Скоринговые модели

В последнее время для сегментирования стали применяться скоринговые модели². Наиболее успешно скоринговые модели применяются в финансово-банковской сфере деятельности для оценки кредитоспособности клиента, но существует тенденция все большего применения скоринговых моделей и для сегментирования потребителей в других областях.

Анализ потребителей производится на основе скоринговых анкет. Анализируемые данные в этом случае представляются в виде обычной таблицы, в которой содержатся прецеденты. Таблица, помимо факторов, используемых аналитиком для оценки опрошенных клиентов, содержит и столбец, в котором указывается, совершил или не совершил данный клиент покупку.

На этих данных строятся модели, объясняющие поведение уже имеющихся потребителей, и делается предположение, что будущие потребители поведут себя аналогично. Часто используется множественная линейная регрессия, связывающая поведение зависимой переменной (платежеспособность клиента, перспективность клиента) с линейной функцией ряда независимых переменных (скоринго- выми характеристиками). Результатом является наилучшая линейная зависимость путем минимизации суммы стандартных отклонений.

где Y_j — зависимая переменная (платежеспособный/неплатежеспо- собный клиент);

X. — независимые переменные (скоринговые характеристики); Р - параметры модели (скоринговые баллы). Ранжирование и шкалирование скоринговых баллов зависит от пропорции, использованной при формировании модели случаев.

Как известно, для построения любой статистической модели необходимо иметь качественную базу данных. База данных для построения скоринговой модели, собственная, вновь создаваемая или приобретенная, должна содержать всю интересующую информацию по уже имеющимся у компании клиентам, позволяющую сделать выводы по интересующему вопросу.

Как работает такая модель? Рассмотрим на примере.

Компания ОАО «Алгол» продает офисное оборудование; какие фирмы-клиенты являются потенциальными потребителями? Торговый представитель собирается предложить приобрести оборудование X фирме ООО «Феникс», у которой 25 сотрудников, три подразделения и нет оборудования X. Компания ОАО «Алгол» имеет разработанную скорин- говую модель, позволяющую провести экспресс-исследование и принять решение о перспективности фирмы как клиента.

Модель: 1,69 + 0,056 (вопрос 1) — 0,136 (вопрос 2) + 0,02 (вопрос 3) =

= <и

Пример: 1,59 + 0,046 (вопрос 1) — 0,166 (вопрос 2) + 0,08 (вопрос 3) = 1,55.

Компания «Феникс» не может быть интересна компании ОАО «Алгол» для продажи оборудования.

Очень интересно применение конджойнт-анализа для сегментирования (см. гл. 5).

Рассмотрим один из видов поведенческой сегментации — бинарную сегментацию^[1] (binary segmentation). Это, по мнению многих исследователей, один из оптимальных по простоте методов сегментации, и, как все поведенческие сегментации, он опирается на принцип «инертности» поведения клиентов. Например, каждое утро соседка выгуливает собаку — скорее всего, завтра она тоже выйдет с утра с ней гулять.

Таблица 4.1

Данные по продажам компании

Аналогично работает любая поведенческая сегментация, она смотрит на активность заказчика в прошлом, и по этим данным достаточно смело можно утверждать, как будет вести себя клиент в ближайшем будущем. В табл. 4.1 представлены данные по продажам компании, из которых видно, что не все заказчики делают покупки ежеквартально. По этим данным можно построить матрицу.

Для этого время нужно разбить на равные части (кварталы, месяцы). Например, пусть это будет год, который мы разобьем на 4 квартала, точку отсчета возьмем 1 января для каждого заказчика (табл. 4.2).

Таблица 4.2

Сводная таблица для бинарных сегментаций_

Заказчик 1 делал покупки в каждом квартале, в столбцах QI, QW, Q, C?IV ставим 1, если заказчик покупал в этот квартал; 0 — если нет. Из таблицы видно, что заказчик 2 делал покупки во все кварталы, кроме (Л. Далее нам понадобится узнать, как заказчики покупали в первом квартале следующего года, для этого необходим столбец (X). Ставим 1 — если заказчик сделал заказ, 0 — если нет. Теперь сгруппируем данные полученной таблицы. Для каждой комбинации «кода» QI QW (ЛИ QYW подсчитаем количество заказчиков и сумму по полю Q0 (табл. 4.3).

Таблица 4.3

Доли заказчиков, делавших заказы с разной периодичностью

Сегментация закончена. Поле Summ — количество заказчиков в базе на конец анализируемого года, поле Summ Q0 — количество заказчиков, которые сделали заказ в первом квартале следующего года. Данные Transformation Rate (TR) можно рассматривать как долю заказчиков, сделавших заказ на первый квартал следующего года Q0. И самая интересная особенность этой сегментации заключается в том, что TR (по мнению Д. Нуво¹) практически не меняется со временем, — это и есть инерционность поведения заказчиков. Именно этот факт позволяет:

• • прогнозировать количество заказчиков, а следовательно и продажи;
• • сгруппировать заказчиков по TR на очень хороших (высокий TR), хороших (TR выше среднего) и плохих (низкий TR). Это очень важно для рекламных, директ-маркетинговых кампаний и промоакций, когда деньги будут потрачены только на хороших заказчиков, а не на всех. Или, например, для каждой группы проводить свои маркетинговые акции;
• • построить скоринг, т.е. можно использовать TR как значение скора.

Ну и наконец, необходимо оценить характеристики выбранного сегмента, такие как:

• • Измеряемость — степень, с которой размер и покупательная способность рынка могут быть измерены. Например, практически невозможно определить количество левшей, количество людей очень большого или маленького роста и т.д. — ни в каких статистических сборниках это не указано. Обычные информационные базы компаний также не содержат подобной информации.
• • Доступность — степень, с которой можно достичь рынка и обеспечить его необходимым количеством продуктов. Доступность можно также оценивать через транспортировку и затраты на эту транспортировку. Например, производство консервных банок и перевозка их на тысячи километров — это перевозка воздуха, проще построить завод на какой-то территории, чем доехать до нее.
• • Реальность — степень прибыльности и размера сегмента. Фирма должна ориентировать свою маркетинговую стратегию на самую большую гомогенную группу потребителей, например производитель никогда не будет делать автомобиль для людей, чей рост ниже 1,20 м или выше 2 м, только на заказ.
• • Действенность — степень, с которой эффективная маркетинговая программа может быть использована для привлечения потребителей. Например, маленький самолет может удовлетворять семь

http://www.jimnovo.com/ рыночных сегментов, но у директора компании не хватает способностей и возможностей добиться успеха на всех рыночных секторах.

Задача.

В городе Искххххх (Нхххиб. обл.) проживает 62 756 чел., зарегистрировано 8956 автомобилей.

Средние страховые премии по Каско и ОСАГО — 23 900 и 19 500 руб. Большинство автомобилей города не застрахованы.

Средняя комиссионная ставка по стране — 12%.

В городе работает пять страховых агентств.

Население за последние 3 года сократилось на 8000 чел.

Следует ли открывать в этом городе филиал страховой компании, хотя она и работает в Нхххиб. обл.?

Во сколько можно оценить емкость данного сегмента?

Будет ли он расти или сокращаться? Каковы характеристики указанного сегмента?

• [1] Хьюс Артур М. Маркетинг на основе баз данных. Strategic DatabaseMarketing: The Masterplan for Starting. — M.: Изд-во Гребенникова, 2008;http://kpis.ru/2006/12/19/binary_segmentation.html.