การแบ่งกลุ่มฐานลูกค้า. คุณควรแบ่งลูกค้าของคุณเป็นประเภทใด? การแบ่งลูกค้าออกเป็นกลุ่มที่เป็นเนื้อเดียวกันตามเกณฑ์ที่กำหนด วิธีแบ่งลูกค้าออกเป็นกลุ่มราคา
อาร์เทม เอ็มมานูเอล
การวิเคราะห์ ABC เป็นหนึ่งในวิธีที่เข้าถึงได้มากที่สุดในการจัดกลุ่มลูกค้าตามความสำคัญ ประการแรก มันมีประโยชน์สำหรับบริษัทที่มีปัญหาในการประมวลผลข้อมูลด้วยซอฟต์แวร์เฉพาะทาง อย่างไรก็ตาม สำหรับผู้เชี่ยวชาญมือใหม่ที่ต้องเผชิญกับความจำเป็นในการวิเคราะห์การขายด้วยวิธีนี้เป็นครั้งแรก ก็มักจะทำให้เกิดคำถามมากมาย ลองคิดดูว่าอะไรนำไปสู่ความยากลำบากและจะเอาชนะมันได้อย่างไร
การวิเคราะห์อย่างรวดเร็ว
การวิเคราะห์ ABC เป็นหนึ่งในวิธีการจัดอันดับฐานลูกค้าออกเป็นกลุ่มที่มีน้ำหนักเฉพาะที่แตกต่างกัน ขึ้นอยู่กับเกณฑ์ข้อใดข้อหนึ่ง ในวรรณกรรม คุณมักจะพบตัวอย่างการวิเคราะห์ ABC โดยพิจารณาจากยอดขายในแง่กายภาพ มูลค่าการซื้อขาย หรือกำไร
หนึ่งในตัวเลือกสำหรับการตีความการวิเคราะห์ ABC คือแผนภาพพาเรโต ข้อเท็จจริงก็คือ การวิเคราะห์ ABC ขึ้นอยู่กับหลักการ Pareto ซึ่งหมายความว่า ความพยายาม 20% ก่อให้เกิดผลลัพธ์ 80% และความพยายามที่เหลืออีก 80% ก่อให้เกิดผลลัพธ์เพียง 20% เท่านั้น อย่างไรก็ตาม เมื่อทำการวิเคราะห์ ABC ตามกฎแล้วลูกค้าจะไม่ได้แบ่งออกเป็นสองกลุ่ม แต่แบ่งออกเป็นสามกลุ่ม: A - 75%, B - 20% และ C - 5% ตัวเลขเหล่านี้มาจากไหน? "ออกไปจากหัวของฉัน" ในความเป็นจริงจำนวนของกลุ่มดังกล่าวและเปอร์เซ็นต์ความสัมพันธ์ระหว่างพวกเขาสามารถกำหนดได้โดยพลการดังที่เราจะเห็นด้านล่าง
สำหรับนักออกแบบเลย์เอาต์ที่เป็นผู้เชี่ยวชาญในอุตสาหกรรมของเขา เทคโนโลยีการจัดอันดับลูกค้าดังกล่าวก็เพียงพอแล้วสำหรับการประเมินสถานการณ์ทั่วไปในองค์กรหนึ่งๆ แต่สำหรับผู้เชี่ยวชาญที่เพิ่งเริ่มทำความรู้จักกับตลาดใดตลาดหนึ่ง การวิเคราะห์เชิงลึกเพิ่มเติมอาจมีประโยชน์ เรามีโอกาสตรวจสอบสิ่งนี้จากประสบการณ์ของเราเอง ให้เราอธิบายโดยย่อถึงความยากลำบากที่เราและเพื่อนร่วมงานพบเมื่อทำการวิเคราะห์โดยใช้วิธีที่อธิบายไว้ข้างต้น
ประการแรกด้วยการเปลี่ยนแปลงเปอร์เซ็นต์ความครอบคลุมของกลุ่ม "A", "B" และ "C" โดยพลการ องค์ประกอบของพวกเขาจะเปลี่ยนไปและบ่อยครั้งในลักษณะที่ค่อนข้างสำคัญ ยังไม่ชัดเจนว่าจะจัดการกับสิ่งนี้อย่างไรควรสรุปข้อสรุปอะไรและข้อเสนอแนะใดที่จะเสนอให้กับองค์กร นอกจากนี้ หากคุณใช้การจัดกลุ่มเพื่อวัด "ความสำคัญของลูกค้า" เมื่อมองแวบแรก เป็นเรื่องยากมากที่จะเข้าใจว่าเหตุใดกลุ่ม A จึงควรมีส่วนร่วม 75% ไม่ใช่ ตัวอย่างเช่น 80%
ประการที่สอง หากเราใช้เปอร์เซ็นต์ที่กำหนดเพื่อวิเคราะห์การเปลี่ยนแปลงของการรับสินค้าของลูกค้าเมื่อเวลาผ่านไป อาจกลายเป็นว่าลูกค้ารายใดก็ตามที่มีปริมาณการซื้อ (หรือกำไร) คงที่เท่าเดิมนั้นตกอยู่ในกลุ่มที่แตกต่างกัน ขึ้นอยู่กับระยะเวลาที่ใช้
