Моделирование на основе аналогий (Look-alike modeling)

Синонимы: LAM

Разделы: Бизнес-задачи

В маркетинге, управляемом данными, моделирование на основе аналогий — технология анализа данных, позволяющая обнаруживать новые целевые аудитории клиентов на основе аналогий с существующими. В основе технологии лежит поиск потребителей, поведенческие профили которых аналогичны профилям наиболее значимых клиентов из уже имеющейся аудитории.

Моделирование на основе аналогий использует машинное обучение для построения моделей, обнаруживающих группы потенциальных клиентов, чьи поведенческие, социальные и демографические характеристики аналогичны существующим. Это позволяет применять маркетинговые практики, хорошо зарекомендовавшие себя на существующих сегментах, к новым.

При этом возможны два подхода. Первый — поиск сегментов, потребительское поведение клиентов в которых аналогично лучшим из уже существующих. Тогда на них можно распространять маркетинговые практики, хорошо показавшие себя на потребителях с высокой конверсией.

Второй, напротив, ориентирован на поиск сегментов, аналогичных худшим из уже известных (отсутствие лояльности, низкая конверсия). Для них необходимо использовать принципиально другие маркетинговые стратегии, или вообще отказаться от выстраивания отношений.

Для этого необходимо сформировать обучающий набор данных, содержащий описание свойств и характеристик наиболее значимых клиентов из существующей целевой аудитории. Затем на его основе строят обучаемую модель, которая выявит основные зависимости и закономерности клиентского поведения. После этого останется только искать потенциальных клиентов с аналогичными поведенческими шаблонами.

Этот процесс обычно осуществляется через платформу клиентских данных и включает в себя три ключевых этапа.

Сбор данных. Чтобы создать новую аудиторию, аналогичную существующей, сначала необходимо собрать репрезентативный набор данных о существующих клиентах. Как правило это первичная информация, которую компания может собрать по своим собственным каналам.

Отбор признаков. На данном шаге требуется определить признаки, наиболее значимые для описания самых прибыльных клиентов из существующей аудитории. Они и будут формировать профиль клиента. Примерами таких признаков может быть местоположение, содержание покупок, их частота и количество, история просмотров на сайте и т.д. Чем точнее будут выбраны признаки, тем выше шансы обнаружить действительно качественных потенциальных клиентов.

Формирование аналогичной аудитории. Здесь на основе сформированного обучающего набора данных строится обучаемая модель (например, классификации, кластеризации или регрессии), которая оценивает сходство профилей потенциальных клиентов с профилями существующих. Лучшие из них будут использованы для формирования новой аудитории, аналогичной существующей, но из клиентов с наиболее высокой ожидаемой конверсией.

Если используется классификация, то берется класс, в который попали профили наиболее выгодных клиентов. Именно из его членов и будет формироваться новая целевая аудитория.

При использовании кластеризации выбирается кластер с самыми привлекательными профилями клиентов. Именно из него будут отбираться новые потребители для формирования целевой группы.

Для модели регрессии каждому профилю клиента может быть присвоен рейтинг, оценивающий его важность для бизнеса. После этого новая целевая аудитория будет формироваться из новых клиентов с рейтингом, превосходящим порог, выбранный опытным или экспертным путем.

Таким образом, моделирование на основе аналогий в маркетинге является эффективным инструментом таргетинга, который позволяет снизить расходы на привлечение новых клиентов и обеспечить стабильный рост бизнеса за счет формирования новой целевой аудитории из потенциальных клиентов, наиболее похожих на самых прибыльных из существующих.