Sas marketing optimization это

Обновлено: 06.07.2024

SAS разрабатывался в Государственном университете Северной Каролины с 1966 по 1976 год, когда был включен институт SAS. SAS получила дальнейшее развитие в 1980-х и 1990-х годах с добавлением новых статистических процедур, дополнительных компонентов и введения JMP . Интерфейс "укажи и щелкни" был добавлен в версию 9 в 2004 году. Продукт для анализа социальных сетей был добавлен в 2010 году.

СОДЕРЖАНИЕ

Технический обзор и терминология

SAS - это программный пакет, который может добывать, изменять, управлять и извлекать данные из различных источников, а также выполнять их статистический анализ. SAS предоставляет графический пользовательский интерфейс «укажи и щелкни» для нетехнических пользователей и многое другое на языке SAS .

В программах SAS есть шаги DATA, которые извлекают и обрабатывают данные, и шаги PROC, которые анализируют данные. Каждый шаг состоит из серии утверждений.

Шаг DATA содержит исполняемые операторы, которые приводят к тому, что программное обеспечение выполняет действие, и декларативные операторы, которые предоставляют инструкции для чтения набора данных или изменения внешнего вида данных. Шаг DATA состоит из двух этапов: компиляции и выполнения. На этапе компиляции обрабатываются декларативные операторы и выявляются синтаксические ошибки. После этого на этапе выполнения последовательно обрабатывается каждый исполняемый оператор. Наборы данных организованы в таблицы со строками, называемыми «наблюдениями», и столбцами, называемыми «переменными». Кроме того, у каждой части данных есть дескриптор и значение.

Шаг PROC состоит из операторов PROC, которые вызывают именованные процедуры. Процедуры выполняют анализ и составление отчетов по наборам данных для создания статистики, анализа и графиков. Существует более 300 названных процедур, каждая из которых содержит значительный объем программной и статистической работы. Операторы PROC также могут отображать результаты, сортировать данные или выполнять другие операции.

Макросы SAS - это фрагменты кода или переменных, которые кодируются один раз и используются для выполнения повторяющихся задач.

Данные SAS можно публиковать в HTML, PDF, Excel, RTF и других форматах с помощью системы доставки вывода, которая была впервые представлена в 2007 году. SAS Enterprise Guide - это интерфейс SAS, основанный на принципах «укажи и щелкни». Он генерирует код для управления данными или автоматического выполнения анализа и не требует опыта программирования SAS.

Программный пакет SAS состоит из более чем 200 компонентов. Некоторые из компонентов SAS включают:

Базовый SAS - Основные процедуры и управление данными
SAS / STAT - Статистический анализ
SAS / GRAPH - Графика и презентация
SAS / OR - Операционные исследования
SAS / ETS - Эконометрика и анализ временных рядов
SAS / IML - язык интерактивных матриц
SAS / AF - Средство приложений
SAS / QC - Контроль качества
SAS / INSIGHT - интеллектуальный анализ данных
SAS / PH - Анализ клинических испытаний
Enterprise Miner - интеллектуальный анализ данных
Руководство для предприятий - редактор кода на основе графического интерфейса и менеджер проектов
SAS EBI - набор приложений бизнес-аналитики
SAS Grid Manager - менеджер вычислительной среды SAS grid.

История

Происхождение

Разработка SAS началась в 1966 году после того, как Университет штата Северная Каролина повторно нанял Энтони Барра для программирования своего программного обеспечения для анализа дисперсии и регрессии, чтобы оно могло работать на компьютерах IBM System / 360 . Проект финансировался Национальным институтом здоровья . и изначально предназначалась для анализа сельскохозяйственных данных с целью повышения урожайности сельскохозяйственных культур. К Барру присоединился студент Джеймс Гуднайт , который разработал статистические процедуры программного обеспечения, и они стали руководителями проекта. В 1968 году Барр и Гуднайт интегрировали новые процедуры множественной регрессии и дисперсионного анализа . В 1972 году, после выпуска первой версии SAS, проект лишился финансирования. По словам Goodnight, это произошло потому, что NIH хотел финансировать только проекты с медицинскими приложениями. Гуднайт продолжал преподавать в университете за зарплату в 1 доллар и доступ к мэйнфреймам для использования в проекте, пока в следующем году он не был профинансирован университетскими статистиками Южных экспериментальных станций . Джон Салл присоединился к проекту в 1973 году и внес свой вклад в эконометрику программного обеспечения, временные ряды и матричную алгебру. Еще одна ранняя участница, Кэролл Г. Перкинс, внесла свой вклад в раннее программирование SAS. Джолейн В. Сервис и Джейн Т. Хелвиг создали первую документацию SAS.

