Сможет ли CRM-система выполнять основные функции аналитической службы, оставив последней только научные разработки и совершенствование существующих моделей? На первый взгляд ответ на этот вопрос очевиден: конечно, нет. Даже самая современная информационна

В настоящее время большинство компаний ограничивается лишь сбором информации о своих клиентах. Компании, работающие в секторе В2В, идут чуть дальше и используют CRM-системы в процессе продаж и при общении с клиентом.

Например, АКБ «Московский банк реконструкции и развития» использует специализированное отраслевое решение на базе Microsoft Dynamics CRM для автоматизации процесса заключения кредитных договоров. Автоматизация ипотечного центра, по словам Дмитрия Смыкалова, начальника управления платформенных решений АКБ МБРР, позволила «повысить качество обслуживания клиентов, сократить время на рассмотрение кредитных заявок и реализовать информационную поддержку бизнес-процессов».

Лишь небольшая часть компаний, внедривших у себя CRM, предпринимает попытки сегментировать свою клиентскую базу, и еще меньше — используют эту информацию для персонализированных предложений и при разработке маркетинговой стратегии. В этой небольшой группе оказалась компания «М-Видео», внедрившая в конце 2008 года продукт Oracle Siebel CRM. В результате удалось не только обеспечить сбор полной информации о покупках клиента, но и сегментировать клиентов компании. Построенное CRM-решение позволило сотрудникам разрабатывать специальные акции для каждой группы покупателей и осуществлять персонализированные рассылки.

По мнению аналитической компании Gartner, объем мирового рынка CRM-систем составил в 2008 году 9,15 млрд долл., что на 12,5% больше по сравнению с 2007 годом (8,13 млрд долл.). Вот и Кирилл Булгаков, генеральный директор компании Sputnik Labs, говорит о более высоких темпах роста российского рынка CRM-решений за последние два года — от 70 до 100%. Все эти данные показывают, что уже через несколько лет стандартные CRM-решения будут у подавляющего большинства крупных и средних предприятий. Поэтому для удержания клиентов и повышения эффективности взаимодействия с ними компаниям придется совершенствовать имеющиеся инструменты управления. Один из путей развития — это разработка модели управления, позволяющей оценить стоимость клиентской базы в долгосрочной перспективе и оптимизировать расходы компании на управление клиентами для достижения заданных показателей.

Есть ли польза от модели?

Какие же выгоды несет компании модель управления клиентской базой? Во-первых, модель позволит не только спрогнозировать итоговое число клиентов в будущем, но и показать, сколько клиентов какой группы будут сотрудничать с вашей организацией в интересующий момент времени. Во-вторых, модель позволит оценить прибыльность различных групп, посчитав доход, который принесет данный клиент, и стоимость его обслуживания. Как правило, получив данные по этому показателю, многие руководители обнаруживают, что почти 80% клиентов не стоят затрачиваемых на них
денег. В-третьих, модель позволит оценить эффективность затрат на маркетинг и поможет оптимально распределить финансовые ресурсы, направляемые на развитие вашего бизнеса.

Концепция CRM включает в себя четыре основных элемента: стратегия, люди, ИТ-система и модель управления клиентами. И если о первых трех составляющих сказано немало, то про четвертую, занимающую далеко не последнее место, как правило, умалчивают. Такое пренебрежение объясняется тем, что большинство руководителей, внедряющих в своей компании концепцию CRM, на самом деле не имеют инструментов управления клиентами. Более того, попытка взять готовое решение и применить его на своем предприятии не приводит к желаемым результатам. И причин этому несколько.

Причина первая и самая очевидная — каждое предприятие действительно уникально. И клиенты у этого предприятия тоже уникальны. Окружающая среда, ритм жизни и мышление людей не статичны, они постоянно меняются, и порой кардинально. Поэтому невозможно создать статичную модель управления клиентами, она должна, так же как и окружающая нас действительность, изменяться, приспосабливаться к меняющимся условиям.

Вторая причина, более глубокая и требующая продуманного решения со стороны руководства, — отсутствие высококвалифицированных кадров. Для построения действительно работающей модели управления необходим хороший аналитик, обладающий не только превосходными теоретическими знаниями, но и понимающий психологию клиентов, особенности бизнеса конкретной компании, а также имеющий практические навыки построения моделей с использованием современного программного обеспечения. К сожалению, найти такого специалиста очень трудно.

