Wdrażam business intelligence i nie zawaham się jej użyć! - Najlepsze praktyk...
Wartosc klienta
1. Wartość klienta –
- dlaczego warto ją analizować i jak ją mierzyć?
Warszawa, 23 stycznia 2013
2. Grupa MDDP
12
25
46
88
121
140
150 155
130
Liczba konsultantów
• Jedna z największych polskich firm
świadczących kompleksowe usługi
doradcze
• 7 wyspecjalizowanych linii biznesowych
• Trwała alternatywa w wyborze doradcy dla
polskich firm oraz dla międzynarodowych
Kim jesteśmy
2
12
2
0
0
4
2
0
0
5
2
0
0
6
2
0
0
7
2
0
0
8
2
0
0
9
2
0
1
0
2
0
1
1
2
0
1
2
polskich firm oraz dla międzynarodowych
korporacji działających w Polsce
Historia
2004
2009
2005
2006 2007 2008 2010
3. Rola MDDP w projektach IT
Nasze zaangażowanie stanowi gwarancję
pomyślnego przebiegu wdrożenia systemu IT.
Zapewniamy naszym Klientom wsparcie na każdym
etapie procesu wdrożenia. Szczególną uwagę
zwracamy na te elementy, które istotnie determinują
końcowy sukces procesu wdrożenia. W tym zakresie
oferujemy:
• określanie wymagań biznesowych / tworzenie
koncepcji i optymalizacja procesów biznesowych
poprzedzających wybór i wdrożenie systemów;
• wsparcie w tworzeniu zapytań ofertowych i
wyborze właściwego systemu oraz firmy
wdrożeniowej, koordynacja procesu podpisania
umowy;
• pełnienie roli menedżera projektu przy
3KLIENT
INTEGRATOR
IT
MDDP BUSINESS
CONSULTING
• pełnienie roli menedżera projektu przy
wdrożeniach systemów informatycznych;
• optymalizacja funkcjonowania już wdrożonych
systemów.
Odpowiadamy za pełną zgodność docelowego
rozwiązania z potrzebami klienta oraz optymalne
dopasowanie do unikalnych cech każdego
przedsiębiorstwa. Dbamy o efektywność kosztową
przedsięwzięcia, rekomendując rozwiązania
adekwatne do skali i istotności problemu. Przy
projektowaniu i wyborze rozwiązań uwzględniamy
całkowity koszt posiadania systemu (Total Cosf of
Ownership, TCO), wskazując wpływ poszczególnych
decyzji projektowej na koszt wdrożenia jak również
koszty związane z przyszłym utrzymaniem systemu.
Pomagamy przedsiębiorstwom w osiągnięciu
maksymalnej integracji i standaryzacji informacji
przedsiębiorstwa oraz zapewnieniu wysokiej
elastyczności wdrażanego systemu
5. Przykładowe miary relacji z klientem
CLD
Customer Lifetime
Duration
CLR
Customer Lifetime
Revenue
Wallet Share
Proste PCR
Past Customer
Revenue
5
RFM
Recency-Frequency-
Monetary
PCV
Past Customer Value
CLV
Customer Lifetime
Value
Historia Przyszłość
Złożone
6. PCV – rentowność kontrahentów
„Obsługując w ubiegłym roku jedynie 52 klientów
osiągnęlibyśmy aż 80% naszych zysków! Może
warto o nich zadbać w sposób szczególny?”
„Nigdy byśmy nie powiedzieli, że D generuje
najwyższą marżę; przecież przychody od A, B i C
są znacznie większe”
20%
40%
60%
80%
100%
Skumulowany zysk generowany przez kontrahentów
66
32% 33%
38%
44%
27%
30% 31%
29%
34%
28%
43%
32%
25% 24%
33%
27%
23%
36%
33%
23%
A B C D E F G H I J K L M N O P R T U V
20 największych kontrahentów
Przychody M5 [PLN] M5 [%]
0%
0 50 100 150 200 250
7. RFM – założenia podstawowe
Recency
jak dawno temu klient dokonał ostatniego zakupu?
Frequency
7
Frequency
jak często kupował?
Monetary Value
jak dużo zapłacił?
