Riešenia 5. kola CRM hádaniek

Čas letí ako voda a tak sme sa ani nenazdali a minulý týždeň uplynul termín na riešenia 5.kola CRM hádaniek. Nastal teda čas vyhodnotiť si riešenia a oceniť najlepších riešiteľov. Poďme sa teda najprv pozrieť na riešenia samotných úloh. Ak ste medzi časom zabudli podrobnosti, môžete si osviežiť ešte pred tým zadania úloh.

Výsledok vyhľadávania obrázkov pre dopyt mliečne výrobky jogurt

Úloha 5.1 – Jogurty

Pri riešení tejto úlohy si bolo potrebné uvedomiť, že hoci nemáte úplne presné položkovité údaje z bločkov, tak máte k dispozícii META-dáta (kedy sa nákup udial, koľký v poradí to bol pre daného klienta nákup za týždeň, či mesiac, …) Niektorí sa dobrovoľne vzdali tejto dimenzie, niekoľkí riešitelia na ňu ako si pozabudli.

Druhým dôležitým (a často prehliadaným) aspektom bol fakt, že máte k dipozícii nákupy 1 mil domácnosti (z 1,8 mil v SR), teda v podstate poznáte správanie aj celej populácie, lebo 56% vzorka populácie je už určite reprezentatívnym obrazom reality). Dôležité pri uvažovaní teda bolo skúmať nielen absolútne hodnoty klienta, ale aj relatívne hodnoty voči zvyklostiam celej populácie.

Od tohto momentu ďalej to už bolo o tom, ako dokážem nákupné správanie (absolútne, či relatívne) pretaviť do behaviorálnych príznakov. Nebudem v tomto ohľade chodiť okolo horúcej kaše, táto časť riešenia je o prístupe k analytickému mysleniu, na ktorý možno mať talent, ale dá sa získať aj praxou. Istú výhodu mali teda riešitelia, ktorí sledujú náš seriál dlhodobo. Preto, ak si chcete do budúcna zlepšiť svoje šance pred ďalším kolom, odporúčam prečítať si zadania a riešenia predcházajúcich kôl CRM hádaniek. (4.kolo, 3.kolo, 2.kolo, 1.kolo).

Pri každom navrhnutom parametri sa posudzovalo, do akej miery je dôležitý pre modelovanie správania a zároveň do akej miery je unikátny (ponúka náhľad, ktorý nenapadol väčšinu iných riešiteľov). Celkovo bolo možné získať za jeden parameter od 0 do 4 bodov, plus 10 bodov za kompaktnosť riešenia a zohľadnenie faktorov popísaných v prvých dvoch odsekoch vyhodnotenia tejto úlohy. Celkovo tak bolo možné za úlohu získať až 50 bodov. Pre inšpiráciu prinášam niekoľko faktorov identifikovaných riešiteľmi:

Menej významné, bežne spomínané faktory: Frekvencia nákupu, vernosť konkrénej značke, timing nákupu v rámci týždňa, celková bonita klienta, podiel jogurtov na celkovej strave, cenová citlivosť klienta, …

Menej významné, ale originálne faktory: Laktózové intolerancie, Odhad dovolenkového odbobia, Zmena v stravovaní, Postoj k cukru, Miera podpory regionálnych produktov, problémy predajní so zásobovaním, timing nákupu v rámci dňa, …

Dôležité, aj keď bežne citované faktory: Odhad počtu členov domácnosti, Prítomnosť a počet detí v rodine, Chute človeka (odvodené od typov ochutených jogurtov), Reakcia na akciové ponuky alebo reklamu, Postoj k prémiovým značkám, Stabilita nákupov, …

Dôelžité a zároveň unikátne: Postoj k privátnej značke, vlastníctvo auta, vzájomné kombinácie jogurtov, vývoj klienta vzhľadom na vývoj celej kategórie, ochota testovať novinky, typ zamestnania klienta, Miera dochádzania/cestovania klienta, …

Rebríček TOP 3 riešiteľov tejto úlohy (ktorým blahoželám ku kvalitným nápadom) je:

Šimon M.

Kristína K.

Vladimír H.

Súvisiaci obrázok

Úloha 5.2 – Dobrovoľný pád z výšky

Druhá úloha je (úmyselne) dosť iná, ako ostatné CRM hádanky doposiaľ. Jej odlíšenie však predstavuje smerovanie, ktorým sa analytika aktuálne posúva ďalej. Ak doposiaľ išlo v BI hlavne o spracovanie štrukturovaných, číselných parametrov, na LinkedIn profile ide primárne o texty a ich zmysluplné vyťažovanie. Bežné (excel) analytické zvyky sú tu málo použiteľné a na tvorenie behaviorálnych príznakov treba ovládať aspoň základné postupy analýzy textu.

Je mi ľúto, ale tradičné prístupy, ktoré očakávajú, že klienti budú mať priamo medzi záujmami uvedené zoskoky padákmi alebo lietanie a podobne sú naivné a bez reálneho efektu. Pre správne vyriešenie tejto úlohy treba v skutočnosti hľadať nepriame behaviorálne príznaky z textov, ktoré profil ponúka. Práve o tom, ako odlišný je tento druh analytiky, budeme hovoriť aj v prvom bloku konferencie Biznis Analytika, tak sa prípadne príďte prípadne pozrieť, ak vás to zaujíma.

