Modele probabilistyczne: dlaczego kohorty kłamią

Abstrakt

Analiza kohortowa w handlu elektronicznym stała się w ostatniej dekadzie niekwestionowanym standardem raportowania menedżerskiego, stanowiąc dla wielu dyrektorów generalnych i szefów e-commerce podstawowe narzędzie oceny kondycji biznesu i efektywności działań marketingowych. Typowy dashboard analityczny w nowoczesnej firmie prezentuje estetyczne, kolorowe tabele, w których wiersze reprezentują miesiące pozyskania klienta, a kolumny kolejne okresy ich aktywności, co teoretycznie pozwala na śledzenie lojalności i wartości życiowej klienta w czasie, dając zarządowi poczucie kontroli nad procesami retencji. W rzeczywistości jednak ta deterministyczna metoda interpretacji danych w środowisku handlu detalicznego, które z definicji jest środowiskiem non-contractual (bezumownym), jest narzędziem zwodniczym, które częściej maskuje rzeczywistą dynamikę bazy klientów, niż ją objawia, prowadząc do systematycznych błędów w alokacji kapitału. Dyrektorzy generalni i szefowie marketingu podejmują decyzje o wielomilionowych inwestycjach w retencję, opierając się na intuicyjnych założeniach, które nie przystają do stochastycznej natury zachowań konsumenckich¹'³. Głównym problemem biznesowym nie jest sama technika wizualizacji danych czy chęć zatrzymania klienta, lecz fundamentalna nieumiejętność matematycznego odróżnienia klienta, który definitywnie zakończył relację z marką, od tego, który jedynie wydłużył przerwę między transakcjami, co w e-commerce jest zjawiskiem naturalnym. W konsekwencji budżety marketingowe są alokowane nieefektywnie – "przepalane" na agresywną aktywizację "martwych dusz" lub ignorowanie potencjalnie wartościowych klientów, którzy zostali błędnie sklasyfikowani jako utraceni.