交叉行销的负效应 (The Dark Side of the Cross Selling)

煮酒正熟

到年底了，带了快一年的印度团队，和部门大头说了三四次，终于同意我不必直接管理、事必躬亲了，而是在印度那边提拔了一个资深的，他向我负责，印度团队的日常事务由他主管，出问题我只找他。终于可以松口气，也可以花些时间做深度分析(deep dive)了。这一深潜，就发现了一些问题，其中一个问题还很有些颠覆性，那就是cross sell，国内好像是叫交叉行销。

! `3 a: \+ o: S9 `+ L2 {0 l什么是 cross sell 呢？老马丁大家都认识吧？枫叶国叫兽，主营产品包括品牌战略、营销管理、消费行为方面的知识与洞见。大家都原意去他家里花钱买他的文章，天长日久就形成了一批忠实马粉。结果突然有一天老马丁很神秘地对马粉们说：你们猜肿么着，俺不仅品牌营销文章写得妙，更是囤积居奇雪藏了N条大好黄鳝，你们是不是每人也整两条回去？
& x' A. M& e8 n* }4 X
' \1 Y: C8 f; Y( U俺们公司的 cross sell 也差不多是这样。俺们是保险公司，主打产品是医疗保险(medical insurance)，但还有一堆零七八碎的小险种，比如牙齿、视力、生命、残废、事故等等，其中相对金额较高利润也比较丰厚的是牙齿保险(dental insurance).  于是从2012年一月份开始，公司就针对大约八万个只买了医疗保险却没买牙齿保险的公司做营销，也就是给他们发电邮，宣传俺们滴牙齿保险肿么肿么好，赶快来买吧。

cross sell 在银行界和保险界里非常普遍。银行会向储户兜售自己的信用卡和money market，也会向自己的信用卡客户兜售debit card等等。保险公司里，除了上面提到的想医疗保险客户兜售牙齿保险，还有向住宅保险客户推销汽车保险等等。

3 ^5 r2 @; ?  Q( c业界的主流思维 (conventional wisdom) 是：cross sell 不仅能进一步开发客户的消费潜力、为公司带来额外收入和利润，而且能增加客户粘度，提高客户switch的“成本”，减少客户流失 (churning or attrition).  
: [% g! _. X1 H& c0 R
可惜，主流思维总有不灵的时候。而且在飞速变化发展的今日商界，主流思维不灵的时候越来越多。我花了两天的时间，研究我们的 dental cross sell 战役 与客户保持之间的关系。 (客户保持 = customer retention，其反面就是是客户流失/attrition) 最终结果颇出吾之所料：我们的 dental cross sell 战役不仅对客户保持没有正面作用，反而有负面作用！
- Y+ A1 U8 y- F; q* l+ p* m0 P( `/ W
简述一下我的分析方法：从2012年10月到2013年4月 (所对应的续约月份是2013年1月-7月，促销一般在续约之前的三个月发出)，在这7个月当中，我们一共给14000客户发了 dental cross sell 的促销电邮，这些客户是我们的实验组；与之对应的，是一个3500客户的对照组。这两个组在所有方面都相似，唯一区别是，我们给实验组发了促销电邮，却没有给对照组发。然后我就分析这两个组的 retention rate，比如2012年10月，我们的实验组有2000个客户，对照组有500个客户，我们在2012年10月给实验组发出促销电邮，三个月后到了他们的续约月 (renewal month)，实验组那2000个客户有1560个留下来了，则 retention rate = 78%；而对照组那500个客户里却有405个客户留了下来，因此这个组的 retention rate = 81%。对其他六个月做同样计算，最后把七个月做加权平均。最后的结果是，实验组 retention rate = 79%，而对照组却达到了 80.2%.
5 L0 C3 i6 g7 Q5 j$ l1 \
0 V! m# p, b$ }7 n5 k7 p7 q也就是说，我们花了钱，费了许多人力，忙活七八个月，最终却反而气跑了一些客户！这是肿么回事啊？
/ M6 K- w+ A' }! P7 }, U0 J& h
(待续)
1 i+ y3 C- @( m9 d- y8 f
@老马丁 @混天球 @holycow
% O( k) e9 X; i& G( m) T& }
7 L7 Y) \/ }4 O. E, E
$ C) i+ H/ |! J. c" m

ctt1984111

; i* }9 k6 e2 o7 U4 U/ ^9 a
) n2 u$ O) I3 B两种办法作proportion test， 一种前面已经提过用Chi-square test，而且已经用R给出了答案：p-value = 0.5731。这种方法除了在R里面用chisq.test()，也可以用prop.test()：
# K- J  m$ `# X+ ^8 h+ o. W+ e/ C
a: prop.test(x=c(5173,930),n=c(6841,1217))     (p-value = 0.5731)
或者
b: prop.test(x=c(5173,930),n=c(6841,1217),correct=F)                 (p-value = 0.5487)

