Сегментация клиентской базы

Как реализовать персонифицированный подход к продвижению товаров и услуг? Если учесть, что у многих компаний (особенно на телекоммуникационном рынке, поскольку в статье речь идет именно о нем) количество клиентов исчисляется в миллионах, то появляется весьма серьезная проблема: как каждому клиенту, согласно CRM-стратегии, предложить товар, интересный именно ему? Все клиенты разбиваются на небольшое (обозримое) число групп, объединяющих сходных по определенным критериям людей. В результате мы имеем не миллионы разных клиентов, а всего несколько групп, к членам каждой из них можно применить сходную политику стимулирования или доставить одинаковый рекламный материал. Причем можно использовать различные системы или принципы классификации, определяя для каждой из них свой набор групп (самые простейшие примеры - разделение клиентов на юридические и физические лица, резидентов и иностранцев и т. д.).

Теперь рассмотрим, как реализуется одна из самых сложных задач CRM - анализ поведения и проблем клиентов с целью выявления их мотивов и тенденций. Существуют два источника операционных данных, подлежащих такого рода анализу, - информация в биллинговой системе, где расположены записи о потреблении услуг абонентами, и база данных контактов в CRM-приложении с информацией о проблемах и пожеланиях клиентов. С точки зрения СRM, это очень ценные данные, и наша задача - умело ими воспользоваться. Основная проблема заключается в том, что речь здесь идет о довольно больших объемах информации, которые расположены в транзакционных системах (биллинговых и ERP-системах), оптимизированных под быстрые операции (чтение - запись - изменение данных) и плохо приспособленных под сложные запросы со значительной долей промежуточных вычислений. К тому же в подобных системах невыгодно хранить устаревшие данные, не участвующие в обработке. Они существенно увеличивают объем баз данных и тормозят работу систем, поэтому от них стараются избавляться и "сбрасывать" в архивы. Но, с точки зрения анализа, "исторические" данные могут быть чрезвычайно интересны для выявления временных тенденций, расчета различных статистических показателей. Для устранения таких проблем в CRM-решениях используют OLAP (Online Analytical Processing) - технологии, которые предоставляют механизмы хранилищ больших объемов данных, оптимизированных не для транзакций, а только для очень быстрого чтения и преобразования информации "на лету". Это позволяет реализовать концепцию "информации на кончиках пальцев", т. е. возможность в реальном режиме времени выполнять десятки сложных запросов, получать различные срезы информации и погружаться, при необходимости, в более детализированное ее представление.

Цифры и факты:

- Затраты на привлечение нового клиента в среднем в пять раз больше, чем на удержание существующего

- Большая часть компаний из списка Fortune 500 теряет 50% своих клиентов каждые 5 лет.

- Удовлетворенный клиент расскажет о удачной покупке в среднем 5 своим знакомым. Неудовлетворенный – минимум 10

- Большая часть клиентов окупается лишь через год работы с ними (соответственно, если клиент “ушел” до этого срока, то он принес убытки)

- Увеличение процента удержания клиентов на 5% увеличивает прибыль компании на 50-100%.

- Около 50% существующих клиентов компании не прибыльны из-за неэффективного взаимодействия с ними.

- В среднем компания контактирует 4 раза в год с существующим клиентом и 6 раз в год с потенциальным.

- Поставщики продуктов класса CRM обещают повышение прибыльности предприятий на десятки процентов, а рентабельность проектов - от 200 до 800 процентов за 2-3 года.

Дата добавления: 2015-04-29