НАВИГАЦИЯ
КОНТАКТЫ
  • LinkedIn - White Circle
  • Facebook - White Circle
  • Twitter - White Circle

info@DDM.center

Телефон: +380 67 341 7101

© 2017 DDM.center

Дожить или не дожить? Вот в чем вопрос (для модели Кокса).

Для многих людей, профессионально занимающихся демографией, социологией, медицинскими исследованиями, страхованием хорошо (или не очень хорошо, но) знакомы термины «таблицы смертности», «кривые дожития», «выживаемость».  Например, в страховании с помощью определенной методики компания оценивает потенциальный риск летального исхода (страховой случай) или среднее время выживания (выживаемость, время до события) клиента с учетом сопутствующих рисков, что и определяет размер индивидуальных страховых взносов.

 

Другими словами, мы хотим выяснить какое время пройдет до наступления определенного события, или какова вероятность наступления некоторого терминального события через определенное время.

 

Исходя из такой формулировки, количество прикладных задач может быть расширено. Например, мы можем попробовать сделать оценку вероятности ухода клиента, или увольнения сотрудника из компании.

 

Учитывая, что информации по этому вопросу достаточно, и любознательные читатели могут ее найти сами, мы в публикации сосредоточимся на выполнении практических упражнений для наших данных.

 

Возьмем набор данных, который мы начали анализировать в статье "О клиентах: кто ушел, а кто вернулся? Как использовать когортный анализ для развития бизнеса."

На одной из диаграмм мы показывали как изменяется уровень удержания клиентов. Т.е. сколько клиентов остается от первоначального количества в вледущих месяцах. 

 

Сейчас же мы сосредоточимся на других вопросах, которые чрезвычайно важны для управления клиентской базой и прогноза продаж. Например, через какой промежуток времени к-во клиентов сократится вдвое или же какой процент клиентов останется с компанией через 3 года.

 

Построим кривую дожития, используя пакет R и соответствующие библиотеки к нему. Для этого нам потребуется простая таблица с тремя полями:

  • Идентификатор клиента

  • Период сотрудничества - сколько дней, месяцв или лет клиент сотрудничет/сотрудничал с компанией на момент проведения анализа

  • Статус клиента - действующий или нет клиент

В нашем наборе данных есть информация об идентификаторе клиента и датах покупок. Вычислим первую и последнюю покупки и после этого период сотрудничества. Со статусом клиента будет сложнее. У нас нет точного маркера ушел клиент от нас или просто ничего не заказывает, но может заказать в будущем. 

Чтобы решить эту задачу, обратимся к статье "RFM-анализ. Как оптимизировать затраты на маркетинг и увеличить продажи?"

 

И посмотрим на распределение давности заказов

 На диаграмме видно, что основная масса клиентов осуществляет покупки в период от 0 до 120 дней, потом количество снижается, и мы наблюдаем еще один локальный пик через два месяца после 360 дней. Мы можем предположить, что если клиент не делал заказ больше, чем 420 дней, то вероятность заказа очень низкая и можем считать, что этот клиент прекратил сотрудничество с компанией. Будем помечать таких клиентов как "не действующий". 

Такой подход, хоть и не является точным, но позволяет компаниям гибко настраивать политику удержания клиентов.

Хорошо, в таблице создали все необходимые поля и посчитали их значения, давайте построим график и посмотрим, что получилось.

 

Мы видим, что 50% клиентов остается примерно через 1100 дней, что весьма неплохо. Мы помним из предыдущих статей, что компания хорошо удерживает клиентов и примерно 2/3 бизнеса приносят клиенты, которым больше 3-х лет.

 

Построим кривую дожития для другого клиента (набора данных). Она выглядит седующим образом.

 

На ней мы видим, что от клиентской базы остается действующими 50% за срок менее полугода, а за 3 года клиентская база будет полностью обновляться.

 

Рассмотрим еще один пример из области управления персоналом.

Увольнение специалиста всегда дополнительные затраты. Их бывает трудно точно посчитать, но оценить примерно возможно. Поэтому нам важно знать какое количество сотрудников будет покидать компанию через определенный промежуток времени (год, пять, десять и т.п.). Безусловно, таким образом мы не сможем прогнозировать увольнение конкретного сотрудника (для этого есть другие методы, которые мы рассмотрим позже), но сможем сделать оценку потребности в персонале и расходов на персонал.

 

Возьмем один из наборов данных, в котором есть информация о сотрудниках и их увольнениях.

 

Нас будут интересовать всего 3 поля:

  • EmployeeNumber - будем использовать как идентификатор

  • YearsAtCompany - период сотрудничества

  • Attrition - отметка о работе или увольнении

Построим кривую дожития.

 

Мы уже знаем, как интерпретировать результаты, поэтому не будем останавливаться на этом.

Зададим лучше себе следующий вопрос- а влияет ли на увольнение сотрудника департамент в котором он трудится, или его роль в компании?

востроим график с кривыми дожития для сотрудников из разных департаментов.

 

 Мы видим на графике, что кривые для разных департаментов практически не отличаются (хотя можно считать и смотреть и точное значение отличия, но мы приводить его здесь не будем, предполагая, что специалисты и так знают как его найти, а людей бизнеса нет смысла перегружать ненужной информацией. Тем не менее, если будет такое желание, высказывайтесь в комментариях, и мы обязательно расскажем технические детали).

 

Проделаем такое же упражнение для ролей сотрудников.

 Здесь мы видим существенные различия. Например, половина менеджеров работает в компании около 15 лет, в то же время половина торговых представителей всего около 3-х лет. Это важная информация для управления персоналом.

 

Конечно, мы могли бы строить графики и смотреть как влияют на увольнение все остальные параметры и их комбинации, но это долго. Поэтому в следующей статье мы рассмотрим методы, которые помогают определить параметры, наиболее влияющие на увольнение сотрудников.

 

 

 

О применении разного вида диаграмм можно узнать из нашего буклета. Скачивайте бесплатно по ссылке.

 

Подписывайтесь на обновления нашего блога, задавайте вопросы и назначайте встречу для консультации по вашим проектам.

 

Требуется консультация по анализу оттока персонала или увеличению продаж на основе анализа клиентской базы? Напишите нам или назначьте встречу.

 

 

 

 

 

 

Share on Facebook
Share on Twitter
Please reload

Избранные посты

Уйдет или не уйдет?

March 23, 2018

1/4
Please reload

Недавние посты