MobiPlus Analytic CRM Veri ambarı çözümleri, esnek, kolay, hiyerarşik ve çok boyutlu analiz olanakları sunmaktadır. Esas olarak yöneticilerin ihtiyaçlarına uygun çok boyutlu bir özetleme ve analiz tekniğidir.
Verilere Çok Boyutlu Bakabilme Özelliği: Analizler sırasında yapılan kırılımlar, boyut olarak adlandırılır. Örnek olarak işlem miktarları, sayısal veriler, gruplamalar, tipler, türler, zaman parametreleri, vb. MoBiPlus Analytic CRM de bütün bu boyutlarla istenilen kriterlere uygun küp matrisleri anında oluşturulabilir.
MobiPlus Analitik CRM standart toplama, çıkarma, oranlama, vb. basit matematiksel işlemlerden çok daha kompleks sepet analizi, birliktelik analizi, seri (trend) analizi, RFM analizleri gibi istatiksel analizlerin yapılabilmesine olanak sağlamaktadır. Müşterilerinin demografik özellikleri doğrultusunda yaş – cinsiyet dağılımlarını, Firma tarafından tespit edilmiş yaşam evresi, yaşam tarzı, değer piramidi segmentlerine ve harcama aralıklarına göre analizlerin yapılabildiği raporlar hazırlanmaktadır. Bu raporlarlar sonucunda katılan değer tekrar müşterilere yansıtılmaktadır.
RFM analizi ile ideal müşterinin; alışveriş sıklığı, alışveriş tarih yakınlığı, alışveriş cirosu analizleri yapılarak toplam bir RFM skoru oluşturulmakta ve yapılacak aksiyonlar, kampanyalar bu skorlara göre gerçekleşmektedir.
Pazar sepeti analizi ile müşterilerin hangi ürünü ne zaman, nasıl koşullarda, ne aralıklarla aldığı hakkında analizler yaparak arasındaki birliktelik ilişkilerini incelenmekte, promosyon ve kampanya çalışmalarımızda verimlilik arttırılmaktadır.
Kullanılan diğer metodlar arasında üstel düzeltme, regresyon, korelasyon, winter metodu sayılabilir. Zaman boyutu, neredeyse her analizin temel bileşenidir. Zaman, genel boyutlardan farklı olarak, müşteriye has bir hiyerarşi içerisinde de gidebilir. Sistem zaman kavramlarını, gerçek uygulama yöntemlerine göre yorumlar.
İyi kurgulanmış bir veri tabanına sahip olan MobiPlus Analitik CRM üzerinde güçlü analizler yapmayı kolaylaştıracak araçlar (örneğin istatistiki analiz araçları) kullanılır.
Sınıflandırma
Her bir sınıfın özelliklerinin önceden net bir şekilde belirlenmiş olmasıdır. Örnek olarak, gelir düzeyi düşük, orta ve yüksek olarak ayırmak gösterilebilir.
Değer Biçme
Sınıflandırmanın aksine, değer biçme yöntemi, alışveriş cirosu gibi, sürekli değişkenlik gösteren sonuçlarla ilgilidir. Örnek olarak, daha önce işletmeyi terk etmiş müşterilerin ortak özellikleri belirlenerek, bu özelliklere sahip yeni müşterilere yeni teklifler sunarak, bu müşterilerin rakip işletmeye yönelmeleri önlenebilir.
Tahmin Etme
Esas olarak, tahmin etme yöntemi, sınıflama ve değer biçme yöntemlerinden ayrı tutulmamaktadır. Bu tahminlerin gerçekleşip gerçekleşmediği, zamanla öğrenilebilir. Örneğin, geçmiş verilere dayanılarak, 6 ay içinde işletmeyi terk edeceğini düşündüğümüz bir müşteri bunu aksi yönde hareket edebilir.
Yakınlık ya da Birlik Kuralları
Buradaki temel amaç, örneğin, bir süpermarketteki, beraber satılan ürünlerin ele alınması şeklinde belirtilebilir. Perakendeciler, bu bilgiyi, raf düzenlemeleri, katalog tasarlaması ve çapraz satış fırsatlarını yaratmak amacıyla kullanmaktadırlar.
Kümeleme
Değişik özellikler gösteren tüketicileri, kendi içinde benzerlik gösteren alt gruplara ve kümelere ayırma işlemidir. Sınıflandırmadan farkı ise, kümelemede özellikleri önceden belirlenmiş sınıfların olmamasıdır. Örneğin, birbirinden farklı müzik tarzlarını beğenen kişiler kümesi, aynı zamanda farklı alt kültür gruplarını da gösteriyor olabilir.
Tanımlama ve Görselleştirme
Doğru bir tanımlama, işletmeye nereden başlamak gerektiği konusunda bir rehber olabilir. Bulunan tanımlamaları, göze hitap edecek şekilde anlamlandırmak, binlerce ilişki kurmaktan daha yararlı olabilmektedir.
Analitik CRM’in çıktıları Operasyonel CRM süreçlerini şekillendirmekte kullanılır.