Первые версии SAS были названы в честь года их выпуска. В 1971 году SAS 71 был выпущен ограниченным выпуском. Он использовался только на мэйнфреймах IBM и имел основные элементы программирования SAS, такие как этап DATA и наиболее распространенные процедуры на этапе PROC. В следующем году была выпущена полная версия SAS 72, в которой был представлен оператор MERGE и добавлены функции для обработки недостающих данных или объединения наборов данных. В 1976 году Барр, Гуднайт, Салл и Хельвиг вывели проект из штата Северная Каролина и включили его в состав SAS Institute, Inc.

Разработка

SAS был переработан в SAS 76 с открытой архитектурой , допускающей компиляторы и процедуры. Операторы INPUT и INFILE были улучшены, чтобы они могли читать большинство форматов данных, используемых мэйнфреймами IBM. Также добавлено создание отчетов с помощью операторов PUT и FILE. Также была добавлена возможность анализа общих линейных моделей и процедура FORMAT, которая позволяла разработчикам настраивать внешний вид данных. В 1979 году в SAS 79 была добавлена поддержка операционной системы CMS и введена процедура DATASETS. Три года спустя SAS 82 представил ранний макроязык и процедуру APPEND.

SAS версии 4 имел ограниченные возможности, но сделал SAS более доступным. Версия 5 представила полный макроязык, индексы массивов и полноэкранный интерактивный пользовательский интерфейс под названием Display Manager. В 1985 году SAS был переписан на языке программирования Си . Это позволило реализовать архитектуру SAS Multivendor, которая позволяет программному обеспечению работать в UNIX , MS-DOS и Windows . Ранее он был написан на PL / I , Fortran и ассемблере .

В 1980-х и 1990-х годах SAS выпустила ряд компонентов в дополнение к Base SAS. SAS / GRAPH, который производит графику, был выпущен в 1980 году, как и компонент SAS / ETS, который поддерживает эконометрический анализ и анализ временных рядов. Компонент SAS / PH-Clinical, предназначенный для фармацевтических пользователей, был выпущен в 1990-х годах. В 2002 году Управление по санитарному надзору за качеством пищевых продуктов и медикаментов стандартизировало SAS / PH-Clinical для применения новых лекарственных средств. Также были представлены вертикальные продукты, такие как SAS Financial Management и SAS Human Capital Management (тогда они назывались CFO Vision и HR Vision соответственно). JMP был разработан соучредителем SAS Джоном Саллом и группой разработчиков, чтобы воспользоваться преимуществами графического пользовательского интерфейса, представленного в Apple Macintosh 1984 года и впервые выпущенного в 1989 году. Обновленные версии JMP выпускались непрерывно после 2002 г. последний выпуск - 2016 г.

SAS версии 6 использовался на протяжении 1990-х годов и был доступен в более широком диапазоне операционных систем, включая Macintosh , OS / 2 , Silicon Graphics и PRIMOS . SAS представила новые функции через точечные релизы. С 6.06 по 6.09 был представлен пользовательский интерфейс, основанный на парадигме Windows, и добавлена поддержка SQL. Версия 7 представила систему доставки вывода (ODS) и улучшенный текстовый редактор. В последующих выпусках ODS были улучшены. Например, в версии 8 было добавлено больше параметров вывода. Количество поддерживаемых операционных систем было уменьшено до UNIX , Windows и z / OS , а также добавлен Linux . SAS версии 8 и SAS Enterprise Miner были выпущены в 1999 году.

