Главная Коллекция "Revolution" Маркетинг, реклама и торговля Оценка ценности клиента в течение его жизненного цикла для малого и среднего бизнеса

Оценка ценности клиента в течение его жизненного цикла для малого и среднего бизнеса

Содержание концепции Customer Lifetime Value. Преимущества и недостатки подходов к расчету концепции. Эмпирическое исследование оценки ценности клиента в течение его жизненного цикла. Выбор маркетинговых коммуникаций с клиентами различных сегментов.

Рубрика	Маркетинг, реклама и торговля
Вид	дипломная работа
Язык	русский
Дата добавления	28.08.2016
Размер файла	225,7 K

посмотреть текст работы

скачать работу можно здесь

полная информация о работе

весь список подобных работ

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Размещено на http://www.allbest.ru/

Глава 2. Описание исследования: постановка и дизайн

2.1 Первый этап. Сбор и анализ вторичной информации

2.2 Второй этап. Сбор и анализ первичной информации

2.3 Используемые инструменты и методы анализа полученной информации

Глава 3. Результаты исследования

3.1 Результаты анализа базы данных

3.2 Результаты анализа анкеты

3.3 Рекомендации

Вывод

Заключение

Список использованной литературы

Приложения

Введение

Не будет преувеличением сказать, что на сегодняшний день концепция ценности клиента в течение его жизненного цикла или Customer Lifetime Value (CLV), под которой принято понимать нынешнюю ценность для фирмы будущих прибылей или убытков, полученных в ходе взаимодействия с клиентом на протяжении всего периода совершения им транзакций (Berger, Nasr, 1998), набирает все большую популярность. Актуальность ее обосновывается, во-первых, намечающейся тенденцией к использованию ключевых принципов маркетинга взаимоотношений, центральная идея которого заключается в становлении и развитии долгосрочных партнерских отношений с потребителями и иными контрагентами (Grцnroos, 1990). Клиенто-ориентированный подход, лежащий в основе данного направления маркетинга, предполагает расчет ценности взаимодействия с покупателями для разработки эффективной стратегии по удержанию и привлечению каждого из них, что невозможно осуществить без вычисления CLV. Во-вторых, стремительное развитие инструментов по обработке структурированных и неструктурированных массивов информации, в том числе и о покупательском поведении потребителей, позволяет с большей точностью составлять долгосрочные прогнозы возможных сценариев взаимодействия с клиентами на основе результатов, полученных в ходе анализа баз данных. Наконец, недостаток эмпирических доказательств возможности использования CLV на практике требует проведения дополнительных исследований, особенно в сфере оказания услуг, поскольку именно в ней развитие качественно проработанных каналов и инструментов взаимодействия во многом определяет эффективность бизнеса. Как следует из всего вышеописанного, проблема поиска релевантного способа расчета потенциальных выгод от коммуникации с различными потребителями на всех этапах их взаимодействия с конкретными компаниями действительно актуальна, а потому автор представленной работы остановил свой выбор на теме «Ценность клиента в течение его жизненного цикла: методы оценки».

Целью представленной работы является выявление наиболее подходящего метода оценки ценности клиента в течение его жизненного цикла для малого и среднего бизнеса, оперирующего в сегменте B2C на примере отдельно взятой компании “Центр красоты”. В качестве проблемы исследования выступает поставленный автором вопрос о «возможностях применения предпринимателями различных подходов к вычислению CLV в условиях российской действительности». Объектом исследования следует обозначить непосредственно ценность для компании потребителя в течение его жизненного цикла, в то время как предметом - способы оценки этой ценности. Для достижения цели данной выпускной квалификационной работы были поставлены следующие задачи:

- описать содержание концепции Customer Lifetime Value;

- рассмотреть эволюцию подходов к расчету CLV;

- проанализировать преимущества и недостатки каждого подхода;

- определить возможности их использования в конкретной компании;

- рассчитать CLV для компании «Центр красоты»;

- разработать рекомендации для «Центра красоты».

Структура представленной работы построена исходя из целей и задач проведенного исследования и содержит следующие части: введение, три главы «Содержание концепции CLV и направление развития», «Описание исследования: постановка и дизайн» и «Результаты исследования», заключение, список литературы и приложения. В первой главе описаны и систематизированы основные подходы к трактовке понятия CLV и к его методам оценки, проведен сравнительный анализ последних, по итогам которого составлена таблица критического анализа существующих подходов к вычислению данного дезагрегированного показателя. Во второй главе определена модель исследования и ее составные элементы, перечислены методы сбора первичной и вторичной информации, а также ее анализа на основе SPSS, описаны используемые методы измерений. В третьей главе описаны результаты проведения исследования и возможности применения наиболее адекватного метода оценки ценности клиентов в течении их жизненного цикла для рассматриваемого «Центра красоты». На основе выбранного подхода к расчету CLV и результатах его применения составлен список рекомендаций по внедрению изменений в реализуемые на данный момент маркетинговые программы по привлечению и удержанию клиентов. По итогам каждой из перечисленных глав сделаны содержательные выводы.

В качестве информационных источников использовались научные статьи российских и зарубежных авторов, изучавших маркетинг взаимоотношений, подходы к оценке ценности клиента в течение его жизненного цикла, содержание, возможности и ограничения применения этой концепции на практике. Помимо этого, были проанализированные находящиеся в открытом доступе отчеты и обзоры о современных тенденциях в маркетинге, рынках услуг, потребительских предпочтениях и т.д. Кроме того, исследовалась внутренняя информация изучаемой компании «Центр красоты» о совершенных клиентами транзакциях за период 2014-2015 годов, на основе которой впоследствии была воссоздана систематизированная база данных. К тому же, автором использовалась первичная информация, полученная в ходе проведения анкетирования клиентов с целью выявления их социально-демографических характеристик, уровня удовлетворенности и лояльности, намерения продолжить взаимодействие с салоном.

