5.metody segmentacji

Marketing relacyjny to obecnie jedna z bardziej popularnych form aktywności prosprzedażowych. Na dojrzałych rynkach, na których konkurujące ze sobą podmioty oferują produkty zbliżone cenowo i jakościowo, utrzymywanie poprawnych relacji z klientami może stanowić źródło przewagi konkurencyjnej. Warto jednak odpowiedzieć sobie na pytania czy opłacalne jest dbanie o relacje ze wszystkimi klientami, czy też bardziej ekonomicznie jest troszczenie się tylko o pewne ich grupy?

Odpowiedzieć na to pytanie można sobie poprzez analogię do życia codziennego – nie przyjaźnimy się przecież z każdą osobą, którą znamy, a jedynie z tymi których znamy najlepiej. Podobnie jest w przypadku firm – najbardziej opłacalne jest utrzymywanie dobrych relacji z ich stałymi klientami. Stanowi to dla firmy większy zysk niż potencjalne korzyści, wynikające z pozyskania nowych klientów, m.in. dlatego, że:

  • koszty akwizycji nowego klienta są większe niż koszty nakłonienia do ponownego kupna osoby, która jest już klientem,
  • odzyskanie klienta, który odszedł do konkurencji jest bardziej kosztowne niż utrzymywanie poziomu satysfakcji klienta na stałym, wysokim poziomie,
  • stały klient, przynosi większe zyski niż klient, dokonujący pojedynczych transakcji

Jednak utrzymywanie relacji z klientami również kosztuje. I to niemało. W jaki sposób więc wyróżnić grupy klientów, z którymi warto utrzymywać dobre relacje? W tym celu zostały stworzone różnego rodzaju narzędzia CRM, pozwalające na segmentację klientów według: wartości jaką stanowią dla firmy; cyklu ich życia oraz prawdopodobieństwa kolejnego zakupu. Segmentacja pozwala zrealizować kilka celów:

  • zweryfikować i uporządkować koszty obsługi klienta – dzięki analizie klientów można zidentyfikować klientów, którzy uznawani byli za wartościowych, choć w rzeczywistości byli przecenieni przez firmę,
  • zidentyfikować kilka grup klientów – swoiste uproszczenie, które pozwala stworzyć kilka strategii podejścia do klientów, co jest jednocześnie ograniczeniem kosztów,
  • wyróżnić klientów „perspektywicznych”, którzy mogą stać się kluczowymi klientami, jednocześnie przynosząc firmie większy zysk.

W celu przeprowadzenia segmentacji potrzebny jest pokaźny zasób informacji. Te informacje niestety nie zawsze są dostępne w odpowiedniej formie. Mam na myśli głównie detalistów, których klientami są anonimowe osoby (firma zna tylko wartość ich zakupów oraz zawartość koszyka, pozwala to na segmentację grup klientów, która jednak ze względu na anonimowość tych grup nie może zostać wykorzystana do prowadzenia bezpośrednich działań relacyjnych). Natomiast sytuacją niemal doskonałą wydają się być wszelkie biznesy prowadzone za pośrednictwem Internetu, które pozwalają nie tylko na dokładne ewidencjonowanie cyklu życia klienta, historii jego zakupów i kontaktów z firmą, ale także na automatyzację procesów segmentacji.

W niniejszym tekście zaprezentowane zostaną dwie metody, które mogą być wykorzystywane do segmentacji klientów sklepu internetowego lub uczestników programu lojalnościowego obsługiwanego przez Internet.

 

Oczekiwana wartość klienta

Pierwszą z nich jest obliczanie wskaźnika oczekiwanej wartości klienta poprzez wskaźnik prawdopodobieństwa dokonania kolejnego zakupu. Obydwa wskaźniki są ze sobą powiązane. Metodę zaprezentuję na podstawie przykładu historii zakupów dwóch klientów sklepu internetowego z odzieżą w pierwszym półroczu 2010 r.

Klient A dokonuje zakupów raz na parę miesięcy wydając w sklepie większe kwoty (średnia wartość koszyka to 224 zł), natomiast klient B regularnie, co drugi miesiąc, zostawia w sklepie mniejsze kwoty (średnia wartość koszyka to 125 zł). Próbując dokonać segmentacji klientów tylko na podstawie średniej wartości koszyka, można by stwierdzić, że większą wartość dla firmy ma klient A, który dokonał zakupów za kwotę o prawie 100 zł wyższą niż klient A.

