления. 

В 1995 году Tesco представила свою клубную карту Clubcard, собственную схему лояльности. Пилот был проведен в 14 торговых точках и проходил под грифом «секретно».

Далее была интереснейшая эволюция, которая сопровождалась внедрением, тестированием и понимаем эффективности множества маркетинговых и технических инструментов.

За период с 1995 по 2000 года компанией Tesco были внедрены такие решения: 

- запуск клубной карты Clubcard

- первая email рассылка

- запуск Finest кар

- сегментация клиентов по чувствительности к цене и пересмотр стратегии в сторону клиентов, чувствительных к цене

- определение "провалов" в корзинах клиентов 

- запуск "baby" клуба (после запуска клуба Tesco смогли захватить 24% детского рынка)

- запуск Tesco Personal Finance - обычная карта для накопления баллов превратилась в программу Tesco Personal Finance

- запуск Tesco.com

Период с 2000 по 2005 года:

- охват обрабатываемых клиентских данных вырос с 10% до 100%

- сегментация по стилю жизни (lifestyle segmentation)

- внедрение стандартной отчетности по пониманию клиентов и KPI и клиентской аналитики
- инструменты управления ассортиментом

- кластеризация, прогнозирование и множество других решений :-)  

Используя информацию, полученную от собранных данных, Tesco превратилась из розничной сети, которая думает, что знает, чего хотят клиенты, в ту, которая действительно знает, и может контролировать предпочтения клиентов и их изменения. Tesco считается первопроходцем в технологиях big data и data mining для ритейла.

Как быстро сравнивать инструменты data mining. Удобный ресурс с рейтингами

Программное обеспечение для интеллектуального анализа данных (data mining) позволяет компаниях находить в накопленных данных скрытые, полезные закономерности.

Обычно такие закономерности позволяют компании найти неиспользованные ранее возможности, и, соответственно, рассчитывать на повышение выручки и прибыли.

Типичные задачи, которые решаются при помощи технологии data mining:

- кластеризация (например, поиск кластеров клиентов)

- классификация (например, поиск правил отнесения к классу оттока)

- связи и ассоциации (например, связи в покупках)

Существует множество инструментов data mining, и выбор такого ПО часто становится нелегкой задачей для компании, ИТ и аналитиков.

К счастью есть сервисы, которые позволяют выбирать и сравнивать инструменты Data Mining по множеству критериев.

Если говорить про простую классификацию инструментов data mining, то они бывают платные и бесплатные. Ниже TOP платных инструментов data mining, выбранных с помощью ресурса PredictiveAnalyticstoday.

Инстументы Data Mining. Отчет Gartner 2018

Что нужно знать о программном обеспечении для решения задач Data Mining (прогнозирование, кластеризация, ассоциативные связи)?
О всех ключевых изменениях на этом рынке рассказывает отчет 2018 "Магические квадраты"  от известной исследовательской компании Gartner.

В этом году отчет называется "Gartner Magic Quadrant for Data Science and Machine-Learning Platforms 2018" (каждый год название отчета изменяется).
Так выглядит магический квадрат: 2 оси и 4 блока вендоров. Как "читать" магические квадраты - описано здесь.

Поставщики ПО: 

• Лидеры (5): KNIME, Alteryx, SAS, RapidMiner, H2O.ai
• Претенденты (2): MathWorks, TIBCO Software (new)
• Визионеры (5): IBM, Microsoft, Domino Data Lab, Dataiku, Databricks (new)
• Нишевые игроки (4): SAP, Angoss, Anaconda (new), Teradata

В 2018 году в отчет были добавлены 3 поставщиков фирмы: TIBCO Software, Anaconda и Databricks. 

Миграция 2017 - 2018. "Старая гвардия" - вендоры SAS и IBM "сдали" свои позиции в этом году. В тоже время H2O.ai, Kime и RapidMiner заняли первые места в квадранте лидера. 

На рисунке показано сравнение отчета 2017 (серое изображения) и отчета 2018 (основное изображение) со стрелками, соединяющими круги для одного поставщика. 

• Если положение фирмы значительно улучшилось по сравнению с 2017 годом, стрелка окрашена в зеленый цвет.