Недавняя история

В 2002 году была представлена программа Text Miner. Text Miner анализирует текстовые данные, такие как электронные письма, на предмет шаблонов в приложениях Business Intelligence. В 2004 году была выпущена версия SAS 9.0, получившая название «Project Mercury» и призванная сделать SAS доступным для более широкого круга бизнес-пользователей. Версия 9.0 добавила настраиваемые пользовательские интерфейсы на основе роли пользователя и установила пользовательский интерфейс «укажи и щелкни» SAS Enterprise Guide в качестве основного графического пользовательского интерфейса (GUI) программного обеспечения. Функции управления взаимоотношениями с клиентами (CRM) были улучшены в 2004 году с помощью SAS Interaction Management. В 2008 году SAS анонсировала Project Unity, предназначенный для интеграции качества данных, интеграции данных и управления основными данными.

SAS Institute Inc против World Programming Ltd - это судебный процесс с разработчиками конкурирующей реализации World Programming System , в которых утверждалось, что они частично нарушили авторские права SAS, реализовав ту же функциональность. Это дело было передано из Высокого суда Соединенного Королевства в Европейский суд 11 августа 2010 года. В мае 2012 года Европейский суд вынес решение в пользу World Programming, установив, что «функциональность компьютерной программы и язык программирования не может быть защищен авторским правом ".

Бесплатная версия была представлена для студентов в 2010 году. В том же году был выпущен SAS Social Media Analytics, инструмент для мониторинга социальных сетей, анализа вовлеченности и настроений . В том же году был представлен SAS Rapid Predictive Modeler (RPM), который создает базовые аналитические модели с помощью Microsoft Excel . В JMP 9 в 2010 году был добавлен новый интерфейс для использования языка программирования R из JMP и надстройка для Excel. В следующем году в рамках партнерства с Teradata и EMC Greenplum стало доступно высокопроизводительное вычислительное устройство . В 2011 году компания выпустила Enterprise Miner 7.1. С октября 2013 года по октябрь 2014 года компания представила 27 продуктов для управления данными и обновила еще 160 продуктов. На глобальном форуме SAS 2015 года компания анонсировала несколько новых продуктов, предназначенных для различных отраслей, а также новое программное обеспечение для обучения.

Дата выхода

С 1972 года у SAS было много выпусков. Начиная с выпуска 9.3, SAS / STAT имеет собственную нумерацию выпусков.

Выпускать	Дата	Комментарий
72	Январь 1972 г.
76	Июль 1976 г.
79,5	Апрель 1981 г.
82,4	Январь 1983 г.
4.06	Март 1984 г.
5,03	Июль 1986 г.
6.01	Январь 1985 г.	ПК DOS
6,03	Март 1988 г.
6.06	Март 1990 г.
6,07	Апрель 1991 г.
6,08	Март 1993 г.
6.09	Октябрь 1993 г.
6.10	Октябрь 1994
6,11	Октябрь 1995 г.
6,12	Ноябрь 1996
7.0	Октябрь 1998
8.0	Ноябрь 1999 г.
8.1	Июль 2000 г.
8,2	Март 2001 г.
9.0	Октябрь 2002 г.
9.1	Декабрь 2003 г.
9.1.3	Август 2004 г.
9.2	Март 2008 г.	СТАТИСТИКА 9.2
9,2 м2	Апрель 2010 г.	СТАТИСТИКА 9.22
9,3	Июль 2011 г.	СТАТИСТИКА 9.3
9,3 м2	Август 2012 г.	СТАТ 12.1
9,4	Июль 2013	СТАТУС 12.3
9,4M1	Декабрь 2013	СТАТ 13.1
9,4 м2	Август 2014 г.	СТАТУС 13.2
9,4 м3	Июль 2015 г.	STAT 14.1
9,4М4	Ноябрь 2016	СТАТИСТИКА 14.2
9,4М5	Сентябрь 2017 г.	СТАТУС 14.3
9,4М6	Ноябрь 2018 г.	STAT 15.1
9,4М7	Август 2020 г.	СТАТ 15.2

Программные продукты

По состоянию на 2011 год самый большой набор продуктов SAS - это линия для сбора информации о клиентах . Многочисленные модули SAS для Интернета, социальных сетей и маркетинговой аналитики могут использоваться для профилирования клиентов и потенциальных клиентов, прогнозирования их поведения, управления и оптимизации коммуникаций. SAS также предоставляет SAS Fraud Framework. Основная функция платформы - отслеживать транзакции в различных приложениях, сетях и партнерах и использовать аналитику для выявления аномалий, указывающих на мошенничество. SAS Enterprise GRC (Governance, Risk and Compliance) обеспечивает моделирование рисков, анализ сценариев и другие функции для управления и визуализации рисков, соблюдения нормативных требований и корпоративных политик. Существует также набор продуктов SAS Enterprise Risk Management, предназначенный в первую очередь для банков и финансовых организаций.