- p; u, z. k5 z! o! M" t" Oa与chisq.test()完全相同

而b其实就是Z test（Z test用来比较sample proportion, 而T test用以比较sample mean），那Z test怎么用R来做呢？
  o; }3 ^$ x8 C1 a1 M" g0 j
) O* n2 s3 K# ^% ~; d6 ]  M8 y> p=(5173+930)/(6841+1217)
. S) |' {1 c5 ?, ^7 w> z=(5173/6841-930/1217)/sqrt(p*(1-p)*((1/6841)+(1/1217)))
> 2*pnorm(z)
[1] 0.5486768
. k. C$ C% W0 O2 f/ W7 g
最后就是Z test得到的p-value，跟b的结果一模一样。公式大家可以google：Z test.
4 w* w6 R" _4 t3 T$ e
结论是无论用哪种方法，无论是在90%还是95%的confidence level，无论是one tail还是two tail（我这里只做了two tail，one tail稍微改一改就可以得到），null hypothesis（proportion相等）都无法推翻，所以楼主认为可能存在的“睡狗”现象不能通过统计test证实，只能说交叉销售没有起到促进销售的作用。

褐色的火车

煮酒正熟 发表于 2013-12-23 00:11
- F3 c# q/ E. D7 k呵呵，我这部分统计学知识不足，无法判断用t-statistics来测试是对是错。现在都是用工具，方便是方便，就 ...

! P# ~9 u+ O/ fTTest 是应用在连续变量的。 Continuous

: W1 _( Z9 b3 o5 J" L( g+ jChi-Sq 是用在非连续变量的。 Discrete

2 ?# o3 X8 N$ `+ ~* @, Y按照你的描述，是应该用Chi-Sq 的，因为你的结果只有两种，YES, OR NO（ 或者Stay or Leave).
' e- I: D. |# k& Z
8 w0 s. N  N( [% U( d: _5 Mp值要算的话，也是可以手动算的，比较麻烦。 一般软件都会自动算的。

那个信心水平其实意义没有那么大的。 一般选择90% 或者 95% （软件一般缺省是95%），两者之间的数值差异没啥特别的意义，一般是先选定可接受的信心水平（因为和可能要承担的风险相关），然后在此基础上，算出P值，然后来判断是否显著。

褐色的火车

煮酒正熟 发表于 2013-12-21 01:33
注意饮食卫生.

; C" S3 C. C, G. H) ]yes, but how?

2 |7 S5 J, z3 M# P住在国际连锁酒店里
喝国际牌子的矿泉水
$ Q* ?3 J; y$ |# f3 \吃在酒店里，不要点沙拉
4 c7 e6 r! G; Q) o; W刷牙用瓶装水

9 L# X* L! K6 C7 J: m& G在一定接近一个月还增肥的经验分享。

到处停留的叶子

北宸 发表于 2013-12-22 03:06
$ R6 |* e. ]/ u" x3 ~' H% q) m' A看到煮酒寫的這四組顧客特徵，想到用年費維持服務收入，比方說 健身中心 ，我們是不是可以用下面的行為將 ...

好奇北宸你是哪一类？ ^_^  新年有新计划么？


嗯，看下来我觉得你这里的第三类和老酒的分类还是稍有不同的。。。这些客户可能抱怨，不过从根本上来说他们保留不保留这个会员，并不是由这些抱怨的原因决定的。

一休哥

煮酒正熟 发表于 2013-12-23 09:51
三个月不是拍脑袋来的，而是基于市场信息而来的。但这并不代表这个做法就一定正确。依据同样的市场信息， ...

