CRM Analytics — CLTV Hesaplama
Retention Rate üzerindeki %5lik bir artış, kârda %25 artış sağlamaktadır.
Yeni bir müşteri edinmek, mevcut bir müşteriyi elde tutmaktan 5 ila 25 kat daha pahalıdır.
Mevcut müşteriler, yeni müşterilere göre ortalama %67 daha fazla para harcıyorlar.
Şirketler bu bilgilere nasıl mı ulaşıyorlar?
CRM sayesinde!
Bu seride;
CRM Analitiği konularında sıkça ele alınan;
- RFM Analizi ile Müşteri Segmentasyonu
- Basit Customer Lifetime Value hesaplaması
- BGNBD-GammaGamma modelleri ile gelişmiş CLTV projeksiyonu
- Makine Öğrenmesi algoritmalarından K-means ile müşteri segmentasyonu
konularını ele alıyoruz.
Bu yazımda ise sizlere CRM Analitiğinde en önemli metriklerden olan Customer Lifetime Value’den bahsedeceğim
CRM — Customer Relationship Management
CRM Nedir?
Müşteri İlişkileri Yönetimidir.
Şirketlerin aktif ya da potansiyel müşteri verilerini yönetmede rehberlik eden yararlı bir araçtır, strateji ve süreçler bütünüdür.
Müşteri analitiği olarak da bilinen CRM analitiği, iş kararlarını etkileyecek değerli içgörüleri ortaya çıkarmak için CRM yazılımınızdaki verileri yorumlama sürecini ifade eder.
Genel amaç, müşterilerinizi daha yakından dijital olarak tanımaya çalışmaktır. Böylece emek, zaman, kârlılık ve strateji geliştirme gibi konularda fayda sağlanır.
CRM’in Amaçları
- Potansiyel müşteri durumlarını takip etmenize olanak sağlar.
- Müşterilerinizi elde tutma stratejileri hakkında fikir verir.
- Müşterilerinizi segmentlere ayırma fırsatı verir.
- Tutulan veriler ile birlikte tahmine dayalı modelleme fırsatı sağlar.
Peki Customer Lifetime Value nedir?
Türkçe olarak müşteri yaşam boyu değeri anlamına gelen Customer Lifetime Value, karşımıza CLTV, LTV, CLV olarak da çıkabiliyor ve CRM Analitiğinde en önemli metriklerdendir.
Bir müşterinin şirket ile olan tüm ilişkisi boyunca o şirket için toplam değeridir.
Pek çok şirket, bu değerli metriği gözden kaçırarak kısa vadeli bir yaklaşım benimsiyor ve bunun yerine yakın vadede tek bir satış için optimize ediyor.
Şirketin büyümesi için yeni müşteriler bulmak önemlidir, ancak bir şirketin uygulanabilir bir iş modelini sürdürmesi için mevcut müşterilerin yaşam boyu değerini optimize etmek çok daha önemlidir.
Mevcut müşterileri elde tutmanın yenilerini elde etmeye kıyasla maliyeti daha düşükolduğu için önemli bir metriktir, bu nedenle mevcut müşterilerinizin değerini artırmak, büyümeyi sağlamanın harika bir yoludur.
CLTV İstatistikleri
- Retention Rate üzerindeki %5lik bir artış, kârda %25 artış sağlamaktadır.*
- Yeni bir müşteri edinmek, mevcut bir müşteriyi elde tutmaktan 5 ila 25 kat daha pahalıdır. *
- Mevcut bir müşteriyi elde tutma olasılığı% 60 -% 70 arasındadır. *
- Mevcut müşteriler, yeni müşterilere göre ortalama %67 daha fazla harcıyorlar. *
- Şirketlerin% 76'sı CLV’yi kuruluşları için önemli bir kavram olarak görüyor. *
Proje Detayları
Bu projemizde daha önce RFM segmentasyonumuzda kullandığımız veriseti olan Online Retail II verisetini kullanacağız.
Bulduğumuz CLTV skorları ile müşterilerimizi segmentlere ayırıp bu segmentleri daha önce bulduğumuz RFM segmentleri ile de kıyaslayacağız.