Продукты SAS для мониторинга и управления операциями ИТ-систем вместе именуются SAS IT Management Solutions. SAS собирает данные о производительности и использовании различных ИТ-активов, а затем создает отчеты и анализирует их. Продукты SAS Performance Management объединяют и предоставляют графическое отображение ключевых показателей эффективности (KPI) на уровне сотрудников, отделов и организаций. Пакет продуктов SAS Supply Chain Intelligence предлагается для нужд цепочки поставок, таких как прогнозирование спроса на продукцию, управление распределением и запасами и оптимизация ценообразования. Существует также набор программного обеспечения «SAS for Sustainability Management» для прогнозирования экологических, социальных и экономических последствий и определения причинно-следственных связей между операциями и воздействием на окружающую среду или экосистему.

У SAS есть наборы продуктов для конкретных отраслей, таких как правительство, розничная торговля, телекоммуникации и аэрокосмическая промышленность, а также для оптимизации маркетинга или высокопроизводительных вычислений .

Бесплатное университетское издание

SAS также предлагает бесплатную университетскую версию, которую может загрузить любой желающий для некоммерческого использования. Первое объявление об этом бесплатном университетском издании, похоже, появилось в газетах 28 мая 2014 года.

Сравнение с другими продуктами

В статье 2005 года для Journal of Marriage and Family, в которой сравниваются статистические пакеты от SAS и его конкурентов Stata и SPSS , Алан К. Акок написал, что программы SAS обеспечивают «необычайный диапазон задач анализа данных и управления данными», но их трудно использовать и учиться. Между тем, SPSS и Stata были легче для изучения (с лучшей документацией), но обладали менее способными аналитическими возможностями, хотя их можно было расширить с помощью платных (в SPSS) или бесплатных (в Stata) надстроек. Акок пришел к выводу, что SAS лучше всего подходит для опытных пользователей , в то время как случайные пользователи больше всего выиграют от SPSS и Stata. Сравнение, проведенное Калифорнийским университетом в Лос-Анджелесе , дало аналогичные результаты.

Такие конкуренты, как Revolution Analytics и Alpine Data Labs, рекламируют свои продукты как значительно более дешевые, чем у SAS. В сравнении 2011 года Дуг Хеншен из InformationWeek обнаружил, что стартовые сборы для этих трех компаний одинаковы, хотя он признал, что стартовые сборы не обязательно были лучшей основой для сравнения. Бизнес-модель SAS не так сильно зависит от начальных сборов за свои программы, вместо этого она сосредоточена на доходах от ежегодной абонентской платы.

Принятие

По данным IDC, SAS является крупнейшим держателем доли рынка «продвинутой аналитики» с 35,4% рынка по состоянию на 2013 год. Она является пятым по величине держателем доли рынка программного обеспечения для бизнес-аналитики (BI) с долей 6,9% и крупнейший независимый поставщик. На рынке бизнес- аналитики он конкурирует с такими конгломератами, как SAP BusinessObjects , IBM Cognos , SPSS Modeler , Oracle Hyperion и Microsoft Power BI . Компания SAS была включена в Квадрант лидеров Gartner для инструментов интеграции данных, а также для бизнес-аналитики и аналитических платформ. Исследование, опубликованное в 2011 году в BMC Health Services Research, показало, что SAS использовался в 42,6% анализов данных в исследованиях в сфере здравоохранения на основе выборки из 1139 статей, взятых из трех журналов.

SAS – крупнейшая в мире частная ИТ-компания в сегменте решений и услуг в области бизнес-аналитики. Клиенты SAS – это более 83 тысяч организаций в 158 странах мира. По данным IDC, SAS занимает около трети мирового рынка углубленной аналитики (Advanced Analytics).