• Если положение поставщика стало слабее, стрелка красного цвета. 

• Зеленые круги указывают на новых поставщиков 

• Круги с "красным крестиком X" показывают на поставщиков, которые выбыли из отчета в 2018 году. 

Также может быть интересно:

• Отчет про data mining software за 2015

• Gartner Advanced Analytics Quadrant 2015: Gainers, Losers

• Magic Quadrant for Business Intelligence andAnalytics Platforms, 2014, pdf 

Исследование аналитической зрелости компаний. 5 кластеров: от отстающих до лидеров

3 года назад специально для Форума лояльности 2015 мы проводили исследование аналитической зрелости компаний. В исследовании приняло участие 43 компании-респондента и мы получили достаточно интересные результаты. 

Полученные в ходе исследования данные были детально проанализированы, проранжированы,  и еще нам удалось получить кластерную модель. В результате у нас получилось 5 кластеров: компании-лидеры, компании-провидцы, серединное ядро, компании "здесь и сейчас" и "отстающие".

Описание кластеров проводилось исключительно с точки зрения взгляда компании на аналитику данных и текущие возможности управления клиентским активом (сегментация, коммуникация, системная работа с клиентским активом, ориентация на аналитику данных при принятии решений).

Кластер "Лидеры", они имеют сильное стратегическое виденье по работе с клиентским активом и активно используют данные/технологии для работы с клиентами.

Итоги тренинга Программа лояльности как источник прибыли компании 21-22 февраля 2017

21-22 февраля мы провели тренинг Программа лояльности как центр прибыли компании уже в седьмой раз. Тренинг собрал более 30 участников из Украины, Беларуси и Молдовы.

На мероприятии мы рассмотрели программу лояльности как единую систему, которая состоит из 5 блоков:

№1. методический блок

№2. экономический блок

№3. информационный блок

№4. технический блок

№5. коммуникационный блок

Обзор аналитической конференции, Киев, 2 апреля 2016

2 апреля в Киеве прошла Аналитическая конференция, на которой обсуждали возможности, перспективы и опыт использования аналитики и информационных технологий.

Конференция проходила в двух потоках: бизнес-аналитика и веб-аналитика. 

Конференцию открыла панельная дискуссия, которая объединяла два потока. Обсуждали тренды и перспективы в области аналитики, а также делились опытом использования данных и технологий в реальных проектах.

Участники первой панельной дискуссии: Дмитрий Яблоновский из GfK,  Максим Обризан из Kyiv School of Economics, Евгений Савчук из Метро и Руслан Близнюк из Promo.ua.

Говорили о big data, "полезных" и "не полезных" данных и о том что в аналитике крайне важен здравый смысл, что решения должны приниматься на основании данных, о трендах персонализации и кастомизации.

Кейс  METRO Cash&Carry Ukraine представил Евгений Савчук 

Анонс конференции iForum-2016. 20 апреля 2016 года МВЦ

Главное интернет-событие  года, ИТ конференция iForum-2016 пройдет 20 апреля в МВЦ.  Это самая крупная IT-конференция Украины и Восточной Европы. Ежегодно здесь собираются интернетчики, бизнесмены, инвесторы и творческая молодежь от ИТ.  На этот раз мероприятие пройдет в восьмой раз. 

Конференция включает пять потоков.
Уже традиционные потоки:

• «Интернет-бизнес/стартапы»;
• «Интернет-реклама и продвижение»;
• «Интернет-технологии»

В программе появились также новые потоки, отражающие векторы развития  на завтра:
«Образование в информационную эпоху» и «SVOD Europe Conference/iCity / Smart Cities Forum».

Поток «Образование в информационную эпоху» появился в этом году и обещает стать лидером пользовательского интереса. Поток отразит все концептуальные изменения в  образовании на всех уровнях:  формальное-неформальное, общее и специализированное, образование для детей-подростков-взрослых, образование на уровне общества-города-страны, новые стандарты, требования, запросы и так далее.

«SVOD Europe Conference/iCity / Smart Cities Forum» в первой части (SVOD Europe) –англоязычная секция, платформа для нетворкинга, где стартапы и предприниматели из Восточной Европы встречаются с инвесторами, экспертами и основателями компаний из Западной Европы и США. 

