Анализ оттока пользователей и корректировка маркетинговых кампаний на основе машинного обучения

Современные технологии позволяют потребителям сравнивать разнообразие предложений поставщиков товаров и услуг. Клиенты могут без серьёзных издержек за несколько кликов сменить поставщика, что неблагоприятно сказывается на показателях компании, от которой клиент уходит. Это вынуждает компании внедрять программы управления оттоком и удержания клиентов. Целью работы является определение стратегии удержания в крупной российской компании сферы электронной коммерции с использованием результатов модели прогнозирования оттока. Объект исследования - отток клиентов в компании электронной коммерции, а предмет - формирование стратегии удержания клиентов. Задачи исследования включают в себя: - Описание текущего состояния рынка электронной коммерции в России. - Определение отличительных характеристик рынка электронной коммерции. - Формулирование проблемы оттока клиентов. - Обзор методов предиктивной аналитики оттока клиентов. - Обзор маркетинговых стратегий удержания клиентов. - Описание кейса компании электронной коммерции. - Поиск и предобработка данных. - Построение предиктивной модели и осуществление прогноза. - Интерпретация результатов прогнозирования. - Определение стратегии удержания на основе результатов прогнозирования. - Описание выводов исследования. Значимость настоящей работы объясняется тем, что во-первых, очень мало литературы по теме оттока клиентов или их удержания рассматривает сектор электронной коммерции, во-вторых, существующая литература по теме оттока клиентов в большей степени уделяет внимание разработке точных моделей прогнозирования, которые часто оказываются тяжеловесными, сложными и трудно интерпретируемыми (black box), в то время как бизнесу важна интерпретируемость и низкая ресурсоемкость, в-третьих, малая доля литературы рассматривает разработку стратегии как цель, исследователи пытаются разработать хорошую модель, но при этом не привязывают ее результаты к стратегиям удержания. Таким образом, настоящая работа попытается закрыть эти пробелы. Для достижения цели сопоставлены наиболее популярные модели прогнозирования оттока: логистическая регрессия, случайный лес и несколько реализаций градиентного бустинга. Полученный прогноз используется для определения факторов, влияющие на отток и разработки программу удержания клиентов. В результате выполнения поставленных задач удалось разработать прогноз оттока клиентов с помощью алгоритма XGBoost и определить портрет нелояльного клиента компании. Такой клиент давно пользуется услугами компании, однако совершает редкие единоразовые покупки на большую сумму. Подобный отток называют частичным, когда отношения клиента с компанией являются изменчивыми. Чтобы стимулировать клиентов покупать чаще, предлагается модифицировать программу лояльности, настроить рассылку для уведомления клиентов о новинках, предлагать бонусы или скидки клиентам при запуске новых сервисов и осваивать новые каналы коммуникации с молодой аудиторией.