دوره جامع تحلیل پیش‌بینانه مشتریان با پایتون | از رگرسیون تا بخش‌بندی و پیش‌بینی - جلسه 4

سلام عرض می‌کنم خدمت دوستان عزیز. خب بریم سراغ قسمت دوم این دورمون. ما تو

قسمت اول سراغ مدل مبتنی بر لاینر رگرشن

رفتیم. این قسمت یعنی قسمت دوم می‌خوایم

بریم سراغ لاجیستیک رگرشن. خب قبل اینکه

بریم سراغ مدل و کارای اینچنینی اول یه

ذره صحبت بکنیم راجع به چند تا اصطلاح توی

بحث مارکتینگ.

اول چیزی که می‌خوام راجع بهش صحبت کنم یه

بحثی داریم به نام کاستومر ریتنشن

می‌خوایم بیم مثلاً یعنی چی یا مثلاً

ریتنشن مارکتینگم احتمالاً شنیده باشید خب

[گلویش را صاف می‌کند]

اصلاً حواسم نبود خب

لامپ کانسپت

کاستوم ریتنشن

ببینیم چی به ما میگه

[گلویش را صاف می‌کند]

اصلا مفهوم ریتنشن چیه

و چرا برای ما مهمه میگه که کاستوم ریتنشن

به این مفهومه که یک کمپانی توانایی اینو

داشته باشه که مشتریای که الان داره رو

مشتریاهای کنونیش رو در طول زمان حفظ کنه

و تشویقشون کنه برای خرید دوباره حالا

می‌تونه از جنس اشتراک باشه از جنس کالا

باشه و کلاً که از اون سرویس استفاده کنن

مفهوم ریتنشن یعنی این یعنی شما تو حفظ

مشتریاتون کوا باشید خب خیلی مفهوم مهمیه

و میشه گفت یکی از مهم‌ترین مفاهیم که تو

هر بیزینس هست

میگه کاستوریتشن یعنی که شما از جلوگیری

کنید از اینکه مشتری شما رو ترک کنه

و

اون ارتباطی که با مشتری دارید خیلی فاصله بگیره

مثلاً فرض کنید شما یه فروشگاه یه

فروشگاهن یه مثلاً فست فوت زنجیره‌ای

دارید که مثلاً ۱۰ ۰۰۰ تا مشتری در سال

دارید میگه اگه ۸۰۰۰ تا از اون مشتریا سال

بعد دوباره خرید بکنن

خب

اون کمپانی تونسته مثلاً میگما یه درصد

زیادی از مشتریاشو برگردونه ۸۰ مشتریاشو

دوباره برگردونده نسبت به سال قبل

ما یه مفهوم دیگه داریم به نام چرم

احتمالاً اینم شنیدید کاستوم چر

ریتنشن اون مشتریه که مونده چه اون مشتری

که رفته توی مثال بالا اون ۲۰۰۰ نفری که

سال بعد خرید نکردن چن شدن البته چن یه

سری

چیزم داره یه سری مثلاً شروطم داره مثلاً

یه جایی امکان داره بازه هم توش دخیل باشه

مثلاً بگن اگر ۳ ماه از خریدش گذشته بود

بشه چه یه من یه بازه اینجوری هم درش

می‌ذارم

اگر ریتنشن بره بالا چه طبیعتاً میاد

پایین

چرا ریتنشن مهمه؟ بحث اینه که بچه‌ها شما مشتری که یک بار

اومده سراغتون رو حفظ کردنش به مراتب

هزینهش کمتره تا اینکه شما بخواید مشتری

جدید بگیرید.

چرا؟ چون میگه مشتری جدید گرفتن نیازمند

کار مارکتینگ، تبلیغات، پروموشن

یه افورتی روی فروشتون گذاشته باشید و حتی

گاهی اوقات دیسکان تخفیفه.

خب

اما مشتری که یه بار از شما خرید کرده

برند شما رو می‌شناسه

و راحت‌تره نگه داشتنش دیگه دیگه تلاشی

نباید بکنید که تازه بفهمونید که شما کی

هستید

[صدای خرناس]

ریترنشن می‌تونه کمک بکنه به یه بیزینس که

خرید تکرار بشه لایف تایم ولیوم کاستی ال

وی حالا اختصار به این میگم خب عرضه زشی

که مشتری در طول اون بازاری به شما میده

رو ببرید بالا طبیعتاً یک پایداری رو

درآمدتون میده

وفاداری مشتری رو بالا میبره و حالا چیزای

دیگه ریفرال یعنی دهن به دهن کردن

بیزینستون و حالا چیزای دیگه

میگه بیاید د تا مشتری در نظر بگیرید مشتری شماره A شماره که نه مشتری A

۲۰ ۲۰ دلار خرید کرده و دیگه برنگشته.

مشتری بی دلار خرید کرده هر ماه برای ۳

سال میاد خرید می‌کنه.

طبیعتاً مشتری بی خیلی ارزشمنده. قطعاً

نسبت به اولی خیلی ارزشمنده برای همین که

ریتنشن مهمه.