Veriseti ve kodlara buradan ulaşabilirsiniz.
NOT: Çalışmadaki yardımcı fonksiyonlara github reposundaki helpers.py dosyasından ulaşabilirsiniz.
Veriseti bilgisi:
Online Retail II isimli veri seti İngiltere merkezli online bir satış mağazasının 01/12/2009–09/12/2011 tarihleri arasındaki satışlarını içeriyor.
Bu şirketin ürün kataloğunda hediyelik eşyalar yer alıyor. Promosyon ürünleri olarak da düşünülebilir.
Çoğu müşterisinin toptancı olduğu bilgisi de mevcut.
Python ile CLTV hesabı aşamaları:
- Veri önişleme adımları
- RFM skorlarının oluşturulması
- CLTV formulü ve tanımları
- CLTV hesabı
CLTV Metriğinin Hesaplanması
CLTV = (Customer Value / Churn Rate) x Profit Margin
Customer Value = Average Order Value x Purchase Frequency
Average Order Value = Total Revenue / Total Number of Orders
Purchase Frequency = Total Number of Orders / Total Number of Customers
Churn Rate = 1 — Repeat Rate
Tanımlar:
Average Order Value: Sipariş başına bırakılan gelir.
Purchase Frequency: Satın alma frekansı
Repeat Rate: Geri gelen müşteri oranı. 10 müşteri gitti 2si geri geldiyse repeat rate 0.2'dir.
Profit Margin: Kâr Marjı.
Satılan malların maliyeti, genel giderler, pazarlama ve diğer tüm yönetim giderleri hesaplandıktan sonra kalan kâr marjı.
Not!
Purchase Frequency: Burada satın alma frekansını genellemek için genel müşteri sayısına bölüyoruz. Amacımız tüm müşterilere göre görece bir etki bırakması.
Churn Rate: Sipariş başına bırakılan gelir ve satın alma frekanslarını çarparak müşterilerimizin sonsuza kadar bizde kalacağını varsayıyoruz.
Fakat böyle bir şey mümkün değil, bizim belirli bir churn oranımız var ve bunu metriğe dahil etmeliyiz.
Kütüphanelerin Yüklenmesi
Exploratory Data Analysis
Veri Önişleme
Son Sipariş Tarihi
Son sipariş tarihinden iki gün sonrasını analiz tarihi olarak belirleyelim.
RFM Segmentlerinin oluşturulması
Detaylı RFM analizi için daha önce yazmış olduğum yazıma göz atabilirsiniz.
RFM Tablosu
CLTV Hesaplama
Sipariş başına ortalama tutar — Average Order Value
Satın alma sıklığı
Repeat Rate
En az 1'den fazla alışveriş yapmış müşterilerin tüm müşterilere oranı
Kâr marjı
Satılan malların maliyeti, genel giderler, pazarlama ve diğer tüm yönetim giderleri hesaplandıktan sonra kalan kâr marjı.
Customer Value
Customer Lifetime Value
Min Max Scaler ve CLTV Segmentleri
Karşılaştırma yapmak için değerleri 1 ve 100 arasında ölçeklendirmek iyi olacaktır.
Final Tablosu
Verilerin excele kaydedilmesi
Bu çalışmada CRM’den, CRM’in amaçlarından ve CRM Analytics’in en önemli metriklerinden Customer Lifetime Value’nin hesaplanmasını yaptık.
Sizler de çalışmayı kendi ortamlarınızda çalıştırıp daha önce yapılan RFM segmentasyonu ve hesaplanan CLTV segmentlerini karşılaştırabilirsiniz.
Bir sonraki yazımda daha gelişmiş bir yöntem olan BGNBD & GammGamma modelleri ile CLTV hesaplamasıyla gelecek zamanlı bir projeksiyon çalışması yapacağız.
Sağlıcakla kalın!
Sorularınız için:
Kaynaklar:
DSMLBC — Veri Bilimi Okulu Veri Bilimci Yetiştirme Programı
https://www.veribilimiokulu.com