Pri posudzovaní riešenia som skúmal 4 oblasti:

a) do akej miery riešiteľ popísal základné demografické vymedzenie potenciálnych klientov

b) ako dobre riešenie popisuje psychologický a behaviorálny profil potenciálnych klientov

c) negatívne vymedzenie, koho nedáva vôbec zmysel osloviť

d) kompaktnosť riešenia, jeho stabilitu v čase a mieru významnosti navhrnutých parametrov pre odhad záujmu o tandemový skok

Väčšina riešení pomerne dobre popísala demografický profil klientov (najvhodnejší vekový interval, bonitu klienta podľa jeho zamestnania, typ pracovnej činnosti (manuál vs. duševná práca), …). Rovnako pomerne precízne sa snažili jednotliví riešitelia odhadnúť psychografické faktory klienta (postoj k riziku, miera osobnej dynamiky cez priemerné trvanie zamestnania, postoj k rýchlosti alebo sociálnu blízkosť k niekomu, kto už zoskok realizoval, …)

Naopak, Achillovou pätou drvivej väčšiny riešení bolo negatívne vymedzenie. Až na zopár výnimiek, riešitelia sa zamerali len na to, ako spresniť popis klienta, nie ako zároveň aj vylúčiť beznádejné prípady. Pritom, ako sme si v minulosti už ukázali, negatívne vymedzenie je neraz dôležitejšie ako pozitívne definovanie klienta. Pri tých pár riešeniach, kde negatívne vylúčenie bolo uplatnené zaujali okrem geografického prístupu (viď nižšie), najmä aktuálnosť údajov (ktorá je na LinkedIne kolísavá a preto dôležitým faktorom, skúste oslovovať niekoho, kto naposledy updatol svoj profil pre 3 rokmi). Veľmi zaujímavým prístupom bolo a vymedzenie odvetví, ktoré so zoskokom asi búdu mať problém (zdravotníctvo) alebo naopak toho budú presítení (letectvo).  Nenápadným, ale dôležitým negatívnym vymedzením je aj vylúčiť zamestnancov všetkých konkurentov k LIFE_IS_LIFE firme.

Medzi zaujímavými a inovatívnymi návrhmi bolo určite vymedzenie vzdialenosti od letiska. Zoskoky sa musia diať na určitom type letísk a teda geografická vzdialenosť  od najbližšieho takého letiska určite zohráva rolu. Pozoruhodným bolo aj cielenie na jubilantov (má čoskoro okrúhle narodeniny), lebo pre väčšinu ľudí ide o zážitkový (a pomerne drahý) darček, ktorý sa hodí skôr na významnejšie narodeniny. Čerešničkou na torte bolo detegovanie miery extrovertnosti z analýzy profilovej fotky, čo som si skúšal testovať na svojom okruhu LinkedIn connections (ktorých mieru extrovetnosti poznám) a myslím, že by to fungovalo celkom dobre. Vypichol by som rád aj nenápadný, ale účinný spôsob ako vymedziť matky detí (buď priamo zo sledu zamestnaní ale aj cez dvojité priezviská žien, prípadne cez zmenu priezviska za posledné časové obdobie) ako súčasť negatívneho vymedzenia, lebo tento druh ľudí má oveľa menší apetít skákať ako ľudia bez rodinných záväzkov.

Rebríček TOP 3 riešiteľov tejto úlohy (ktorým tiež blahoželám ) je:

Šimon M.

Matúš B.

František B.

Odmenenie víťazov

Tak ako bolo už avizované, za každú z úloh najlepšie riešenie vyhráva VOĽNÝ VSTUP na odbornú, tohto roku programom nabitú konferenciu Biznis analytika v cene 180 EUR na osobu. Nakoľko Šimon M. bude speakrom na danej konferencii, urobil veľmi športové gesto a ponúkol svoje vstupenky na konferenciu ďalším v poradí. Tými štastými teda sú Kristína Ka Matúš B., ktorým touto cestou srdečne blahoželám k výhre a teším sa na osobné stretnutie na konferencii !

Len pripomíman, že ako odmena za snahu, každý, kto sa zapojil získava od portálu Mocnédata.sk 15 EURový VOUCHER na zľavu z účastníckeho poplatku danej konferencie

Okrem toho, za najlepší úhrný výsledok oboch úloh dokopy (súčet bodov z prvej úlohy + z druhej úlohy) som sa rozhodol udeliť mimoriadnu (knižnú) cenu Šimonovi M. Zo Šimonovho analytického rastu mám radosť. Pár rokov dozadu bol v tejto oblasti úplne na začiatku a vidieť jeho postupný odborný rast v čase. Aktuálnemu kolu suverénne dominoval a v analytickej oblasti mu nedávno vyšiel aj prvý blog, tak vidieť, že sa čoraz aktívnejšie hlási aktívne o slovo v našej analytickej komunite.


Publikované dňa 16. 2. 2017.