Вторая часть "Smart Cities" – это обсуждение концепции «умного города», от теории вопроса до реально работающих аспектов. В этой секции спикеры из разных городов с разным опытом будут делиться (и мериться) своими достижениями в этой перспективной нише будущего.

Кроме того, на  iForum-2016 будет представлен воочию прототип «умного города» – на 600 квадратных метрах разместится экспозиция продуктов в сфере робототехники, дополненной и виртуальной реальности, умных домов и интернета вещей, цифрового производства, возобновляемых источников энергии, телекоммуникаций, а также сбора и обработки данных. Можно будет прикоснуться к будущему руками – в прямом смысле этого слова.

Участники имеют возможность выбирать интересные для себя доклады из любого потока.

Говоря о том, что  iForum отражает тренды развития, глава оргкомитета Александр ОЛЬШАНСКИЙ заметил: «Есть странный феномен – люди, приходящие на  iForum из года в год, говорят, что ничего не меняется. А люди, пропустившие хоть один год, говорят, что все изменилось радикально! На самом деле изменения в трендах происходят непрерывно, но мы привыкли к темпу и перестаем это замечать». 

Больше информации (программа, докладчики) - iforum.ua . Регистрация по телефону +38 (044) 201 01 03

Приходите – и будьте в тренде.

Анонс аналитической конференции Analytic Conference, Киев, 2 апреля 2016

Аналитика становится все более популярна в бизнес среде на разных уровнях управления. И только ленивый сейчас не говорит про big data и его потенциале для развития бизнеса. 

Впервые в Киеве пройдет конференция Analytic Conference. 

Это будет конференция об аналитике, которая может быть неожиданно полезна для работы компании.

Когда: 2 апреля 2016

Где: Киев, IQ Business Center, ул. Болсуновская (Струтинского) 13-15

О чем конференция?

Конференция будет проходить в два потока:

Веб-аналитика Каждый бизнес стремиться развиваться и расширяться. Оба эти процесса напрямую зависят от того, насколько хорошо вы знаете свою аудиторию и можете дать то, чего она хочет. Как понять, чего на самом деле хочет сидящий по ту сторону экрана человек, и как эти данные могут помочь в принятие управленческих решений?

Бизнес-аналитика У каждого бизнеса есть свои проблемы. Но где проблемы, там и возможности, и иногда они скрываются за неочевидными показателями. На этом потоке вы узнаете, как найти максимально эффективный способ решения вашей проблемы, достичь поставленных целей, выйти на новые рынки и в итоге сделать ваших клиентов счастливыми, а компанию - прибыльной.

Задача конференции - показать как все процессы в компании связаны между собой,  как аналитика может помочь достичь поставленных целей, и как добиться результата самым оптимальным способом.

Что будет интересного?

На конференции будут представлены спикеры, которые готовы не просто поговорить на заданную тему, но и дать полезные инструменты и обсудить практические примеры. Участники получат площадку для освоения новых подходов и практическую информацию для успешного развития своих проектов и бизнесов.

На конференции также будет проходить две дискуссионные панели, в рамках которых топовые специалисты поделятся своим видением основных трендов и перспектив в области аналитики.

Для кого это?

•  для интернет-маркетологов
• бизнес-аналитиков
•   для собственников бизнеса
•  управляющих и топ-менеджеров
•  digital специалистов

Если вам интересна тема аналитики, не пропустите интересное и полезное мероприятие с девизом BE BETTER. BE ANALYZING

Регистрация

Полезные видео об аналитике данных: IBM SPSS Modeler и SAS Enterprise Miner

В статье "Главные игроки на рынке углубленной аналитики данных. 2015" можно увидеть последнюю версию с точки зрения лидеров рынка углубленной аналитики данных. Это 4 компании: лидеры - компании IBM и SAS,  и с некоторым отрывом по комплексным критериям - Kmine, RapidMiner.

