药店会员流失预警和智能干预系统及方法与流程

本发明涉及互联网
技术领域：
，具体涉及一种药店会员流失预警和智能干预系统。此外，本发明还涉及该系统的实现方法。
背景技术：
：和传统零售企业一样，由于商品同质化严重，顾客资源也已经成为了零售药店最重要的经营资源。经过了激烈的市场竞争，当前新会员开发越来越难，开发培育一个新会员的投入往往数倍于维护一个老顾客的成本，而且老顾客的流失不仅造成销售额的下降，更会影响药店品牌的口碑和声誉。因此有效预警会员的流失并进行有效可行的干预挽留措施是零售药店进行会员管理的一个重要部分。当前在零售领域对流失会员的分析主要是基于最近一次消费时间，分析维度单一、阈值设置不合理导致对会员流失预警不准确，会员流失率无法有效控制。此外，针对会员的挽留活动没有针对性，投入成本高，效果不明显。因此，亟需研发一种零售药店会员流失预警及智能干预系统和方法以解决上述问题。技术实现要素：本发明要解决的技术问题在于提供一种药店会员流失预警和智能干预系统，避免了统计手段单一导致的预警不及时、不准确，更合理地控制药店的运营成本，有效帮助零售药店进行流失会员预警并干预召回，减少会员流失率，加强会员对药店的忠诚度。为此，本发明还提供一种该系统的实现方法。为解决上述技术问题，本发明采用如下技术方案：一种药店会员流失预警和智能干预系统，包含流失会员筛选模块、流失会员价值分组模块、流失会员干预挽回模块；所述流失会员筛选模块，利用logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；所述流失会员价值分组模块，对被标记的流失预警会员，计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；所述流失会员干预挽回模块，对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。作为本发明优选的技术方案，所述流失会员筛选模块采用数据清洗、特征提取、模型建立和流失分类四个步骤；所述数据清洗包括删除错误数据、重复数据和异常数据；所述特征提取从消费属性、会员属性和健康属性三个维度进行特征提取；所述消费属性是最重要的维度，取最近未消费时间、累计消费次数和累计消费金额三个变量；所述会员属性和所述健康属性分别根据系统中已有的统计维度进行累计打分后作为流失预警模型的一个变量；所述模型建立采用logistic回归模型:p为某顾客的流失概率，是截距，分别表示最近未消费时间、累计消费次数、累计消费金额、会员属性和健康属性的回归系数；所述流失分类，定义当顾客的流失概率p大于50%时系统进行流失预警，即的值大于0，即当顾客的各因素加权处理值大于0时即进行流失预警，该会员为流失预警会员；如流失概率小于等于0时，则该会员分类为非流失预警会员。作为本发明优选的技术方案，所述回归系数利用药店已有的会员数据采用最大似然估计得到各回归系数的估计值，截距为0。作为本发明优选的技术方案，所述流失会员价值分组模块采用基于健康水平h、消费近度r、消费频度f和消费额度m的k均值k-means聚类方法进行聚类，并计算每个聚类会员的加权平均hrfm得分用来确定它们的会员终身价值clv大小顺序，以实现会员分类；所述流失会员价值分组模块具体包括如下步骤：第一步，数据清洗：针对购药记录的特点，以天为单位整合每个会员的购药信息，把同一天购药信息整合并作为单次购药信息，删除干扰信息；第二步，特征提取：提取会员的健康水平h、消费近度r、消费频度f和消费额度m特征；所述消费近度r是会员最近一次购药时间距当前研究时间的天数或该研究时间段内的持续购药天数；所述消费频度f是会员在研究时间段内总的购药次数；所述消费额度m是会员在研究时间段的购药单价或购药总费用；第三步，加权处理：初步确定hrfm四者权重的初步比例关系；对特征进行两两比较得到相应的评价矩阵，并进行相应的调整以使其通过一致性检验；利用层次分析法求得hrfm四个特征的权重；第四步，聚类分析：利用k-means聚类算法对加权后的hrfm作聚类分析；第五步，类型定义：对每类会员标准化后的hrfm取平均，将平均值加权求和，得到相应的加权后的会员终身价值clv得分，并在此基础上进行每类会员的终身价值大小排序，确定预警会员的分组。