Телекоммуникации

Страхование

Розничная торговля

Предприятия розничной торговли сегодня собирают подробную информацию о каждой отдельной покупке, используя кредитные карточки с маркой магазина и компьютеризованные системы контроля. Вот типичные задачи, которые можно решать с помощью DM в сфере розничной торговли: Анализ покупательской корзины (анализ сходства) Предназначен для выявления товаров, которые покупатели стремятся приобретать вместе. Знание покупательской корзины необходимо для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах. Исследование временных шаблонов Помогает торговым предприятиям принимать решения о создании товарных запасов. Оно дает ответы на вопросы типа "Если сегодня покупатель приобрел видеокамеру, то, через какое время, он вероятнее всего купит новые батарейки и пленку?" Создание прогнозирующих моделей Дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением, например, покупающих товары известных дизайнеров или посещающих распродажи. Эти знания нужны для разработки точно направленных, экономичных мероприятий по продвижению товаров.

Страховые компании в течение ряда лет накапливают большие объемы данных. Здесь обширное поле деятельности дляметодов DM: Выявление мошенничества Страховые компании могут снизить уровень мошенничества, отыскивая определенные стереотипы в заявлениях о выплате страхового возмещения, характеризующих взаимоотношения между юристами, врачами и заявителями. Анализ риска Путем выявления сочетаний факторов, связанных с оплаченными заявлениями, страховщики могут уменьшить свои потери по обязательствам. Пример. В США крупная страховая компания обнаружила, что суммы, выплаченные по заявлениям людей, состоящих в браке, вдвое превышает суммы по заявлениям одиноких людей. Компания отреагировала на это новое знание пересмотром своей общей политики предоставления скидок семейным клиентам.

В области телекоммуникаций методы DM помогают компаниям более энергично продвигать свои программы маркетинга и ценообразования, чтобы удерживать существующих клиентов и привлекать новых. Среди типичных мероприятий отметим следующие: Анализ записей о подробных характеристиках вызовов Назначение такого анализа — выявление категорий клиентов с похожими стереотипами пользования их услугами и разработка привлекательных наборов цен и услуг; Выявление лояльности клиентов DM - Data Mining - можно использовать для определения характеристик клиентов, которые, один раз воспользовавшись услугами данной компании, с большой долей вероятности останутся ей верными. В итоге средства, выделяемые на маркетинг, можно тратить там, где отдача больше всего. Пример. Перед компанией, предоставляющей услуги связи в беспроводных сетях, встала проблема высокой текучести абонентов (процент клиентов, отказавшихся от ее услуг), при этом 40% заказчиков продолжали использовать аналоговые, а не цифровые услуги, продолжительность разговоров в течение месяца у клиентов была низкой, поэтому доход в среднем на одного абонента не превышал 50 долларов. Задача состояла в том, чтобы удержать больше клиентов и модернизировать предоставляемые им услуги. Это должно было принести существенный доход, в противном случае, потери клиентов в месяц возросли бы до 700 000, и за год сумма убытка составила бы 360 млн. долларов. Данные в базе были представлены сотнями полей, причем одной трети из них соответствовали записи о телефонных вызовах. Используя DM-приложение, компания разработала серию моделей ранжирования клиентов в соответствии с вероятностью их отказа от услуг. Кроме того, был обнаружен набор правил, позволяющих прогнозировать поведение клиента. Фирме удалось сократить уровень текучести абонентов на треть и снизить уровень затрат на почтовую рассылку на 60%. Кроме того, объем месячных разговоров возрос, а, следовательно, повысились и доходы от абонентов в целом. Многие заказчики перешли на цифровые услуги

Дата добавления: 2014-01-15