Turnaround – Klientų analitika.

Duomenų bazės valdymas.

klientu lojalumasĮsivaizduokite Jūs turite kirpyklą. Esate į ateitį mąstanti įmonė, todėl renkate savo klientų duomenis, turite surinkę tam tikrą duomenų bazę. Jūsų veiklos patirtis rodo, kad standartiškai Jūsų lojalūs klientai vyrai ateina apsikirpti pas jus kas 40 dienų. Kadangi kaupiate informaciją apie klientus, nusprendžiate, kad reiktų tam tikro marketinginio paskatinimo apsilankyti pas Jus dar kartą klientams, kurie neužsuka į Jūsų kirpyklą jau daugiau nei 40 dienų nuo paskutinio savo apsilankymo. Ką jūs darote?

Išsiunčiate 3 eurų kuponą visiems tiems, kas paskutinį kartą apsilankė daugiau nei virš 40 dienų. Štai po kelių dienų matote pirmus rezultatus, dalis klientų dėkoja už paskatą, nes kaip tik mąstė, į kokią kirpyklą važiuoti, dalis klientų maloniai nustebinti, nes kaip tik norėjo pas Jus užsukti, o dar ir nuolaidą gavo, didžioji dalis klientų visai nesuregavo. Bendri rezultatai neblogi, pasijautė klientų pagausėjimas, tačiau įvertinus marketinginius kaštus siunčiant kuponą bei suteikiant nuolaidą, pelno beveik neliko. Ko galime išmokti iš šio pavyzdžio?

  1. Sveikintinas dalykas, kad apskritai duomenų bazė yra kaupiama, tai yra vienas pagrindinių Jūsų įmonės turtų, todėl nepriklausomai kokiame versle egzistuojate turite kaupti, auginti bei itin saugoti savo duomenų bazę
  2. Džiugu, kad renkami ne tik pagrindiniai duomenys (vardas, pavardė, telefonas, e-mailas), tačiau yra galimybė ir padaryti mini segmentaciją – vyrai/moterys. Duomenų bazės valdymo terminais kalbant, Jūs galite segmentuoti klientus pagal kelis kriterijus:
  • Demografinis: lytis, amžius, geografija, išsilavinimas, tautybė, šeimyninė padėtis
  • Gyvenimo būdas: pomėgiai, poreikiai, problemos
  • Pirkimo istorija: kada paskutinį kartą lankėsi, kiek pinigų išleido, kiek kartų pirko, kokias paslaugas įsigijo

Tačiau….

3. Tikėtina, kad buvo padaryta klaidinga, per daug globali hipotezė, kad reikia skatinti visus, kurie neapsilankė kirpykloje daugiau nei vidutinis klientas vyras – virš 40 dienų. Taip buvo prarastas pelnas kalbant apie tuos klientus, kurie ir taip būtų atėję eilinį kartą apsikirpti. Taip nutiko dėl to, kad segmentuodami mes atsižvelgėme tik į vieną kintamąjį – paskutinio apsilankymo laiką.

Pažvelgus giliau, galime matyti, kad trumpo plauko klientai vyrai standartiškai apsilanko kas 25 dienas, todėl paskata tiesiog jiems nebuvo aktuali, ilgo plauko klientai kerpasi kas 65 dienas – jiems irgi tai nebuvo aktualu. Dalis klientų šioje kirpykloje lankėsi tik kartą, dalis lankosi nuolat, dalis klientų ateina kartu su žmonomis, kurios kirpykloje renkasi kitas procedūras nei plaukų kirpimas – žodžiu skirtingų klientų segmentų poreikiai ir situacija pakankamai skyrėsi, o pasiūlymas buvo bendras visiems.

RFM (recency, frequency, monetary)

If Content is the king, customer is the King Kong…database is the queen. Vitalijus Majorovas

Duomenų bazės situacija parodo Jūsų įmonės veiklos sveikatą. Vadinasi ir saugoti, stiprinti ją ar prižiūrėti bei gydyti galimas ligas, reikalinga profesionali pagalba. Duomenų bazės segmentavimas yra mokslas. Tai supratau, kai kadaise veiklos pobūdis privertė gilintis į duomenų bazės segmentavimo principus. Perskaitęs daugybę knygų supratau, kad yra begales technikų, įrankių, kaip valdyti didelius duomenų kiekius. Vienas paprasčiausių, bet kartu ir praktiškiausių – RFM modelis, kurį ir įdiegiau savo buvusio darbdavio įmonėje. Tai skaičių sistema, kuri visus klientus sugrupuoja į tam tikras rūšis pagal sekančio pirkimo tikimybę.

Pateikiu pavyzdį iš elektroninės prekybos įmonės. duomenu bazes valdymas, rfm

  • Recency (kada paskutinį kartą pirko) – tarkim:
  • Nuo 1 iki 3 mėnesių – 3 taškai. Nuo 3 iki 6 mėnesių – 2 taškai. Nuo 6-12 mėnesių – 1 taškas.
  • Frequency (kiek kartų pirko) – tarkim:
  • 5 ir daugiau kartų – 3 taškai, 3-5 kartai – 2 taškai, 1-3 kartai – 1 taškas
  • Monetary (vidutinė išleistų pinigų suma) – tarkim:
  • 100 ir daugiau eurų – 3 taškai, 50-100 eurų – 2 taškai, 0-50 eurų – 1 taškas.