Глава 1. Содержание концепции CLV и направление развития

В данной главе автор для начала рассматривает понятие ценности клиента в течение его жизненного цикла, предпосылки и условия возникновения концепции, а также приводит собственную классификацию подходов к расчету показателя CLV. Для каждого из описанных методов определены его сильные и слабые стороны, проведен сравнительный анализ оных. По итогам главы сделаны содержательные выводы.

1.1 Причины возникновения концепции и ее содержание

Своему возникновению концепция CLV обязана росту интереса владельцев бизнеса к «приобретению покупателей» для установления и развития с ними долгосрочных отношений, в рамках которых клиенты, удовлетворенные первичным взаимодействием с фирмой, осуществляют повторные покупки продукции или услуг, реализуемых конкретной компанией (Levitt, 1960). По сути, подобные настроения постепенно подвели предпринимателей к осознанию необходимости борьбы за лояльных клиентов и созданию подходящих для них условий (Дуайер, 2011). Впервые на использование социально-демографических данных и информации о покупательском поведении потребителей в целях более детальной сегментации, а также оптимизации программ по привлечению и удержанию клиентов решились представители направления прямого маркетинга. Проанализировав имеющиеся сведения о подписчиках, владельцы журналов разработали стратегию, в соответствии с которой предлагали специальные условия для покупателей с определенным набором характеристик.

В дальнейшем на эволюцию методологии вычисления CLV повлиял переход от традиционного маркетинга к маркетингу взаимоотношений. В традиционном маркетинге принято считать, что удовлетворенные деятельностью организации клиенты совершат повторные покупки, а конкуренция и нужды бизнеса повлияют на конечную стоимость продукции или услуг. Подобный подход к пониманию работы с клиентской базой со временем приводит к падению у покупателей уровня лояльности к организации (Trusov, Bucklin, Pauwels, 2009). В маркетинге же взаимоотношений центральной идеей является построение долгосрочных, взаимовыгодных отношений с потребителем (Peppers, Rogers, 1993). Однако следует отличать альтруистические настроения от нацеленности владельцев компании на получение прибыли: привлечение клиента к процессу производства или оказания услуг, предоставление ему дополнительных бонусов и подарков не исключает при этом стремления к достижению основной цели фирмы - максимизации разницы между выручкой от реализации и издержками (при условии установления партнерских отношений с клиентами) (Storbacka, Strandvik, Grцnroos, 1994). В маркетинге взаимоотношений этот показатель просто принято рассчитывать исходя из предположения о том, что компания будет взаимодействовать с потребителем долгое время, на постоянной основе (Кущ, 2003). Отсюда следует, что фирма может потратить определенный объем финансовых средств на программы удержания клиентов, чтобы позволить последним чувствовать себя особенными, увеличить их лояльность и получать стабильную прибыль на протяжении длительного периода (Третьяк, Слоев, 2012; Глебова, 2015).

Помимо этого, необходимо принимать во внимание тот факт, что на сегодняшний день многие рынки перенасыщены различными игроками (Kim, Mauborgne, 2004), спрос зачастую намного ниже предложения, а потому издержки на программы привлечения новых клиентов в пять - десять раз превышают затраты на удержание оных (Gummesson, 1999) (эта статистика спорная, поскольку подобного масштаба разрыв встречается по большей части в отраслях, представляющих специфический продукт (Christopher, Payne, Ballantyne, 2013). Однако следует понимать, что затраты на сохранение всех существующих на данный момент у компании клиентов не окупят себя, да и подобное фактически невозможно. Отсюда следует еще одна причина роста интереса к концепции CLV - фирме нужно оценить клиентскую базу так, чтобы выявить, каких потребителей имеет смысл удерживать (в будущем они будут приносить стабильную прибыль), а на каких не стоит тратить дополнительные финансовые ресурсы (Третьяк, 2011; Глебова, 2015).

Содержание концепции

Перейдем непосредственно к описанию содержания рассматриваемого понятия. Ценность клиента в течение его жизненного цикла - это текущая ценность ожидаемых от клиента выгод за вычетом издержек (Dwyer, 1997). То есть CLV позволяет рассчитать окупаемость невыгодного с первого взгляда проекта в контексте взаимоотношений с клиентом, и наоборот - не концентрироваться на потребителях, вероятность долгосрочных прибыльных отношений с которыми мала. Таким образом, рассматриваемый показатель позволяет оценить перспективу эффективности взаимоотношений с клиентами (при условии возможного прекращения сотрудничества (Pfeifer, Haskins, Conroy, 2005), могущими в дальнейшем принести компании стабильную прибыль, сформировать категорию «золотых клиентов» и финансировать маркетинговые программы по их удержанию и росту лояльности(Глебова, 2015). Следует отметить, что существующие ныне подходы к трактовке данного термина имеют минимальные отличия, а потому автором были представлены лишь самые часто используемые из них (Sohrabi, Khanlari, 2007).

В 2001 году Блаттберг, Гетц и Томас выявили четыре стадии жизненного цикла клиента в процессе его взаимодействия с фирмой, от которых зависят используемые маркетинговые инструменты и разработка стратегии построения взаимоотношений с каждым конкретным потребителем. На начало периода взаимодействия покупателя с компанией потребитель рассматривается как “потенциальный клиент”. На данном этапе жизненного цикла покупателя организация принимает решение об инвестировании в него средств по привлечению для того, чтобы “потенциальный” клиент стал “реальным”. На второй стадии взаимодействия потребитель переходит в разряд “совершивших повторную покупку” и определяется, готов ли он и в будущем продолжать приобретать товары и услуги компании. На третьем этапе покупатель становится одним из «ключевых клиентов», с которым фирма стремится установить прочные, длительные взаимоотношения, а для этого менеджментом организации используются различные инструменты увеличения значения CLV подобных покупателей (специальные предложения, перекрестные продажи, дисконт, индивидуальный подход к оказанию услуг, повышенный уровень пост-продажного обслуживания, а также любые инструменты увеличения вовлеченности потребителей). На последней стадии жизненного цикла клиент переходит в разряд «перебежчиков», то есть начинает размышлять/ принимает решение о прекращении взаимоотношений с компанией и смене контрагента. Однако в случае, если уровень CLV покупателя достаточно высок и оправдывает потенциальные затраты на его удержание, то фирма может продолжать инвестировать в него (Blattberg, Getz, Thomas, 2001).

