麦德龙 数据挖掘

需要支持或定价信息

点击此处或致电+86 (0) 21-6352 3300

Insights

麦德龙

客户背景

麦德龙Cash&Carry®是一家领先的国际自助式批发零售商,在29个国家拥有超过700家门店。该公司的业务模式包含针对专业客户的产品和服务组合,如酒店和餐厅经营者、饮食及酒店公司、独立的小零售商以及机构和办事处。麦德龙于1996年进入中国市场,在上海开了第一家专卖店。正如其座右铭所说,为专业的客户提供最好的产品批发价格,麦德龙推出Metromall.com.cn网站,让客户可以在网上下订单。

面临问题

零售业务产生了大量的交易数据,在个体级别来看,就是大量的记录,因为每一个通过商店,网上商店和其他渠道购买的行为都会形成记录,这就使得顾客的重复购买模式难以理解,从而难以洞察顾客的行为和偏好。对于数据库中超过200万的顾客信息,麦德龙希望分析客户的人口统计特征,偏好特点和购买模式之间的关系,以便为顾客提供建议,有助于提升他们的购物体验。

麦德龙的目标是将通过邮购、店面和网络取得的客户信息转化为可以盈利的知识。因此麦德龙寻求开发一个推荐引擎,根据每个客户的个人喜好量身定制其网上购物体验。通过创建有针对性的客户服务,根据客户的购买历史为其推荐产品,麦德龙希望公司能够顺利地过渡到网上购物,并增加其盈利能力。

麦德龙需要快速轻松地挖掘出埋藏在顾客数据库和交易数据库中的信息。该公司希望有这样一款软件包,可以为对顾客行为最了解的营销人员所使用。由于时间的宝贵,所以麦德龙的管理者知道减少使用过程中程序员的工作量,对于公司来说,既可以节省时间,也可以节省金钱。

解决方案

麦德龙使用IBM SPSS Modeler建立了一个引擎,根据客户的个人信息料推荐合适的产品,这些个人信息是在基于过去的交易和营销活动中收集到的信息。

麦德龙从门店和Metromall.com网站获得的交易数据,分析顾客网上购物频率和费用信息,从而发现有价值的客户。然后利用IBM SPSS Modeler中的Kohonen网络的聚类分析方法,对收集到的顾客进行了细分。通过这种方法,他们尝试着建立一个顾客的“数字生活方式”模型。当新的客户访问Metromall的网站的时候,系统就会自动知道进行什么推荐。他们不停地更新优化模型,利用IBM SPSS Modeler 对每天的交易数据进行分析和建模,然后把结果转移到Web推荐系统中。

 

应用结果

IBM SPSS Modeler的易用性使麦德龙的营销人员可以轻松分析从顾客基础数据库和分析交易数据库中得到的信息,并产生推荐引擎中使用的业务规则。

“我们选择IBM SPSS Modeler,因为它无需电脑编程知识来开发非常强大的分析解决方案”,麦德龙的一名市场经理解释说, “这种做法更加有效,它省去了市场人员和程序员之间的沟通。现在,营销人员可以完成整个工作,从而节省了大量的时间。”

麦德龙的营销人员收集了广泛的信息,用于建立顾客购买行为模型,包括:

  • 人口统计信息,如年龄,性别,职业 
  • 从以往活动和研讨会中收集到的调查数据
  • 通过柜台购买的销售信息

使用IBM SPSS Modeler来分析这些信息,营销人员利用“数字生活方式”模型对顾客进行聚类,然后用于构建业务

规则和推荐引擎,以及对于经常使用的客户显示个性化的网站。

该引擎的工作原理是将客户的个人资料,即注册在“我的麦德龙”页面上的信息,和预定义的数字生活方式模型对比。基于个人资料匹配的数字生活方式模型,提出相应的推荐。例如,引擎可以:

  • 选择特色产品和特定优惠显示在顾客的个人麦德龙主页上
  • 当顾客访问一个特定的产品版块时,选择具体的产品进行显示
  • 当顾客购买某个产品时进行互补产品的推荐

营销人员还基于购物频率和购买量,发现其最有价值的顾客。这使新的推荐引擎把重点放在这些顾客上。

在推荐引擎使用的第一个月内,网站的流量明显增加。麦德龙的管理人员说,流量的突飞猛进几乎可以完全归功于新的推荐引擎。更重要的是,麦德龙的销售量也增加了,因为推荐引擎的存在,推动消费者去购买更多的产品。