Posts

Showing posts from April, 2018

RF-матрица как альтернатива для работы с LTV

Image
Итак, в прошлом посте мы прошлись по основным шагам, которые нужны для грамотного расчета LTV используя классический подход Pareto/NBD . Сегодня мы будем говорить об LTV в другом контексте - упрощенно-прикладном. Итак, перед вам Life Cycle Grid . Название и концепцию этой замечательной технике дал выдающий маркетолог Jim Novo. Обязательно перечитайте его блог , особенно ранние статьи. Life Cycle Grid (LCG). Source: blog.jimnovo.com По сути - LCG это RF(M) матрица: По горизонтальной оси вы смотрите на R ecency (недавность последней покупки); По вертикальной оси вы смотрите на F requency (количество покупок); В каждой ячейке вы видите количество клиентов с определенными параметрами R и F. Построив такую матрицу мы можем сразу ответить на много вопросов, но нас сейчас интересует всего четыре: какие клиенты  критически важны  для бизнеса? (правый верхний квадрант) каких клиентов реально развивать дальше? (правый нижний квадрант) какие клиенты вероятно поте

LTV: классический подход прогнозирования Pareto/NBD

Image
Прогнозирование LTV - задача весьма нетривиальная. Почему? Потому, что для прогноза LTV нам потребуются 3 отдельные (независимые) оценки: распределение повторных покупок распределение оттока клиентов распределение среднего чека покупок Это сложные математические задачи и, очень здорово, что ученые мужи взялись за них и решили (причем давно, в 1987 году). Сегодня мы бегло пройдемся по классическому подходу прогнозирования LTV под названием Pareto/NBD . Начну с того, что этот алгоритм применяется в ситуациях, где нет регулярных платежей (т.е. не  контрактная форма оплаты как, например, в e-commerce). Также отмечу, что примечателен этот подход тем, что для его реализации нам потребуется самый обычный лог транзакций. Transaction log. Первое, что мы делаем так это формируем специальную таблицу. Называется она Customer-Centric-Statistic ( CBS ). Customer Centric Statistic (CBS). Не вдаваясь в подробности, могу сказать, что эта таблица формируется из RFM статистик