Чтобы посмотреть как выглядят продукты, в том числе визуальный интерфейс, а также познакомиться с принципами работы и функциональностью, рекомендую посмотреть видео:

SAS® Enterprise Miner™ Software Demo  (English) - обзорное видео о продукте SAS® Enterprise Miner (6 минут)

IBM SPSS Modeler Demonstration (English) - обзорное видео о продукте IBM SPSS Modeler (4 минуты)

Полезное видео об аналитике от компании IBM:

Практический опыт внедрения решений для аналитики Больших данных

Бизнес-аналитика IBM помогает выделить Вашу целевую аудиторию

Анализ потребительской корзины на платформе IBMSPSS

Полезное видео об аналитике от компании SAS:

Деловой форум SAS 2012 - новые технологии бизнес-аналитики

Рынок решений для высокоточной аналитики

Ритейл-аналитика. Гости эфира: эксперты компании SAS Россия/СНГ.

Джеймс Гуднайт - Один из богатейших людей на Земле, основатель и генеральный директор компании SAS

Прочитать другие статьи из этой же рубрики можно прочитать здесь. Все статьи блога можно увидеть здесь

Главные игроки на рынке углубленной аналитики данных. Отчет "Magic Quadrant for Advanced Analytics Platforms", 2015

Как разобраться в аналитических решениях, которые являются мировыми лидерами? Конечно же в этом может помочь исследования от Gartner. 

Если раньше Gartner публиковал только один квадрат, который сравнивал аналитические платформы, то сейчас таких квадратов выходит два. Причиной такого деления послужило увеличивающееся разнообразие аналитических и BI инструментов, а также появление на рынке большого числа "легких" решений.

1) Magic Quadrant for Business Intelligence and Analytics Platforms – описывает все компоненты систем бизнес-анализа, при этом основное внимание в отчете сосредоточено на описательных и диагностических способностях платформ.

2) Magic Quadrant for Advanced Analytics Platforms – сосредоточен больше на расширенной или углубленной бизнес-аналитике. Таким образом, если вас интересует функциональность data mining, нужен именно этот отчет.

Очередной отчет  "Magic Quadrant for Advanced Analytics Platforms", посвященный платформам расширенной аналитики, опубликован 19 февраля 2015 года исследовательской компанией Gartner.

Отчет содержит 20 страниц, его можно приобрести по ссылке за $1,995.00. Сокращенную версию можно увидеть здесь (вполне достаточно, чтобы понять основные моменты отчета).

В отчете представлены 16 компаний, специализирующихся на аналитике и data science. Оценены компании по более чем 10 критериям. Оцениваются поставщики программного обеспечения, как и обычно, на основании широте видения проблемы и возможность реализации. В последнем отчете также важным считается легкость использования программного продукта.

Лидеры: SAS, IBM, KNIME, RapidMiner (так же как и в 2014). 

Претенденты: Dell, SAP . 

"Визионеры" или "провидцы": Alteryx, Microsoft, Alpine Data Labs 

Нишевые игроки: FICO, Angoss, Predixion, Revolution Analytics, Salford Systems, Prognoz, Tibco Software. 

Новые для квадрата компании в этом году: Dell (which bought StatSoft), Predixion, Prognoz, Salford Systems, Tibco Software. 

Динамика и сравнение с 2014 

Самое большое изменение в квадрате "Визеонеров", который имеет новых игроков в виде Microsoft и Alpine Data Labs (пришедшие из "Нишевых игроков" и Alteryx, который движется вверх и направо.    

Сравнение с предыдущими отчетами можно найти по ссылке на kdnuggets.com

Также может быть интересно:

• Все об устройстве квадратов Gartner - здесь можно прочитать в деталях.
• Gartner Advanced Analytics Quadrant 2015: Gainers, Losers
• Magic Quadrant for Business Intelligence andAnalytics Platforms, 2014, pdf 
• статья про отчеты и их сравнение

Необычный пост. О творчестве и книге Data Mining

Когда-то совсем давно, целых 10 лет назад, я решила написать книжку про Data Mining. Меня очень вдохновила идея поиска закономерностей в данных, а как известно, для того чтобы досконально разобраться в теме, нужно написать книгу.