 

Tokiu atveju tu sugrupuoji klientus pagal jų surinktus taškus nuo 9 iki 3. Sakykim 9,8 yra VIP klientai, 7,6,5 – Geri klientai, 4 ir 3 – Vidutiniai klientai (išlaikome pozityvumą). Sutiksite, kad VIP klientas: šiuo atveju tas, kuris pirko prieš kelis mėnesius, kas kartą daugiau nei už 100 eurų bei jau yra pirkęs 5 ar daugiau kartų, turi žymiai didesnę tikimybę kažką iš jūsų įsigyti sekančio kontakto metu nei tarkim Vidutinis klientas?

Vienas iš pagrindinių duomenų bazės segmentavimo tikslų – sutelkti savo dėmesį. Tarkim, jei turite 1 mln. Eurų marketingo biudžetą ir 1 mln. Klientų, Jūs galite kiekvienam klientui skirti po 1 eurą ARBA pasinaudoję pvz. RFM modeliu bei Pareto dėsniu, 20% ar 10% klientų (priklausomai nuo Jūsų duomenų bazės kokybės) skirti 80% ar 90% biudžeto. Žinoma pats RFM modelis yra tik platforma tolimesnei, gilesnei segmentacijai jungiant RFM su demografiniu segmentavimu arba kaip kirpyklos atveju Gyvenimo būdo – plaukų ilgio poreikiu.

Pvz. remiantis prognozavimo analitika (predictive analytics) jei turite RFM VIP klientą vyrą 20-30 metų, kuris nusipirkęs prekę A, dar ir pirko B bei C prekes, gal vertėtų rasti tokio paties segmento RFM VIP klientą, kuris yra nusipirkęs B ir A prekes, bei pasiūlyti prekę C? Žodžiu, jei supratote esmę, naudodami iš pažiūros paprastą duomenų bazės segmentavimo įrankį RFM, galite turėti pakankamai daug variacijų tolimesnei duomenų bazės valdymo veiklai.

Klientų segmentai ir darbo strategijos

Sekantis segmentavimo žingsnis – įsivardinti klientų grupes ir kaip dirbsite su jais. RFM yra puikus pagrindas sugrupuojant klientus į kategorijas arba segmentus bei paruošiant skirtingas darbo su jais strategijas. Kompanijos, kurioje dirbau, atveju, turėjome 4 klientų segmentus. Manau, kad tai yra pakankamai universalu bei pritaikoma daugeliui verslo modelių:

  • Iš esmės prarasti klientai (paskutinį kartą pirko pakankamai seniai, pirko kartą arba vos kelis kartus per visą istoriją) – daug biudžeto bei pastangų neskirčiau šiems klientams. Jie gali puikiai tikti NPS apklausoms, norint sužinoti, ką įmonės veikloje reikia tobulinti, bei naujų vadybininkų pardavimo įgūdžių tobulinimo procese.
  • Klientai esantys rizikos zonoje (yra netoli vidurkio pagal tai, kas kiek laiko vidutiniškai Jūsų klientai perka iš Jūsų). Juos reiktų bandyti reaktyvuoti, ypatingai su personalizuotu dėmesiu bei pasiūlymu pagal Jų profilį – pirkimo istoriją, amžių, geografiją, lytį. Kadangi Jūs juos rizikuojate greitu metu praprasti visiems laikams, atraktyvus pasiūlymas ar neįprasta kainodara yra tinkamos priemonės.
  • Potencialūs klientai (pakankamai „švieži“, nauji klientai, nusipirkę Jūsų įmonės paslaugas/prekes visai neseniai). Tokius klientus reikia įtraukti bei auginti – nemokamas turinys, edukacija apie Jūsų kitas prekes, pagalba prekės naudojimo laikotarpyje – šie dalykai gali būti svarbūs jiems.
  • VIP klientai, tikslas išlaikyti bei didinti krepšelio vertę (t.y. parduoti brangesnes paslaugas, padaryti papildomus pardavimus prie turimos prekės, pratęsti lojalumo narystę, praplėsti parduodamų naujų prekių portfelį).

Na ką….Belieka:

  1. sugalvoti konkrečias marketingines priemones kiekvienam klientų segmentui,
  2. stebėti duomenų bazės kokybės dinamiką – progresą/regresą
  3. bei paskirstyti pardavimo pajėgas – vadybininkus,

pvz. geriausi vadybininkai turi kontaktuoti tik su RFM VIP klientais ir atvirkščiai arba gal Jūs nuspręsite savo vadybininkams įdiegti kažkokią rotacijos programą skirtingiems duomenų bazės segmentams? Viskas priklauso tik nuo Jūsų.

Turnaround.lttai verslo pokyčių ir krizių valdymo tinklaraštis, kuriame rasite naudingų patarimų bei idėjų apie vadovavimą, pardavimų skatinimą, klientų lojalumą, personalo ugdymą, sporto psichologiją bei kitas aktualias šios dienos vadybos ir verslo įžvalgas. Prenumeruokite mūsų naujienas bei skaitykite naujausius straipsnius.

If you enjoyed this post, make sure you subscribe to my RSS feed!

Parašykite komentarą

El. pašto adresas nebus skelbiamas. Būtini laukeliai pažymėti *