Miesiąc Klient A Klient B
styczeń 259 zł -
luty - 199 zł
marzec - -
kwiecień - 59 zł
maj 189 zł -
czerwiec - 119 zł
Wartość Klient A Klient B
Suma wydatków 448 zł 377 zł
Średnia marża 55% 55%
Zysk 246,4 zł 207,35 zł

Również porównując zysk, jaki obydwaj klienci przynieśli firmie (wyliczając go według marży sklepu – średnia dla branży odzieżowej w Polsce) można stwierdzić, że klient A przyniósł firmie większe korzyści niż klient B. Spróbujmy jednak przeprowadzić analizę przewidywanej wartości obydwóch klientów w dłuższym okresie czasu.

 

Najpierw obliczymy wskaźnik prawdopodobieństwa dokonania kolejnego zakupu. Oblicza się go ze wzoru:

P=Tn   gdzie:

P – wskaźnik prawdopodobieństwa dokonania ponownego zakupu,
T – ułamek analizowanego okresu wyrażający czas ostatniego zakupu (miesiąc dokonania ostatniego zakupu przez ilość miesięcy w danym okresie),
N – liczba transakcji dokonanych w danym okresie.

W ten sposób otrzymujemy następujące wyliczenia:

Klient A T(A) = 5/6 = 0,833(3) P(A) = T(A)^2 = 0,694(4)
Klient B T(B) = 6/6 = 1 P(B) = T(B)^3 = 1

Do obliczenia oczekiwanej wartości klienta w długim okresie czasu wykorzystamy wzór:

E = P x R   gdzie:

E – oczekiwana wartość klienta
P – wskaźnik prawdopodobieństwa dokonania ponownego zakupu,
R – zysk jaki przyniósł klient w analizowanym okresie.

Na tej podstawie stwierdzamy, że wskaźniki oczekiwanej wartości dla klientów A i B to:

Klient A E(A) = 0,694(4) * 246,4 zł = 171,11 zł
Klient B E(B) = 1 * 207,35 zł = 207,35 zł

Na podstawie wyników można stwierdzić, że klient B w dłuższym okresie stanowi większą wartość dla firmy. Przewidywana łączna wartość jego zakupów będzie wyższa od zakupów klienta A. Na tej podstawie można stwierdzić, że strategia premiowania i dbania o relację z klientami tylko na podstawie wartości ich koszyka może okazać się błędna. Przykładowo może prowadzić do frustracji u klienta, który w skali roku wydaje w sklepie kwotę większą niż klienci nagradzani zniżkami, rabatami i gadżetami za zakupy powyżej określonych kwot. W konsekwencji może to doprowadzić do utraty cennego klienta.

 

Analiza RFM

Drugą metodą analizy klientów w celu segmentacji klientów jest analiza RFM, która sprawdza się w przypadku dojrzałych przedsiębiorstw, posiadających dobre rozeznanie w swojej grupie klienckiej oraz w strukturze sprzedaży. Wynika to z faktu, że analiza RFM jest metodą scoringową (metody oceny punktowej). Jej subiektywność często wskazywana jako wada.

Analiza RFM opiera się na trzech danych składowych:

  • Czasie, jaki minął od dokonania ostatniego zakupu (ang. recency), im krótszy tym bardziej wartościowy klient
  • Ilości dokonanych transakcji – częstotliwość zakupów (ang. frequency), im częstotliwość większa tym bardziej wartościowy klient
  • Wartość dokonanych zakupów (ang. monetary value), im większa tym bardziej wartościowy klient

Dla każdego z powyższych czynników osoba dokonująca analizy powinna ustalić:

  • ilość punktów przyznawanych klientom za wyniki dla każdego z trzech czynników wskaźnika
  • wagę, określającą w jakim stopniu każdy z trzech składników jest istotny dla przedsiębiorstwa

To właśnie wspomniany element subiektywny wskaźnika, wskazywany jako największa wada tej metody. Wśród jej zalet oprócz niewątpliwej prostoty i niskich kosztów przeprowadzania można wymienić to, że opiera się ona na danych behawioralnych, zatem prawdopodobieństwo uzyskania miarodajnych wyników jest większe.

