Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Clv Kogo pozyskujesz klienta czy jego transakcje

Clv Kogo pozyskujesz klienta czy jego transakcje

Customer Lifetime Value. Jak kupowac, lojalizowac i analizowac konsumentow oraz co to ma wspolnego z techstackami i data lake.

Michal Kreczmar

December 02, 2015
Tweet

Other Decks in Business

Transcript

  1. Kongres 01.12.2015 Michał Kreczmar Dyrektor Ecommerce Hypermedia Łukasz Dziekan Szef

    działu data science/Big Data PwC CEE Kogo pozyskujesz: klienta czy jego transakcje?
  2. I am not a speed reader I am a speed

    understander Isaac Asimov
  3. Kupuj wartość – a nie transakcje Typowy model to kupowanie

    klików… w kanałach zdalnych (Adwords, facebook, affiliates) przy pomocy Google Analytics/Omniture/innych zdalnych narzędzi do pomiaru siły poszczególnych kampanii … i ewentualnie segmentowanie ich PRZED zakupem Po zakupie najczęściej zapominamy Think why! You make transactions – not Value Łatwy accounting – CAC+COGS+Alokowane koszty stałe < Price sold  Profit! Segmentujesz Chcesz wiedzieć po co klient jest u Ciebie, żeby lepiej robić message dla nowych klientów podobnych do tych co kupujesz teraz (żeby zwiększyć konwersję – czyli obniżyć CAC) Co jeśli jednak możesz z jednego klienta mieć więcej niż jedną transakcję? (teraz to czysty profit) Nie bój się ułatwiać logowania i pobierania danych od serwisów trzecich (logowanie przez Facebook/Google czy inne) – oni już i tak mają tego klienta! 3
  4. Od leada do lojalnego klienta długa droga Automatization • Ułatwianie

    uczestnictwa poprzez automatyczne generowanie korzyści • Wykorzystanie technologii płatniczych Personalization • Oferta korzyści dostosowana do oczekiwań segmentów lub indywidualnych klientów • Możliwość auto-selekcji korzyści lub oferta dostosowana na podstawie danych klienta Warto wiedzieć Cały czas rządzi sprzedaż – targety targety tagery na acquisition Dobry loyalty program jest trudny do zrobienia – i tak naprawdę jest ciągle ewoluującym zwierzęciem Trzeba mieć dobrą propozycję dla użytkownika (SPG, Prime…), żeby użytkownik czuł się wynagradzany Przykład Fnac – program lojalnościowy z szerokim wachlarzem istotnych korzyści dla różnych grup klientów z roczną opłata za członkostwo (zniżki w sieci Fnac i sieciach partnerskich, darmowe dostawy książek, indywidualne oferty promocyjne, oferty na wydarzenia, koncerty, spektakle) Przykład Zencard – dostawca programu lojalnościowego połączonego z każda karta płatniczą, oferującego korzyści bezpośrednio w momencie płatności poprzez oprogramowanie terminala płatniczego mBank – indywidualny program lojalnościowy mOkazje z systemem bankowości internetowej, gdzie skorzystanie z oferowanych zniżek w sieciach partnerskich jest proste, a bezpośrednia korzyść jest bardziej przekonująca dla użytkowników Hebe – personalizowany program lojalnościowy ze zniżkami w sklepach oferowanych wyłącznie do członków klubu oraz personalizowanymi promocjami wygenerowanymi w oparciu o historię zakupową 4
  5. CLV – ktokolwiek widział, ktokolwiek wie 5 Klienci w 2

    – mają od 70 do 300% większy wpływ na przychody aniżeli klienci w 1 i w 3. W Polsce często nie ma nawet rozróżnienia pomiędzy 1 i 3… Oferty w każdym momencie życia zależeć powinny od oczekiwanej wartości klienta w czasie relacji – bez niej jesteśmy nieco ślepi i nie mamy perspektywy długoterminowej Potrzeby klientów mogą zmieniać się z czasem (zwłaszcza w biznesach c2c) 1 Customer lifetime value Value Time 2 3 0 Lojalizacja Eksploracja Dojrzałość X- and up-sell Sale Social media Www, product, sensors, apps 3rd party data Market data Data Machine learning Approach Simulation Text mining Graph analysis Working prototype on real data Klient kupił, ale produkt go nieco rozczarował i nie rośnie tak jak powinien Zmiana potrzeb/zachowań klienta – możliwość zmiany providera Zakończenie współpracy, brak lojalizacji
  6. CLV - Gdybyś wiedział ile ten klient jest warty…. 6