К сожалению, у описываемой концепции есть несколько недостатков, а точнее, проблемных зон. Так, к примеру, до сих пор не существует единого мнения о том, как следует рассчитывать CLV даже для компаний, осуществляющих деятельность в одной и той же отрасли, с единообразными условиями внутренней и внешней сред (Rozek, Karlнcek, 2014). Более того, зачастую маркетологи не имеют возможности обратиться к историческим данным о покупательском поведении потребителей по причине отсутствия таковой. Данная проблема особенно актуальна для РФ, поскольку в российских компаниях до сих пор не развита культура ведения баз данных о клиентах. В связи с этим возможности внедрения технологий по расчету CLV жестко ограничены не только бюджетом - некоторые методы оценки ценности клиента в течение его жизненного цикла предполагают наличие специализированным программ и высококвалифицированных сотрудников, могущих провести тщательный анализ поступающей информации и сделать верные выводы - но и отсутствием данных, на основе которых проводятся вычисления. Более того, в России многие владельцы компаний, в независимости от размера и жизненного цикла последних, не осознают необходимости детальной сегментации потребителей и разработки индивидуальных условий взаимодействия с клиентами для построения долгосрочных обоюдовыгодных отношений, в связи с чем несут значительные финансовые потери.

1.2 Методология расчета показателя

На сегодняшний день классическим способом расчета CLV является следующий:

, (1)

где i - период совершения транзакции, Ri - выручка, полученная от потребителя за рассматриваемый период, Ci - издержки на заключение сделки, n - количество таких периодов в течение будущего взаимодействия с клиентом (Jain, Singh, 2002). Впоследствии было предпринять множество попыток модифицировать и усовершенствовать данную формулу, а также методологию вычисления CLV как таковую. В представленной работе автор предлагает классифицировать существующие на данный момент методы оценки ценности клиента в течение его жизненного цикла в соответствии с тем, как тот или иной подход решает проблему учета издержек не только на удержание, но и на привлечение потребителей, а также исходя из того, каким образом прогнозируются (или нет) повторные покупки клиентов - путем экстраполяции данных о прошлом покупательском поведении или с учетом вероятности изменений внешних факторов, влияющих на принятие решения о приобретении чего-либо. В связи с этим для начала рассмотрены RFM и SOW модели, прогностические возможности которых жестко ограничены (Bolton, Lemon, Verhoef, 2004), а затем подходы, которые учитывают или нет затраты на привлечение новых потребителей.

1.2.1 Past Customer Behavioral Models

RFM модели

Аббревиатура RFM расшифровывается как recency (время последней покупки), frequency (частота совершенных покупок), monetary value (денежная стоимость) (Cheng, Chen, 2009). Эта модель отображает поведенческие характеристики потребителей, формирует из последних несколько групп (в классическом варианте - по пять на каждый из трех параметров), а потому необходима в прямом маркетинге, например, для эффективного уведомления клиентов по email-рассылке (Глебова, 2015). Существует также второй способ построения RFM модели - ранжирование каждого из трех показателей относительно степени важности каждого критерия с помощью различных инструментов регрессионного анализа, после чего полученная информация используется для определения совокупного уровня RFM (Talaba et al., 2013). Впервые модель была применена примерно 40 лет назад как раз в сфере прямого маркетинга, где традиционно наблюдался низкий уровень отклика на реализуемые маркетинговые программы (преимущественно не более двух процентов) в связи с недостаточной проработкой располагаемой информации о потребителях - до использования RFM моделей маркетологи опирались исключительно на социально-демографические характеристики, что существенно ограничивало возможности сегментирования и персонализации. Введение же анализа на базе описываемого подхода с помощью оценки трех параметров позволило не только с большей детализацией сегментировать покупателей, но и разрабатывать для них индивидуальные программы лояльности с целью укрепления долгосрочных отношений (Jonker et al., 2004).

Существует ряд ограничений, связанных с расчетом различных показателей по RFM - модели: с ее помощью возможно спрогнозировать поведение потребителей лишь на следующий период после текущего; также RFM - модели не учитывают тот факт, что прошлые действия клиентов могут зависеть от предшествующих им маркетинговых программ. Более того, RFM - модель не может дать количественной оценки происходящего, не рассматривает издержки на привлечение новых покупателей. Однако она обеспечивает базовую статистику для расчета CLV и построения изокривых ценности потребителя в течение его жизненного цикла, которые помогают визуализировать основные связи между измерениями обоих моделей (определить, при каких значениях RFM достигается один и тот же уровень CLV) (Fader, Hardie, Lee, 2005). Более того, распределение потребителей на различные группы с помощью рассматриваемой модели способствует принятию грамотных и дальновидных управленческих решений, поскольку позволяет точнее выявить сегменты рынка и, следовательно, разрабатывать более результативную маркетинговую стратегию (Глебова, 2015).

SOW модели

Аббревиатура SOW расшифровывается как Share of Wallet (в дословном переводе - доля кошелька) и определяется как относительная доля затрат на приобретение продуктов или услуг конкретного бренда по сравнению с затратами на другие покупки рассматриваемой категории. Рост Share of Wallet зачастую является менее затратным способом повышения выручки, чем стремление увеличить долю рынка. Повышение значения рассматриваемого параметра может быть достигнуто путем расширения продуктовой линейки компании или спектра услуг, предлагаемых существующим потребителям. Помимо этого, возможно внедрение перекрестных продаж в рамках конкретной фирмы, стремящейся увеличить SOW.

