Como Big Data puede Ayudar en análisis de ventas cruzadas detección abandono clientes
•
0 recomendaciones•604 vistas
El documento describe cómo el análisis de Big Data puede ayudar en la detección de abandono de clientes y ventas cruzadas. Explica que el Big Data permite analizar una mayor variedad y volumen de datos sobre los clientes y su comportamiento para identificar mejor las causas del abandono y oportunidades de ventas cruzadas. También muestra ejemplos de cómo aplicar técnicas como el análisis RFM y modelos de machine learning para lograr estos objetivos.
Recomendados
Más contenido relacionado
Similar a Como Big Data puede Ayudar en análisis de ventas cruzadas detección abandono clientes
Similar a Como Big Data puede Ayudar en análisis de ventas cruzadas detección abandono clientes (20)
Más de Javier Loria
Más de Javier Loria (9)
Último
Último (20)
Como Big Data puede Ayudar en análisis de ventas cruzadas detección abandono clientes
- 1. Como Big Data puede ayudar en el análisis de ventas- cruzadas y detección de abandono de clientes Javier Loria Mentor jloria@solidq.com
- 2. Javier Loria Mentor de SolidQ Arquitecto y Diseñador de Software Conferencista y autor/co-autor: • 2782: Designing Microsoft SQL Server 2005 Databases • Implementing and Maintaining SQL Server 2005 • Designing Database Solutions by Using Microsoft SQL Server 2005 • Microsoft SQL Server 2005: Database Essentials Step by Step • Microsoft SQL Server 2005 Business Intelligence - Implementation and Maintenance • MVP SQL Server 2001-2002 y MVP Visual Studio 2005 • MCT-MCSE-MCSD-MCDBA
- 4. Sobre nosotros Fundada: 2002 Presencia Global 10 subsidiarias activas en USA, Latino América, Europa y APAC Enfocada y especializada en la plataforma de datos de Microsoft, lo que incluye SQL Server, BI, SharePoint, Azure y Big Data Algunos clientes: Microsoft, Dole Fresh Fruit, AT&T, Associated Press, Alcoa Howmet, BBC, Capital One, Career Builder, Concord Group Insurance, BBVA, Georgia Pacific, IMSS ,Harris Interactive, Jackson Hewitt, Lockheed Martin, Mitsui Sumitomo Insurance, Premier Bankcard, Progressive Insurance, USDA, US Veterans Health Administration, Nacional Monte de Piedad , US Department of Defense, Zillow.com y otros muchos…
- 5. Que hacemos? Mentoría Soluciones BI Diseño de Arquitecturas Cloud - Azure Formación Avanzada Big Data Alta Disponibilidad Optimización de Rendimiento Creación de Contenidos Data Science Minería de Datos
- 6. Objetivos
- 8. Definición Venta cruzada La práctica de vender o sugerir productos complementarios o relacionados a un prospecto o cliente.
- 10. Porque? Usted, ya conoce al cliente El cliente ya confía en usted Usted ya sabe lo que quiere Venta cruzada ayuda a retener clientes
- 11. Perspectiva Vendedor Hipotecas Cuenta Bancaria Tarjeta de Crédito Seguros Depósitos a Plazo/CD
- 12. Perspectiva Cliente • Hipoteca • Seguro de Vivienda • Cuenta Bancaria • Seguro de Vida Comprar Casa • Tarjeta de Crédito • Cuenta de Ahorro • Seguro de viaje Ir de Vacaciones • Cuenta de Inversión Retiro
- 13. Definición Churn Proporción de clientes o suscriptores contractuales que dejan un proveedor durante un período dado
- 14. Porqué? Indicador de la salud y lealtad de la compañía. Afecta el crecimiento de la empresa. Afecta el tamaño total de la empresa. Afecta la rentabilidad del empresa. Puede determinar el valor de la compañía.
- 16. DEMO Modelo simple de customer churn System Dynamics Vensim PLE 6.3 http://web.mit.edu/sysdyn/sd-intro/
- 17. Causa raíz Churn y Cross-Selling Cuantificación Influenciadores Causas
- 18. Carrito Promedio
- 20. 𝐶𝑎𝑛𝑐𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝐶𝑙𝑖𝑒𝑛𝑡𝑒𝑠 Tasa de cancelación de clientes: SIMPLE
- 22. Pendiente: Cuanta venta se pierde? Cuanta utilidad? Cuando abandona el cliente? Información Línea negocio
- 23. Causas
- 25. Y Big Data?
- 27. Tradicional Demográfico Edad Genero Localización Interno Tipo de cuenta Tipo de contrato Comportamiento Compras recientes Uso Llamadas a Servicio Producto Por Categoría Por Productos
- 28. Complejidad Datos: Variedad, Variabilidad y Velocidad Terabytes Gigabytes Megabytes Petabytes Que es Big Data?
- 29. Las 4 V’s de Big Data • Muchas opciones o interpretaciones variables confunden análisis • Ventana de Decisión pequeña en comparación con la tasa de cambio de datos • Integración es cara por los muchos formatos diferentes • Supera los límites físicos de la escalabilidad vertical Volumen Variedad VariabilidadVelocidad
- 31. Distributed Storage (HDFS) Query (Hive) Distributed Processing (MapReduce) DataIntegration (ODBC/SQOOP/REST) EventPipeline (EventHub/ Flume) Legenda Core Hadoop Data processing Microsoft integration points and value adds Packages Ecosistema de HDInsight y Hadoop YARN
- 35. De datos a decisiones a la acción Cortana Analytics Suite
- 36. eventos datos inteligencia Cortana Analytics Suite
- 37. eventos datos inteligencia gente entendimiento acción Cortana Analytics Suite
- 39. Tour de Visión
- 41. Reciente (Recency) 5: 0-2 meses … 1: 13-18 meses Clientes que han comprador recientemente, es más probable que compren otra vez
- 42. Frecuencia (Frequency) 1: +15 interacciones … 5: Menos 2 interacciones Clientes que compran frecuentemente , es más probable que compren otra vez Caso Especial: Clientes Nuevos
- 43. Monetary (Valor) 1: más $30K … 5: menos $80 Representa el valor de el cliente, para la empresa (venta o utilidad)
- 44. DEMO Cálculo RFM
- 45. Experimentos 4 Puntuación 3 Entrenamiento y Evaluación de Modelos 2 Ingeniera/Diseño de Características 1 Etiquetar • Usuario • Actividad • Productos • Redes Sociales
- 46. 1. Preparación de datos y Etiquetas
- 51. 4. Puntuación
- 53. Summit SolidQ Latam http://pa.summit.solidq.com/ Del 1ro al 3 de Junio Ciudad de Panamá, Panamá 1 día de seminario de SQL 2016 2 días - 2 tracks (Relacional – Inteligencia de Negocios) . Llenos de experiencias, buenas prácticas y últimas novedades tecnológicas Javier Loria jloria@solidq.com