作为本发明优选的技术方案，所述流失会员价值分组模块将所有流失预警会员分成重要挽留会员，一般挽留会员和无价值会员三类；所述重要挽留会员，这类会员属于活跃和较为活跃会员，他们的消费频次和客单价高于平均水平，最近消费时间也不算太长，会员实际贡献价值比较高，是药店利润的重要来源；所述一般挽留会员，这类会员的客单价接近平均水平，但来店频率比较低或已经有一段时间没有到店消费了，他们具有一定的潜力成为较高价值的会员，也能固定的成为药店利润来源；所述无价值会员，这类会员消费频率和客单价都偏低，给药店带来的利润也很低。作为本发明优选的技术方案，所述流失会员干预挽回模块，对所述重要挽留会员进行一对一电话召回，对所述一般挽留会员进行短信召回，对所述无价值会员不采取干预挽回措施。作为本发明优选的技术方案，所述电话召回流程包括回访任务下发至门店药师、药师执行回访任务和执行效果统计三个步骤；所述短信召回包括短信触达和执行效果统计两个步骤，所述短信内容中设置会员姓名、药师姓名、最近办卡门店、最近消费门店等变量，实际发送中根据每个顾客的实际信息替换对应变量。作为本发明优选的技术方案，所述执行效果包括回访顾客的到店购买人数、消费金额、毛利润、投入产出比、购买商品明细。此外，本发明还提供一种上述系统的实现方法，包括如下步骤：步骤1，流失会员筛选：利用logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行流失预警；步骤2，流失会员价值分组：对被标记的流失预警会员，计算会员价值进行分组，对不同价值的会员采用不同的干预挽回措施；步骤3，流失会员干预挽回模块：对所述流失会员价值分组模块分组的不同价值的会员采用不同的干预挽回措施。作为本发明优选的技术方案，步骤1中，所述流失会员筛选具体包括数据清洗、特征提取、模型建立和流失分类四个步骤；所述数据清洗包括删除错误数据、重复数据和异常数据；所述特征提取从消费属性、会员属性和健康属性三个维度进行特征提取；所述消费属性是最重要的维度，取最近未消费时间、累计消费次数和累计消费金额三个变量；所述会员属性和所述健康属性分别根据系统中已有的统计维度进行累计打分后作为流失预警模型的一个变量；所述模型建立采用logistic回归模型:p为某顾客的流失概率，是截距，分别表示最近未消费时间、累计消费次数、累计消费金额、会员属性和健康属性的回归系数；所述流失分类，定义当顾客的流失概率p大于50%时系统进行流失预警，即的值大于0，即当顾客的各因素加权处理值大于0时即进行流失预警，该会员为流失预警会员；如流失概率小于等于0时，则该会员分类为非流失预警会员；步骤2中，所述流失会员价值分组具体包括如下步骤：第一步，数据清洗：针对购药记录的特点，以天为单位整合每个会员的购药信息，把同一天购药信息整合并作为单次购药信息，删除干扰信息；第二步，特征提取：提取会员的健康水平h、消费近度r、消费频度f和消费额度m特征；所述消费近度r是会员最近一次购药时间距当前研究时间的天数或该研究时间段内的持续购药天数；所述消费频度f是会员在研究时间段内总的购药次数；所述消费额度m是会员在研究时间段的购药单价或购药总费用；第三步，加权处理：初步确定hrfm四者权重的初步比例关系；对特征进行两两比较得到相应的评价矩阵，并进行相应的调整以使其通过一致性检验；利用层次分析法求得hrfm四个特征的权重；第四步，聚类分析：利用k-means聚类算法对加权后的hrfm作聚类分析；第五步，类型定义：对每类会员标准化后的hrfm取平均，将平均值加权求和，得到相应的加权后的会员终身价值clv得分，并在此基础上进行每类会员的终身价值大小排序，确定预警会员的分组；步骤3中，所述流失会员干预挽回具体为将所有流失预警会员分成重要挽留会员，一般挽留会员和无价值会员三类，对所述重要挽留会员进行一对一电话召回，对所述一般挽留会员进行短信召回，对所述无价值会员不采取干预挽回措施。与现有技术相比，本发明具有以下有益效果：本发明通过对会员消费属性、健康属性、会员属性三大维度进行logistic回归分析，计算会员的流失概率，对流失概率大于一定值的会员进行预警。同时对预警会员利用h-rfm模型进行会员价值分类，对重要挽留会员进行一对一电话召回，对一般挽留会员进行短信召回，对无价值会员不采取干预挽回措施。利用logistic回归模型对顾客的消费属性、会员属性和健康属性进行分析，进行会员流失预警，避免了统计手段单一导致的预警不及时、不准确。