Wzór na obliczenie wskaźnika RFM, określającego wartość klienta wygląda następująco:
RFM = (okres od dokonania ostatniego zakupu x waga) + (ilość dokonanych transakcji x waga) + (wartość dokonanych zakupów x waga)

Dla przykładu obliczmy wartość przykładowych klientów A i B, z naszego sklepu internetowego, wykorzystując dane użyte do obliczenia wskaźnika oczekiwanej wartości klienta. Wykorzystując wnioski ustalmy punktację i wagi w następujący sposób:

  • dla oceny czasu od ostatniej transakcji,
    • 10 punktów, jeśli ostatnia transakcja miała miejsce w ostatnim miesiącu
    • 5 punktów, jeśli ostatnia transakcja miała miejsce w 2 miesiące wstecz,
    • 3 punkty, jeśli ostatnia transakcja miała miejsce 3 miesiące wstecz
  • Dla oceny częstotliwości – 4 punkty za każdy z dokonanych w analizowanym okresie zakupów
  • Dla wartości transakcji – 0,5 punkta za każde 100zł wydane w sklepie
  • Wagi dla 3 składowych RFM, na następujących poziomach
    • Okres od ostatniej transakcji – 5,
    • Częstotliwość zakupów – 4,
    • Wartość zakupów – 2

Uwzględniając dane z poprzedniego przykładu:

Miesiąc Klient A Klient B
styczeń 259 zł -
luty - 199 zł
marzec - -
kwiecień - 59 zł
maj 189 zł -
czerwiec - 119 zł

Otrzymujemy następujące dane:

Klient Kolejna transakcja Okres od ostatniej transakcji Wartość transakcji
A 1 0 259 zł
2 3 189 zł
B 1 0 199 zł
2 2 59 zł
3 2 119 zł

Przyporządkujmy je kolejnym zamówieniom obydwu klientów:

Składnik Klient A Klient B
Kolejna transakcja
1 2 1 2 3
Okres od ostatniej transakcji 0 3 0 2 2
Punkty 0 3 0 5 5
Punkty ważone 0 15 0 25 25
Liczba transakcji 1 1 1 1 1
Punkty 4 4 4 4 4
Punkty ważone 16 16 16 16 16
Wartość transakcji 259 zł 189 zł 199 zł 59 zł 119 zł
Punkty 2 1 1 0 2
Punkty ważone 4 2 2 0 2
Suma ocen ważonych 20 33 18 41 43
Okres od ostatniej transakcji 20 53 18 59 102

W przypadku analizy RFM również wartość klienta B jest wyższa niż wartość klienta A. Warto jednak zauważyć, że w przypadku analizy RFM, klienci którzy dokonują zakupów uznawanych przez firmę za najważniejsze – np. o dużej wartości koszyka, regularne zakupy, osiągają najwyższą wartość. Nie mając więc dokładnej wiedzy o bazie klientów oraz o strukturze sprzedaży bardzo łatwo można doprowadzić do sytuacji, w której otrzymane wyniki analizy będą zgodne ze sposobem myślenie analizującego, natomiast niekoniecznie z rzeczywistością.

 

Zakończenie

Mam nadzieję, że powyższego przykłady pomogły pokazać, że odpowiednia segmentacja klientów pozwala zweryfikować zasadność prowadzonych wysiłków o utrzymanie niektórych klientów. Nie zawsze ilość pieniędzy wydawanych jednorazowo stanowi największą wartość i korzyść dla przedsiębiorstwa.

Warto inwestować w relacje z tymi klientami, którzy będą stanowili dla nas największą wartość w przyszłości i już dziś próbować oddziaływać na ich motywacje, oferując im dodatkowe korzyści, np. rabaty lub upominki.

Warto dodać, że segmentacja grupy konsumenckiej powinna być prowadzona w sposób nieustanny, by reagować na zmieniające się zachowania klientów. Zautomatyzowane prowadzenie tego typu analiz jest wręcz idealnym narzędziem dla sklepów internetowych, posiadających bardzo dokładne dane o swoich klientach i historii ich zakupów.

Skomentuj
komentarzy

Dodaj komentarz