Controlling & Finančná analýza | Finančná analýza

Customer Lifetime Value (2): zvýšenie ROI z marketingových investícií (príklad z praxe)

Máte nadpriemerný príjem, finančné vzdelanie, a vaša banka vám napriek tomu každý mesiac ponúka výhodný spotrebiteľský úver za 9 % p.a.? Vitajte v klube nepochopených zákazníkov.

12.01.2015 | Zdroj: CFO.sk

CFO.sk 

Návratnosť vynaložených marketingových investícií závisí okrem iného od toho, či spoločnosť dokáže identifikovať zákazníkov s najväčším ziskovým potenciálom a alokovať na nich optimálnym spôsobom svoje prostriedky. Banka, ktorá pri každom kontakte ponúka vysoko bonitnému zákazníkov spotrebný úver, ktorý vôbec nepotrebuje, nepozná svojich zákazníkov a mrhá peniazmi.

Koncept celoživotnej hodnoty zákazníka – CLV („Customer Lifetime Value“), ktorý umožňuje identifikovať perspektívnych zákazníkov, sme predstavili v predchádzajúcom článku. V tomto príspevku uvádzame reálny príklad jeho aplikácie vo veľkej nadnárodnej spoločnosti, ktorá predáva IT produkty a služby B2B klientom.

Spoločnosť

Táto spoločnosť v minulosti používala na skóring svojich zákazníkov a následnú alokáciu obchodných a marketingových zdrojov ako hlavné kritérium očakávané tržby v nasledujúcom roku. Marketingový rozpočet v rámci každého trhového segmentu alokovala na 10 % - 20 % zákazníkov s najvyššími očakávanými tržbami. Neskôr manažment zistil, že tržby nie sú správnym indikátorom potenciálneho zisku a spoločnosť začala používať ukazovatele založené na krycom príspevku.

V uplynulej dekáde sa vedenie rozhodlo vyskúšať koncept CLV na vybranej vzorke svojich zákazníkov. Vzorka obsahovala zhruba 2 000 klientov, ktorí boli v predchádzajúcich 12 mesiacoch spoločnosťou kontaktovaní iba minimálne. Cieľom bolo identifikovať doteraz zanedbávaných zákazníkov s najväčším ziskovým potenciálom, realokovať na nich marketingové zdroje a zvýšiť krycí príspevok, ktorý generujú.

Spoločnosť na základe analýzy dát o niekoľkých desiatkach tisícov zákazníkov vy vybranom segmente vypočítala ich CLV skóre a na vybranú vzorku realokovala svoje marketingové zdroje. Výsledkom bolo 10-násobné zvýšenie tržieb pri nezmenenej úrovni marketingových nákladov. Tento úspech primäl vedenie k aplikácii CLV na ďalšie segmenty zákazníkov.

Spôsob, akým táto spoločnosť aplikovala CLV, je vhodný predovšetkým pre firmy s väčším počtom zákazníkov, s ktorými má firma priamu interakciu, či už pôsobí v B2B alebo B2C segmente: telekomunikácie, banky a poisťovne, ICT, alebo maloobchod. Je založený na detailnej analýze historických údajov o nákupnom správaní a charakteristike zákazníkov a marketingovej aktivite spoločnosti, ktorú by sme dnes asi pompézne nazvali „Big Data Analysis“. Samotný koncept CLV je s úpravami relevantný pre väčšinu odvetví.

Výpočet CLV skóre

Spoločnosť vychádzala pri výpočte CLV z historických informácií, ktoré dovtedy o svojich zákazníkoch nazbierala jednak z priamej komunikácie cez marketingové a obchodné kanály, a jednak z informácií o predaji, tržbách a ziskovosti. Hodnotu CLV vypočítala pre každého zákazníka diskontovaním očakávaných peňažných tokov v nasledujúcich 36 mesiacoch nasledovne:

Očakávané peňažné toky boli pre každý z 36 mesiacov odvodené od troch hlavných premenných pre daný mesiac: pravdepodobnosť nákupu, očakávaný krycí príspevok z nákupu a očakávané marketingové náklady (skutočné očakávané náklady na aktivity call-centra, direct mailu a pod.). Táto čiastka bola diskontovaná podnikovou diskontnou sadzbou na súčasnú hodnotu. Suma týchto mesačných diskontovaných peňažných tokov tvorila hodnotu CLV.

Pre prvý z 36 mesiacov bola vypočítaná optimálna úroveň marketingovej aktivity (viď nižšie), a na základe jej intenzity a charakteristík zákazníka bola vypočítaná pravdepodobnosť nákupu konkrétneho produktu a odhadovaný krycí príspevok. Tieto údaje sa potom stali vstupnými údajmi (nezávislými premennými) pre výpočet ukazovateľov v nasledujúcom mesiaci, až po 36 mesiac. 

Vstupné dáta

Pri výpočte troch hlavných premenných vychádzala spoločnosť z predajných a marketingových štatistík za predchádzajúcich niekoľko rokov, ktoré priebežne evidovala vo svojom CRM systéme. Spoločnosť historicky využívala na kontaktovanie zákazníkov call-centrum, direct-mail, e-mail, katalógy a obchodných zástupcov. Pre každého zákazníka mala k dispozícii informácie o dátume a frekvencii uskutočnených kontaktov a o reakcii zákazníka. Tieto informácie spojila s kompletnou nákupnou históriou, predaným produktovým mixom, základnými informáciami o jednotlivých zákazníkoch (odvetvie, počet počítačov používaných u zákazníka, veľkosť tržieb a pod.) a dodatočnými informáciami, ktoré poskytlo obchodné oddelenie.

Identifikácia faktorov, ktoré ovplyvňujú hodnotu CLV

Všetky tieto vstupné informácie spoločnosť vyhodnotila na základe detailných štatistických modelov, v ktorých skúmala vzájomnú závislosť jednotlivých premenných a faktorov, napr. závislosť frekvencie nákupu od frekvencie a typu marketingového kontaktu, pravdepodobnosť nákupu produktu B v prípade, ak zákazník už má produkt A (cross-selling), alebo závislosť frekvencie nákupu a krycieho príspevku od počtu počítačov inštalovaných u zákazníka.

Z tejto analýzy identifikovala koeficienty korelácie a ďalšie štatistické ukazovatele, ktoré popisovali správanie zákazníkov.

Napríklad zákazníci, ktorí v predchádzajúcich x mesiacoch vygenerovali väčší krycí príspevok a nakúpili viac ako jeden produkt, boli historicky kontaktovaní častejšie a mali následne väčšiu pravdepodobnosť, že znovu nakúpia. Okrem toho generovali vyšší % krycí príspevok ako zákazníci s ojedinelým nákupom. Spoločnosť tiež zistila, že veľkí zákazníci (podľa tržieb) vykazovali nižšiu ziskovosť a frekvenciu nákupu, pravdepodobne preto, lebo sa jednalo o veľkých klientov, ktorí svoj IT rozpočet alokujú medzi viacerých dodávateľov. Pravdepodobnosť kúpy konkrétneho produktu mala štatisticky významnú závislosť od počtu predchádzajúcich nákupov v danej produktovej kategórií a od počtu rôznych produktov v danej kategórii (t.j. sklon k nákupu konkrétneho produktu závisel od rozsahu a hĺbky skúseností zákazníka s danou produktovou kategóriou).

Spoľahlivosť (štatistickú významnosť) vypočítaných koeficientov si mohla spoločnosť overiť na historických údajoch.

Zistené štatistické koeficienty následne aplikovala na informácie o každom zákazníkovi a prehnala ich cez vytvorený optimalizačný model, z ktorého vyplynula konkrétna marketingová stratégia (počet a frekvencia marketingových kontaktov, odporúčaný produkt) pre konkrétneho zákazníka, ktorá mala viesť k maximalizácii krycieho príspevku v najbližších troch rokoch. Údaje z optimálnej stratégie (tri základné premenné) boli potom použité na výpočet CLV každého zákazníka.

Čím vyššia je hodnota CLV, tým má zákazník vyššie skóre a prioritu pri alokácii marketingového rozpočtu.