Мне удалось написать рукопись за 6 месяцев, и я очень благодарна издательству ИНТУИТ, и Анатолию Шкреду, ректору Интуит, за то, что поверили в идею и издали книгу.

Учебник получился довольно внушительный, 382 страницы.

Всего 4 раздела:

1) Введение в Data Mining - общая информация, начать читать можно просто здесь

2) Методы и алгоритмы Data Mining - описание наиболее популярных методов, по ссылке

3) Процесс Data Mining - описание как должен проходит аналитический процесс,  по ссылке

4) Инструменты Data Mining - описание наиболее популярных решений

На данный момент первые три части учебника совершенно не утратили актуальность, поскольку в них описаны базовые принципы анализа данных.

Четвертая часть учебника уже может быть переработана, поскольку разработчики программного обеспечения шагнули далеко вперед и появились некоторые новые решения.

На ИНТУИТе можно пройти обучение по курсу Data Mining (28 лекций по описанным выше 4 разделам), получить соответствующий сертификат, а можно сдать экзамен экстерном.

Если вы любитель электронных книг, там же можно купить электронную книгу "Data Mining", которая полностью соответствует печатной версии. 

Издательство любезно пообещало прислать мне новые авторские экземпляры, первая партия уже давно закончилась. Как только придет посылка, все, кому я обещала книги, сразу же их получат :-).

ПИСЬМА

Иногда я получаю письма от студентов курса о том, где можно увидеть список литературы по курсу. Он действительно не представлен в самом курсе, но конечно же присутствует в книге и состоит из 118 источников, большая половина из которых - англоязычная.

Итого: если вы хотите получить комплексные знания по Data Mining - записывайтесь на курс здесь. Но это конечно же не гарантия, что Вы все сразу освоите. 

Практика - это самое главное. Примеры проектов, в которых я использовала Data Mining - здесь.

На ИНТУИТе есть и другие замечательные курсы, рекомендую :-)

Также может быть интересно:

• 10-й форум "Лояльный покупатель: где у него кнопка": обзор и итоги
• Статья для Forbes. Про украинские программы лояльности, опыт компании Tesco и показатели эффективности
• Экономика программы лояльности: ищем дополнительную выручку. Базовая модель 
• Как правильно сегментировать клиентов:3 вида сегментации 

Как правильно сегментировать клиентов:3 вида сегментации

Еще несколько лет назад ценность сегментации нужно было доказывать и обосновывать. В последние два года ситуация кардинальным образом изменилась. Буквально каждая встреча с клиентами или потенциальными клиентами, посвященная программам лояльности, начинается с вопросов о сегментации клиентов на группы.

Работая много лет с задачами программ лояльности - разработки, усовершенствования и экономического обоснования, убедилась, что сегментация может помогать в решении этих вопросов. Особенно, когда есть сложности в принятии решений относительно дальнейших шагов в развитии клиентского актива или несколько вариантов развития программы лояльности из которых нужно выбрать один верный.

 Существуют разные варианты сегментации и кампании нужно постоянно отвечать на вопрос "Как сегментировать клиентов?"

Есть три ключевых направления сегментации клиентов, которые я использовала в практике в последние семь лет работы с клиентским активом:
1. по модели "Дырявое ведро"

2. по модели RFM (давность, частота, денежность)

3. по множеству разных характеристик клиентов (предпочтения, ценность, отклики, др.), комплексную сегментацию лучше делать с использованием специальных алгоритмов кластеризации.

Эти три разные направления нужны маркетологу для решения совершенно разных задач:

1. "Дырявое ведро"  служит для понимания % оттока клиентов, % привлеченных и стабильных - так называемая "big picture" бизнеса, помогает в определении стратегических и тактических задач.

2. RFM - хороший инструмент для тактического управления клиентским активом. Показывает, какие клиенты с наибольшей вероятностью откликнутся на инициативы компании, а аткже показывает наиболее сегменты клиентов, отличающихся по давности, частоте и выручке.

3. Кластеризация (задача data mining, поиск не очевидных связей и закономерностей) помогает разделить клиентов на группы, которые отличаются по предпочтениям категорий, ценности, частоте и любым другим характеристикам. Правильно использовать этот вид сегментации для разработки клубного формата программы лояльности, отдельных маркетинговых кампаний для продвижения категорий, брендов, и конечно же для простого понимания своей клиентской базы.