Следует отметить, что данный показатель является недостаточно точным и детальным для построения маркетинговой стратегии. К сожалению, SOW не может прогнозировать покупательское поведение потребителя, не способен учесть изменения во внешней среде. Однако, полученную в рамках данной модели информацию можно комбинировать с иными подходами к оценке баз данных о клиентах. Так, например, Кумар в 2003 году предложил построить матрицу возможных стратегий в осях SOW и прибыльной для компании продолжительности жизни клиентов (Reinartz, Kumar, 2003). Предприниматели и маркетологи, оценив уровни этих параметров на основе имеющейся информации о потребителях, выбирали наиболее подходящую стратегию взаимодействия с покупателями: если клиент демонстрировал низкие значения по обеим осям, то компании рекомендовалось снизить затраты на маркетинг для данной категории и начать поиск новых клиентов. В случае, когда клиент показывал высокий уровень SOW, но низкую продолжительность выгодных взаимоотношений, то фирме предлагалось внедрить для данной категории покупателей перекрестные продажи и/или апсейлинг. Если потребитель имел высокие показатели по обоим параметрам, то организации советовали инвестировать в разработку и внедрение программ лояльности для подобных клиентов. Для тех же покупателей, которые продемонстрировали высокую продолжительность выгодных взаимоотношений, но низкий уровень SOW, предлагалось использовать стратегию преобразования для того, чтобы выделиться среди конкурентов.

Таким образом, модель Share of Wallet не предполагает глубинного анализа баз данных о клиентах, не требует больших временных и финансовых затрат, однако не может с точностью оценить покупательское поведение потребителей, ориентируется только на исторические данные и не предполагает построение прогноза. Даже ее компиляция с другими моделями не позволяет разработать стратегию, идеально подходящей конкретной компании, поскольку полученная информация излишне обобщена (Day, 2004).

1.2.2 Future - Past Customer Behaviour Models

Модели вычисления ценности клиента в течение его жизненного цикла на основе не только исторических данных, но и прогнозировании будущего покупательского поведения потребителей, автор представленной работы классифицировал по наличию или отсутствию в них затрат на привлечение новых покупателей, а так же по методу предсказания будущих затрат клиентов на приобретение товаров или услуг, реализуемых конкретной фирмой. В соответствии с предлагаемой систематизацией, методы расчета CLV представлены в следующем порядке: миграционные модели, логит- и пробит-модели, модели оптимального распределения ресурсов, модели Парето/NBD и BG/NBD.

Миграционные модели

На протяжении длительного времени способы оценки уровня ценности клиента в течение его жизненного цикла ограничивались учетом издержек на удержание покупателей, игнорируя при этом затраты на привлечение новых потребителей. Это объяснялось предположением о независимости процессов удержания и привлечения клиентов, отсутствием необходимой информации о покупательском поведении клиентов, недостаточно развитыми технологиями анализа, а также тем, что при разработке метода вычисления CLV больший интерес вызывал расчет будущих выгод от располагаемой ныне клиентской базы, а следовательно, составление прогноза характера взаимодействия с уже имеющимися покупателями. Миграционные модели, описываемые ниже, как раз относятся к категории тех, которые не учитывают затраты на привлечение клиентов.

На сегодняшний день существует два основных класса миграционных моделей, выбор которых напрямую зависит от того, к какому типу потребителей относятся покупатели конкретной компании - в 1985 году было выявлено два вида клиентов: «всегда предлагающие долю» и «уходящие к лучшим» (Jackson, Bund, 1985). «Lost - for - good customers» настроены на продолжительные отношения с организацией (из-за высоко уровня издержек, связанных с поиском нового поставщика). «Always - a - share customers» заинтересованы лишь в удовлетворяющем их конечном результате.

Модели, описывающие поведение потребителей, «всегда уходящих к лучшим», формируются на основе расчета риска потери клиента, который, раз отказавшись от услуг, предоставляемых компанией, не вернется к ней никогда. Здесь выделяют AFT - модели (ускоренного отказа) и модели пропорционального риска. AFT - модели выглядят следующим образом:

,(2)

где t - продолжительность периода осуществления покупок клиентом j, X - независимые переменные. Вариативные значения приводят к формированию различных моделей (Allenby, Leone, Jen, 1999; Venkatesan, Kumar, 2004). Модель же пропорционального риска (PH) записывается так:

,(3)

где - уровень риска, - базовый показатель риска, X - независимые переменные. В качестве основных слабых сторон описанных моделей выступают игнорирование затрат на привлечение покупателей, а также предположение о том, что ушедший клиент потерян для фирмы навсегда и нет никакой вероятности вернуть его обратно. Последний недостаток решают модель вычисления продолжительности взаимоотношений для клиентов «всегда предлагающих долю» - модель Маркова.

Ключевым отличием модели Маркова от AFT и PH является учет вероятности перехода клиента от продавца к продавцу на различных этапах взаимодействия с организациями. Более того, в рамках модели цепей Маркова, благодаря наличию в ней элементов вероятностного подхода, в частности инструментов стохастического моделирования, появляется возможность учета потенциального совершения повторной покупки потребителем, долгое время не приобретающим товары или услуги компании. Это является безусловным преимуществом метода, поскольку в подавляющем большинстве моделей клиенты, не взаимодействующие с фирмой в течение установленного аналитиками промежутка времени, определяются как навсегда упущенные. Формула для расчета ценности клиента в течение его жизненного цикла, в соответствии с описанной моделью, выглядит следующим образом:

(4)

где V - значение уровня CLV по различным переходным состояниям, P - матрица вероятностей перехода на использование продукции иных брендов, R - вектор вознаграждения, включающий в себя ожидаемый объем покупок бренда и вероятность совершения транзакции на определенный момент времени. Само состояние перехода для конкретного потребителя определялось исходя из результатов анализа клиентской базы по RFM модели (Pfeifer, Carraway, 2000). Ключевыми недостатками модели является отсутствие учета издержек на привлечение новых потребителей, а также вычисление CLV, основываясь на предпосылке о том, что клиенты совершают покупку в фиксированный момент времени (на начало каждого месяца, к примеру) и тратят одинаковую сумму денег на совершение транзакции (Jain, Singh, 2002).