" t2 i; T" j% ], j6 O有趣的问题。我们一客户做campaign是用RFM先segment一番的，总体response rate有时候control是比test高，但从细分的segment里看，有的segment总是高response的。
# w/ y4 a0 x( p6 g5 R. E, Z$ c' z8 E
这是零售相关行业，recency和frequency比较高，也是显著因子，具体到保险行业我倒觉得RFM不一定适用。

夏翁

老马丁 发表于 2013-12-28 12:00
/ ^/ Z; u  Y7 ?" ~: B又看了一遍老酒的全部帖子，说说理解和感想。

两个实验。第一个实验，续约促销，结果是正效果

没仔细看睡狗定义，我大概就是其中一条，给大拿们添点数据。。。哈哈哈。。。

话说我跟着我的保险公司有二十年了吧，撞车失窃好些起，赔偿够爽，估计在我这里还赔着钱呢，所以看看账单小涨也就由它了。上个月突发奇想，想知道其它公司的保价，花了一上午才问了两个公司，一个月付多两百，一个几乎贵一倍，咋舌之余不禁侥幸，原来咱的公司如此善解人意，继续睡狗，继续睡狗。。。哈哈哈。。。

老马丁

煮酒正熟 发表于 2013-12-23 00:41
5 K+ O. N' A% c2 c$ C这个“睡狗”现象不太常见，尤其是在一手交钱一手拿货的世界里，根本就不存在(即使存在也很难找到直接证 ...

$ l. J1 p; `  B又看了一遍老酒的全部帖子，说说理解和感想。

两个实验。第一个实验，续约促销，结果是正效果
4 v5 v2 @0 C7 s- q/ k第二个实验，交叉促销，结果是副效果
8 S; t1 J# n4 ]3 |# M

4 }- t: q' e4 i- R解释：睡狗比率在两个实验中的不同。
我觉得这个解释比较存疑。随机抽样应该保证睡狗比例在两个实验中大致相当。如果这些效果在统计意义上很小，那么也不必为此烦恼。

7 Z- S7 t$ \7 D8 ?* N老酒关于睡狗产生的机制是非常有道理的。这个促销相当于一个attention trigger，让客户有时间去其他保险公司询价。我觉得两个实验的差别，如果有的话，恰恰和促销内容相关。 续约促销有个惰性养成问题，如果价差不大，客户就不想折腾了。而牙医保险是全新的，同时可以和基本险形成bundle, 这样看起来saving就很多了，跳槽的概率会更大。

- q& B5 w. q" Q8 P8 B: x! K5 l9 Z下一步应该找出睡狗，建立一个睡狗识别模型。弄个logisitic 模型，分别应用在续约促销和交叉促销中, 看看两个实验里的不续约公司有什么共同因素，比如说，人数，行业，tenure时间等。

沉宝

煮酒正熟 发表于 2013-12-23 00:41
这个“睡狗”现象不太常见，尤其是在一手交钱一手拿货的世界里，根本就不存在(即使存在也很难找到直接证 ...

煮酒：在你们那行业里一般给新客户多大的优惠？比如说行规是第一年premium半价，那么“睡狗”现象就比较好解释了。因为这样的话即使你们公司比同行好上20%，理论上那些客户在不同的保险公司之间跳来跳去也比一直跟着你们公司强。之所以dental cross sell战役中的睡狗相对更多一些，是因为1)医疗保险不是你们公司的强项，相对于同行你们的优势不明显或根本没有优势可言；2)相对于牙齿保险，医疗保险是大头。别的公司只要用小优惠就可以撬动客户。换句话说，尽管客户知道你们的牙齿保险好，一旦要他们在保险组合中进行选择（唤醒睡狗），他们会更看重医疗保险。

煮酒正熟

小木 发表于 2013-12-22 19:19
提个问题。
顶楼说了，促销一般在续约之前的三个月发出。这“三个月”有什么原因没有？是基于以前的研究还 ...

小木说的这些，我们早已做过了 --- 我们现在做战役用的模型，就是在我接手这摊之前就已经建好的，用了快一年了，我一直严密关注，表现还是不错的。我们也曾想过建一个更好的模型，就是上面提到的 uplifting model，两个模型一起上，同时观察半年，看哪个表现更优，但营销部不敢做主，呈报给市场销售部 (因为钱是他们出)，结果没批，我们也只好作罢。理论上，应该上那个新模型；就算它并不比老模型优秀，至少也是个尝试。但如果要两个模型一起上，印度那帮孩子是不要指望能把战役 coding 做对的，只能由我来做，只是我要管的事情太多，很难集中精力写这么复杂的 code.  所以听说没批后，老博士不太开心，我倒是暗自松了口气

小木下面贴的那个健身会员的案例挺有意思的

煮酒正熟

code_abc 发表于 2013-12-22 22:15
如果“睡狗”理论成立的话，那么不仅仅是促销邮件其他事件也可能把他们弄醒，能否找到不续约用户在续约前几 ...

