Анализ корзин: Как понять поведение клиентов?
Клиентское поведение – важная информация для каждого ритейлера. Поскольку правильное ее понимание и возможность спрогнозировать позволяет:
- увеличить лояльность и число клиентов до↑15%;
- повысить маржинальность бизнеса в↑ 1,5 раза благодаря оптимизации ассортимента, который отвечает ожидаемому спросу покупателей;
- минимизировать "неликвиды" на полках магазинов;
- разрабатывать высокоэффективные маркетинговые мероприятия и создавать выгодные для сети "продуктовые наборы".
Как анализировать покупательские корзины клиентов?
Интересный факт!Покупки каждого клиента в магазине не уникальны. Для покупателей характерны определенные модели поведения, которые сформированы на основе их потребностей. Например, покупка хлеба и молока через день, пачки сигарет каждый вечер, круассана и йогурта в обеденный перерыв. Поэтому, понимая общие потребности клиентов, можно выделить типичное покупательское поведение.
Действенной техникой для выявления модели поведения клиентов является анализ покупательских корзин.
Анализ покупательских корзин (Market Basket Analysis) – это набор аналитических подходов, направленных на изучение поведения клиентов и выбора товаров, установление ассоциаций и связей между товарами в каждом чеке и оценку вероятности покупки товаров вместе.
!Главным источником данных для такого анализа являются чеки торговой сети, в которых зафиксировано:
- дата покупки;
- время покупки;
- список товаров, приобретенных вместе;
- цены на товары;
- общая стоимость чека.
Такая информация позволяет категорийным менеджерам ответить на многие вопросы, например:
- Что включают "типичные" корзины покупателей в субботний вечер?
- Какие товары входят в корзины от $50?
- С чем покупают молочные изделия?
- Какие бренды попадают в чеки с Coca-Cola?
Существует большой выбор алгоритмов для анализа корзин (Apriori, Eclat, FP-Growth и т.п.). Все они выявляют в чеках ассоциативные правила (association rules) – связи между товарами, которые повторяются в корзинах покупателей.
Ассоциативные правила звучат так: "Если покупатель покупает товар Х, то с определенной вероятностью он купит и товар Y".
Исходные данные для ассоциативного правила:
- X – ключевой товар – причина совершения покупки;
- Y – сопровождающий товар – следствие приобретения ключевого товара.
Пример. Для применения Ассоциативных правил возьмем 10 чеков со следующими 4 товарами: Крупа, Хлеб, Масло, Минеральная вода:
- 1 чек: Масло, Хлеб;
- 2 чек: Хлеб;
- 3 чек: Крупа;
- 4 чек: Крупа, Хлеб, Масло;
- 5 чек: Хлеб, Масло, Минеральная вода;
- 6 чек:Крупа, Минеральная вода;
- 7 чек: Хлеб;
- 8 чек: Крупа, Масло;
- 9 чек: Крупа, Хлеб;
- 10 чек: Масло, Минеральная вода.
Примем и рассмотрим правило: "Если покупают Крупу и Хлеб (Х), то купят и Масло (Y)".
Для выявления вероятности такой покупки необходимо провести расчет следующих показателей:
- Поддержка (Support) – показатель, который вычисляется для одного товара либо пары. Он показывает соотношение количества чеков с выбранным товаром/парой к общему количеству чеков.
Сочетание 3 выбранных товаров Крупы, Хлеба и Масла отображается в показателе:
Support Х = Кол-во чеков с товарами X ÷ Общее кол-во чеков = 2 ÷ 10 = 0,2
Support Х&Y = Кол-во чеков с товарами Х и Y ÷ Общее кол-во чеков = 1 ÷ 10 = 0,1
Чем выше значение показателя, тем чаще правило срабатывает для общего массива данных.
- Достоверность (Confidence) – показывает соотношение чеков Х с Y к чекам, в которых присутствует лишь ключевой товар Х.
То есть показатель указывает, какова вероятность того, что покупатель одновременно купит три товара: Крупу, Хлеб и Масло.