Общим недостатком описанных в данной части моделей является игнорирование уровня удовлетворенности потребителей от взаимодействия с компанией, который, согласно проведенным исследованиям (Gupta, Zeithaml, 2006), в значительной степени влияет на процесс удержания клиентов и построение долгосрочных с ними отношений, обеспечивающих стабильную прибыль.

Логит - модели и пробит - модели

Логит- и пробит- модели бинарного выбора, в отличии от описанных ранее, при вычислении ценности клиента в течение его жизненного цикла учитывают также издержки на программы привлечения новых покупателей. Формула расчета привлечения потребителей в данном случае будет выглядеть следующим образом:

(5)

где описывает наличие или отсутствие факта взаимодействия с клиентом на определенный момент времени, - объясняющие переменные, - индивидуальные параметры отклика потребителя, - математический остаток. К сожалению, представленный метод не решает проблемы фиксированных сумм покупок и времени совершения транзакций.

Модель оптимального распределения ресурсов

С помощью модели оптимального распределения ресурсов становится возможным рассчитать эффективный, сбалансированный уровень издержек на привлечение и удержание потребителей с целью максимизации показателя ценности клиента в течение его жизненного цикла. В связи с этим, модель представляет собой систему из двух уравнений по оптимизации соответствующей независимой переменной.

, (6)

где - затраты на программы по привлечению потенциальных покупателей, - затраты на удержание потенциальных и реальных клиентов, - ограничение по количеству привлечения новых/существующих клиентов, - параметры, регулирующие форму экспоненты. Значения чистого маржинального дохода от привлечения потребителей за первый год вычисляется по формуле (a$m-$A), в то время как размер чистого маржинального дохода от удержания клиентов за первый год вычисляется по формуле (r[$m-$R/r]). Ежегодная ценность программ по привлечению и удержанию клиентов суммируется, полученное значение прибавляется к посчитанному ранее маржинальному доходу по двум категориям, дисконтируется в соответствии с количеством лет, рассматриваемом в прогнозе, и в итоге выводится значение CLV.

Преимуществом данного метода, безусловно, является учет затрат на привлечение новых потребителей и относительная простота использования в сравнении с логит- и пробит-моделями, описанными ранее. Однако, модель оптимального распределения ресурсов все же рассматривает затраты на программы по привлечению и удержанию клиентов как обособленные категории, в то время как ряд ученых-маркетологов советует избегать подобного (Thomas, Blattberg, Foz, 2004). Более того, рассматриваемый подход к оценке CLV также основывается на предположении о совершении покупок в фиксированный период и с одинаковыми затратами.

Парето/NBD модели

В основе модели Парето/NBD лежит анализ исторических данных о совершенных покупателями транзакциях, а точнее, о давности и частоте покупок в неконтрактных условиях. На основе полученной информации строится годичный прогноз покупательского поведения (активности или «выбытия») гетерогенной совокупности клиентов с учетом вероятности колебаний значения суммы совершенной ими транзакции вокруг среднего значения и/или с учетом вариации средней суммы покупки для кластеров потребителей при условии сохранения значения оной на протяжении всего рассматриваемого периода. Следует отметить, что у модели Парето/NBD существует несколько предпосылок о распределении значений параметров. Так, количество совершенных потребителем покупок за период его «активности» варьируется в соответствии с Пуассоновским распределением, в то время как частоты транзакций и прекращения взаимодействия с фирмой для разных групп клиентов имеют гамма-распределение, а ненаблюдаемое «время жизни» распределено экспоненциально. Помимо этого, предполагается, что параметры частоты покупок и «выбытия» не коррелируют между собой (Fader, Hardie, Berger, 2004). Сама модель выглядит следующим образом:

, (7)

где r, s, - параметры модели, t - время совершения последних транзакций, T - время, прошедшее с первичной покупки, - гипергеометрическая функция Гаусса, x - количество сделанных покупок за период (0,T]. При этом предполагается, что все клиенты были активны в нулевой период.

Впоследствии описанная модель претерпела несколько изменений. Так, к примеру, в 2000 Кумар предложил учитывать информацию о «дате рождения» клиента и на вероятностном уровне определять дату приблизительно окончания взаимодействия с покупателем. Собственно, промежуток времени от «рождения» до предполагаемого прекращения отношений и является жизненным циклом клиента. Протестировав разработанную модель, ученый выявил следующие выводы:

- зависимость между CLV и прибыльностью положительная, но слабая;

- отсутствие доказательств тому, что прибыль от клиента растет в течение взаимодействия с ним;

- отклонение предположения о том, что затраты на продвижение товаров/услуг для старых клиентов ниже;

- давнишние клиенты не платят больше.