Выбирайте правильное направление исходя из текущих задач, и сегментация станет вашим верным помощником.

Другие статьи, которые возможно будут полезны:

• Спешите познакомиться со своим клиентом, пока этого не сделал кто-то другой. Статья про возможности customer insight
• Как не провалить проект построения взаимоотношений с клиентами. Инь и янь CRM подхода.

Полезные технологии для CRM: карта ума (mind map) по 13 направлениям

В продолжение предыдущей статьи о технологиях для управления взаимоотношениями с клиентами сегодня предлагаю перечень технологий, полезных для построения и развития взаимоотношений с клиентами:

• Integrated Marketing Management (Комплексное управление маркетингом), подробно о функционале 
• CRM, Customer Relationship Management
• Sales Force Automation (Автоматизация продаж), подробней в "6 квадратах"
• CRM Multichannel Campaign Management, подробней в "6 квадратах"
• Marketing Resourse Management (Управление маркетинговыми ресурсами), о платформах
• Social CRM, подробней в "6 квадратах"
• Customer Analytics (Аналитика клиентов)/Customer Intelligence, подробней о Customer Insight
• Data Mining: Descriptive analytics, Predictive analytics (описательная и прогнозная аналитика), о возможностях/задачах, о вендорах
• Database Marketing (Маркетинг баз данных), о данных про клиентов для маркетинга
• Data management (Управление Данными)/ Enterprise Information Management
• Data warehouses (Хранилища Данных), подробней о ХД и вендорах
• Business Intelligence, подробней о функционале
• Visualization (Визуализация)

список можно продолжать, но именно эти технологии подтвердили свою возможность использования и эффективность во многих проектах, поэтому ограничиваюсь именно этим перечнем.

Все что нужно знать маркетологу об IT: Ландшафт технологий для маркетинга (marketing technology landscape)

Маркетинг становится все более технологичным, его связь с автоматизацией, digital, мобильными платформами уже является обязательным атрибутом многих кампаний, Программ  лояльности и стратегий построения взаимоотношений с клиентами.

Ниже перечень некоторых популярных технологий, которые успешной используются в маркетинге:

- Integrated Marketing Management (Комплексное управление маркетингом)

- CRM, Customer Relationship Management

- Sales Force Automation (Автоматизация продаж), подробней в "6 квадратах"

- CRM Multichannel Campaign Management, подробней в "6 квадратах"

- Social CRM (социальный CRM), подробней в "6 квадратах"

- Marketing Resourse Management (Управление маркетинговыми ресурсами)

Более полный список в виде mind map можно увидеть в статье Полезные технологии для CRM.

Мониторинг всех технологий, которые уже являются частью маркетинга сегодняшнего дня - непростая задача, требующая структурирования и систематизации знаний о различных приложениях, платформах, системах и опыте их использования.

Рынок инструментов Data mining по версии KDnuggets: лидеры и тенденции

В мае этого года KDnuggets провел очередной 14-й опрос, посвященный программному обеспечению Data Mining "The 14th annual KDnuggets Software Poll". В сегодняшней статье - основные тенденции развития рынка Data Mining, полученные в результате опроса специалистов, использующих аналитическое программное обеспечение.

Участники опроса отвечали на вопрос "Какие аналитические, big data инструменты, Data Mining решения вы использовали в реальных проектах за последние 12 месяцев". 

В этом году в опросе приняли участие 1880 специалистов, что более чем в два раза, больше чем в 2012 году.

Несколько важных результатов выводов по опросу:

1. TOP 3 Data Mining tools

Наиболее популярные инструменты (те же инструменты, что и в прошлом году, но в другой последовательности)

- Rapid 39% (27% в 2012)

- R 37% (31% в 2012)

- Excel 28% (30% в 2012)

2. Free vs commercial

Различия между коммерческим и бесплатным (с открытым кодом) программным обеспечением становятся менее явным. Так, например, инструменты RapidMiner, KMINE и R имеют коммерческий и бесплатный варианты.

