Neste projeto será realizada uma análise do tipo RFV (Recência, Frequência e Valor) com dados que encontrei neste video no Youtube do canal Jie Jenn.
O objetivo do projeto é através do algorítmo KMeans encontrar uma segmentação dos clientes para campanhas de marketing. Ao fim foi entregue uma arquivo .csv com os clientes segmentos em:
- Potencialmente Leais;
- Frequentes de Valor;
- Retenção;
- Regulares.
Os dados são de uma rede varejista fictícia, as colunas estão organizadas dessa forma:
Coluna | Descrição |
---|---|
OrderNumber | ID do pedido |
Sales Channel | Canal de vendas do pedido |
WarehouseCode | ID do armazém do pedido |
ProcuredDate | Data de reserva do pedido |
OrderDate | Data da realizaçãod do pedido |
ShipDate | Data de envio |
DeliveryDate | Data de entrega |
CurrencyCode | Moeda utilizada na transação |
_SalesTeamID | ID do time de vendas |
_CustomerID | ID do cliente |
_StoreID | ID da loja |
_ProductID | ID do produto |
Order Quantity | Quantidade de itens no pedido |
Discount Applied | Desconto aplicado na compra |
Unit Price | Preço unitário do produto |
Unit Cost | Custo unitário |
- Pandas, Numpy.
- Seaborn, Matplotlib.
- KMeans.
Pensei nos segmentos da seguinte forma:
- Clientes potencialmente leais: podem estar explorando diferentes produtos dentro da empresa e têm potencial para se tornarem leais à nossa marca com o tempo. Ofertas personalizadas e outros meios de mantê-los engajados são importantes.
- Frequentes de valor: são aqueles regulares que constantemente consomem nossos serviços. Com estes, precisamos usar estratégias de fidelização, como programas de recompensas e descontos por recorrência.
- Clientes de retenção: possivelmente estão perdendo o interesse em nossa marca ou podem já ter encontrado outra opção. Para estes, precisamos buscar meios de reativação e incentivos para reacender a vontade de nos buscar.
- Clientes regulares: são fiéis à nossa marca e retornam com certa regularidade. Buscar recomendações baseadas em suas últimas compras pode ser uma forma de estimular mais compras.
- Campanhas de recomendações e descontos personalizados: Através de e-mail marketing, sugerir produtos relacionados ou que complementam as últimas compras, juntamente com cupons de desconto.
- Programa de exclusividade: Oferecer acesso exclusivo a novos produtos no catálogo com certa antecedência.
- Programa de fidelidade: Oferecer recompensas a partir de metas de consumo, como descontos especiais e brindes que remetam à nossa marca, assim como eventos para clientes dentro do programa, como dias com ofertas diferenciadas.
- Campanhas de reativação: Envio de e-mails com descontos agressivos baseados nas últimas compras feitas ou oferecer descontos para as próximas compras.
- Pesquisas de satisfação: Envio de e-mails com pesquisa de satisfação, para entender os motivos da inatividade, com desconto especial ao final do formulário.
- Promoções de recompensa por referência: Incentivar esses clientes a indicarem amigos ou familiares oferecendo recompensas especiais, como descontos ou brindes, para cada nova indicação bem-sucedida.
Ao concluir este projeto, podemos ver como, no caso do setor de marketing, a Análise RFV pode ser ponto chave para campanhas bem-sucedidas e bons resultados. Uma segmentação bem realizada permite a criação de campanhas de marketing com um direcionamento personalizado para cada tipo de cliente, dando um pouco de "alma" para cada campanha. A análise pode ser direcionada para diversos outros setores com fins diferentes, mas sempre entregando como resultado uma segmentação que permite trabalhar de forma ajustada e com menos espaços para erros causados por generalismos.