Использование технологий data mining для создания CRM-системы рекламной компании

Размещено на http://www.allbest.ru/

Использование технологий data mining для создания CRM-системы рекламной компании

data mining реклама предприятие

Москаленко Наталья Владимировна, магистр, аспирант

Ростовский государственный экономический университет

Data mining предоставляет широкий набор инструментов для выявления важной информации о клиентах в CRM-системах. Однако эта технология практически не используется для рекламных предприятий. Развитие информационных технологий, в частности WWW, дает возможность построить более эффективную систему отношений с клиентами, которую ранее было трудно реализовать в режиме offline. В этой статье описывается структура CRM-систем, использующих методы Data mining, и рассматриваются основные проблемы, связанные с использованием этих технологий в системах для рекламного бизнеса.

Одной из главных функций управления рекламным предприятием является управление взаимоотношениями с клиентами . В этих целях целесообразно создание CRM-системы, позволяющей компании эффективно управлять своими взаимоотношениями с клиентами для успешного развития в условиях конкуренции. Такая система направлена на удовлетворение запросов клиента, на привлечение новых и удержание существующих клиентов предприятия. Внедрение CRM-системы в рекламной компании позволяет уменьшить стоимость продаж и обслуживания, повысить эффективность работы персонала, уменьшить операционные расходы.

Цель внедрения CRM-систем - оптимизация работы с клиентами рекламной компании, в том числе:

· сокращение затрат на продвижение рекламных услуг;

· увеличение удовлетворенности и лояльности клиентов;

· определение целевой аудитории;

· анализ структуры запросов клиентов;

· и др.

Основные функции CRM-системы рекламного предприятия [1]:

1. Работа с клиентами, в том числе прием и оформление заказов на размещение рекламной продукции от клиентов; управление контактами клиентов, формирование персонализированных предложений.

2. Управление заказами, в том числе распределение заказов клиентов по исполнителям, отслеживание движения заказов клиента, управление задачами, информация по заказам.

3. Управление продажами, в том числе прогнозирование, анализ продаж, формирование отчетности.

4. Управление потенциальными сделками, том числе информация о продуктах и услугах компании, сегментация клиентской базы, создание и управление списком потенциальных клиентов.

В CRM данные о клиенте используется для более точного формирования предложения конкретному клиенту. Для этого формируется информационную базу, содержащую оперативные данные обо всех сделках с клиентами с их характеристиками. На основе информационной базы о клиентах и сделках проводится анализ данных. Основными задачами анализа данных в CRM являются следующие: анализ запросов и предпочтений клиентов; сегментация клиентов; выделение целевой группы клиентов; выбор способов взаимодействия с клиентом; оценка эффективности менеджеров и др.

В этих целях в состав CRM-систем могут быть включено ряд процедур интеллектуального анализа данных - Data Mining. В основе инструментов Data Mining лежат технологии машинного обучения, в том числе: деревьев решений; ассоциативных правил; генетических алгоритмов; нейронных сетей и др. Процедуры Data Mining в составе аналитических CRM-систем основаны на использовании ряда математических и статистических методов классификации, кластеризации, прогнозирования, поиска зависимостей и ассоциативных правил [2,3].

Процедуры классификации в CRM рекламной компании позволяют решить такие задачи: оценка перспективности клиентов; анализ рисков проекта рекламной компании; оценка эффективности рекламной компании и др.

Процедуры регрессионного анализа позволяют решать задачи: прогнозирование спроса на рекламную продукцию; оценка вероятности повторных заказов; анализ влияния различных факторов на спрос на рекламную продукцию и услуги и др.

Процедуры выявления ассоциаций (анализ событий, происходящих совместно), позволяют предсказывать поведение клиента, формировать предложение рекламной продукции и услуги, которые, вероятно, его заинтересует; реализовать кросс-продажи различных видов рекламных услуг.

Преимущества интеллектуального подхода к анализу данных о клиентах предприятия вызывает необходимость его использования для рекламных предприятий. Основные задачи управления взаимоотношениями с клиентам, которые целесообразно решать в CRM-системах для малого и среднего бизнеса с помощью инструментов Data Mining [4]:

· Идентификация клиента - отслеживание поведения и предпочтений, а также определение ценности клиента для предприятия (задача кластеризации).

· Сегментирование клиентов. Выделение группы ценных клиентов, которые приносят наибольший доход компании (задача классификации).

· Взаимодействие с клиентом - выработка индивидуальной стратегии обслуживания заказчика на основе оценки его поведения, предпочтений и потребностей (ассоциативные правила).

Целью создания CRM является формирование клиентской базы на основе сбора и анализа различных данных для выявления информации о наиболее ценных клиентах, а также разработка стратегии, какими методами компания должна взаимодействовать с ними.