В рамках партнерского соглашения «КОРУС Консалтинг» предложит российским и международным компаниям из различных отраслей всю линейку продуктов SAS для продвинутой аналитики, а также комплексные решения по противодействию мошенничеству и управлению рисками, платформенные технологии для создания аналитических хранилищ и управления данными (Data Governance).

Продукты SAS

SAS Customer Intelligence 360 – это маркетинговая платформа, которая позволяет бизнесу планировать и реализовывать маркетинговые кампании, управлять клиентскими путешествиями, анализировать результаты проведенных активностей. Платформа включает в себя модули, которые бесшовно интегрированы между собой, и позволяют решить маркетологам все задачи, связанные с внедрением cross-channel direct marketing strategy.

SAS Customer Intelligence обеспечивает целостное взаимодействие по всем каналам, повышая качество обслуживания и лояльность клиентов, а также помогает повышать конкурентоспособность и добиваться более высокого возврата от инвестиций в маркетинг.

Возможности SAS Customer Intelligence

Мощный инструмент прогнозирования для маркетологов

С помощью удобных маркетинговых инструментов и средств углубленного анализа маркетологи и бизнес-аналитики смогут преобразовывать цифровые данные в практически полезную информацию, позволяющую прогнозировать поведение клиентов. Она поможет управлять взаимодействием с клиентами в реальном времени и создавать для них персонализированные предложения. А также дает понимание того, какие маркетинговые программы работают, какие не работают, и почему.

Единый интерфейс для детализированных данных о каждом клиенте

SAS Customer Intelligence позволяет уйти от простого подсчета переходов по ссылкам к подлинному пониманию поведения клиентов на сайтах и в мобильных приложениях. Возможность объединять данные о клиентах из автономных и онлайн-источников (о прошлых взаимодействиях клиентов с Вашей компанией, недавних операциях и действиях в реальном времени) формирует полное и последовательное представление о поведении клиента.

Персонализированное взаимодействие по всем доступным каналам

Решение дает возможность привлечения клиентов по каждому каналу взаимодействия, формируя у них положительный образ Вашего бренда. С помощью SAS Customer Intelligence можно выработать индивидуальный подход к клиенту, учитывающий этап жизненного цикла, на котором он находится, и выбрать наиболее подходящий способ взаимодействия, будь то сайт, мобильное приложение или предложение от консультанта по телефону.

Оптимизация маркетинговых кампаний

Повышение эффективности маркетинговых кампаний за счет применения бизнес-ограничений на этапе оптимизации. Подбирая настройки кампании, Вы сможете найти то сочетание, которое в наибольшей степени соответствует бизнес-целям, например, увеличение общей выручки по всему портфелю предложений, снижение оттока клиентов или стимулирование продаж конкретного продукта. Кроме этого, решение помогает эффективнее использовать маркетинговый бюджет.

Точная аналитика в реальном времени

Прогнозные модели существенно облегчают управление кампаниями: выделяют наиболее значимые факторы, влияющие на бизнес, и к какому результату они приведут. Модели самообучаются с учетом всей новой информации и со временем становятся более точными и эффективными.

Повысить отдачу от инвестиций в целевой маркетинг, максимизировать объем продаж и совокупную прибыль по всем проводимым кампаниям за счет наилучшего распределения предложений между клиентами — с недавних пор Альфа-Банк решает такие задачи в автоматическом режиме, быстро и с учетом всех влияющих факторов

Начальник отдела аналитики и моделирования

Руководитель направления сопровождения коммуникаций

Когда банк может сделать клиенту больше одного предложения и задействовать при этом разные каналы коммуникации, перед службами продаж и маркетинга встает вопрос: что именно, когда и по какому каналу предложить? Причем выбрать для клиента предложение нужно так, чтобы для него оно было самым «вкусным», а для банка — самым выгодным по соотношению затрат и выручки и соответствовало конечной цели, будь этой целью максимизации отклика в штуках или объеме выдачи, максимизация прибыли или минимизация затрат. Задача еще больше усложняется, когда в вашей базе миллионы клиентов и существует ряд ограничений, например, по бюджету, пропускной способности каналов коммуникации, выполнению плана продаж по разным продуктовым линиям, возможной частоте контактов с клиентом.