Тренинг "Программы лояльности как центр прибыли компании". Коротко о главном: задачи и итоги

Сегодняшний пост - для маркетологов, руководителей и менеджеров  Программ лояльности (ПЛ), а также ИТ специалистов по поддержке и автоматизации ПЛ. В нем - краткий обзор недавно проведенного тренинга по созданию прибыльных Программ  Лояльности.

Приняв участие в программе Мини-МБА в сфере лояльности в ноябре прошлого года, совместно с организатором - компанией  IdeaFirst, мы поняли востребованность озвученных тем (а именно - сегментации клиентов) и решили провести специализированный тренинг о построении прибыльных программ лояльности с использованием поведенческой аналитики. 

Подготовка к тренингу была основательной и серьезной, в двухдневном мероприятии "Программы лояльности как центр прибыли компании" мы с Юлией Костерной постарались максимально использовать опыт проектов, полученный за много лет работы с различными программами лояльности в сферах розницы, банков, торговых центров, аптек и ресторанов.

Формат тренинга: 2 дня, 2 тренера, 30 участников из России и Украины, 21 теоретический блок, 4 практических задания и 3 дискуссии.

Тренинг, организованный компанией IdeaFirst, состоялся 26-27 февраля и собрал 30 руководителей и CRM-менеджеров из Украины и России. 

Задача, которую мы поставили для себя перед тренингом - показать   комплексность проекта по программе лояльности, обсудить с участниками  необходимость связи организационной, методической, технической и экономической составляющих.  

ДЛЯ КОГО

Тренинг позиционировался как мероприятие экспертного уровня и подразумевал знание основ построения Программ Лояльности и наличие у каждого участника опыта в сопровождении или внедрении Программы.

ЗАДАЧА И ИДЕЯ ТРЕНИНГА

В начале мероприятия в режиме диалога мы обсудили основные задачи посещения тренинга, от одного из участников задача прозвучала так - "программа лояльности как бизнес проект", с этим девизом мы и провели два продуктивных и насыщенных дня.

5 useful reports about Predictive Analytics And Data Mining. Mind map and 5 pdf

Участвуя в консалтинговых и технических проектах для розницы и банковской сферы, в последнее время наблюдаю как теоретический интерес к возможностям аналитики постепенно становится реальным. Все больше компаний выбирают, сравнивают и используют решения data mining и прогнозную аналитику.

Одна из задач, часто возникающая, например, перед розничными компаниями - необходимость усиления аналитической составляющей в управлении Программой Лояльности и CRM. Здесь прогнозная аналитика может дополнять возможности простого ранжирования клиентов и решать целый ряд прикладных задач.

Predictive Analytics позволяет компаниям принимать разумные решения, снижать риски, а также создавать дифференцированные, более индивидуальные предложения, основанные на особенностях клиента. 

Data Mining и другие информационные системы
Выбор программного обеспечения data mining становится все более непростой задачей, поскольку функциональность аналитики может пересекаться с Business Intelligence, быть частью CRM, MRM, IMM  и других классов информационных систем.

Факторы, влияющие на выбор
Важными факторами, влияющим на выбор программного обеспечения Data Mining являются:

• функциональность решения, 
• особенности интерфейса (easy-to-use), 
• легкость обучения (easy-to-learn), 
• возможность подключения нужных источников данных. 

В то же время, некоторым компаниям необходимы максимальные возможности для прогнозной аналитики, включая возможности работы с big data, другим вполне достаточно приложения с определенной функциональностью data mining. 

Традиционный путь для знакомства с определенным классом решений и текущей ситуацией на рынке - воспользоваться отчетами  известных исследовательских кампаний. 
Однако, в отличие от Business Intelligence (Gartner и Forrester регулярно публикуют отчеты по  по BI, CRM и др.), ситуация с исследованиями по Data Mining выглядит по-другому. Gartner c 2008 года не проводит исследования по решениям Data Mining как отдельного решения, а Forrester опубликовал 3 отчета,  но они не повторяют друг друга, а "смотрят" на решения по прогнозной аналитике как бы с разных сторон.

Отчеты и исследования. Что почитать, чтобы быть в курсе событий