میگه ابتدای ما شما ۱۰۰ تا مشتری داشتید در طول ماه هم ۲۰۰ تا مشتری جدید گرفتید.

آخر ما ۹۵۰ تا مشتری دارید. خب میگه که ما برای اینکه ریتنشن حساب

بکنیم نباید اون ۲۰۰ تا رو لحاظ بکنیم.

اون ۱۰۰ تایی که اول داشتیمو لحاظ می‌کنیم

میگه ۹۵۰ تایی که آخر ماه داریم منهای

این ۲۰۰ تا چون ۹۵۰ تا این ۲۰۰ تاش این

مشتری جدید بود اینو ازش کم کنیم

[صدای خرناس] تقسیم بر اون مشتری که

ابتدای ماه داشتیم ضرب در ۱۰۰ میشه ریتنشن

ریت

۹۵۰ منها ۲۰۰ میشه ۷۵۰ تقسیم میشه ضربدر

۱۰۰ میشه ۷۵ ما ۷۵ ۵ مشترکوس

ریتنشن دیگه ما ۱۰۰ تا مشتری داشته باشیم ۱۰۰ تا شاید دست بدیم میشه ۱۰

ریتنشنمونم میشه ۹۰ پس جمع ریتنشن و ۴۰

تقریباً میشه ۱۰۰ بچه‌ها یعنی ۱۰ ۱۰ دقیق

نمیشه

خب خب

حالا چند تا مثال دیگه هم داره می‌زنه.

اول مفهوم براتون جا بیفته که ریتنشن چیه

و بعد چن چیه و بعد حالا بریم سراغ

مدلسازیون. خب

[گلویش را صاف می‌کند] ما توی قسمت قبل مدلمون بر مبنای لاینر رگرشن بود. لاینر

رگرشن بچه‌ها کاری که می‌کنه که میاد یک

مقداری رو پیش‌بینی می‌کنه. مثلاً تو قسمت

قبل مقدار ما چی بود؟ فروش بود. ما

می‌خواستیم ببینیم که شعبه جدیدی که

می‌خوایم بزنیم و تأسیس بکنیم بر مبنای

اون دیتایی که داریم آیا می‌فروشه یا

نمی‌فروشه.

اما تو بحث لاجیستیک

دغدغه ما پیدا کردن یک مقدار نیست. دغدق

ما اینه که ما بیایم کاربرامون رو دسته

بندی بکنیم.

مثلاً به دو دسته کاربرایی که قرار است

بخرند ماه بعد

کاربرایی که قرار نیست ماه بعد خرید بکنن

لاجیستیک کارش اینه رگشن نمی‌تونه این

کارو بکنه

[صدای خرناس]

خب بیایم یه مثالی براتون بذارم مثلاً فرض

کنید یه همچین دیتایی دارید شما

خب فرض کنید تعدادشم زیاده حالا من س۳ تا

نمونهش آوردم یه دونه دارید درآمد سالیانه

اون مشتری مثلاً درآمد سالیانه مشتری اول

۱۴۰ مثلاً فرض کنید ۱۰۰ دلاره مثلاً

نمره رضایتش از محصول شما مثلاً دهه تعداد ترنزکشنی که در ماه داشته ۳۴ تا

بوده

این مشتری چرن شده یعنی ماه بعد خرید

نکرده اما د تا مشتری پایین با اون مشخصات

خرید داشتن حالا شما فرض کنید تعداد زیادی

دیتا شبیه این دارید

و با استفاده از این میاد مدلتون رو ترین

می‌کنه مثل کاری که قسمت قبل کردیم بعد چه

اتفاقی میفته حالا میایم د تا مشتری ۳ تا

مشتری یه تعداد مشتری جدید بهش میدیم این

س۳ تا ستونو داریم میگیم به ما بگو کدومش

احتمال داره چه بشه

بعد مشتر این مدل ما با یه احتمالی به ما

جواب میده بذارید این عکسشو بیارم

مثلاً ما اومدیم د تا مشتری جدید دادیم با

این اطلاعات

میگه که این مشتری اولی به احتمال ۷۵

۴۰ میشه اما پایینی احتمالش کمتره ما

چیکار می‌کنیم تو بیزینس مثلاً یه کار

مثلاً روتینی که انجام میدم میام برای این

کاربری که احتمال داره چرم بشه سر ماه

شروع می‌کنم بهش پروموشن دادن دیسکانت

دادن قبل از اینکه سرویسش تموم بشه حالا

فرض کنید از جنس سابسکریپشن باشه مثلاً

اشتراک باشه خب بهش مثلاً یه اسام اسسی

می‌فرستن یه چیزی می‌فرستن که این یه موقع

چل نشه اما اینایی که احتمالش کمتره رو

کار به کارشون ندارن اصلاً اشتباهه که شما

بخواید برید به کاربری که احتمالش زیاده

دوباره خرید اشتراک بکنه کد تخفیف بدید

چون خرابش می‌کنید

این میشه یه مفهوم خیلی ساده ازجیستیک خیلی خب برای این جلسه کافیه بریم بیایم

جلسه بعدی بریم سراغ یه سری مفاهم دیگه

مربوط به مدلمون فعلاً خداحافظ