Eu flag

Daten-gesteuerte Optimierung für eine geteilte Mobilität-Lösung

Zdjecie w tle

Überblick

Client
Shared Mobility-Firma
Scope of work
Eine komplexe Datenanalyse einer Shared Mobility-Plattform wurde durchgeführt um Einsicht in das Kundenverhalten und die Verteilung der Vermietungen in Bezug auf Zeit und Raum zu erlangen.
Methods
Statistische Analyse, Datenvisualisierung, RFM-Analyse (Recency, Frequency, Monetary Value), Kohortenanalyse, Geodatenanalyse
Technologies
Python, (Bibliotheken: Pandas, Dask, SQLAlchemy, Folium, Seaborn), MariaDB, MySQL

Kundenverhaltensanalyse für Shared Mobility-Services

Einer der wichtigsten Faktoren beim Management von Shared Mobility-Plattformen ist das Wissen über die Nachfrage der Fahrzeuge in Bezug auf Ort und Zeit. Dieses Wissen gibt der Firma die Möglichkeit die Verteilung der Fahrzeuge in der Stadt zu planen um den Bedarf der Kunden besser zu decken, aber auch effektivere Marketing-Kampagnen durchzuführen.

Genauso wichtig ist es die Kunden besser kennenzulernen – ihre Bedürfnisse, Gewohnheiten und Präferenzen. Dank diesem Wissen können Anbieter für geteilte Mobilität ihren Service und ihre User Experience verbessern, personalisierte Special Offers kreieren um den Umsatz zu steigern und Kundenbindung zu erhalten.

Kurz gesagt

  • Analyse der Shared Mobility-Plattform
  • Nachfrage nach Fahrzeugen in Zeit und Raum
  • Kundensegmentierung
  • Datenvisualisierung
  • Geodatenanalyse

Kundenverhaltensanalyse und datenbasierte Erkenntnisse

Das Ziel des Projektes war es unserem Kunden Wissen über die Mietwagen-Nachfrage und das Konsumentenverhalten zu übermitteln. Dieses Wissen war erforderlich um die Shared Mobility-Plattform zu optimieren und ihre Rentabilität zu erhöhen.

Die Hauptfragen die wir beantworten wollten lauteten:

  • Wie verändert sich die Anzahl der Vermietungen im Laufe des Tages?
  • Beeinflussen lokale Ereignisse die Nachfrage?
  • Welche Strecken sind am beliebtesten?
  • Wo mieten und wo stellen die Kunden die Fahrzeuge ab?
  • Gibt es Gebiete wo die Fahrzeuge lange inaktiv bleiben?
  • Wer sind die besten Kunden?
  • Welche Kunden werden bald abspringen und brauchen sie Aufmerksamkeit?
  • Fahren Kunden regelmäßige Strecken?

Die durch die Analyse des Kundenverhaltens generierten Einsichten haben einen direkten Einfluss auf die Geschäftsperformance und können direkt zum Nutzen des Business eingesetzt werden. Zum Beispiel, zu wissen an welchen Orten User normalerweise Fahrzeuge mieten und abstellen hilft dem Anbieter die Positionierung der Fahrzeuge zu optimieren und somit – Kundenwünsche besser zu erfüllen und die Auslastung der Fahrzeuge zu maximieren.

Data driven optimization

Datenanalysetechniken, Hypothesen und Lösungen

Um ein breites Wissen über die Shared Mobility-Plattform und deren User zu erhalten haben wir einige Hypothesen aufgestellt und verschiedene Datenanalysetechniken angewendet (Statistische Analyse, RFM-Analyse, Kohortenanalyse, Geodatenanalyse) um sie zu überprüfen.

Der feste Bestandteil jeder Datenanalyse (besonders bezüglich Geodaten) ist Visualisierung. Um die Ergebnisse unserer Analysen verständlich und einfach zugänglich zu machen haben wir verschiedene Tools zur Datenvisualisierung angewendet, so wie Choroplethenkarten, Heat Maps, Point Maps und Cluster Maps, um die Geodaten auf eine nachvollziehbare Weise darzustellen.

Schauen Sie sich ein cooles Projekt an, welches wir eingeführt haben

Stay in touch with us:

Verpassen Sie nichts

Melden Sie sich für unseren Newsletter an, um eine monatliche Dosis an Neuigkeiten, Tipps und Inspirationen zur Lernentwicklung zu erhalten.