Диссертация (1137940), страница 7
Текст из файла (страница 7)
Сравнительная характеристика подходов к управлениюклиентской базой компанииДля проведения сравнительного анализа рассмотренных в первыхдвух разделах моделей к управлению клиентской базой компаниинеобходимо выявить сильные и слабые стороны каждой из моделей, в томчисле, с точки зрения соответствия требованиям бизнеса к таким моделям.Обобщенныеподходовкрезультатыуправлениюпроведенногоклиентскойанализабазойсуществующихкомпанииисхемасуществующих направлений исследования задачи управления клиентскойбазой и подходов к ее решению приведены ниже (рис.
4).Рисунок 4. Схема существующих направлений исследований задачиуправления клиентской базой компании.39Результаты сравнительного анализа двух подходов по такимпоказателям, как эффективность использования, сложность расчета ипрактика применения в компаниях приведены в таблице ниже (Таблица 1).Таблица 1. Сравнительная характеристика двух подходов к управлениюклиентской базой компанииХарактеристика дляПоказательсравнениялояльностиПоказатель CLVЭффективностьСредняяВысокаяиспользования(Не отражаетзатратную сторонууправления клиентскойбазой)Невысокая(Не отражает качественнуюсторону управления клиентскойбазой в части лояльности иприверженности компании)ВысокаяЧасто(Более сложная модель расчета.Требует прогнозированияденежного потока от клиентови детальных расходов наобслуживание клиента)РедкоСложность расчетаПрактикапримененияТак,вчастиэффективностииспользованиядлярешенияпоставленных задач показатель лояльности клиента имеет более слабыепоказатели в сравнении с показателем CLV за счет того, что он неучитывает затраты компании на управление клиентской базой и не имеетединой методики оценки.При этом по показателю сложности расчета показатель долгосрочнойстоимости клиента требует более значительных вычислительных затрат,так как необходимо прогнозирование денежного потока от клиентов идетальныйучетрасходовнаобслуживаниеклиента.Показательлояльности основан на оценке прошлого поведения.За счет последнего показателя – простота расчета, по частотеиспользования в компаниях модели управления клиентской базой наоснове показателя лояльности опережают модели на основе показателядолгосрочной стоимости клиентской базой.40Но необходимо отметить, что без введения дополнительногопараметра, характеризующего соотношение затрат на клиента и егореального дохода, может возникнуть ситуация, при которой затраты наудержание и последующее увеличение лояльности клиента превысятсовокупный доход от этого клиента.Таким образом, для решения задач компании в части максимизацииприбыли от клиентской базы при сокращении затрат на маркетинговыемероприятия наиболее эффективными являются модели, использующиезначение показателя CLV в качестве критерия оптимальности.Модели на основе показателя лояльности смогут отразить толькокачественные характеристики клиентской базы, поэтому их целесообразноприменять как дополнительный критерий для принятия управленческихрешений.Результатысравнениямоделейуправленияклиентскойбазойкомпании на основе показателя долгосрочной стоимости клиента по такимпараметрамкаксложностьрасчета,точностьпрогнозирования,чувствительность к исходным данным и гибкость настройки параметровмодели приведены в таблице (Таблица 2).
Для составления таблицыиспользовались обзоры и сравнение существующих моделей в работахФадера и Харди [96], Дипак и Сидтхарта [88], Гупта и др. [99].Таблица 2. Сравнительная характеристика подходов к управлению клиентскойбазой компании на основе показателя CLVПараметрсравненияСложность расчетаТочностьпрогнозированияЧувствительностьк даннымГибкостьРегрессионнаямодельсредняясредняяПарето/NBDмодельвысокаявысокаяMCM модельвысокаявысокаясредняясредняянизкаявысокаянизкаявысокаяПо параметру сложности расчета наименьшие вычислительныезатраты имеют модели на основе марковских цепей, далее идут41регрессионные модели и наибольшие затраты при расчете требуютвероятностные Парето/NBD-модели.ПриэтомнаибольшейточностьюпрогнозированияобладаютПарето/NBD-модели, сопоставимую точность прогноза имеют моделимарковских цепей и менее точные показатели на долгосрочном интервалевремени у регрессионных моделей.Низкие показателя точности регрессионных моделей объясняютсятакже высокой чувствительностью к исходным данным.