对预警会员进行会员价值分析后采用不同的干预手段进行挽留召回，更合理地控制药店的运营成本。对预警会员的智能干预系统形成了从任务下发、执行到效果评估的全信息化闭环。以上方法和系统可以有效帮助零售药店进行流失会员预警并干预召回，减少会员流失率，加强会员对药店的忠诚度。此方法和系统也可稍加修改后运营在健康管理机构、医院等场景。附图说明下面结合附图和实施例对本发明进一步说明。图1是本发明药店会员流失预警和智能干预系统的模块结构图。图2是本发明中流失会员筛选模块的流程图。图3是本发明中流失会员干预挽回模块的流程图。图4是本发明中流失会员干预挽回模块的电话召回的流程图。图5是本发明中电话召回中药师执行回访任务的app页面示例图。图6是本发明中流失会员干预挽回模块的短信召回的流程图。具体实施方式现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。如图1所示，本发明药店会员流失预警和智能干预系统，包括三个程序模块：1、流失会员筛选模块：利用logistic回归模型对会员的消费属性、会员属性和健康属性进行分析，对流失概率大于50%的会员进行预警。2、流失会员价值分组模块：对被标记的流失会员，根据专利“一种用于药店会员分析的h-rfm用户建模方法及系统”（申请号：2016109158452）的方法计算会员价值进行分类，对不同价值的会员采用不同的干预挽回措施。3、流失会员干预挽回模块：对高价值会员进行电话一对一回访，对一般价值会员采用短信群发触达的方式进行挽回。干预系统还将对干预活动进行效果统计。以下对三个程序模块做具体说明如下：一、流失会员筛选模块logistic回归模型是离散选择法模型之一，属于多重变量分析范畴，是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。该模型在电信领域会员流失预警中有所应用，但在线下零售尤其是药店会员流失预警中尚未发现有应用。此外，当前零售中对会员流失分析基本局限于对消费属性的分析，甚至仅局限于对最近消费时间的分析，比如常将最近消费时间超过90天的顾客定义为流失顾客。本发明将logistic回归模型应用于线下零售药店的会员流失分析中，同时在变量选择中不仅包含消费属性的最近未消费时间、累计消费次数、累计消费金额，还根据药店实际场景，将会员属性和健康属性加入分析变量。实际分析效果也表明本分析算法能更全面准确地对会员流失进行预警分析。该流失会员筛选模块进行会员流失分析筛选出流失概率较大的顾客，本分析过程分成数据清洗、特征提取、模型建立和流失分类四个步骤，如图2所示。1、数据清洗本分析模型的数据来源于零售药店的erp系统、会员管理系统和慢病管理系统（非必须）。系统中数据一定会存在脏数据、错误数据等，根据实际情况删除异常数据。如会员属性中将年龄为0的会员年龄设置为未知，将购药记录按天合并后将购药金额很小的记录删除，将团体性购药记录删除等。如发现有数据重复问题，需要去除重复记录仅保留一条记录即可。2、特征提取从消费属性、会员属性和健康属性三个维度进行特征提取。消费属性是最重要的维度，取最近未消费时间、累计消费次数和累计消费金额三个变量。会员属性和健康属性分别根据系统中已有的统计维度进行累计打分后作为流失预警模型的一个变量。消费属性各变量及赋值说明见表1:表1因素赋值说明最近未消费时间会员最近一次消费距离当前的天数累计消费次数会员办理会员卡以来消费的总次数累计消费金额会员办理会员卡以来消费的总金额，单位：元会员属性各变量及赋值说明见表2：表2因素赋值说明会员等级会员等级评分按照会员等级从低到高从0开始依次累计。如会员管理系统按照会员等级从低到高依次为:无价值会员、一般会员、一般重要会员、重要挽留会员、重要发展会员和重要保持会员。则对无价值会员记0分，一般会员记1分，依次类推，对重要保持会员记5分。年龄20以下：0；20-40：计1分；41-60：计2分；60以上：计3分。办卡时长未达到1年：记0分；1年及以上:计1分举例：如某顾客是药店的重要保持会员，年龄为50岁，办卡时长为1年，则该顾客的会员属性评分为：5（重要保持会员）+2（年龄在41-60区间）+1（办卡时长超过1年）=8健康属性各变量及赋值说明见表3：表3因素赋值说明高血压类血压正常：0；一级高血压：1；二级高血压：2；三级及以上高血压：3糖尿病类血糖正常：0；糖调节受损：1；糖尿病：2高血脂类血脂正常：0；血脂异常：1合并类指含有常见慢性疾病合并其他常见种类疾病的，如高血压合并心脑血管疾病、高血压合并慢性肾脏疾病、糖尿病合并神经病变等。