Очевидным преимуществом Парето/NBD модели является учет вероятности совершения покупателем транзакции или же прекращения взаимоотношений с фирмой в любой момент времени, в то время как подавляющее большинство моделей рассматривают только контрактные условия взаимодействия с клиентами и предполагают фиксированные периоды между совершениями сделок и конкретные суммы покупок (Gurau, Ranchhod, 2002). Одновременно описанное свойство является недостатком подхода, поскольку модель Парето/NBD не может применяться тогда, когда время совершения транзакции определено или же условия взаимоотношений между потребителем и компанией подчиняются контракту. Более того, слабой стороной данного метода оценки ценности клиента в течение его жизненного цикла является необходимость ведения качественной базы данных клиентов, потому как качество прогноза напрямую зависит от продолжительности и проработанности имеющейся истории покупательского поведения потребителей. К тому же, в модель не включаются потребители, не взаимодействующие с фирмой более двух лет, поскольку в противном случае полученные значения CLV будут противоречивыми. Также необходимо принимать во внимание трудность оценки и выбора параметров уравнения (Fader, Hardie, Lee, 2003). Наконец, вычисление LTV на основе данного метода требует больших временных и финансовых затрат, поскольку возникает необходимость использования труда высококвалифицированных сотрудников, могущих провести требуемый анализ (Jain, Singh, 2002).

Для того, чтобы упростить процесс оценки уровня ценности клиента в течение его жизненного цикла и проанализировать CLV в ситуациях, когда взаимоотношения потребителя и компании регулируются контрактом, Харди и Ли в 2005 году предложили использовать бета-геометрическая модели или BG/NBD. Суть их заключается в том, что вероятность прекращения взаимодействий покупателя с фирмой рассчитывается как событие, могущее произойти только сразу после совершения транзакции (в модели Парето/NBD подобное может произойти в любой момент). Бета-геометрическая модель имеет ряд предпосылок. Так, количество покупок, совершаемых клиентом (), подчиняется Пуассоновскому распределению, время между транзакциями варьируется в соответствии с гамма-распределением (), как и вероятность ухода клиента после завершения сделки, а колебания вероятности определяются бета-распределением. Формула расчета вероятности сохранения «активности» конкретного клиента выглядит следующим образом:

, (8)

где x - количество транзакции за период (0, T], а , если x>0. Таким образом, преимуществом BG/NBD модели перед Парето/NBD заключается в том, что технология вычисления вероятности ухода клиента и CLV для каждого покупателя упрощается, а потому становится относительно доступнее для бизнеса. Однако следует помнить, что упрощение прогноза ведет к более обобщённым результатам оценки базы данных. К тому же, обе из рассмотренных в этой части главы моделей не учитывают затрат на маркетинговые программы привлечения клиентов.

1.3 Направление дальнейшего развития концепции, примеры и особенности ее использования на практике

Как уже было отмечено ранее, проблема поиска максимально релевантного метода выявления наиболее прибыльных в долгосрочной перспективе клиентов волнует многих исследователей. По этой причине концепция CLV продолжает развиваться: преодолевает существующие на данный момент ограничения моделирования, переходит к оценке новых категорий, переосмысливает возможные сферы применения и т.д. (Гупта и др., 2011). Так, например, на данный момент решается вопрос неполноты информации о совершенных транзакциях: до недавнего времени у исследователей не было данных о доле расходов на приобретение продукции рассматриваемой организации у конкретного потребителя, а потому невозможно было оценить влияние конкурентов на принятие решения о покупке индивидуумом. В качестве выхода из сложившейся ситуации было предложено проводить анкетирование (Kamakura, Wedel, 2003). Что касается изменений в анализируемых категориях, то здесь идет речь о стремлении к более глобальной оценке клиентской базы: составлению не списка «золотых потребителей», но разработке портфеля клиентов, который полностью соответствовал бы требованиям инвесторов о доходности и безопасности (по аналогии с хеджированием рисков инвестиционных проектов на рынке ценных бумаг) (Dhar, Glazer, 2003; Глебова, 2015).

Более того, на сегодняшний день очевидна склонность теоретиков и практиков маркетинга к поиску релевантного метода расчета ценности клиента в течение его жизненного цикла посредством квинтэссенции макро- и микромоделей. Это стремление обосновывается необходимостью снижения вероятности ошибки в оценке уровня CLV в соответствии с принципами «сверху вниз» и «снизу вверх». Так, к примеру, при моделировании дальнейших отношений с потребителем на основе подхода «снизу вверх» анализируется дезагрегированные данные по покупательскому поведению каждого конкретного клиента, после чего, на основе полученной информации, разрабатывается маркетинговая стратегия по их сегментированию, привлечению или удержанию, использованию программ лояльности и т.д. Впоследствии результаты проведенной аналитической деятельности могут быть агрегированы в макромодель и использованы для расчета прогностических значений спроса для бизнеса или рассматриваемой отрасли. Альтернативным методом оценки CLV потребителей в перспективе являются агрегированные макромодели спроса, построенные по принципу «сверху вниз»: полученная в ходе исследования информация о состоянии дел на рынке проецируется на компанию, после чего делаются выводы о внедрении изменений в маркетинговую стратегию организации. Однако далеко не всегда результаты анализа сложившейся ситуации по микро- и макро-моделям сходятся - в большинстве случаев подобное несоответствие выводов и прогнозов является следствием использования различных переменных в рассматриваемых подходах. В связи с этим и возникает острая необходимость разработки метода вычисления ценности клиента в течение его жизненного цикла на основе симбиоза двух описанных подходов. Одним из вариантов решения данной проблемы представляются вейвлет-модели, в основе которых лежит принцип многошкальности (Percivel, Walden, 2006).

Также, на сегодняшний день маркетологи активно работают над решением вопроса распределения затрат при расчете CLV каждого клиента - на данный момент не существует единого подхода к определению и учету издержек на привлечение и удержание конкретных потребителей. Наконец, в последнее время наблюдается тенденция к переосмыслению сфер применения CLV. Изначально концепция создавалась для сектора B2C, где активно использовался директ-маркетинг (Harrah's), однако на данный момент она нашла применение и в секторе B2B (МЕТIНВЕСТ, IBM). В следующей части работы автор рассматривает примеры применения концепции на практике.