Парето/NBD –модели также требовательны к качеству входной информации. При этоммодели на основе марковских цепей дают более стабильные результаты посравнениюсдругимиподходамиименеетребовательныкинформационной базе исследования, что актуально для компаний сбольшим объемом транзакционных данных.По параметру гибкости и времени адаптации для использования вкомпании наибольшее предпочтение авторы отдают марковским моделям,как наиболее понятного для руководства и топ-менеджмента организацииматематического инструментария.
На второе место по гибкости идлительности по времени настройки относят регрессионные модели, анаименеегибкимиитребовательнымиквнедрениюсчитаютсявероятностные Парето/NBD модели. Стоит отметить, что данный классмоделей активно развивается в работах Фадера и Харди [95], в частности, впакете Excel был предложен инструментарий для автоматизации процессапоиска решения задачи управления клиентской базой с использованиемданного метода.1.4. Постановка проблемы управления клиентской базойкомпанииНесмотря на довольно широкую линейку разработанных моделей дляуправления клиентской базой, практика внедрения полноценных моделейуправления клиентской базой компании достаточно невелика. Это связано,в первую очередь, с трудоемкостью и высокими затратами на реализацию42комплексной модели управления клиентской базой компании.
Такжепроблема кроется и в ограничениях самих моделей.Как правило, потребность в управлении своей клиентской базойкомпании возникает у компаний с размером клиентской базы отнескольких тысяч до миллионов клиентов. В этом случае внедрениеметодов и подходов, направленных на управление одним клиентом, нерационально, и требуются модели, адаптированные на работу с группамиклиентов.Среди рассмотренных выше моделей только два авторских коллективаразрабатывают модели управления группой клиентов (Третьяк и Слоев,Крюкова), при этом данные модели в качестве решения предлагают выбороптимальной стратегии из числа предлагаемых на вход вариантов, но непредлагают оптимальный план управления клиентской базой.Немаловажным ограничением в представленных исследованияхвыступают и параметры кластеризации клиентской базы.
Большинствоавторов предлагает в качестве критерия разделения на группы клиентоврассматривать количество покупок и давность совершения последнейпокупкиклиентом.Приэтомнеучитываютсятакиепараметрыпокупательского поведения клиентов, как сумма совершаемых покупок,категории покупаемых товаров и время взаимодействия клиента икомпании.Отдельноследуетотметитьограниченностьиспользуемыхинструментов для управления клиентами. В представленных работах длянаглядности расчетов, как правило, рассматриваются маркетинговыекоммуникации определенного типа, одинаковые для всех клиентовкомпании, или выявляется зависимость динамики численности клиентскойбазы компании от величины маркетинговых затрат.
При этом многимиавторами по маркетингу [47, 54, 63] отмечается необходимость адресныхкоммуникаций с клиентами или группами клиентов, что позволяет достичь43большего отклика на рекламное предложение или повысить лояльностьклиентов.Еще одним важным моментом для компании является требование квходной информации для расчета основных показателей модели: объемтребуемых данных, давность и чистота предоставляемой информации. Сэтой точки зрения модели, управляющие не отдельными клиентами, агруппами клиентов, имеют преимущества, обусловленные работой сагрегированными данными.
Это позволяет снизить чувствительность котдельным некорректным значениям или неполноте информации. Как ужебылоотмеченовыше,большинствопредставленныхмоделей,ориентированы на прогнозирование поведения отдельного клиента, а негруппыклиента,чтосоднойстороныувеличиваетсложностьвычислительных расчетов, а с другой стороны, снижает точностьпрогнозирования.И последним, но далеко немаловажным критерием для компании привыборе модели управления кластерами клиентов, является возможностьдинамического управления клиентскими кластерами. В последнее времяувеличилосьчислоисследований,направленныхнапопыткидинамического прогнозирования численности клиентской базы (Третьяк,Слоев), но комплексного решения, учитывающего динамику изменениявсех показателей расчета долгосрочной стоимости клиентской базы(доходы от клиентских сегментов, расходы на маркетинговые мероприятияи численности клиентской базы), так и не было представлено.Таким образом, компании нуждаются в комплексной динамическоймодели управления группами клиентов, учитывающей различный характервлияния проводимых маркетинговых мероприятий на рассматриваемыегруппы клиентов.
Данная модель должна позволять:1. Проводить сегментацию клиентской базы компании по широкомудиапазонукритериев:частотапокупок,среднийчек,давностьпоследней покупки, общее время взаимодействия клиента и компании,44социально-демографические характеристики клиентов (пол, возраст,семейное положение).2. Управлять группами клиентов, используя доступные для компаниимаркетинговые инструменты воздействия на клиентов и изменения ихпотребительского поведения.3. Оптимизировать выделяемые в компании бюджеты на маркетинг придостижении максимальной стоимости клиентской базы компании надолгосрочном интервале времени.Вкачествеметодовсовершенствованиямоделейуправленияклиентской базой компании предлагается:Перейти от моделей управления поведением отдельного клиента кмодели управления группами клиентов.В качестве параметров кластеризации клиентов рассмотреть полныйкомплексхарактеристикпокупательскогоповедения:сроквзаимодействия с компанией, сумму и частоту совершения покупок,категориипокупаемыхтоваров,социальнодемографическиехарактеристики клиента.Рассмотреть динамическую модель управления клиентской базойкомпании, где динамика изменения численности клиентской базыбудет описана с помощью модифицированной модели движениякадров Староверова О.В.
[54].Учестьхарактервлияниятакихпараметровпроводимыхмаркетинговых коммуникаций, как тип, способ коммуникации,характер рекламного предложения, категории товаров.ГЛАВА 2. РАЗРАБОТКА КОМПЛЕКСНОЙ ДИНАМИЧЕСКОЙМОДЕЛИ УПРАВЛЕНИЯ КЛИЕНТСКОЙ БАЗОЙ КОМПАНИИДля разработки комплексной модели управления клиентской базойкомпании необходимо последовательно рассмотреть решение следующихзадач.45Основополагающим моментом для успешного решения задачиуправления клиентами выступает проведение сегментации клиентскойбазы компании. От качества проведенной сегментации зависит разработкавсех дальнейших моделей и полученных прогнозов. Критерии разделенияклиентов на группы зависят от специфики деятельности компании идоступной для анализа информации о клиентах, но в качестве базовыххарактеристик необходимо учитывать покупательское поведение: частотупокупок, величину среднего чека, период неактивности клиента (такназываемое «время сна») и общее время взаимодействия клиента икомпании.Для расчета показателя долгосрочной стоимости клиента необходимоиспользовать три ключевых параметра:величину дохода от группы клиентов;величину расходов по группе клиентов;численность групп клиентов в каждый момент времени.Третьим важным этапом разработки комплексной модели управленияклиентами является анализ проводимых в компании маркетинговыхмероприятий и оценка характера влияния проводимых мероприятий нагруппы клиентов.Также при анализе динамики покупательского поведения необходимоучитывать возможное влияние факторов внешнего воздействия, таких какрыночные тенденции или появление новых технологий, а такжеестественные изменения покупательского поведения клиентов, связанные сизменением уровня жизни или социального статуса групп клиентов.На основе проведенного анализа строятся регрессионные модели,отражающие характер покупательского поведения групп клиентов истепень влияния проводимых маркетинговых кампаний и внешнихфакторов на динамику его изменения.По итогам разработки указанных выше моделей можно перейти кпостановке задачи оптимального управления клиентской базой компании,46а именно к формулировке критерия оптимального управления, описаниюсуществующихограниченийитребованиюквидуполучаемогооптимального решения.Полнота постановки задачи управления клиентской базой и спискаограничений является залогом получения корректного решения дляоптимального управления клиентской базой компании.В рамках задачи управления клиентской базой компании критериемоптимального управления является достижение максимального значениядолгосрочной стоимости клиентской базой на горизонте планирования, арезультатом решения - набор параметров и требований к проводимыммаркетинговым мероприятиям, которые доставляют оптимальное значениепоказателю долгосрочной стоимости клиента.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