无合并症：0；有合并症：1上次测量时间大于30天：0；小于30天：1测量总次数未达到5次：0；达到5次及以上：1以上项目如某项数据药店慢病系统或会员管理系统无法提供，则该项评分记为0。举例：慢病管理系统显示会员患有二级高血压，且具有高血压合并心脑血管疾病，会员上一次在药店检测血压是在24天前且该会员累计已在药店接受检测服务8次。则该会员的健康属性值为：2（二级高血压）+1（有合并症）+1（上次测量时间小于30天）+1（测量总次数大于5次）=53、模型建立采用logistic回归模型：p为某顾客的流失概率，是截距，分别表示最近未消费时间、累计消费次数、累计消费金额、会员属性和健康属性的回归系数，可利用药店已有的会员数据采用最大似然估计得到各回归系数的估计值。最大似然估计(maximumlikelihoodestimation,mle)是一种重要而普遍的求估计量的方法。本发明可定义似然函数，通过对其取对数并求导，令导数为零并求解对数似然方程可得到回归系数的估计值，如可得到一组回归系数值为（0.38，-0.82，-0.032，-0.32，-0.28），截距为0。4、流失分类定义当顾客的流失概率p大于0.5时系统进行流失预警，即：的值大于0，即当顾客的各因素加权处理值大于0时即进行流失预警，该会员为流失预警会员；如流失概率小于等于0时，则该会员分类为非流失预警会员。举例一：当某会员最近一次消费距离当前日期为85天，累计消费8次，共计624元。该顾客的会员属性评分为11,健康属性评分为5，回归系数值为（0.38，0.82，0.032，0.32，0.28），截距为0。则该顾客根据逻辑模型计算得到的分类函数值：0.35*85-0.82*8-0.032*624-0.32*11-0.28*5=-2.21<0。系统还不会将此顾客列入流失预警会员。举例二：当某个新办理会员的顾客有1次消费记录，消费60元，该顾客的会员评分为2，且没有健康属性数据。则在第10天时，分类函数：0.35*10-0.82*1-0.032*60-0.32*2-0.28*0=0.12>0,则系统会将该顾客分类成潜在流失会员，进行流失预警，运营人员需要进行针对性挽留措施。二、流失会员价值分组模块所有被标记的流失预警会员按照中国发明专利申请“一种用于药店会员分析的h-rfm用户建模方法及系统”（申请号：201610915845.2）的方法进行聚类分组后计算分组会员的平均终身价值clv，并按照clv大小顺序，以实现会员分组定义并最终对不同分组会员采用不同的干预措施。具体包括如下步骤：第一步，数据清洗：针对购药记录的特点，以天为单位整合每个会员的购药信息，把同一天购药信息整合并作为单次购药信息，删除干扰信息；第二步，特征提取：提取会员的健康水平h、消费近度r、消费频度f和消费额度m特征；所述消费近度r是会员最近一次购药时间距当前研究时间的天数或该研究时间段内的持续购药天数；所述消费频度f是会员在研究时间段内总的购药次数；所述消费额度m是会员在研究时间段的购药单价或购药总费用；第三步，加权处理：初步确定hrfm四者权重的初步比例关系；对特征进行两两比较得到相应的评价矩阵，并进行相应的调整以使其通过一致性检验；利用层次分析法求得hrfm四个特征的权重；第四步，聚类分析：利用k-means聚类算法对加权后的hrfm作聚类分析；第五步，类型定义：对每类会员标准化后的hrfm取平均，将平均值加权求和，得到相应的加权后的会员终身价值clv得分，并在此基础上进行每类会员的终身价值大小排序，确定预警会员的分组。本发明将所有流失预警会员分成重要挽留会员，一般挽留会员和无价值会员三类。分别定义如下：ø重要挽留会员这类会员属于活跃和较为活跃会员，他们的消费频次和客单价高于平均水平，最近消费时间也不算太长，会员实际贡献价值比较高，是药店利润的重要来源。这类会员是较优质会员，应重点维护并保持与这类会员的关系，因此本发明采用药店专员一对一电话回访的方式进行召回挽留。ø一般挽留会员这类会员的客单价接近平均水平，但来店频率比较低或已经有一段时间没有到店消费了，他们具有一定的潜力成为较高价值的会员，也能固定的成为药店利润来源。