    1 seg 2 seg 3 seg 4 seg Koncept jest stary jak świat – minimum 15 lat Ale (prawie) nikt tego nie robi – Banki, Telecomy raczkują, choć są bardzo „data-rich” To naprawdę nie jest takie trudne Silosowość przeszkadza, M&A też nie pomaga – integruj dane, jak integrujesz firmy! Bo wszyscy mają inne KPI, a marketing się sprzedażą nie zajmuje, a customer care robi inne rzeczy, a sprzedaż chce tylko domknąć transakcje bo są KPI A 80% wartości klientów znajduje się w 15-20% 95% wartości w 35-40% populacji CLV = Obecna wartość kontraktu + Oczekiwane przyszłe zakupy + Oczekiwany upsell 0 500 1 000 1 500 2 000 2 500 3 000 3 500 4 000 4 500 5 000 Przychód Ryzyko churnu High Risk Low Risk Medium Risk Wielkość kulki to wielkość przychodów
  7. X1 X2 X3 X1 X2 X3 Praktyczne CLV - Jak

    to Zamodelować będzie MATMA (BRRR) 7 X1, X2, X3 – Stany reprezentujące zwiększone wartości – np. Segmenty wartości (FRV), poziom subskrypcji, średnia wielkość koszyka, poziom usługi. Każdemu X powinna być przypisana wartość pieniężna np. średnia marża, przychód etc. Budujemy Macierz przejść – takt w zależności od biznesu – ale generalnie jak migrują użytkownicy – np. z kwartału na kwartał, z roku na rok – takt związany z naszą komunikacją i zachowaniami klientów M = Przejścia które minimalizujemy MF – prognoza z w jakim horyzoncie czasowym klient znajdzie się w danej kategorii t – horyzont czasowy prognozy Mt = MF Przejścia które maksymalizujemy
  8. Praktyczne CLV - Przykład dla firmy SAAS 8 0% 10%

    20% 30% 40% 50% 1 6 11 16 21 Probability of upsell (for clients with starting with the starting tier) 1 1,5 2 2,5 3 3,5 1 6 11 16 21 Rollover multiplier (how much more profitable is the tier) = ( − ∗ ⋅ + ∗ ⋅ ⋅ , , ∗ ) ⋅ 0,00 0,10 0,20 0,30 0,40 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 Rollover probability by CAC Rolling probability Average rolling probability Fitted trend • Liczymy prawdopodobieństwo upgradu do tieru w czasie od uruchomienia • Rollover multiplier – o ile wzrasta nam przychód zysk – jak upgraduje • Ale prawdopodobieństwo można skalować – np. CAC albo inną zmienną która ją wyraźnie różnicuje (sposób wykorzystania API etc.) żeby dostać dokładne oszacowanie • Przypisujemy to każdemu klientowi – boom – można porównywać klientów, customizować oferty, zniżki, kupony etc. – odświeżamy miesięcznie/tygodniowo/codziennie. • Warto analizować kanał pozyskania, demografię, sposób wykorzystania serwisu, urządzenia etc.
  9. Analityka to kultura – nie narzędzia Projekt analityczny Nie jest

    to model matematyczny choć jest to ważny element opisujący rzeczywistość i zmieniający sposób patrzenia na pewien jej aspekt (wcześniej być może pomijany, nie brany pod uwagę etc.) Nie jest to SOFTWARE choć jest to jeden z najważniejszych elementów. Model jest zaimplementowany i wdrożony w ramach istniejącej infrastruktury (choć może to być tylko podstawa do stworzenia nowego projektu) Nie jest to proces choć niezwykle ważne jest by coś istniejącego w organizacji ulepszyć, zoptymalizować a być może całkowicie zmienić lub stworzyć od nowa Nie jest to raport, zestaw raportów ani dashboard choć niewątpliwie ważne jest by zmienioną rzeczywistość mierzyć, oglądać jak się zmienia, obserwować postępy Nie jest to też odpowiedzialność IT i chodź istnieją szkoły by tworzyć tę funkcję w ramach IT – tak naprawdę jest to nowy twór na styku biznesu i IT – chodź – jak pokazują przykłady zza wielkiej wody – dziś już IT to jest biznes po prostu. Czy to jest dla Ciebie Jeżeli jako kierujący – całą firmą lub częścią biznesu – wierzysz, że wyniki modelu, analizy etc. Mogą zmienić twoje podejście – to tak. Czy potrzebujesz czegoś (jakichś narzędzi) by obserwować zmieniające się segmenty/realia rynkowe? Czy wierzysz, że świat można zamodelować matematycznie? Czy chcesz eksperymentować? 9 Dane są dla WSZYSTKICH Na każdym poziomie, Pozwól ludziom to eksplorować i daj im mandat to robienia zmian (w procesach, kampaniach, produktach). To prawie jak wewnętrzny integrator – ale biznesowy. A/B test everything.
  10. Analityka budująca wartość – twoje potrzeby strategiczne Gdzie jesteś teraz