Примеры практического применения концепции

В качестве одного из классических примеров использования концепции CLV на практике принято считать кейс американского казино Harrah's, расположенного в Лас-Вегасе, штат Невада, и занимающего на данный момент лидирующую позицию на рынке игорного бизнеса. Своему успеху казино обязано вице-президенту компании Джону Буши, который в конце двадцатого века принял стратегически важное решение о начале разработки “системы лояльного отслеживания рентабельности клиента”. Для начала были выпущены бонусные карты Total Reward, которые позволяли собрать основные данные по социо-демографическим признакам посетителей. Данные начали накапливаться, а впоследствии фирма также собрала важную информацию о покупательском поведении клиентов (частота пользования услугами казино, вид любимых автоматов или игр, сумма, оставленная ими за период, частота кредитных обращений, стратегия ведения игры и т.д.). По итогам их анализа и систематизации руководство компании получило качественно проработанную базу данных, на основе которой впоследствии проводилась более детальная и точная сегментация посетителей казино. На данный момент более сорока миллионов клиентов имеют бонусную карту с индивидуальными специальными предложениями и процентами дисконта, которые варьируются в зависимости от значения показателя CLV и кластера конкретного потребителя. Именно эти завсегдатели казино приносят последнему 80% выручки, при этом в период новогодних и рождественских празников доля держателей карт в получаемых доходах возрастает до 99% (Schneider et al., 2009).

Другим ярким примером применения концепции ценности клиента в течение его жизненного цикла является кейс международной высокотехнологичной компании IBM (International Business Machines), которая на сегодняшний день является одним из ключевых игроков на глобальном рынке разработчиков программного обеспечения. В начале двадцать первого века руководство организации приняло решение о переходе с сегментации клиентов по принципу CSS (customer spending score - общая ожидаемая выручка от потребителей за последующий год) к оной на основе CLV. Маркетологами был выбран двухстадийный метод анализа базы данных клиентов: для начала создавалась модель LTV, затем полученные кластеры потребителей сегментировались по модели приоритетов. Таким образом, сперва все заказчики были разделены на две группы: тех, кто взаимодействовал с компанией до 2004 года, а потом прекратил, и тех, кто строил взаимоотношения с фирмой и после 2004 года. Основываясь на предположении о фиксированном среднегодичном количестве транзакций и их одинаковой сумме, маркетологи предложили воспользоваться методом расчета CLV, являющимся модификацией формулы (1), описанной ранее. По итогам применения метода оценки клиентской базы и подбора каналов и инструментов коммуникации в зависимости от кластера потребителя, прирост годовой выручки составил 19,2 млн долларов США. ROI же для рассматриваемой компании составил 160, что безусловно, является прекрасным доказательством результативности выбранной стратегии взаимодействия с потребителями (Kumar et al., 2008; Глебова, 2015).

В России примером практического применения CLV может считаться компания «МЕТIНВЕСТ», производящая плоский, сортовой и фасонный прокат, трубную продукцию и железорудное сырье. Генеральный директор фирмы в 2010 году принял решение о необходимости переоценки клиентской базы на основе концепции ценности клиента в течение его жизненного цикла и в качестве метода вычисления показателя LTV выбрал следующую формулу:

где V - объем продаж клиенту в текущем году, - маржа страны (разница между теоретическим значением показателя оптовых продаж на внутренний рынок России и худшей суммой продаж на любой иной рынок), - маржа оптовой дистрибуции (разница между фактическим значением продаж со склада в России через оптовый отдел и теоретической ценой прямых продаж), - маржа розничной дистрибуции (разница между средней суммой розничных продаж в РФ и средней ценой оптового отдела), - маржа индивидуального клиента (разница между средней суммой розничных продаж отдельно взятого потребителя и средней ценой по филиалу), А - дополнительные условно-постоянные затраты рассматриваемого филиала, R - стоимость капитала МЕТIНВЕСТА, G - ожидаемыи? среднегодовои? темп роста продаж конкретному клиенту. Подобный вид формулы аргументируется представлениями руководителя о CLV - так, в рамках организации он трактует ценность клиента в течение его жизненного цикла как дополнительную прибыль, которую компания зарабатывает сеи?час и будет получать в перспективе от взаимодействия с каждым конкретным клиентом, по сравнению с самым худшим заказчиком, потребляющим рассматриваемый вид продукции. Необходимо отметить, что данный подход к оценке клиентской базы позволил компании повысить выручку на 9,5% (Рябов, 2013).

Как следует из всего вышеописанного, на сегодняшний день в России концепцией CLV пользуются лишь крупные компании, оперирующие как в секторе B2B, так и B2C. Каждая организация использует модифицированный метод расчета ценности клиента в течение его жизненного цикла, который максимально полно адаптирован для конкретного агента, ведь точность прогноза и расчетов напрямую зависит от тщательности проработки модели. Подобный подход к аналитике предполагает высокие временные, трудовые и финансовые издержки, а потому пока ипользуется лишь крупными игроками. Однако владельцам малого и среднего бизнеса также необходимо использовать описываемую концепцию, поскольку в условиях затяжного политико-экономического кризиса борьба за лояльность клиентов лишь усиливается, а значит, необходима более глубокая аналитика, нежели та, что проводилась ранее. При этом следует помнить, что издержки на использование аналитических инструментов подобных тем, которые применялись в больших компаниях, рассмотреных ранее, будут излишне высоки для владельцев малого и среднего бизнесов. Следовательно, чтобы рационализировать их использование, необходимо упростить методологию расчета CLV до уровня, подходящего подобным предпринимателям.