9. RFM – od wartości absolutnych do ocen syntetycznych
20% klientów, dla
których upłynęło
najwięcej czasu od
ostatniej transakcji
20% - 40% 40% - 60% 60% - 80%
20% klientów, dla
których upłynęło
najmniej czasu od
ostatniej transakcji
1 2 3 4 5
Recency – czas od ostatniej transakcji
Frequency – liczba transakcji w ciągu ostatniego roku
9
20% klientów o
najmniejszej liczbie
transakcji
20% - 40% 40% - 60% 60% - 80%
20% klientów o
największej liczbie
transakcji
1 2 3 4 5
20% klientów o
najniższych obrotach
20% - 40% 40% - 60% 60% - 80%
20% klientów o
najwyższych obrotach
1 2 3 4 5
Monetary – wartość transakcji w ciągu ostatniego roku
10. CLV – spojrzenie na relację z klientem
lost for good always a share
Transakcje klienta (marża operacyjna) - CG
Koszty utrzymania klienta - M
10
Ostatnia transakcja P
w roku poprzednim 30%
2 lata temu 20%
3 lata temu 15%
4 lata temu 5%
5 lat temu 0%
Model migracyjny
Macierz migracji
(prawdopodobieństwo dokonania transakcji)
Model retencyjny
Współczynnik churn’u
(prawdopodobieństwo kontynuacji współpracy)
Koszty utrzymania klienta - M
11. CLV – przewaga nad innymi metrykami
11
Venkatesan R., Kumar V., The Impact of Customer Relationship Characteristics on Profitable Lifetime Duration, Journal of Marketing, 67 (2003)
12. CLV – przewaga nad innymi metrykami (cd)
12
Reinartz W.J., Kumar V., A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy, Journal of Marketing, 68(2004)
13. CLV – praktyczne zastosowania
„Motyle”
Optymalizacja transakcji a nie
długookresowej satysfakcji
Strategia żniw tak długo jak to
możliwe
Zaprzestanie inwestowania w chwili
osiągnięcia punktu przegięcia
„Prawdziwi przyjaciele”
Stała ale niezbyt częsta komunikacja
Ukierunkowanie na wielkość
transakcji i lojalność
„Dogadzanie” klientom aby czuli się
usatysfakcjonowani
LifetimeValue
Wysoka
13
„Obcy”
Zaprzestanie jakichkolwiek inwestycji
Wymuszenie zyskowności każdej
transakcji
„Skorupiaki”
Sprawdzenie wielkości portfela i
udziału w nim
Jeśli udział w portfelu jest niski,
zintensyfikowanie sprzedaży
Jeśli wartość portfela jest niska,
wymuszenie kontroli kosztów obsługi
Customer Lifetime Duration
CustomerLifetime
Krótki Długi
Niska
Reinartz, Werner and V Kumar (2002),”The Mismanagement of Customer Loyalty,” Harvard Business Review, July
14. CLV - czynniki kształtujące wartość klienta
Klient
Potencjał bazowy Potencjał wzrostu Potencjał sieciowy Potencjał wiedzy
14
Przepływy pieniężne związane z
produktami/usługami
stanowiącymi trzon obecnej
relacji
Przepływy pieniężne związane
ze sprzedażą dodatkowych
produktów/usług (cross-selling,
zwiększenie udziału w koszyku
zakupów, etc)
Przepływy pieniężne związane z
nowymi klientami pozyskanymi
na podstawie relacji z danym
klientem (referencje, polecenia,
etc)
Przepływy pieniężne wynikające
z wiedzy zdobytej w ramach
relacji z danym klientem
Wartość klienta (CLV)
oczekiwane przychody i koszty oczekiwane przychody i koszty oczekiwane przychody i koszty oczekiwane przychody i koszty
Stahl H.K, Matzler K., Hinterhuber H.H., Linking customer lifetime value with shareholder value, „ Industrial Marketing Management” 32 (2003)
15. CLV – model koncepcyjny
15
Reinartz W.J., Kumar V., A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy, Journal of Marketing, 68(2004)
17. Data Mining
Eksploracja danych (spotyka się również określenie drążenie
danych, pozyskiwanie wiedzy, wydobywanie danych, ekstrakcja
danych) (ang. data mining) – (…) wykorzystanie szybkości
komputera do znajdowania ukrytych dla człowieka (właśnie z uwagi
na ograniczone możliwości czasowe) prawidłowości
wdanych zgromadzonych w hurtowniach danych.
17
… advanced analysis step of
the "Knowledge Discovery in
Databases" process…
…the automated extraction of hidden
predictive information from databases…
…data mining automates the detection of relevant patterns in a
database, using defined approaches and algorithms to look into
current and historical data that can then be analyzed to predict
future trends…
18. Techniki Data Mining
Algorytmy
Data Mining
Predykcyjne Opisowe
18
Predykcyjne Opisowe
Klasyfikacja Regresja
Grupowanie
Reguły
asocjacyjne
Odkrywanie
sekwencji
Wyszukiwanie
anomalii
Analiza szeregów
czasowych
20. Łącząc to wszystko razem
Baza danych
(np. systemu CRM)
Analiza RFM
(klasyfikacja poszczególnych
klientów wg stanu obecnego)
20
Analiza RFM
(klasyfikacja
poszczególnych
klientów wg
stanu 3 lata
temu)
PCV
(Contribution
Margin każdego
klienta za
ostatnie 3 lata)
Reguły decyzyjne
(np. drzewo decyzyjne)
Prognoza CLV
(oczekiwana wartość każdego
klienta)
31.12.201231.12.201131.12.201031.12.200931.12.2008
21. Podsumowanie
Chcemy dostosować sposób obsługi do potencjału klienta
Klienci nie są anonimowi
Jesteśmy w stanie powiązać najważniejsze koszty z klientem
✔
✔
✔
KIEDY?
21
Przeprowadź analizy historyczne PCV/RFM
Użyj technik DataMining do uzyskania reguł decyzyjnych
Zacznij korzystać z wiedzy na temat swoich klientów
!
!
!
JAK?