Использование прогнозной аналитики помогает повысить эффективность целевого маркетинга, но само по себе оно не позволяет решить проблемы многочисленных ограничений на уровне всех кампаний, с которыми банк сталкивается при планировании, запуске и проведении коммуникаций. Здесь требуются инструменты математической оптимизации.

Когда вам есть что улучшать

Альфа-Банк — это крупнейший частный банк России по размеру совокупных активов, совокупному капиталу, кредитному портфелю и размеру депозитов. В 2010 году Альфа-Банк окончательно перешел от принципа «есть продукт, нужно найти для него клиента» к клиентоориентированному подходу. Технологически этот переход был поддержан внедрением решения SAS Marketing Automation (SAS MA) для автоматизации целевых маркетинговых кампаний с учетом прогнозной аналитики.

После запуска системы SAS MA в промышленную эксплуатацию были автоматизированы сотни типов кампаний, в первую очередь в рамках работы с существующей клиентской базой. Коммуникации с клиентами осуществлялись через отделения банка, контакт-центр, письма, электронные рассылки, SMS, банкоматы, систему «Альфа-Клик» и другие каналы. Иными словами, банк получил возможность сделать каждому клиенту множество различных актуальных предложений по различным каналам и в разное время. Но со временем возникли определенные сложности. У банка один из самых широких на рынке продуктовых портфелей, не считая специальных и индивидуальных предложений. И из всего этого разнообразия нужно было выбрать наилучшее для каждого клиента предложение с учетом целей и ограничений бизнеса. Схема распределения коммуникаций со временем стала крайне сложной, и пропускная способность основных коммуникационных каналов накладывала определенные ограничения. При оптимизации той или иной кампании приходилось вручную корректировать ее параметры.

Для повышения эффективности целевых коммуникаций и возможности расчета сценариев по принципу «что если» с учетом всех ограничений банк выбрал решение для оптимизации целевых маркетинговых кампаний — SAS Marketing Optimization. Альфа-Банк стал одной из первых в России финансовых организаций, внедривших подобное решение.

Основные работы

Проект стартовал в 2013 году. К этому времени в банке уже была реализована система работы с коммуникациями в соответствии с настраиваемыми правилами и политиками, а также, что крайне важно, были построены аналитические модели предпочтений клиентов по продуктам и каналам. Прогнозные показатели, получаемые в результате работы этих моделей, теперь подаются на вход в SAS Marketing Optimization. По сути, они представляют собой расчетную таблицу, в которой содержится информация о том, какие продукты предодобрены клиенту и какова вероятность, что он примет эти предложения, а также какова потенциальная выручка от каждого из предложений, если клиент откликнется на него.

На начальном этапе проекта внедрения был составлен список задач, которые предполагалось решать с помощью новой системы, и среди них были выбраны наиболее приоритетные. Одна из таких задач — создание оптимальной стратегии по выбору предварительно одобренных кредитных продуктов (кредитная карта и кредит наличными) на уровне каждого клиента, учитывающей:

- цель максимизации объема продаж и повышения ценности клиентов;

- преференции к каналу коммуникации и продукту каждого из клиентов;

- пропускную способность каналов коммуникации.

На следующем этапе для каждой задачи были формализованы требования к сценариям решений. На основе этих сценариев сотрудники давнего партнера SAS в России —компании GlowByte Consulting — реализовали тестовые кейсы.

Проведя сравнение оценок текущего и оптимизированного процессов выбора продукта для клиента на боевых данных и проведя пилотные оптимизированные кампании, команда внедрения констатировала рост объема продаж. После этого начался переход на оптимизационный процесс работы.

Важным этапом проекта было обучение сотрудников банка работе с новым решением в Учебном центре SAS Россия. Чтобы система приносила компании отдачу, будущие пользователи должны понимать, что и как делать.

Внедренная система берет на вход все предложения, которые банк подготовил для отправки клиентам, и выбирает из них самые подходящие для достижения максимальной прибыли в целом по банку с учетом склонности клиентов к тем или иным продуктам, каналам коммуникации, времени коммуникации с банком и т. д. При оптимизации принимаются во внимание контактная политика и все ресурсные ограничения: пропускная способность контакт-центра, отделений, выделяемые бюджеты, необходимые к реализации планы продаж по отдельным продуктам.