5 f7 j! o5 D3 H商业用户与一般消费者存在一个关键性差异 --- 一般消费者，购买商品或服务的决策人与消费人是同一个人，而商业用户，决策者与消费者不是同一个人。我们的客户实际上是小公司的业主，而不是他的雇员们，而我们产品的消费者，才是他们的雇员。可惜，他们的雇员看病后对我们的医保质量和coverage满意或是不满意或是很愤怒，具体在什么时间发生这种情绪变化，这个数据我们是拿不到的。

code_abc

如果“睡狗”理论成立的话，那么不仅仅是促销邮件其他事件也可能把他们弄醒，能否找到不续约用户在续约前几个月和你们公司发生交易的数据，然后和续约用户做一个对比。也许这样能证明或证伪这个观点。

煮酒正熟

小木 发表于 2013-12-22 19:19
提个问题。
8 b, K. d3 o( G' K* J# W5 U顶楼说了，促销一般在续约之前的三个月发出。这“三个月”有什么原因没有？是基于以前的研究还 ...

, A8 g9 i; @- I; L0 L. V三个月不是拍脑袋来的，而是基于市场信息而来的。但这并不代表这个做法就一定正确。依据同样的市场信息，不同的人 (或者相同的人在不同时期) 很可能做出完全不同的战役设计来，关键看你对市场信息的解读和使用是否正确。

我们的市场调研结果表明，这种小公司从获得保险产品信息到最终决定买哪家的保险，间隔大约是2~3个月。我们这个“三个月”就是这么来的。提前三个月貌似给了客户合理的时间来了解我们的牙齿保险多么多么优越 (我们的牙保确实很好)，可问题是这个东西是个双刃剑 --- 如果客户对我们的医保已经很不满了，就算你的牙保再好，他也不会去仔细了解了，你牙保促销一到，反而激出了他积累几个月的怨气：Okay that's enough!  I've had it enough!
# n2 S6 ^4 {5 W) t3 E; O: s5 S
要知道，牙保的premium只有医保的1/15，这可真是捡了芝麻丢了西瓜
2 B+ d, r" g$ r8 r

小木

提个问题。
顶楼说了，促销一般在续约之前的三个月发出。这“三个月”有什么原因没有？是基于以前的研究还是基于以前的拍脑袋？
还有这里说的是“一般”。样本里有多少不一般的？他们的情况怎么样？

既然已经有了”tenure (从加入公司起到现在有多少个月)，地区和州，公司大小(两人公司，三四人的，5-10人的，11-20的...)，行业，有没有电邮地址“，等等数据，我觉得拿retention rate跑一个logistic regression很可能会有一点很有趣的结果。
. Y7 z& ~% i& z+ r/ H
% i7 N* R5 S( L/ A另外关于健身会员，好玩的事情好像还挺多的，譬如这个。。。
+ q( }5 X) g& T. zGourville and Soman. "Pricing and the Psychology of Consumption", Harvard Business Review, September 2002.

煮酒正熟

北宸 发表于 2013-12-22 03:06
1 I. F1 g  o2 C+ i% J8 R" u看到煮酒寫的這四組顧客特徵，想到用年費維持服務收入，比方說 健身中心 ，我們是不是可以用下面的行為將 ...

: ~: J3 s  ]1 M. ]! i宸妹这个健身会员的类比很好。前三者都可以完美对应。第四组其实也可以完美对应。总体来说，睡狗类客户的存在，需要两个条件：(1) 年卡或年度续约性质的交易；(2) 顾客做事缺乏计划性(无论是主观上没有这个习惯，还是客观上疲于奔命)。其中第一条更为关键。所以健身会员制度应该也是存在睡狗现象的。

