Customer Analytics

Řešení

Zákaznická analytika

Zákazníci mohou na trhu vybírat z nekonečného množství produktů a služeb. Aby podniky byly schopné zákazníkům předkládat relevantní nabídky či si je udržet, je nutné porozumět jejich nákupním návykům a potřebám. Zákaznická analytika v tom pomůže prostřednictvím: retence, cíleného oslovení zákazníků a porozuměním jejich budoucí hodnoty.

Retence zákazníků (Customer Retention)

Retence zákazníků vám může pomoci porozumět, proč jsou někteří zákazníci neaktivní, identifikovat, u kterých zákazníků je největší pravděpodobnost odchodu, a poskytnout pomoc při tvorbě a řízení procesu udržování zákazníků.

Řešení

Retence zákazníků je komplexní end to end řešení, které pomáhá k optimalizaci výkonnosti podniku a většímu zaměření na růst. Umožňuje snížit odchodovodst zákazníků a určit náklady na jejich udržení. Může rovněž zahrnovat přípravu retenčních dashboardů či nastavení reaktivní či prediktivní retence za použití modelů Propensity to Churn, Propensity to Save či Customer Lifetime Value.

Vysoká míra odchodovosti zákazníků je problémem především ve vysoce konkurenčních prostředích na saturovaných trzích (finance, maloobchod, energetika). Spousta podniků podceňuje závažnost tohoto problému či se nesprávně zaměřuje na udržení nevýnosných zákazníků. Existuje ovšem prověřená cesta k úspěchu založená na analytice.Díky proaktivní retenci za použití tzv. modelu Propensity to Churn jsme snížili míru odchodovosti zákazníků jedné z největších českých bank o 41 %.

Cílené oslovení zákazníků (Customer Targeting)

Spousta společností se potýká s neúčinnými kampaněmi v rámci cross-sell prodeje. Zákazníci jsou obtěžováni nerelevantními nabídkami a kampaním se nedaří.

Přístup založený na cíleném oslovení zákazníků umožňuje společnosti dosáhnout nejlepšího možného výsledku  s fixním marketingovým rozpočtem. Zahrnuje rozhodnutí o tom, který produkt zákazník s největší pravděpodobností koupí, stejně tak jaký preferuje komunikační kanál.

Řešení

Díky prediktivním modelům vytvořeným za použití statistických metod lze identifikovat zákazníky s vyšší ochotou nakupovat (tzv. Propensity to Buy). Na základě použití těchto modelů v cross-sell a up-sell kampaních je možné vytvořit prioritní seznamy a směřovat  své zdroje např. na nejhodnotnější  zákazníky. Využitím tzv. přístupu Net Lift (icremental response) zajišťujeme, že cílení na zákazníky má viditelný dopad a marketingové náklady jsou vynakládány účinně a efektinvně.

Aplikací modelu Propensity to Buy na produkt penzijního fondu jsme zvýšili konverzi kampaně střední banky o 48 %.

Hodnota zákazníka (Customer Lifetime Value)

Ne všichni zákazníci mají stejnou hodnotu. Hodnota zákazníka (CLV – Customer Lifetime Value) je zásadní vstupní informací pro vaše retenční nabídky, změny modelů obsluhy či změny ve vašem portfoliu produktů. CLV se zaměřuje na potenciál vašich zákazníků v budoucnu, nikoliv na jejich hodnotu a zisk v minulosti.

Použití metriky CLV zvyšuje celkovou ziskovost společnosti a návratnost investico marketingových kampaní.

Řešení

Hodnota zákazníka (CLV – Customer Lifetime Value) představuje čistou současnou hodnotu budoucího zisku či příjmu od konkrétního zákazníka. Místo měření minulé hodnoty zákazníka se CLV zaměřuje na jejich budoucí potenciál, který má významný dopad na obchodní rozhodování např. v následujících oblastech:

  • cílení marketingových a retenčních kampaní,
  • určení úrovně zákaznických služeb,
  • návrh nových potenciálních produktů / obchodních plánů,
  • plánování a předpovědi celého podniku,
  • hodnocení portfolia.

Díky změně v retenčním procesu za použití modelů CLV a Propensity to Churn jsme zvýšili retenci klientů velké české banky 4,9krát.

Kontaktujte nás

Veronika Bauer

Veronika Bauer

Senior manažerka

Veronika je senior manažerkou v oddělení Pokročilé analytiky. Specializuje se hlavně na end-to-end analytická řešení pro klienty z finančního, energetického a retail sektoru. Veronika se zaměřuje na p... více

Tervel Šopov

Tervel Šopov

Ředitel

Tervel je ředitelem v týmu Analytics & Information Management v oddělení poradenství Deloitte Česká republika. S oblastí datové analytiky má již více než 6 let zkušeností. Jelikož měl vždy blíže k bus... více