Confidence = Support Х & Y ÷ Support Х = 0,1 ÷ 0,2 = 0,5
В нашем примере вероятность такой покупки 50%, поскольку из двух чеков с Крупой и Хлебом один содержит еще и Масло.
- Коэффициент корреляции – определяет, насколько схожа динамика продаж двух товаров. Возможны 3 варианта корреляции продажи товаров:
- коэффициент корреляции＞0 – положительная корреляция, при которой графики продажи товаров схожи или идентичны;
- коэффициент корреляции = 0, при которой графики продаж товаров значительно различаются;
- коэффициент корреляции < 0 – отрицательная корреляция, при которой графики продаж товаров противоположны (продажи одного товара растут, а второго товара - падают).
Анализ покупательских корзин информирует о комбинации товаров в типичных корзинах. Но часто эта информация очевидна или уже известна ритейлеру, опираясь на его опыт или популярность товаров. Более ценен анализ корзин для определения неявных связей между товарами.
Важно! Для избежания ошибок следует тщательно подходить к формированию входящих данных анализа. Например, товары размещенные у касс не следует учитывать в аналитических оценках, поскольку их покупают только потому, что они попали в поле внимания клиента, пока он стоял в очереди.
Возможные направления анализа корзин
Для проведения детального и всестороннего анализа корзин в отчетах аналитической платформы BES.Datawiz предусмотрена фильтрация корзин:
- по периодам, дням недели и временным промежуткам. Например, определять типичные корзины для будней и выходных дней, разных сезонов, периодов перед праздниками.
- по стоимости чеков - позволяет определять типовые корзины разной ценовой категории. Например, определять, какие товары попадают в чеки от $10 до $100 грн., от $100 до $500.
- по уровням категоризации (разным товарным группам). Например, "Молоко и молочные продукты" - категория верхнего уровня, она делится на подкатегории - молочные и кисломолочные продукты. В свою очередь, кисломолочные продукты делятся на йогурты, кефиры, ряженки разных брендов и марок. Нижний уровень категоризации – это конкретное наименование продукта.
- по брендам - определяет, какие бренды входят в типичные корзины. Например, чаще всего покупатели приобретают "Coca-cola" с чипсами "Lays", а пиво "Carlsberg" с "Pringles". Полезно и информативно проводить анализ, сочетая определенные товары с брендами или категориями.
Как использовать результаты анализа корзин?
Сочетание нескольких видов фильтрации при проведении анализа покупательских корзин дает возможность ритейлеру структурировать нужную информацию о покупках, правильно разрабатывать промо стратегии, и, как следствие, увеличить прибыль.
Результаты такого анализа являются основой для принятия управленческих решений, сфокусированных на увеличении продаж и среднего чека. При этом следует учитывать те факторы, которые могут повлиять на попадание товаров в корзину:
- покупательские привычки клиентов;
- реклама и акции;
- общественное мнение и сложившиеся традиции;
- расположение товаров в торговом зале;
- наличие товаров на полках и т.д.
С помощью анализа корзин ритейлер может:
- Оптимизировать выкладку товаров.К примеру, парные товары уместно размещать рядом для увеличения вероятности их покупки. Или же наоборот, товары с высокой вероятностью покупки уместно располагать со значительным отрывом друг от друга, а между ними выкладывать третий товар, который важно продать для сети.
- Создавать промо акции. Пример хорошей идеи промоактивности – предоставлять скидку перед праздниками на дорогие конфеты при покупке вермута.
- Разрабатывать таргетированную рекламу. Формирование спецпредложений для разных групп клиентов по ключевым и сопутствующим товарам.
- Понимать потребности покупателей в разные промежутки времени. Это позволяет сформировать оптимальный ассортимент, который будет удовлетворять желания и ожидания клиентов.
С помощью отчетов аналитической платформы BES.Datawiz вы сможете извлечь максимум полезной информации из своих данных и масштабировать свой бизнес.