    10 Analitycznie upośledzony Firma wie, że ma dane i chciałaby coś z nimi analitycznie robić Lokalna analityka Poszczególne działy wykonują podstawowe działania analityczne a management docenia wyniki Aspirująca analityka Zarząd zobowiązuje się do wsparcia analityki – dedykowane zasoby i plan do stworzenia zaawansowanego centrum analitycznego i zmiany kultury Data-Driven Kluczowe decyzje wynikają z analitycznego potwierdzenia; Zarząd pracuje na wynikach modeli a analityka jest jednym z priorytetowych strumieni firmy Gracz analityczny Firma tworzy nowe standardy czy modele operacyjne oparte o analityce. Wszystkie obszary działalności posiadają kawałek analityczny Gdzie jesteś?: • Silosy umiejętności • Statyczne segmentacje i pewne modele prognostyczne • Marketing sobie/e-marketing sobie/sprzedaż w oddziałach sobie? • Każdy ma swój dashboard • Ograniczona komunikacja • Kontroling sobie a departamenty sobie? Stany dojrzałości
  11. Integracja danych procesów i platform • Gdzie jest klient? •

    Gdzie jego wartość? • Które KPI optymalizują wartość klienta? • Które optymalizacje kosztów kosztują więcej niż churn klientów? CRM Finance/ Accounting Digital marketing Customer Care Offline Sales Workflow Analytics Campaign management Landingi Online process Paid-traffic Social SEM + website + affiliates Workflow Analytics Dostęp do konta klienta Logi z rozmów telefonicznych SMS follow up Self-Care, self-support Główny system transakcyjny Transaction point Beacons? Call Logs Mystery Client/Static site data CRM system Hurtownia danych Raportowanie Kontroling/alokacja kosztów Polityka cenowa Różnice w raportowaniu różnych linii/krajów etc. Transakcje i planowanie finansowe
  12. Techstack – kupowanie zabawek wartości nie zwiększa The average enterprise

    site has more than 75 vendors on it, only 20% of which are directly placed by someone at the company Ghostery The average marketing stack consists of 17 or more tools. Signal Database reporting Data Storage (OCDB) Reporting Consumer online touch points CO/BG Content Management System My / FSS Microsites Consumer registration Enrichment & Engagement Survey Web Analytics NPS Ratings & Reviews Database Campaign CRM Ibox Email/SMS Content pers. Data enrichment Loyalty/ Gamification (Social) Account creation Cleansing • Technologie, przepływy danych i procesy • Zespół: decydenci i teamy odpowiedzialne za narzędzia • Silosy organizacyjne: IT, marketing, CRM, e-commerce, sprzedaż, dane, legal, web ops… • Nadzór: integration, performance, competition, governance, privacy, legal, data… Registration form Campaign landing pages
  13. Czego potrzebujesz • Integracja: API, webservice, cookies/JS • Dashboardy i

    dostępy: data driven organisation • Dane a wiedza: algorytmy i ludzie • Przejście od analityki opisowej do predykcyjnej • Od analityki do samouczącego się procesu Data Lake – rozwiązanie do zbierania masy danych wytwarzanej obecnie w organizacji. Rozszerzalne, łączące dane różnych typów. Open Services Architecture Data lake – na czym będziesz budował wartość Open APIS KNOWLEDGE DATA X-SELL, UP- SELL CSDP BD Omnibus PROCESS OPTIMIZATION SOCIAL CRM OMNICHANNEL DATA MANAGEMENT INTERNET MONITORING MEDIA OPTIMIZATION CRM OPERATIONAL EFFECTIVENESS/B USINESS OPTIMIZATION CONTENT MARKETING BD Chronos BD CRM BD BD Cookie Scoring BD Amplift BD BD Viz BD CMS Sensoric RTB Open ETL Architecture SERVICES Pamiętaj o: • Warstwa polityk: dostępy do danych (audytowalne) • Probiznesowy prawnik • Czy masz ludzi i strategię ich pozyskiwania
  14. Ludzie – potrzebujesz ich do nowego modelu budowania wartości Brain

    drain # of Individuals Moving from Technology Platforms to Brand Global, May 2015, LinkedIn IN OUT -650 0 1 2 1 5 5 2 1 0 0 0 0 0 1 0 1 1 2 4 9 1 Richemont Kering LVMH P&G L’Oreal Estee Lauder Unilever -398 -343 -41 -29 -12 -1 Google Amazon Facebook Tech is eating the world! Firmy technologiczne przejmują ambitnych pracowników z biznesów tradycyjnie niebędących TECH. W drugą stronę ruch jest bardzo ograniczony. Będą mogły wchodzić w nowe rynki i modele biznesowe, w sposób niewidziany wcześniej.
  15. Przewaga konkurencyjna i rekomendacje Większość firm ma już te same

    klocki Szybkość, głębokość, cel Actionable data, algorytm Know how, rozumienie biznesu Wcale nie technologie Integracja Dane Ludzie Kreatywność Allways Be Testing Churn Next Best Offer Dynamic pricing Loyalty Silniki rekomendacyjne Best practices: • Netflix – 2/3 obejrzanych filmów jest dzięki rekomdendacji • Google News – rekomendacje generują 38% więcej ruchu • Amazon – 34-36 % zakupów jest rekomendowanych • Spotify – 26% utworów odtwarzanych jest rekomendowane Możliwość wdrażania nowego Świat się zmienia, ty też!