Problem:
Jeden z retailerów w celu zróżnicowania swojej oferty i komunikacji, chciał wyodrębnić istotne biznesowo segmenty w bazie prawie 4 mln zarejestrowanych konsumentów.
Rozwiązanie:
Przy pomocy metod machine learning wyodrębniono 5 segmentów klientów w oparciu o blisko 100 zmiennych. Segmenty zostały scharakteryzowane i opisane pod kątem zastosowania dla celów marketingowych. Każdemu klientowi w bazie został przypisany segment z możliwością okresowego automatycznego odświeżania.
Efekty:
- Zautomatyzowanie cyklicznego odświeżania segmentacji pozwala
na oszczędność czasu po stronie marketingu i analityki na poziomie około 40% - Dostosowanie oferty i języka do segmentu klienta
- Śledzenie migracji klientów w czasie pomiędzy segmentami
- Możliwość oceny wzrostu skuteczności działań marketingowych kierowanych do konkretnego segmentu
Źródła danych:
- Dane sprzedażowe
- Dane o produktach
- Kalendarz promocji
