Диссертация (1137940), страница 6

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 6)

Поэтому в случае, если клиент имеетдлительный интервал между совершаемыми покупками, то даннаямодель может потенциально прибыльного клиента оценить какнеприбыльного (более подробно данный вопрос освещен в работеДипак и Сидтхатта [88]);модель может быть использована для расчета CLV только поотдельному клиенту, что затрудняет ее использование в компаниях сбольшим числом клиентов;в сравнении с регрессионными моделями данная модель содержитгораздо более сложный расчет параметров модели, что препятствуетее широкому использованию для решения задач оперативногоуправления.Таким образом, сфера применения этого класса моделей ограниченасекторомкомпаний,имеющихнезначительноечислопостоянныхклиентов.32Фадер, Харди и Ли [95] в своей работе предложили модификациюПарето-NBD-модели, попытавшись снизить сложность оценки параметровмодели. Частично данная задача была решена.

Но сложности счувствительностью к исходным данным и гибкость модели снижаютобласть применения и частоту использования данной модели в реальномсекторе экономики.Модели марковских цепейЕще один класс моделей оценки CLV связан с использованиеминструментария марковских цепей (MCM – markov chain model) длямоделирования поведения клиента в компании и прогнозирования наоснове данной модели вероятности совершения покупки клиентом.Данный вопрос разрабатывался, в частности, в работах Ф. Пфайера иР.Карравей [117].В своей работе Пфайер и Карравей рассматривают поведениеотдельного клиента в течение выделенного периода времени какмарковский процесс. Исследователи выделили пять возможных состоянийнахождения клиента в зависимости от вероятности совершения импокупки. Переход клиента из одного состояния в другое зависит отвеличины интервала времени с момента последней покупки (рис.

1).1-P111-P22P21-P33P31-P445P5P4P1Рисунок 1. Жизненный цикл клиента в компании (Пфайер и Карравей).Матрица переходных вероятностей имеет вид:33Маркетинговые службы компании взаимодействуют с клиентом длястимулирования покупательской активности. При этом компания несетрасходы на данные коммуникации в размере r.Таким образом, модель оценки параметра CLV за время T имеетследующий вид:TV   1  d  P t RTt 01(5)где P – матрица, где pij - вероятность того, что давность покупкиклиента в момент t равна j при условии, что в начале периода давностьпокупок равнялась i;R – вектор, характеризующий величину маркетинговых расходов (ri)на клиента в зависимости от показателя давности покупок клиента;T – интервал времени, за который рассчитывается показательдолгосрочной стоимости клиента;d – коэффициент дисконтирования.На бесконечном горизонте времени формула принимает вид:V  limV T  I  1  d  PT 11R (6)В качестве предложенного инструмента оптимизации расходов вмодели предполагается сократить расходы на маркетинг в случаенахожденияклиентавопределенномсостоянии.Темсамым,вырабатывается оптимальная стратегия взаимодействия с клиентом взависимости от текущего состояния клиента.

Т.е. оптимизация расходов врасчете на одного клиента осуществляется за счет изменения вектора R.Данная модель обладает несколькими хорошими качествами: простотаиспользования, гибкость и управляемость.Но в данной работе рассмотрена задача оптимизации маркетинговыхрасходов в расчете на одного клиента, а не группы клиентов.

Крометого, предложенная модель покупательского поведения зависит только от34величины маркетинговых расходов, и не отражает влияние способакоммуникаций с клиентом, а также профиля клиента.Частично данный вопрос был рассмотрен в работе Полежаева. Так, всвоей статье [49] Полежаев предлагает осуществить сегментациюклиентскойбазыRF-сегментации,сиспользованиемоснованногонамодифицированногожизненномциклеметодаклиентаирассматривает следующую марковскую цепь (рис. 2):Рисунок 2. Марковская цепь покупательского поведения.Соответствующая ей матрица вероятностей переходов (матрица TM)имеет вид:A0A1A2A3A4A000000A1P01P11P21P31P41A2 A3P02 0P12 0P22 P23P32 P33P42 0A400P24P34P44Общий вид модели прогнозирования численности клиентской базы наm-шагов вперед:DN (t  m)  DN (t )  TM m(7)где DN(t+m) – вектор-строка, описывающая состояние базы данныхклиентов в момент времени t+m в базисе сегментации S;35DN(t) – вектор-строка, описывающая состояние базы данных клиентовв момент времени t в базисе сегментации S;ТМ – матрица вероятностей переходов за 1 шаг.В качестве инструмента управлениярассматриваютсядирект-маркетинговые воздействия, которые оказывают влияние на интенсивностьпереходов из одного кластера в другой.Но в данной работе не учитываются затраты на маркетинговыемероприятия в зависимости от кластера клиентской базы.