С развитием интернет-технологий и внедрением Web CRM систем появляются новые возможности в управлении взаимоотношениями с клиентами рекламной компании. Дополнительные преимущества дают: невысокая стоимость ввода в эксплуатацию и совокупная стоимость владения системой, более быстрое внедрение системы; оперативный ввод информации в режиме онлайн [7].

Функционал Web CRM системы должен решать следующие задачи:

· хранение информации о процессах взаимодействия с клиентом.

· представление информации о процессах взаимодействия с клиентом.

· анализ информации о процессах взаимодействия с клиентом.

· удалённый доступ к Web CRM сотрудников.

· удалённый доступ к Web CRM клиентов.

В настоящее время Интернет с помощью технологий Web Mining в CRM может предоставить более широкие возможности для оптимизации взаимодействия с клиентами. Модель управления в системе Web CRM может быть представлена в следующем виде:

1. Поиск в сети (на сайте) и формирование данных, касающихся клиентов и их предпочтений относительно различных видов рекламных услуг. Структурирование этих данных, чтобы определить конкретные группы клиентов с однотипными запросами. Используются методы Web Mining, чтобы извлечь из имеющихся больших массивов данных полезную информацию и в соответствии с ней классифицировать клиентов по группам.

2. На основе сформированных групп определяются ценные потребительские сегменты. Цель этапа состоит в том, чтобы определить, персонализировать отношение к каждой группе в соответствии с конкретными потребностями клиентов и их значимостью для компании.

3. Формирование эффективной стратегии взаимодействия с клиентом на основе информации, полученной на предыдущих этапах [5].

В отличие от Data Mining, где извлечение данных работает в режиме оffline, в Web Mining анализ происходит в режиме online. В Data Mining данные хранятся в базах данных, а в Web Mining - в базе данных сервера и веб-журнале [6] .

В бизнес-аналитике Web Mining позволяет решить задачи, которые имеют важное значение для e-CRM, в особенности для предприятий малого и среднего бизнеса, к которым относятся рекламные компании:

· определение групп или сегментов рынка и посетителей (кластеризация);

· описание посетителей сайта (классификация);

· определение онлайн поведения клиентов: последовательность просматриваемых страниц пользователями сайта; анализ поведения, запросов и предпочтений клиентов; поиск зависимостей при использовании пользователем ресурсов сайта (поиск ассоциативных правил);

· сбор веб-статистики;

· анализ потенциала клиента;

· тенденции продаж;

· оптимизация интернет-портала;

· оптимизация размещения рекламы;

· определение целевых групп конкретных рекламных кампаний;

· индивидуальное взаимодействие с интернет-клиентом;

· персонализация контента страницы сайта;

· персонализация предоставления рекламных продуктов, услуг;

· планирование маркетинговых кампаний и др.

Одним из основных применений Web Mining является предоставление информации об интернет-клиентах: их характеристики, потребности, интересы и поведение [7]. В контексте Web CRM, целью которых является определение конкретных групп клиентов в соответствии с такими критериями, как поведение, это может служить в качестве основы для дальнейшей деятельности, такой, как планирование рекламной компании для определенных целевых групп клиентов.

Другая возможность заключается в использовании полученных результатов анализа непосредственно для оптимизации интернет-портала компании. После сбора информации о клиентах и определения предпочтительного способа просмотра страниц сайта можно оптимальным образом разместить информацию о продукте или рекламу на соответствующих важных страницах. Кроме того, содержание веб-страницы может отображаться динамически для каждого клиента в зависимости от группы, к которой он принадлежит [5].

Таким образом, актуальной является задача создания CRM-систем в виде независимых интеллектуальных Web-сервисов, которые при минимальной стоимости могли обеспечить реализацию основных целей стратегии управления взаимодействием с клиентами на основе современных технологий интеллектуального анализа Web Mining.

Список литературы

1. Шполянская И.Ю. Референтная онтологическая модель бизнеса как основа создания WEB-ориентированных систем и сервисов // Вестник Ростовского государственного экономического университета (РИНХ). 2015. № 2 (50). С. 220-226.

2. Киселев М., Соломатин Е.. Средства добычи знаний в бизнесе и финансах // Открытые системы, 1997, N 4, С.41-44

3. Чубукова И. Data Mining. М.: Бином, 2006. 384 c.

4. Дюк В.А., Самойленко А.П. Data Mining: учебный курс. СПб.: Питер, 2001. 368 с.

5. Шполянская И.Ю. Использование технологий Data mining для создания аналитических CRM-систем для малого бизнеса // Вестник Ростовского государственного экономического университета (РИНХ). 2014. № 1 (45). С. 129-135

6. Liu B., Mobasher B., Nasraoui O. Web Usage Mining . Web Data Mining. Exploring Hyperlinks, Contents, and Usage Data, Ed. by Liu B., Springer-Verlag, 2011, pp. 527-603.

7. Гринберг Пол. CRM со скоростью света. Привлечение и удержание клиентов в реальном времени через Интернет - М.: Символ-Плюс, 2006. - 530 с.

Размещено на Allbest.ru