Новые перспективы

В результате внедрения решения система KPIs в Альфа-Банке была изменена. Оптимизация позволила перейти к планированию кампаний в бизнес-показателях — не в штуках предложений и коммуникаций, а в рублях прибыли, соответственно, планировать и контролировать задачи целевого маркетинга в терминах банковской стратегии. Целевой метрикой задачи на оптимизацию стал не максимальный объем продаж, а максимальная оценка lifetime value. Решение позволило настроить контрольные отчеты по качеству оценок отклика. Кроме того, планируется ввести KPI прогнозной доходности по текущим продажам.

Изменился и сам процесс оптимизации целевых маркетинговых кампаний. Выбор продукта непосредственно привязан к выполнению плана продаж. Пилотные активности при выборе продукта выделяются в отдельный трек. Повысилась скорость и прозрачность анализа альтернативных сценариев проведения кампаний до запуска коммуникаций. Возможности сценарного анализа позволяют проработать несколько сценариев (стратегий) оптимизации кампаний и выбрать наилучший. Анализ чувствительности позволяет увидеть, какие ресурсные ограничения, какие продуктовые предложения являются критичными для максимизации прибыльности, и дает возможность заняться расширением узких мест и оптимизировать продуктовое предложение для достижения наилучших финансовых показателей.

Система была запущена в промышленную эксплуатацию около года назад, поэтому уже можно говорить о первых результатах использования SAS Marketing Optimization. Так, по сравнению со стандартным процессом достигнуто увеличение объема продаж по аннуитетным продуктам (в рублях) на 13% и по револьверным продуктам на 4% (в количестве договоров).

Сейчас для банка самое главное — выбирать правильный микс продуктов и каналов, то есть что именно продавать и по каким каналам наиболее выгодно с клиентом контактировать, а также в какое время лучше осуществлять эти контакты. Причем исходить при решении этой задачи именно из интересов и предпочтений клиента.

В этой статье вы увидите пошаговый расчет и оптимизацию показателя CAC, узнаете как сбалансировать затраты на привлечение клиентов.

Баланс – ключевое слово при работе с САС. Главная задача – найти оптимальное соотношение затрат на привлечение новых клиентов и доходов, которые вы получите с них (LTV Lifetime value).

Это соотношение – LTV/CAC – краеугольный камень успешной SaaS-компании:

Что такое САС и почему этот показатель так важен

САС – это общая стоимость всех усилий отдела маркетинга и отдела продаж, которые были приложены, чтобы привлечь клиента. От этого показателя зависит, будет ли ваш SaaS-проект жизнеспособен, сможет ли он приносить прибыль при текущем уровне затрат на привлечение новых клиентов.

При успешной бизнес-модели величина САС будет значительно ниже LTV. Впрочем, если это не так на каком-то этапе развития бизнеса – не стоит паниковать. Как видно из схемы выше, соотношение САС/LTV – это качели. Ваша задача – просто держать правый край выше левого.

Особенно это актуально на старте бизнеса. Поначалу вложения в привлечение клиентов очень значительны, а получаемый от них доход (например, абонентская плата) не покрывает затрат. Но при росте клиентской базы компания достигает точки окупаемости, а затем выходит на прибыль.

Отслеживание и оптимизация САС помогает в решении двух важных задач:

Привести соотношение LTV / CAC к приемлемому уровню

Оптимальным считается соотношение 3 к 1 или выше (то есть САС должен составлять не более 1/3 от LTV). Для этого нужно постоянно отслеживать оба показателя, оптимизировать каналы и тактики привлечения – чтобы зеленый треугольник на схеме был как можно больше.

Определить и оптимизировать сроки окупаемости проекта

Время, деньги, силы на привлечение новых клиентов вы тратите уже сейчас. А вот окупится это только после того, как клиенты появятся, и то не сразу. И, конечно, хочется знать срок, в течение которого вы постепенно перейдете от инвестиций к получению прибыли. Расчет САС поможет его вычислить, а заодно и понять, устраивают ли он вас. Особенно это актуально при использовании модели Freemium.

Читайте также: