Использование CLV (Customer Lifetime Value)

Для многих компаний весь их бизнес вращается вокруг попыток понять, каких клиентов стоит удерживать, а каких нет. Это привело к тому, что менеджеры из самых различных сфер бизнеса ищут все более сложные способы измерить CLV (пожизненную ценность клиента), чтобы выделить самых перспективных клиентов с точки зрения будущих покупок.

CLV – концепция, приобретшая популярность в силу своей видимой очевидности и простоты. Действительно, если мы знаем, что, недополучив с данного клиента прибыль сейчас, мы приобретаем его "на всю жизнь", почему бы не дать ему немного "заработать" на нас? К сожалению, не все так просто. Хотя бы потому, что если мы не умеем получить "полной прибыли" с клиента сегодня, кто сказал, что ценность нашей услуги (без скидок за якобы "лояльность") так велика, что мы возьмем "недополученное" завтра? Как говорится, "гладко было на бумаге". О некоторых оврагах – эта статья. Если же взглянуть на идею сбора и анализа данных о наших клиентах с точки зрения нового маркетинга, то можно будет разглядеть и ее действительную пользу. Нужно только думать не о том, кому и за что дать дополнительную скидку, а о том, как, зная своих клиентов глубже конкурентов, улучшить свой продукт так, чтобы никаких скидок не приходилось бы давать вовсе.

Бизнес Роя Кардиффа - продажа по почтовым каталогам, причем, он отслеживает продажи по каждому клиенту. Недавно он решил сократить расходы и не рассылать впредь каталоги тем клиентам, вероятность покупки которыми в будущем минимальна.

Его клиентов можно разделить на три категории: те, кто совершил несколько небольших покупок в прошлом году; тех, кто сделал одну покупку, но на значительную сумму; и тех, отношения с которыми носят долговременный характер, но на непостоянной основе.

Который из сегментов должен быть удален из списка рассылки?

По мнению нескольких профессоров Wharton, подробно изучавших вопрос, легкого ответа нет, несмотря на все новые и все более сложные методы измерения так называемой "пожизненной ценности клиента", “Customer Lifetime Value” (далее - CLV) – текущей ценности вероятных будущих доходов, полученных от конкретного покупателя. "Для многих компаний весь их бизнес вращается вокруг попыток понять, каких клиентов стоит удерживать, а каких нет", - говорит профессор по маркетингу из Wharton Питер Фэдер, автор книги Biases in Managerial Inferences about Customer Value from Purchase Histories: Intuitive Solutions to the Mailing-List Problem. "Это привело к тому, что менеджеры из самых различных сфер бизнеса ищут все более сложные способы измерить CLV, чтобы выделить самых перспективных клиентов с точки зрения будущих покупок".

Цель – не только определить таких клиентов, но и "достать" их через кросс-продажи, многоканальный маркетинг и другие тактики, все из которых привязаны к показателям по привлечению, удержанию и статистическим показателям, известным как RFM – время последней покупки, частота и денежная ценность.

"CLV сегодня популярен", - замечает профессор по маркетингу Wharton Ксавье Дриз, соавтор книги "A Renewable-Resource Approach to Database Valuation". Хотя CLV совсем не новое понятие (оно давно используется в банках при работе со счетами), концепция приобрела новую жизнь с широким распространением интернета, "которое позволяет компаниям при небольших затратах напрямую контактировать с людьми". CLV, по мнению Дриза, "рассматривает клиентов, как ресурс, из которого компании стремятся получить максимально возможный объем прибыли".

Однако многие компании вдруг осознают, что CLV, являющийся одним из компонентов CRM, - довольно трудноуловимый показатель. Во-первых, его сложно подсчитать с определенной долей точности, во-вторых, сложно использовать.

"Единственная цифра, в которой менеджер может быть уверен, - это текущая прибыльность клиента", - говорит профессор по маркетингу Wharton Джордж Дэй. "И тогда главным становится вопрос: теперь, когда есть вся информация, что с ней делать? Некоторые компании используют ее для разработки специальных программ для различных по своей ценности сегментов. В финансовой отрасли, например, клиенты получают разный уровень обслуживания, в зависимости от размера их счета. Но всегда есть риск, что, поступая так, вы можете обозлить других клиентов".

Более того, очень трудно предсказать, как долго клиент компании останется таковым или оценить его "потенциал роста", - говорит Дэй, - "Компании не знают, насколько прибыльны их клиенты".

Бросая кости

CLV – привлекательная концепция, но в силу ряда причина она часто трудно применима на практике, замечает профессор маркетинга Wharton Дэвид Белл в своей статье Seven Barriers to Customer Equity Management.

CLV, по словам Белла и других, лучше всего работает в отраслях, где высокие затраты на привлечение и удержание клиентов, таких как финансовые услуги, авиалинии и отели. "Он также полезен в ситуациях, где весь бизнес управляется небольшим количеством персонала, и где фирмы могут предлагать бонусы и скидки, чтобы повлиять на поведение клиентов", - замечает Белл. В качестве примера он приводит авиалинии, которые могут дать "ценному" клиенту свободное место в первом классе, что очень важно и приятно для пассажира, но почти ничего не стоит компании.

Сбор информации для CLV может дать определенным компаниям целый ряд преимуществ. Например, индивидуальные данные, собранные отелем помогут определить лучших клиентов и предложить им кросс-продажи других продуктов. Они позволяют маркетологам компании обратиться к определенной группе за информацией. Используя обратную связь, компания может принимать более обоснованные решения, по поводу более эффективного распределения маркетинговых ресурсов. Предположим, собранная информация показывает, что значительное количество посетителей отеля прибывают из Нью-Йорка, и их средний возраст около 50 лет. Отель может использовать эти данные для более точного выхода на целевую аудиторию.

В качестве успеха CLV Белл приводит историю Казино Harrah’s. На базе информации, собранной по программе лояльности, Harrah’s теперь может точно сказать "кто приезжает в казино, куда направляется, зайдя внутрь, сколько времени сидят у разных столов и т.д. Это позволяет оптимизировать как конфигурацию столов в игровом зале, так и всю деятельность".

Другие приводят в пример здравоохранение и кредитные карты, прямой маркетинг и он-лайн рассылки, как направления, способные получить непосредственную выгоду от CLV, частично, потому что они напрямую контактируют с потребителями и легко могут отследить его обратную реакцию. Например, продавцы в фармацевтической отрасли могут использовать собранную информацию, чтобы решить, как часто обращаться к врачам для продвижения производимых их компанией лекарств.

В основном, говорит Дэй, CLV наиболее применим "когда у вас есть база данных с информацией о клиентах и трансакциях. Но если вы работаете, например, через торговые сети, и у вас нет прямого контакта с клиентами, тогда применить это показатель становится гораздо сложнее".

Теперь, когда маркетологи могут собрать более качественную информацию, чтобы определить жизненную ценность клиентов, как эту информацию использовать?

Ответ, по мнению исследователей, такой – "осторожно".

"Люди - все разные", - говорит Белл. "На индивидуальном уровне очень трудно предсказать поведение отдельного клиента. Легче предсказать поведение рыночных сегментов. Мы можем, например, сказать, что в среднем бизнесмены проведут “x” ночей в Хилтоне. Но если мы попытаемся спрогнозировать, сколько ночей проведет в отеле м-р Джоунс, то проблема значительно усложнится".

Одной из трудностей при внедрении CLV, добавляет Белл, является то, что модели прогноза слишком чувствительны к предположениям. Например, модели часто предполагают, как долго клиент сохранит отношения с компанией, и сколько он потратит. Однако некоторые из предположений могут быть неверны. "Просто потому, что я потратил в прошлом году $100, не означает, что и в этом году я потрачу $100", - говорит Белл. "Или, если клиент никак себя не проявляет, это означает, что он временно прекратил использовать продукт или ушел к конкурентам?"

В частности, проблема с оценкой капитализации интернет-компаний состояла в том, что "многие компании делали необоснованные предположения насчет того, сколько стоили их клиенты, сколько стоило их привлечь, и как долго они останутся клиентами в будущем", - замечает Белл. "Подсчет ценности клиентов в долларах очень чувствителен к этим крайне важным допущениям. Любая ошибка, которую вы допускаете, может оказаться фатальной. Иными словами, ваши оценки будут кардинально расходится с реальностью, если хотя бы одно из допущений было неверно".

"Однако многие компании уже используют тот или иной инструмент определения Вашей стоимости, чтобы понять, как к Вам относиться. Если я - обычный клиент, мой звонок поставят в очередь. Если нет – два гудка, и трубку снимает реальный менеджер. Но такой подход предполагает низкую мобильность людей. Вы распределяете их по разным корзинам, и они там остаются. Однако, может быть, если бы Вы лучше относились ко мне в начале, я бы стал более ценным клиентом".

В дополнение, когда фирмы оценивают своих клиентов, они делают выводы, на основе того, что знают. "Информации здесь всегда не хватает. Я же не знаю, чем Вы занимаетесь в других местах. Может быть, у нас Вы тратите $100 в год, а у наших конкурентов - $500", - говорит Белл. "Это недостаток методологии. Вы пытаетесь определить ценность людей, базируясь на информации, которую накопили в ходе его общения только с вами и ни с кем больше".

Какую бы модель не использовала компания, та может дать только точку отсчета в процессе принятия решений, добавляет Белл. "Интуицию и управленческий опыт никто не отменял".

Дэй привод в пример случай с одним производителем крупного оборудования, который выяснил, что обслуживание одного из клиентов не приносит прибыли. "Что делать? Клиент может быть неприбыльным, но на подобных рынках на одного клиента может приходиться до 15% всех продаж. Требуется определенная смелость, чтобы объявить, что вы не можете больше его обслуживать… А еще сложнее спрогнозировать перспективную ценность, ведь вы не знаете, как клиент поведет себя в будущем. Самый большой риск для компании – нечаянно отказаться от клиента, который мог бы стать прибыльным в будущем".

Фэдер предлагает для отдельных моделей CLV игнорировать "присущую людям непредсказуемость". "Эти модели смотрят на прошлое поведение клиентов… Но прошлые трансакции – не лучший и не единственный индикатор для предсказания будущего".

Водные лыжи и очки

Хотя тактики, такие как кросс-продажи и доп. продажи существуют много лет, сегодня их используют еще чаще и агрессивнее, стремясь искусственно увеличить жизненную ценность клиентов, говорит Фэдер. Однако у подобной практики две стороны.

При кросс-продажах компания, продавшая вам водные лыжи, например, постарается продать еще и водные очки. Для маркетологов причина очевидна. "Легче продать кому-то, кого вы уже знаете", - говорит Дриз. "Это попытка максимизировать ценность отношений, которые у вас уже есть". Фэдер, однако, относится к подобной тактике скептически. "Если чье-то поведение в рамках категории случайно, тогда это значит, что вы берете неопределенность в одной категории и дополняете ее неопределенностью из другой категории. Провести между ними устойчивую связь очень трудно".

Дополнительные продажи также могут быть причиной проблем. Возьмем, например, Amazon, который предоставляет бесплатную доставку, если клиент потратил “x” долларов, или после покупки первой предлагает вторую книгу со скидкой. "В примере с Amazon, клиент, возможно, заплатил бы полную цену и за вторую книгу, и ему не потребовалась бы давать скидку", - говорит Фэдер. "Некоторые компании слишком много усилий направляют на доппродажи. Сложно оценить действительный эффект от них. Просто взгляд на объемы продаж не показывает точный объем потенциальной прибыли, который можно напрямую связать с маркетинговыми усилиями".

Тактика продаж, схожая с кросс-продажами, – мультиканальный маркетинг. "Раньше компании имели только одну точку контакта с клиентом", - говорит Фэдер. "Но сегодня есть много разных видов магазинов, плюс интернет, прямые рассылки, колл-центры и пр. И встает вопрос распределения ресурсов. Если один клиент воспользовался интернетом, а второй – колл-центром, должны ли мы относиться к ним по-разному? Ясно, что Вы можете подтолкнуть людей пользоваться интернетом, потому что тот обходится дешевле, чем содержание колл-центра, но кого именно? Какими поведенческими характеристиками отличаются люди, которых можно к этому подтолкнуть? Должны ли вы рискнуть лояльностью людей, привыкших звонить по телефону, и перенаправить их в интернет, или лучше сосредоточиться на менее лояльных клиентах, от которых вы все равно не можете получить полную выгоду?"

Все это сводится к одному, говорит Фэдер – "отдельные тактики дают результат, другие – нет, но в целом очень трудно оценить возврат на маркетинговые инвестиции и привязать их к измерению/управлению CLV. По мере того, как компании испытывают на своих клиентах различные тактики, они непреднамеренно "загрязняют" данные CLV, делая еще более трудным выбор, на ком сосредоточиться в будущем, а кого игнорировать".

Исследования

В недавней работе, озаглавленной Investigating Recency and Frequency Effects in Customer Base Analysis, Фэдер вместе с Брюсом Харди, Чун-Яо Хуанг и Ка Лок Ли рассматривает, как маркетологи, оперирующие с базами данных, оценивали ценность различных групп клиентов в зависимости от их прошлого поведения до широкого распространения CLV. "Самым популярным было распределять клиентов по RFM: времени последней покупки, частоте покупок и денежной стоимости прошлых трансакций", - говорит Фэдер.

RFM восходит корнями к прямому маркетингу, одной из самых прогрессивных отраслей с точки зрения использования концепции CLV. Фэдер и его коллеги хотели понять, как простое измерение RFM связано с более сложными оценками CLV. Может ли оно выступать "главным индикатором" будущих покупок. "Если у вас есть клиент, который купил большую партию товара, но уже давно, и клиент, который купил немного, но недавно, кто из них лучше с точки зрения CLV, а, значит, на ком стоит сосредоточиться?", - спрашивает Фэдер, возвращаясь к первому примеру. "И как соотносятся время последней покупки и частота покупок?"

В своей работе Фэдер и его коллеги предполагают, что простая статистика, такая как частота и время последней покупки, может дать довольно точную оценку будущей ценности, т.е. "на основе ограниченного объема собранной информации, при правильном ее использовании, можно построить прогноз CLV, почти столь же аккуратный, как и на основе полной и детальной истории взаимоотношений с клиентом. Главное – какую именно информацию использовать, и как использовать ее правильно.

В Biases in Managerial Inferences about Customer Value from Purchase Histories: Intuitive Solutions to the Mailing-List Problem, Фэдер признает, что " в реальном мире определение ключевых клиентов до сих пор во многом зависит от интуиции". Другими словами, несмотря на сложные модели и обширную информацию, "менеджеры принимают субъективные решения, каких именно клиентов считать будущим источником доходов компании".

В работе указывается, что почти никем не проводилась работа по оценке способности самих менеджеров "делать верные выводы о потенциале клиентов на базе их истории покупок". Исследователи организовали учебную ситуацию, где участникам эксперимента показали несколько историй покупок ряда клиентов и попросили оценить их.

Мы выяснили, говорит Фэдер, что менеджеры крайне непоследовательны в использовании информации, такой как время, частота и денежная стоимость покупок. Они используют данные в зависимости от того, какая задача перед ними стоит сейчас (например, кого из клиентов включить в рассылку, а кого исключить).

