Кейсы Reshape Analytics

RFM-сегментация и прогнозирование результативности применения маркетинговых механик

RFM-сегментация и прогнозирование результативности применения маркетинговых механик


Reshape Analytics реализовала LRFMP-сегментацию и прогнозирование результативности применения различных маркетинговых механик для одного из крупнейших ритейлеров Казахстана.

Краткая информация

Промышленность: Розничная торговля
Решение: Анализ LRFMP
Бизнес-результаты: Сегментация клиентов, оптимизация продвижения
Используемые программы и сервисы: MS Azure, Loginom, QlickSense


Ситуация до старта

Невозможность оценить результативность применяемых в компании
маркетинговых механик.

Задачи

Разработка аналитического инструментария сегментации пользователей для
программы лояльности и формирование выборок для маркетинговых
кампаний.

Ход проекта

На базе Loginom был разработан инструмент сегментации клиентов,
позволяющий построить квантильное распределение клиентов с
возможностью “на лету” менять размерности групп. Визуализация
реализована на BI-платформе QlickSense.

Результаты

Инструмент позволил выбирать наиболее экономически выгодные сегменты
для коммуникации, рассчитывать экономический эффект от смещения
сегмента клиентов при разных значениях конверсии, а также предлагать
целевые сегменты, позволяющие значительно повысить экономический
эффект при смещении сегмента.

Реализованный инструмент позволил значительно снизить маркетинговые
издержки и увеличить повторные продажи.
В результате проекта удалось реализовать более гибкую систему таргетирования и коммуникаций с клиентами.

Подробнее о решении →

Reshape Loyalty Layout Reshape Marketing & Monetization