Эффект отперсональных маркетинговых мероприятий считается некой известнойвеличиной и передается в модель в качестве постоянного входногопараметра.Еще одна модель для управления клиентской базой компании наосновепоказателядолгосрочнойстоимостиклиентскойбазойпредставлена в работе Третьяк О.А. и Слоева И.А. [58].Так, в данной модели рассматриваетсяклиентский поток взависимости от количества совершенных покупок клиентом в течение года(рис. 3).Рисунок 3.

Модель клиентского потока: оценка состояния и управление.Всех клиентов компании можно разделить на следующие группы:1.потребители, никогда не совершавшие покупки, — «потенциальныеклиенты»;362.потребители,являвшиесяклиентамифирмыранее,нонесовершившие покупок в предыдущий период t – 1 — «пассивныеклиенты»;3.потребители, совершившие покупку в период t — «активныеклиенты».В свою очередь активные клиенты разделяются на подгруппы:1.совершившие первую покупку в период t — «новые клиенты»;2.совершившие две покупки, в периоды t и t – 1;3.совершившие три или более покупок в последние периоды —«постоянные клиенты».В этом случае динамика клиентского потока представляется в виде:t  T : n1  N1 , n2  N1r1 , n3  N1r1r2  (1  r3    r3T 2)  r3T 1n3'(8)где t – период времени, за который происходит расчет;n1, n2, n3 – число клиентов в группах 1, 2 и 3 соответственно;N1 – число новых клиентов в момент времени t;r1, r2, r3 – показатель удержания клиентов в группах 1, 2 и 3соответственно.Задачаоптимальногоуправленияклиентскойбазойкомпаниисводится к выбору одной из предлагаемых на выбор стратегийраспределения финансовых ресурсов на поощрение клиентов групп 1, 2 и 3в зависимости от прогнозируемого в построенной модели показателядолгосрочной стоимости клиентской базы компании.Интегральныйподходкпостроениюмоделиоптимизациимаркетинговых расходов на управление клиентами представлен в работеКрюковой А.А.

[38]. В данном исследовании предложена модель,объединяющая два подхода к управлению клиентами – подхода на основеоценки прибыльности клиентов и оценки уровня лояльности клиента.Сегментация клиентской базы проведена по 2-м критериям – величиныгодовой прибыли и показателя лояльности клиента, определенного с37помощью методики SERVQUAL. При этом при распределении бюджетамаркетинговых расходов в качестве критерия оптимального распределениявыступает только максимизация величины годовой прибыли от сегмента.Показатель лояльности клиента используется в качестве критерия дляпринятия решения в стратегии управления клиентами.К ограничениям данного исследования можно отнести:1.

предложенная автором задача выбора стратегии управления клиентамирассматриваетсятолькорассматриваетсявыборнаодномстратегииинтервалеуправлениявремени.Неклиентамидлядолгосрочного интервала времени;2. предполагается, что динамикаизменения доходностикластеровклиентов зависит только от величины затрат на маркетинг и не зависитоттипа маркетинговых мероприятий. При этом степень влияниямаркетинговыхмероприятийнадоходностькластераклиентовсчитается статичной, т.е.

не меняется во времени.Подводя итоги проведенного анализа существующих моделей поуправлениюклиентскойбазойкомпаниинаосновепоказателядолгосрочной стоимости клиентской базой можно отметить, что, несмотряна разнообразие представленных моделей, всем им присущи следующиеограничения:1.задача управления в большинстве представленных моделей решаетсядля каждого клиента в отдельности, а не для группы клиентов;2.предполагается, что покупательское поведение зависит только отвеличины маркетинговых расходов. Не учитывается профиль клиентаи влияние способа коммуникаций с клиентом;3.как правило, для сегментации клиентской базы: учитываются толькоколичество и давность покупок клиента, и не учитывается его времявзаимодействия с компанией, категории покупаемых товаров и суммапокупки;384.большинство представленных моделей учитывают только общуюсумму затрат на проводимые маркетинговые мероприятия. Такиепараметры как тип проводимых маркетинговых мероприятий, способкоммуникации с клиентом и характер рекламного предложения, нерассматриваются, не анализируется характер их влияния на каждуюгруппу клиентов.1.3.

Характеристики

Список файлов диссертации