В A Renewable-Resource Approach to Database Valuation, Дриз и Андре Бонфре предлагают "новый взгляд на клиентов". Традиционный CLV смотрит на чистую прибыль, получаемую от одного клиента. При оценке же жизненной стоимости клиента всегда учитывается предположение, что в какой-то момент он уйдет", - говорит Дриз.

Но если вы делаете такое допущение, добавляет он, "вы серьезно подрываете ценность всей базы данных. Если вы попытаетесь оптимизировать ваши маркетинговые действия на основе этой формулы, вы придете к неверным выводам. Да, каждый год Вы теряете определенный процент клиентов, но ведь вы приобретаете новых. Вы должны учитывать это при оценке базы данных". Другими словами, "необходимо максимизировать ценность базы данных, а не клиентов".

В другом исследовании Ноа Ганс профессор Wharton по управлению информацией рассматривает CLV с точки зрения оптимизации: если у компании ограниченные ресурсы, на каких клиентах сосредоточиться?

Ганс построил теоретические модели, рассматривая, как на время, которое клиент работает со средним провайдером услуги, влияет качество этой услуги. "Можно добиться значительно увлечения времени путем повышения качества услуги", - говорит он. Но модель учитывает и другие факторы: Что делает ваш конкурент? Сколько стоит для клиента сменить провайдера? Как развитие технологии влияет на трансакции?

В какой-то момент компания делает вывод, с каким типом клиента она столкнулась. "Затем следует действие – клиенту предлагается определенный уровень продукта или услуги. Например, при звонке в колл-центр ему предоставляется приоритет. Это операционный контроль, используемый компанией, при определении того, что этот клиент получает, и сколько стоит его обслуживание".

Ганс говорит, что хочет использовать маркетинговые модели для повышения качества операционных решений. "Я жду, что кто-нибудь даст мне модель поведения клиентов, как они реагируют на различные уровни обслуживания, тогда я смогу оценить стоимость предоставления услуги определенного качества".

Он приводит в пример кросс-продажи. "Это очень простая проблема. После предоставления услуги вы решаете, стоит ли попытаться совершить кросс-продажу. Например, в кол-центре кросс-продажи удлиняют время одного звонка и заставляют других звонящих дольше ждать. Вы должны определить, сколько кросс-продаж вы хотели бы совершить, сколько это заняло дополнительных ресурсов и так далее.

"При принятии любого решения необходимо принимать во внимание четыре основных маркетинговых фактора: цену, продвижение, продукт и место дистрибуции, которые все относятся к маркетингу, но имеют прямое влияние на всю деятельность компании".

Ганс затронул некоторые из этих вопросов в своей последней работе Customer Loyalty and Supplier Quality Competition. Там есть математические формулы для определения "доли клиента", как функции определения общего уровня обслуживания нашего гипотетического провайдера услуг и его конкурентов.

Там также показано, что существует "стандартный" уровень услуг, которого приходится придерживаться всем конкурентам. "В реальной жизни, такие вещи часто называют "услуги мирового класса", - говорит он. "Например, в колл-центрах общепринятый стандарт – отвечать на 80% звонков в течении 20 секунд". И чем больше на рынке конкурентов, тем выше отраслевой стандарт.

Если говорить в терминах максимизации CLV, Ганс верит, что для компаний есть смысл отслеживать историю каждого клиента и на ее основе решать, в какую корзину его поместить. "Тогда на основе ваших выводов насчет характеристик данной корзины, вы можете принять решение, как лучше всего относиться к этим клиентам. Но вам следует помнить, что каждый раз, когда клиент к вам приходит, вы на самом деле не знаете, что он за клиент. Так что оптимальным для вас решением будет всегда учитывать вашу неполную осведомленность насчет возможной реакции клиента".


V-Ratio
при использовании материалов Wharton School

Обсудить статью на форуме