Napríklad pre zákazníka v odvetví XY s počtom zamestnancov 700, počtom počítačov 60 a s už zakúpeným produktom A  z optimalizačného modelu vyplynula ako odporúčaná stratégia zvýšiť počet telefonických kontaktov zo 7 na 12 krát za rok a pri oslovení ponúkať produkt D a potom produkt C. Pri aplikácii tejto stratégie je 35 % pravdepodobnosť, že tento zákazník si v 6. mesiaci kúpi produkt D, z ktorého spoločnosť vygeneruje krycí príspevok v hodnote 5 000 USD, a 20 % pravdepodobnosť, že v 15. mesiaci kúpi produkt C s krycím príspevkom 16 000 USD. Z týchto odhadov vychádza diskontovaná hodnota CLV vo výške 17 000 USD.

Spoločnosť zistila, že skóring klientov založený na CLV priniesol odlišné odporúčania na ktorých zákazníkov alokovať marketingové zdroje, ako dovtedy používaný skóringový model založený na očakávaných tržbách:

Vo výsledku bola preto časť marketingových zdrojov realokovaná z menej perspektívnych na viac perspektívnych zákazníkov. 

edenie odporúčanú marketingovú stratégiu implementovalo v spolupráci s obchodným a marketingovým oddelením počas nasledujúcich 12 mesiacov. Odporúčaná stratégia zahŕňala pre každého zákazníka počet a typ marketingových kontaktov v každom mesiaci plánovaného obdobia a do vzorky cca 2 000 zákazníkov boli zahrnutí primárne tí zákazníci, u ktorých bol zistený relatívne vysoký sklon k nákupu konkrétneho produktu (tento produkt bol odporučený marketingovému oddeleniu).

Výsledky

Výsledkom bol 10 násobný medziročný rast tržieb sledovanej vzorky zákazníkov (po odpočítaní priemerného rastu, ktorý firma v sledovanom roku a segmente dosiahla). V nominálnom vyjadrení išlo o niekoľko desiatok miliónov dolárov. Spoločnosť pritom svoje marketingové náklady nenavýšila, iba ich presmerovala medzi jednotlivými odberateľmi. Do projektu investovala rádovo iba desaťtisíce dolárov. Po kontaktovaní desatiny z celkového počtu zákazníkov vzrástol zisk celého segmentu o 3 %, čo predstavovalo ROI vyše 150 (15 000 %).

Spoločnosť aplikovala na vzorku vybraných 2 000 firiem okrem CLV aj dovtedy používané metódy na skóring zákazníkov založené na retrospektívnych ukazovateľoch (historické tržby, frekvencia nákupu a krycí príspevok), a zistila, že skóringový model založený na prediktívnych ukazovateľoch (CLV) dokázal zákazníkov s najvyšším ziskovým potenciálom identifikovať o 30 % - 40 % účinnejšie, ako modely založené na retrospektívnych ukazovateľoch.

Poznámky

Pri CLV analýze je kľúčom k úspechu získať čo najspoľahlivejšie základné parametre, ktoré určujú peňažné toky v budúcnosti – pravdepodobnosť nákupu, veľkosť nákupu, krycí príspevok, náklady na akvizíciu a udržanie zákazníka. U spoločností s veľkým počtom zákazníkov a interakcií, ako telekomunikácie, banky či maloobchod, je možné podobne, ako v prípade vyššie, na historické dáta aplikovať štatistické analýzy a kvantifikovať parametre, ktoré dostatočne spoľahlivo popisujú správanie zákazníkov a môžu byť použité pre účely extrapolácie. V spoločnostiach, ktoré majú menej zákazníkov a interakcií, ako napr. stavebné odvetvie a zákazková výroba, sa bude CLV analýza viac spoliehať na kvalitatívne údaje a odhady pravdepodobnosti, a peňažné toky budú závislé na iných premenných (napr. počiatočná investícia do lisových foriem u dodávateľa automobilových komponentov).

Ďalej je dôležité zohľadniť charakter odvetvia a vernosť zákazníkov. Napr. ak zákazník počas určitého obdobia od dodávateľa IT služieb nič nekúpi, neznamená to, že je úplne stratený, a môže sa k dodávateľovi znovu vrátiť. Iná je situácia napr. v telekomunikačnom odvetví, kde ak zákazník uzavrie s konkurenčným poskytovateľom mobilných služieb dvojročnú zmluvu, pravdepodobnosť jeho návratu počas dvoch rokov je minimálna.