煮酒正熟

老马丁 发表于 2013-12-22 10:55
- ]* X9 V8 D) g/ W8 V你说得很有意思。我需要时间想一想这两个分析。

. R+ B: t" D0 t4 D) a, H另外，我前面说的用t来测试是错的。随口想当然啊

这个“睡狗”现象不太常见，尤其是在一手交钱一手拿货的世界里，根本就不存在(即使存在也很难找到直接证据)，所以这个东西非常 controversial.  我虽然倾向于这个判断，但心里也不是特别有底。所以我做了两件事：(1) 如实把我的分析结果 present 给营销部门 (1 director + 3 marketing managers)，但同时建议不急于改变目前cross sell 的 targeting strategy，而是继续观察几个月；(2) 把这个东西拿上来，让你和其他坛友过目，找毛病 (逻辑上的，等等)。
# v; I! m/ z! X$ m" p8 `
. L. e: o: T% x6 q& m# L. h关于为什么会有睡狗这个问题，我有过一些基于现实常情的思考。现实是，我们的客户都是2-100雇员的小客户，而且85%的客户都是2-30个雇员的，很小。这种小公司里，通常是business owner(s)在大多数决策项目上一把抓，所以，在使用哪家医疗保险这个问题上，decision maker不是大中型公司里的HR or Benefits Director，而是business owner(s)。而小公司里这些小业主，每天需要打理和做决定的事情非常多，所以他们非常非常忙；又因为这些人普遍没有接受过在大中型公司做普通雇员的职业训练，所以做事情缺乏计划性 (没有培养出这种mentality)，所以每天都是见招儿拆招儿，被事情推着走，被动性地应对。了解了他们每天的工作状态，就不难理解为什么会在这些人里面出现“睡狗”了 --- 我举个例子，比如有100个这种小业主，他们每天的生存、工作状态都是这么忙碌和被动，其中有20%的人对我们的医疗保险不满意，但还没有达到要立即换保险公司的愤怒程度。如果你不给他发促销，他很难想起来自己公司需要在1月15日续约，直到续约日前几天才会收到我们公司运营方面的提示，而在短短几天时间里，他很难找到另一家保险公司，所以虽然对我们公司不满意，也就只好将就继续在我们这里忍上一年。可以这么说，这些人之所以续约，是因为他们太过繁忙+做事情缺乏计划性，是不得已。对于这种客户，如果我们营销部门不断给他们发促销信函，而我们的促销信函一般都是在续约日前12周就到达他们手中，这等于在客观上提醒他们提前考虑续约问题 (也就是在客观上改变了他们缺乏计划性的特点)。两三个月的时间，也足够他们找到各方面让他们满意的另一家保险公司了，于是人家就跟我们说拜拜了...

' Z! M' A( C4 m5 z7 d这个道理，我也对我们的营销部门解释得很清楚了，他们也认为很有道理。但这个是纯理论层面上的猜想，虽然符合现实常情，毕竟没有足够的数据、证据支持。唯一能够获得这类数据的是做 market research，特别是找6-8个退约客户做focus group，以获得丰富的信息。

煮酒正熟

老马丁 发表于 2013-12-22 10:55
: o8 w  N8 Q# K/ Y/ D+ l! F你说得很有意思。我需要时间想一想这两个分析。
$ _7 Y4 {- ~; R+ @# e; m3 z0 X
另外，我前面说的用t来测试是错的。随口想当然啊

$ n7 Y( P( `# E9 D呵呵，我这部分统计学知识不足，无法判断用t-statistics来测试是对是错。现在都是用工具，方便是方便，就是培养了懒人笨人和不求甚解的习惯。
不错，就是比较percentage，或proportion，其实读书的时候也手算过(靠查表)。等你的计算结果。回头俺也去手算一下。

老马丁

煮酒正熟 发表于 2013-12-22 23:07
师妹记得p值，不简单啊。判断两组差异是否显著，当然可以用 p value，这样你就可以知道 exactly 在哪个信 ...

你说得很有意思。我需要时间想一想这两个分析。
8 }9 Q( Y) G2 v: h8 ~4 E, {/ M
另外，我前面说的用t来测试是错的。随口想当然啊
4 K9 @/ G  s& U/ E$ ]! A6 g这是一个典型Contingency table，比较percentage, 应该用Chi-sq.
我回头用你给你数据算一下。

# A5 y: j" e2 j8 J8 v7 m) G; h

煮酒正熟

平沙落雁 发表于 2013-12-21 16:33
我恍惚记得两组数据判断显著性差异要计算p值的，肿么算，完全忘记了呀~~~ ...

! c. G) }* {& i9 h
师妹记得p值，不简单啊。判断两组差异是否显著，当然可以用 p value，这样你就可以知道 exactly 在哪个信心水平上(是一个点)，差异是显著的 (过了那个点，就不显著了)。但从工业界和商界的实用角度出发，并不需要如此精准，一般就看95%(或90%或99%)信心水平上是否显著就可以了。所有的计算工具也都是这样programmed。不过我本人比较好奇，比如，如果我发现95%上不显著而90%就显著了，那我就会在90%和95%之间不断地输入新数值直到找到那个百分数，比它高一点就不显著了。这实际上就是在猜 P value.

在工业界和商界中的建模过程中，P value 是更为重要的，它可以帮助数模专家决定，哪些变量应该被选入模型，哪些就可以忽略 (因为模型不是越复杂就越好，所以如果对预测准确性贡献不大的话，就不要选入)。
) @# b# K. \8 p+ p; T2 l* c
! G  i1 h/ b2 a; I不过，没有人能手动计算 P value，从前都是靠查表，现在都是靠软件儿
8 o6 ]( P6 H- j1 |' ~