Segmentace zákazníků ve společnosti Košík.cz

Veronika Sýkorová

Master's thesis

CUSTOMER SEGMENTATION AT KOŠÍK.CZ

Abstract:

Tato práce využívá segmentační metody za účelem zlepšení identifikace zákazníků s dětmi v internetovém obchodě Košík.cz na základě demografických, geografických a behaviorálních faktorů. Nejdříve práce využívá základních geografických a demografických faktorů s cílem popsat rozdíly mezi zákazníky s dětmi dle jejich bydliště a věku dítěte. Nákupní chování je relativně podobné, přičemž skupiny zákazníků nakupují především mléčné a chlazené výrobky, ovoce a zeleninu a trvanlivé produkty. Zákazníci z Prahy a Středních Čech dělají více nákupů, ale za menší průměrnou cenu než zákazníci z regionů. Za hlavní behaviorální segmentační metodu je zvolena rozšířená RFM analýza, která rozděluje zákazníky s dětmi dle počtu dní od posledního nákupu, počtu dní mezi jednotlivými objednávkami, průměrné hodnoty nákupu a počtu objednávek za sledované období. Na základě této metody jsou identifikovány tři hlavní segmenty zákazníků s dětmi – věrní zákazníci, občas nakupující zákazníci a noví zákazníci. Tato analýza je dále rozšířená na produktovou segmentaci, která umožňuje rozdělení zákazníků na skupiny dle zakoupených produktů. Dále je vytvořen model, který pomáhá lépe identifikovat neregistrované zákazníky s dětmi pomocí logistické regrese, přičemž výsledkem modelu je výpočet pravděpodobnosti, že se jedná o zákazníka s dítětem. Výsledky této práce poskytují společnosti Košík.cz nástroje pro komplexnější segmentaci zákazníků, která doposud probíhala pouze ve zjednodušené podobě, a umožní přesnější cílení marketingových strategií (např. zasílání cílených nabídek, unikátní slevy na konkrétní produkty, zvyšování loajality, reaktivaci zákazníků, kteří již nějakou dobu nenakoupili atd.). Výstup z logistické regrese zase nabízí nástroj na identifikování zákazníků s dětmi, který doposud společnost neměla k dispozici.

Abstract:

This paper uses segmentation methods to improve the identification of customers with children in the online store Košík.cz based on demographic, geographic and behavioral factors. First, the paper uses basic geographic and demographic factors to describe the differences between customers with children according to their residence and age of the child. Purchasing behavior is relatively similar, with groups of customers purchasing mainly dairy and refrigerated products, fruits and vegetables, and durable goods. Customers from Prague and Central Bohemia make more purchases, but at a lower average price than customers from the regions. Extended RFM analysis is chosen as the main behavioral segmentation method, which classifies customers with children according to the number of days since the last purchase, the number of days between orders, the average purchase value, and the number of orders over the chosen period. Based on this method, three main segments of customers with children are identified – loyal customers, occasional customers and new customers. This method is further extended to product segmentation, which allows for the segmentation of customers into groups according to the products purchased. Furthermore, a statistical model is developed to help better identify non-registered customers with children using logistic regression, which estimates the probability of a customer having children. The results of this paper provide Košík.cz with tools for more complex customer segmentation that has so far been done only in a simplified form. Moreover, the results allow for more precise targeting of marketing strategies (e.g. sending targeted offers, unique discounts on specific products, increasing loyalty, reactivating customers who have not purchased for some time, etc.). The output of the logistic regression offers a tool to identify customers with children, which the company did not have at its disposal until now.

Keywords

behaviorální segmentace, logistická regrese, segmentace zákazníků

Keywords

behavioral segmentation, logistic regression, customer segmentation

Language used: Czech

Date on which the thesis was submitted / produced: 4. 12. 2022

Thesis defence

• Date of defence: 2023
• Supervisor: David Slánský
• Reader: Iva Pecáková

Vysoká škola ekonomická v Praze

Master programme:
Statistika