¿Qué es la compra cruzada?
En segundo lugar, la venta cruzada también puede aumentar los beneficios. La práctica ha demostrado que el costo de vender un producto y servicio a los clientes existentes es mucho menor que el costo de adquirir un nuevo cliente. Los datos de las compañías de tarjetas de crédito muestran que, en promedio, los clientes de tarjetas de crédito no comienzan a obtener ganancias hasta el tercer año. Se puede ver que el costo de absorber nuevos clientes es muy alto y la venta cruzada de clientes existentes se ha convertido naturalmente en un atajo para que muchas empresas aumenten el retorno de su inversión.
Encontrar productos
¿Cómo realizar ventas cruzadas de forma efectiva? Naturalmente, encontrar el producto adecuado es el primer paso. Actualmente existen dos métodos: inspiración empresarial y minería de datos.
A veces, la inspiración empresarial puede indicarle a una empresa qué productos deben realizarse mediante venta cruzada. Por ejemplo, los préstamos hipotecarios son el siguiente producto natural que se venderá a los prestatarios hipotecarios. Por poner otro ejemplo, si una empresa ha desarrollado recientemente un producto estratégico, entonces el producto en sí es una buena opción para la venta cruzada.
La inspiración empresarial es, de hecho, una forma rápida y sencilla de identificar productos de venta cruzada. Pero confiar únicamente en la inspiración empresarial puede perder muchas oportunidades comerciales porque, en algunos casos, algunos buenos productos de venta cruzada no son intuitivos. Entonces, si desea encontrar esas posibles oportunidades de venta cruzada, existe una mejor herramienta: la minería de datos.
El análisis de enlaces es un método de minería de datos que puede descubrir correlaciones entre productos a partir de datos históricos, generando así los productos o servicios de venta cruzada más adecuados. Sin embargo, los resultados del análisis de enlaces deben basarse en el conocimiento empresarial para verificar su precisión y valor. Por lo tanto, en aplicaciones prácticas, la inspiración empresarial y la extracción de datos a menudo se combinan para determinar productos de venta cruzada adecuados.
Xunxiajia
Una vez determinado el producto a promocionar, la siguiente pregunta es: ¿a quién se debe promocionar?
Existen muchos métodos de minería de datos que pueden ayudar a resolver este problema. Uno de ellos es la adopción de estándares de enlace para la orientación al cliente.
El análisis de enlaces sirve principalmente para comprender la relación de compra entre diferentes productos al mismo tiempo o antes y después, proporcionando así sugerencias valiosas para agrupaciones o ventas cruzadas.
El análisis de vínculos se originó en la industria minorista. Un ejemplo típico es la historia de la cerveza y los pañales. Los mineros de datos analizaron los datos de las transacciones y descubrieron que la cerveza y los pañales se compraban al mismo tiempo y estaban altamente correlacionados. Investigaciones posteriores revelaron que cuando los padres de niños compran cerveza para ellos, a menudo compran pañales para sus hijos recién nacidos. Con base en la información anterior, el personal del supermercado ajustó rápidamente la estructura de ubicación de los productos para que la compra fuera más conveniente para los clientes. Actualmente, muchos bancos extranjeros han utilizado ampliamente una tecnología de extracción de datos similar para promover diferentes productos y servicios entre los clientes existentes.
Un enlace estándar suele incluir cuerpo estándar, encabezado estándar, soporte, confianza y promoción.
La siguiente tabla es un ejemplo del uso de IBM Intelligent Miner para la minería de datos:
Confianza () Tipo Promoción Estándar Asunto Título estándar
0,85 28,5 10,7 VISA Gold Tarjeta => Hipoteca
Este estándar muestra que el 28,5% de los usuarios de la tarjeta VISA oro han pedido un préstamo para comprar una casa, y su tasa de compra de vivienda es 10,7 veces la media. El número de clientes de este estándar representa el 0,85 de la base total de clientes (para obtener una definición detallada de este estándar, consulte las especificaciones de IBM Intelligent Miner). Con base en este criterio, sabemos que la venta cruzada de préstamos hipotecarios a usuarios de la Tarjeta VISA Gold es una buena opción.
El segundo enfoque consiste en utilizar un modelo de clasificación para predecir la probabilidad de que todos los clientes compren un producto determinado, descubriendo así quién tiene más probabilidades de comprar el producto.
El tercer método puede combinar análisis de enlaces y predicción de categorías para predecir los clientes seleccionados por el organismo estándar. Cada escenario de minería de datos tiene sus propias ventajas. En cuanto a qué solución es mejor, debe determinarse en función de las aplicaciones reales y los resultados del modelo.
Proceso de ventas
En términos generales, si tiene información de compra de productos del cliente, puede utilizar el análisis de enlaces para comprender el grado de correlación entre productos y determinar objetivos de venta cruzada. El análisis de enlaces producirá una serie de criterios de enlace. Cómo seleccionar partes significativas de muchos estándares requiere una combinación de conocimiento empresarial y extracción de datos.
Desde la perspectiva de la minería de datos, es principalmente seleccionar aquellos estándares con alta mejora, confianza y soporte; desde una perspectiva empresarial, es principalmente evaluar los estándares seleccionados para la minería de datos para seleccionar algunos correctos; , criterios valiosos para enlaces de venta cruzada.
Tras la selección, aquellos clientes que no hayan adquirido el "encabezado" en el "cuerpo estándar" son clientes potenciales. A continuación, puede seleccionar a todos los clientes potenciales para la venta cruzada, o puede utilizar el método de clasificación en la minería de datos para puntuar y encontrar clientes con alto poder adquisitivo para aumentar aún más la tasa de compra.
Pero en algunos casos, es posible que no nos importe el grado de correlación entre los productos. Solo necesitamos encontrar los clientes que tienen más probabilidades de comprar un producto específico de los clientes existentes sin limitar estos productos. ¿cliente? En este caso, podemos aplicar directamente el modelo de clasificación.
Para el producto designado A, recopilaremos la información general del cliente antes de comprar A, así como los datos de transacción de otros productos. Para los clientes que compran A, se puede asignar 1 y para los clientes que no compran A, se puede asignar 0.
Después de la asignación, se generará una serie de "conjuntos", como conjuntos de entrenamiento para modelado, conjuntos de prueba para pruebas y conjuntos de aplicaciones para aplicaciones. Este conjunto puede generarse mediante el método de movimiento de ventana de tiempo o el método de muestreo aleatorio.
Después de eso, podemos usar diferentes métodos de clasificación (regresión logística, red neuronal, función de base radial, árbol de decisión, etc.) para modelar y luego medir la calidad del modelo a través del gráfico de elevación, y finalmente elija Mejores modelos predictivos para aplicaciones prácticas.
En la industria minorista, debido a que las ganancias están estrechamente relacionadas con la cantidad de productos, cuantos más productos se compran, mayores serán las ganancias. Por lo tanto, para la venta cruzada en este tipo de industria, basta con utilizar el proceso anterior.
Pero para algunas industrias de servicios, como los bancos, no todos los productos para todos los clientes serán rentables, porque los costos diarios de mantenimiento y servicio son muy altos. Sería un "trabajo ingrato" si un banco redujera los beneficios de sus clientes tras realizar ventas cruzadas de algunos productos. Una buena forma de evitar esto es incorporar el análisis de ganancias en el proceso de minería.
Existen muchas ideas para el análisis de beneficios. Para las soluciones que utilizan análisis de enlaces, se pueden utilizar métodos estadísticos para comparar los cambios en las ganancias antes y después de comprar un producto y eliminar los modelos de venta cruzada cuyas ganancias disminuyen después de comprar nuevos productos. Para el modelo de clasificación, solo a aquellos clientes cuyas ganancias aumentan después de comprar el producto se les puede asignar un valor de 1 al modelar para lograr ventas cruzadas orientadas a objetivos con mayores ganancias. Alternativamente, podría crear otro modelo de predicción de ganancias y combinar la probabilidad de comprar el producto con las ganancias para seleccionar aquellos clientes con una alta probabilidad y una alta ganancia para la venta cruzada.
Mira ¿qué es la venta cruzada? En pocas palabras, significa promocionar el producto B de nuestra empresa entre los clientes que poseen el producto A de nuestra empresa. Tiene dos funciones:
Primera, fidelizar al cliente. Cuantos más clientes compren nuestros productos y servicios, menos probabilidades habrá de perder clientes. Los datos de los bancos muestran que la tasa de abandono de clientes que compran dos productos es del 55%, mientras que la tasa de abandono de clientes con cuatro o más productos o servicios es casi cero.
En segundo lugar, la venta cruzada también puede aumentar los beneficios. La práctica ha demostrado que el costo de vender un producto y servicio a los clientes existentes es mucho menor que el costo de adquirir un nuevo cliente. Los datos de las compañías de tarjetas de crédito muestran que, en promedio, los clientes de tarjetas de crédito no comienzan a obtener ganancias hasta el tercer año. Se puede ver que el costo de absorber nuevos clientes es muy alto y, naturalmente, la venta cruzada de clientes existentes se convertirá en un compromiso.