所以将他们作为一般性会员，本发明采用短信群发触达的方式，以用较少的成本尽量挽回一部分此类顾客。ø无价值会员这类会员消费频率和客单价都偏低，给药店带来的利润也很低，此类顾客一般还占有不小的比例。对于此类价值的会员，本发明建议不必进行干预挽回。如图3所示，流失会员按价值分组模块的具体操作步骤为：1、按照中国发明专利申请“一种用于药店会员分析的h-rfm用户建模方法及系统”（申请号：201610915845.2），将所有预警会员进行聚类分组，步骤如下：步骤1：随机选取3个点作为3个聚类分组的初始中心点；步骤2：将每个样本分配给与其距离最近的聚类；步骤3：更新每个聚类的中心点位置；步骤4：满足终止条件则终止，否则回到步骤2；终止条件可以设置为每个聚类分组中心点位置几乎不变动，即小于设定的阈值。2、对流失预警的分组会员进行价值评分，按照中国发明专利申请“一种用于药店会员分析的h-rfm用户建模方法及系统”（申请号：201610915845.2）的方法计算出每组顾客的价值评分clv。假设某家药店的hrfm对应的权重依次为0.2、-0.3、0.3和0.2，其中一个聚类分组的标准化后的hrfm平均值依次为(0.21，0.09，0.32，0.12)，则该组会员的价值评分为0.135分，计算方法如下：按照同样的方法计算其余两个分组的平均价值评分，假设值分别为：0.024和0.518分。所以可将0.518分的该分组定义为重要挽留会员，将0.135分的该分组定义为一般挽留会员，将0.024分的该分组定义为无价值会员。三、流失会员干预挽回模块（一）如图3所示，对重要挽留会员进行一对一电话召回:系统将流失预警的重要挽留会员自动在药店的会员管理系统中建立顾客分组，如“11月流失预警重要挽留会员”。如图4所示，电话召回流程包括回访任务下发、回访执行（药师电话回访、任务自我管理）和执行效果统计三个过程。（1）药店运营或会员管理人员通过会员管理系统建立回访任务下发至门店专员。可根据多种原则将顾客分配给门店的专员，如根据该顾客的最近消费门店、办卡所在门店或者最近服务门店等。（2）药师执行回访任务。门店药师可以在自己的手机app端查看被分配的待回访任务名称、顾客数量、顾客明细。药师点击任意一个待回访的顾客，可以看到此顾客的消费信息、健康信息和会员常用信息，以及建议的回访话术，此外还包括此顾客曾经接受过的回访记录。以上信息可帮助药师针对性的进行回访挽留顾客。门店药师在手机app端可以查看的待回访顾客信息的页面举例如图5所示。药师app软件自动将已回访过的顾客放入“已回访”分组，未回访的顾客保留在“待回访”分组，药师可随时查看当前任务的完成情况。（3）管理员对回访效果统计：所有回访数据都统一展示在管理员后台，管理员可查阅回访任务完成情况，每个门店、每个药师的完成情况，可以下次每一次回访成功的录音。同时会员管理系统还会从药店erp系统中抓取回访顾客的最近消费情况，从健康管理系统抓取顾客的检测情况（非必须），统计回访的效果。回访效果可包括：回访顾客的到店购买人数、消费金额、毛利润、投入产出比、购买商品明细等。（二）如图3所示，对一般挽留会员进行短信召回（即短信群发触达）：系统将流失预警的一般会员自动在药店的会员管理系统中建立顾客分组，如“11月流失预警一般挽留顾客”。如图6所示，短信召回流程包括短信触达和执行效果统计两个过程：（1）短信触达：药店运营或会员管理人员通过会员管理系统可在会员管理系统中编辑短信进行发送。短信内容中设置会员姓名、药师姓名、最近办卡门店、最近消费门店等变量，实际发送中根据每个顾客的实际信息替换对应变量。短信内容举例：【健康大药房】尊敬的张三会员，多日不见，想你了，奉上20元优惠券，我在衡山路店等你哦。每周三前来还可免费检测血压和血糖。（2）执行效果统计：所有短信发送记录都统一展示在管理员后台，管理员可查阅短信发送数据、成功到底人数、短信成本等数据。同时会员管理系统还会从药店erp系统中抓取回访顾客的最近消费情况，统计短信召回的效果。回访效果可包括：召回顾客的到店购买人数、消费金额、毛利润、投入产出比、购买商品明细等。（三）如图3所示，对无价值会员无需干预，不采取干预挽回措施。以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。当前第1页12