L'analisi di sopravvivenza di LTV (lifetime value) è un buon punto di partenza. È piuttosto semplice, ma porta a termine il lavoro. Ma c'è molto lavoro di business intelligence che potresti fare con quello che hai. Se hai tassi di risposta agli annunci pubblicitari e simili, potrebbe anche fornirti un buon modo per esaminare l'efficacia.
Sono d'accordo con rolando2, il buono il brutto e il cattivo - essendo matematicamente definito, è impegnativo. Soprattutto senza alcun elemento comportamentale o secondario nei tuoi dati diversi dagli acquisti, anche qualcosa di semplice come il codice postale potrebbe aggiungere informazioni fantastiche ai tuoi dati per comprendere cose come il luogo di acquisto (è un negozio). Immagino che potresti segmentare per percentili LTV ... 30%, 50%, 80% (seguendo la regola aziendale 80/20 ...).
In termini di software, non ho idea di come fallo in Excel o STATA. Ma per R c'è un'introduzione mista ed un esempio di analisi di sopravvivenza usando il pacchetto survival
qui: http://www.stats.uwo.ca/faculty/jones/survival_talk.pdf di Bruce Jones presso l'Università dell'Ontario occidentale. Sono canadese, fammi causa.
Nel suo esempio, Morte, sarebbe qualcosa di simile al tempo medio tra gli acquisti identificato nei dati come 0 o 1 se l'osservazione avesse effettuato un acquisto nell'ultimo tempo medio tra gli acquisti . Ad alcune persone piace impostarlo come Acquistato negli ultimi 3 mesi ... ma ovviamente è diverso per ogni tipo di attività. Non andresti in macchina ogni mese, vero? Quindi è un giudizio da parte tua.
Altrimenti, ci sono molte cose interessanti che puoi fare con i tuoi dati da una prospettiva di business intelligence. Prezzo medio di acquisto, numero di articoli acquistati in base agli stack out in un negozio o banner su un sito Web se si conosce l'ora in cui è stato inserito l'annuncio o lo stack out ... questi sono solo alcuni esempi.