這種問題的解法絕對不只一種，我選的是我最拿手的顧客分群。我把過去一段時間內曾到這家店裡消費的顧客全找出來，分別計算每位顧客在這家分店消費的次數和集中在這家店的程度，另外也計算每個顧客去過這個客戶旗下的所有分店總數。
利用Clustering做完分群後，我發現了一個很有趣的現象：有一群顧客幾乎逛遍了這個客戶在此地的所有分店，不過這家業績不佳的分店只是他們偶而才來消費的地點。我在比對他們的住址後，發現「在地」人口的比例不高。所以如果這家分店關了，對於這群人應該不會影響太大，大部分的人自然會去這家通路的其他分店購物。
另一群顧客雖然也去過各家分店消費，但主要是集中在這家被檢視的分店。還有另外一群客人，在我分析的期間只在這家分店消費，而且還是這家店的消費主力。從資料庫的住址來看，這兩群顧客大部分都是因為地利之便而常來這家店購物。由於這兩群都是在地的常客，一旦這家分店關了，對他們勢必造成不便，所以這個連鎖通路的客戶一定要特別注意這兩群顧客。假如這個通路提供了足夠的品牌價值，也許透過誠懇的溝通後，還是會有相當比例的顧客會改到其他分店購物（畢竟已有顧客去過其他分店）。萬一不幸這家連鎖通路沒有特殊的價值，恐怕提供誘因也無法讓這些顧客願意多花時間去附近的分店（況且誘因不可能無限期的提供下去）。
我找到的顧客區隔其實不只前述三種，但是運用的邏輯很明顯。而因為每個區隔的人數比例、貢獻都可以計算，加上適當的假設，就可以估計關店的衝擊。這也可以視為一個顧客流失的題目，只是傳統的Churn Prediction方法可能不適用（至少我不知道怎麼套用）。
我是看到Best Buy用顧客區隔來制訂各分店經營策略，才想到過去做過的這個案例。如果是你，你會怎麼解？
沒有留言:
張貼留言