Конечно, выход есть — можно собрать команду первоклассных специалистов, каждый из которых будет асом в своей узкой области, а вместе они будут представлять грозную силу для конкурентов. Но создание аналитического отдела приводит к увеличению расходов на персонал, его обучение и обеспечение рабочих условий. Оценить же эффективность и реальный вклад их работы в развитие компании очень сложно.

Еще одна возможность — аутсорсинг или привлечение консалтинговой компании. Но здесь надо действовать с осторожностью. Сотрудники собственного отдела полностью погружены в особенности именно вашего бизнеса и несут более высокую ответственность за результат. Консультанты, как правило, обладают поверхностными знаниями о том рынке, на котором работает компания-заказчик, и их гонорар не зависит напрямую от величины прибыли, которую заказчик получит в результате внедрения данной модели.

Построение модели на практике

Рассмотрим пример модели управления клиентской базой для компании, работающей в секторе товаров повседневного спроса (Fast Moving Consumer Goods, FMCG). Для этого выдвинем несколько ключевых предположений, которые лягут в основу нашей модели.

Предположение 1: всех клиентов компании можно разделить на непересекающиеся подгруппы в зависимости от частоты покупок, величины среднего чека и социально-демографического положения.

Сегментация клиентов хотя бы по этим трем показателям поможет построить так называемый клиентский куб (см. рисунок), который окажет неоценимую помощь в понимании структуры клиентов компании и основных направлений развития клиентской базы.

Предположение 2: перемещение клиентов внутри клиентского куба можно рассчитать, зная информацию о количестве клиентов в группах в начальный момент времени и интенсивность их перемещения между группами.

Оценить интенсивность можно с помощью матрицы привлечения и потери клиентов (см. таблицу). Для составления матрицы необходима следующая информация: величина коэффициента лояльности потребителей (методики оценки данного показателя неоднократно разбирались в различных изданиях и статьях); процент клиентов, ушедших к основным конкурентам компании; данные об изменении численности групп клиентской базы (показатель можно легко измерить на основе статистической информации за предыдущие периоды).

Как показывает матрица, 68% клиентов из группы 1 сохранили свою интенсивность покупок, 3% перешли в группу К и 2% ушли; 7% клиентов из группы К повысили свою интенсивность покупок и перешли в группу 1, а 43% не изменили своим привычкам. Отдельная строка внизу таблицы показывает процент покупателей, впервые обратившихся в компанию.

По итогам анализа матрицы, помимо оценки интенсивности выбытия и прибытия клиентов, можно выявить недостатки в предлагаемом покупателям продукте и определить те товарные группы, которые покупатели считают более привлекательными.

Наиболее близко к решению задачи по управлению клиентской базой компании подошло руководство украинской сети магазинов PiCard. Специалистам компании Terrasoft удалось настроить динамическую сегментацию клиентов на основе данных о частоте и сумме совершенных покупок. В результате сотрудники компании получили эффективный инструмент для разработки маркетинговых кампаний и смогли повысить эффективность привлечения клиентов и увеличить процент повторных продаж.

Предположение 3: ценность клиента для компании можно определить, используя данные о частоте совершения покупок и сумме среднего чека.

Коэффициент давности, частоты и стоимости покупок (recency, frequency, monetary value, RFM) — это показатель, определяющий ценность потребителя путем анализа промежутка времени, прошедшего с момента его последней покупки, частоты покупок за период и общей стоимости сделанных им покупок.

Профессор Питер Фэдер, специалист по маркетингу из Уортонской школы бизнеса, и его коллеги предполагают, что простая статистика, например частота и время последней покупки, может дать довольно точную оценку будущей ценности: «На основе ограниченного объема собранной информации, при правильном ее использовании, можно построить прогноз долгосрочной ценности клиентов (Customer Lifetime Value, CLV), почти столь же объективный, как и на основе полной и детальной истории взаимоотношений с клиентом».

Предположение 4: расходы компании на управление клиентской базой можно отнести к двум категориям — расходы на привлечение новых и расходы на удержание существующих клиентов и увеличение их лояльности.

В идеале в расходы на клиента необходимо включать расходы по обслуживанию клиентов. Например, для поддержания контакта с ними необходимы непосредственное общение (по телефону, факсу, электронной почте) и установка информационной системы для отслеживания и хранения в базе данных всех операций с клиентами.