Возможности использования методов вычисления CLV в салоне красоты

Следует отметить, что методика вычисления ценности клиента в течение его жизненного цикла в Центре красоты предположительно обладает рядом специфических черт, напрямую зависящих от качества ведения клиентской базы данных. К сожалению, в рассматриваемом салоне информация была слабоструктурирована, не собиралась надлежащим образом и не накапливалась. Более того, администрацией компании не использовались никакие специализированные маркетинговые инструменты для выявления предпочтений потребителей, анализа информации о покупательском поведении оных, работниками не проводились и не оплачивались исследования для выявления уровня удовлетворенности и лояльности клиентов. В связи с этим, большая часть методов расчета CLV, описанных выше, не могла быть использована в рамках исследования. Так, к примеру, AFT - модели (ускоренного отказа) и модели пропорционального риска требуют качественно сформированной информационной базы о покупательском поведении посетителей Центра, глубоко анализа внешней и внутренней сред компании для расчета значений различных рисков и определения независимых переменных, имеющих значительное влияние на уровень LTV. Модель Маркова также предполагает оперирование структурированными данными, на основе которых, в том числе, строится матрица рисков перехода на использование услуг иного бренда. Логит- и пробит- модели, как и предыдущие, требуют тщательного ведения информационной базы на протяжении нескольких лет для точного определения объясняющих переменных. BG/NBD и Парето/NBD модели нуждаются в еще более скрупулёзном сборе данных в сравнении с описанными ранее, поскольку недостаточно точная информация о покупательском поведении клиентов приводит к серьезному отклонению прогнозов взаимодействия с посетителями Центра, что обесценивает внедрение данных моделей. Таким образом, из всех, описанных ранее способов вычисления CLV, автором представленной работы могли быть использованы только RFM модели, а также простейшие модификации классической формулы расчета LTV (1), поскольку только они позволяли оперировать недостаточно проработанной и не совсем полной информационной базой, при этом предоставляя возможности построения маркетинговой стратегии или же разработки рекомендаций по ее усовершенствованию на основе полученных результатов.

Вывод

Как следует из всего вышеописанного, на сегодняшний день существует множество формул расчета показателя CLV, большая часть которых отличается простотой модели и доступностью вычислений, поскольку базируется на самой сути понятия - дисконтированной ценности будущей прибыли от взаимодействия с клиентом за вычетом издержек на финансирование маркетинговых программ на его привлечение и удержание. Однако в последнее время все больше теоретиков и практиков бизнеса стремятся разработать систему формул, позволяющих учитывать различные вероятностные условия при прогнозировании будущего покупательского поведения клиентов в среднесрочной или долгосрочной перспективах. По этой причине, с точки зрения автора представленной выпускной квалификационной работы, логичнее всего классифицировать существующие методы вычисления CLV по принципу использования исторической информации (экстраполяция оной на следующий период взаимодействия с покупателями или же учет возможных изменений статистики в будущем), а также по включению в модель затрат на привлечение клиентов.

По итогам анализа описанных выше подходов к вычислению ценности клиента в течение его жизненного цикла, модели, опирающиеся исключительно на исторические данные, обладают ограниченными прогностическими способностями, поскольку характеризуются простотой вычислений, не учитывающих влияния различных факторов на принятие потребителем решения о совершении вторичной покупки. Однако результаты, полученные благодаря RFM и SOW моделям, могут быть использованы в дальнейшем при расчете CLV более трудоемкими способами. К тому же, для владельцев среднего и малого бизнеса в России подобные методы оценки LTV, вероятно, являются оптимальными, поскольку не предполагают крупных финансовых, временных и трудовых затрат, но при этом отражают основные черты сложившейся ситуации на фирме. В третьей главе данное предположение рассмотрено подробнее.

Что касается моделей, опирающихся не только на исторические данные, но и учитывающие потенциальное влияние различных факторов на длительность взаимодействия с клиентом в будущем, то в подавляющем их большинстве не учитываются затраты на привлечение покупателей, что, безусловно, снижает правдоподобность прогноза. Более того, практически все модели действуют исходя из предпосылки о фиксированном времени и одинаковой сумме покупки, что также уменьшает адекватность сценария будущих взаимоотношений с клиентами. Таким образом, владельцам бизнеса необходимо для начала определить цель расчета CLV, а затем выбрать модель, максимально удовлетворяющую ей.

Для большей наглядности полученных в ходе анализа существующих подходов к оценке ценности клиентов в течение их жизненного цикла выводов автором представленной работы была составлена следующая таблица сравнительного анализа.

Таблица 1 Сравнительный анализ подходов к рассчету CLV

Название подхода	Представители подхода	Содержание и возможности	Ограничения
RFM	Cheng, Chen, Talaba, Jonker	Отображает поведенческие характеристики потребителей по параметрам recency (время последней покупки), frequency (частота совершенных покупок), monetary value (денежная стоимость)	Предположении о совершении покупок в фиксированный период и с одинаковыми затратами; не учитывает затраты на привлечение клиентов, прогностические возможности - 1 год
SOW	Reinartz , Kumar	Рассчет относительной доли затрат клиента на приобретение продуктов или услуг конкретного бренда по сравнению с затратами на другие покупки рассматриваемой категории	Не предполагает глубинного анализа баз данных о клиентах, информация излишне обобщена, ориентируется только на исторические данные; невозможно прогнозирование
AFT	Venkatesan, Kumar, Allenby, Leone, Jen	Моделирование поведения клиентов, «всегда уходящих к лучшим» на основе вычисления риска потери клиента по принципу «ускоренного отказа»	Не учитывает затраты на привлечение клиентов, предпосылка об уходе клиента навсегда
PH	Kalbfleisch, Prentice	Моделирование поведения клиентов, «всегда уходящих к лучшим» на основе вычисления пропорционального риска ухода клиента	Не учитывает затраты на привлечение клиентов, предпосылка об уходе клиента навсегда
Маркова или «Цепей Маркова»	Bitran, Pfaifer, Carraway	Моделирование возможного покупательского поведения с учетом вероятности переключения клиентов между компаниями на различных этапах взаимодействия с организацией; ...