Для корректного расчета затрат на каждого клиента необходимо использовать методику функционально-стоимостного анализа (Activity based costing, ABC), что требует много времени и трудовых ресурсов. Поэтому на первом этапе можно ограничиться учетом только прямых расходов — скажем, расходов на маркетинговые мероприятия для привлечения клиентов и обслуживание клиента в точке продаж. «Типографии Арес», к примеру, после перехода на расчет стоимости заказа по методу ABC, удалось снизить цены на свою продукцию благодаря включению в цену заказа только стоимости реально выполняемых операций.

Предположение 5: изменение частоты покупок и суммы среднего чека происходит под влиянием как внешних факторов (темпы инфляции, «популяризация» технологий, мода на определенную категорию товаров) так и внутренних (анализ результатов проведенного маркетингового мероприятия, акции, изменившееся качество обслуживания).

Для определения вида зависимости между затратами компании на маркетинговые мероприятия и показателями активности клиентов (частоты
покупок и суммы среднего чека), как правило, используют методы регрессионного анализа. Взяв за основу статистические данные о затратах на те или иные акции, оценивают их влияние на покупательскую активность различных групп клиентов.

Итак, предположения 1, 3 и 4 дают возможность оценить прибыльность каждой группы клиентов в начальный момент времени. Добавление в модель информации об интенсивности переходов клиентов (предположение 2) позволяет спрогнозировать ценность клиентской базы в будущий момент времени в зависимости от распределения клиентов внутри клиентского куба, на которое мы можем повлиять за счет внутренних факторов (предположение 5). Построенная таким образом стандартная система уравнений решается с помощью современных математических инструментов. В результате получим оптимальное распределение активов компании на управление каждым сегментом клиентского куба, позволяющее достичь максимальной ценности клиентской базы в долгосрочной перспективе.

Процедура разработки и внедрения модели

Чтобы разработать эффективную модель управления клиентской базой, необходимо привлечь все ключевые подразделения компании. К примеру, финансовые службы совместно с отделом оптимизации бизнес-процессов станут источником данных о затратах на обслуживание клиентов (или группы клиентов) и механизме их возникновения. Отдел продаж предоставит информацию о характере покупок клиентов и их социально-демографическом «портрете» , а также статистику по привлекаемым и ушедшим клиентам. Служба маркетинга будет незаменима для понимания причин перехода клиентов из одной группы в другую, а также для разработки инструмента влияния на интенсивность переходов.

Аналитический отдел, как правило, отвечает за самую сложную часть работ — консолидацию информации от смежных подразделений и разработку математической модели управления клиентской базой. Поэтому, если в вашей компании нет достаточно сильных специалистов в области математического моделирования, то стоит позаботиться о кадровых ресурсах заранее.

Не сможем мы обойтись и без помощи ИТ-специалистов. Эти люди будут играть ведущую роль на этапе разработки технического решения и внедрения модели управления на предприятии.

Именно на стадии внедрения необходимо позаботиться о процедурах использования результатов модели управления. И здесь в первую очередь необходимо отталкиваться от интересов пользователей информации. К примеру, топ-менеджменту компании данные модели потребуются для принятия стратегических и тактических решений. При этом информация должна быть представлена в максимально простом для восприятия виде и через дружелюбный, не требующий специальных навыков интерфейс. Пользователями модели будут также службы маркетинга и отдела продаж. Этим подразделениям потребуются более сложные срезы данных, возможность «играть» моделью, задавая различные сценарии развития и входные параметры. И наконец, модель управления клиентской базой может быть полезна финансовым службам и другим производственным подразделениям для составления планов и бюджетов на основе прогнозных значений численности и структуры клиентской базы.

Моделированию — быть!

Отношения с клиентами стали заметно сложнее, поэтому сегодня нужно не только «чувствовать» клиента, основываясь на подсознательном понимании верности выбранного решения, но и тщательно анализировать его поведение, используя математические методы. Не случайно математическое моделирование входит в практику многих компаний. Это непростой процесс, требующий немалых усилий, но останавливать его нельзя — конкуренты следуют по пятам!

Анна Андреева — бизнес-аналитик компании «С-клуб» (ГК «Связной»); aandreeva@corp.sclub.ru