ตัวอย่างของสถานการณ์ดังกล่าวแสดงไว้ในกลุ่มตารางที่ 1 ในนั้น เราพิจารณาสถานการณ์จริงในบริษัทที่ขายผ้า และวิเคราะห์ลูกค้าห้ารายตามเกณฑ์ปริมาณการซื้อในแง่กายภาพต่อปี นอกจากนี้ ในกรณีนี้ เมื่อทำการวิเคราะห์ ABC เราจะ "แยก" ลูกค้าในอัตราส่วน 70:20:10
กลุ่มตารางหมายเลข 1
A) ข้อมูลเกี่ยวกับการขายผ้าในช่วงเวลาหนึ่ง: รายชื่อลูกค้าอย่างง่าย
B) ข้อมูลเกี่ยวกับการขายผ้าในช่วงเวลาหนึ่ง: จัดอันดับรายชื่อลูกค้า
C) การกระจายลูกค้าเบื้องต้นออกเป็นกลุ่ม
กลุ่ม | 2000 ก(เมตร) | 2544(เมตร) | 2545(เมตร) |
เอ - 70% | 2835 | 10 171 | 12 810 |
ใน 20% | 810 | 2906 | 3 660 |
ค - 10% | 405 | 1453 | 1830 |
เราประสบปัญหาอะไรบ้างในตัวอย่างนี้? ปัญหาที่หนึ่ง:การวิเคราะห์สถานการณ์แบบไดนามิก เป็นไปไม่ได้ที่จะจำแนกลูกค้าออกเป็นกลุ่มเดียวหรืออีกกลุ่มหนึ่งได้อย่างแม่นยำ ในปี 2000 "ลูกค้า #1" ก่อตั้งกลุ่ม "A" แต่ยังมีส่วนสนับสนุนกลุ่ม "B" อีกด้วย แต่ในอีกสองปีข้างหน้า "ลูกค้าหมายเลข 1" มีส่วนสนับสนุนกลุ่ม "A" เพียงเล็กน้อยแม้ว่าเขาจะมียอดขายที่เติบโตในเชิงบวกก็ตาม สถานการณ์กับ "ลูกค้าหมายเลข 2" ก็ไม่แน่นอนเช่นกัน: ในปีแรกเขาตกอยู่ในกลุ่ม "B" และในปีที่สาม - อยู่ในกลุ่ม "C" แม้ว่าปริมาณการซื้อของเขาจะไม่เปลี่ยนแปลงก็ตาม
แน่นอนคุณสามารถใส่ใจกับความจริงที่ว่าในปี 2544 บริษัท ได้ลูกค้าใหม่ - "ลูกค้าหมายเลข 5" ซึ่งมีอิทธิพลอย่างมากต่อสถานการณ์ ดังนั้นคุณสามารถลองแก้ไขปัญหา "การโยกย้าย" ของกลุ่มได้โดยการวิเคราะห์ลูกค้าเก่าและลูกค้าใหม่แยกกัน แต่สิ่งนี้ช่วยให้คุณสามารถแก้ไขปัญหาที่มีอยู่ได้เพียงบางส่วนเท่านั้น
ปัญหาหมายเลขสอง: เช่น ถ้าเราจำเป็นต้องวิเคราะห์ประวัติลูกค้าในด้านยอดขาย ตัวชี้วัดกำไร และระยะเวลาการชำระหนี้ลูกหนี้ เราก็จะทำไม่ได้ ในตัวอย่างนี้ เป็นไปไม่ได้ที่จะวิเคราะห์ลูกค้าตามพารามิเตอร์หลายๆ ตัวพร้อมกัน แม้ว่าการวิเคราะห์หลายมิติดังกล่าวจะเป็นหัวใจสำคัญของการแบ่งลูกค้าออกเป็นกลุ่มๆ ก็ตาม
ดังนั้น ตัวเลือกที่เราอธิบายไว้สำหรับการจัดอันดับลูกค้าตามเปอร์เซ็นต์ความครอบคลุมคงที่จึงเหมาะสมที่สุดเมื่อเราต้องการวิเคราะห์ลูกค้าภายในระยะเวลาหนึ่ง แต่การวิเคราะห์ตัวบ่งชี้ในช่วงเวลาหนึ่งเป็นเรื่องยากในกรณีนี้
จะหลีกเลี่ยงความยากลำบากที่อธิบายไว้ข้างต้นได้อย่างไร? สิ่งนี้เป็นไปได้หากพื้นฐานสำหรับการแบ่งกลุ่มไม่ใช่เปอร์เซ็นต์ที่กำหนด แต่เป็นปริมาณการผลิตคงที่ในแง่กายภาพ กลับไปที่ตัวอย่างของเรา สมมติว่าเราต้องการให้กลุ่ม “A” รวมลูกค้าที่มีปริมาณการซื้อต่อปีเกิน 1,000 ตารางเมตร กลุ่ม “B” เพื่อรวมลูกค้าที่ซื้อผ้าตั้งแต่ 100 ถึง 999 ตารางเมตร และกลุ่ม “C” เพื่อรวมลูกค้าที่ซื้อผ้าน้อยกว่า 100 เมตร
จากนั้น ณ สิ้นปี 2000 กลุ่ม “A” จะรวมลูกค้าหมายเลข 1 กลุ่ม “B” จะรวมลูกค้าหมายเลข 2 และหมายเลข 3 และกลุ่ม “C” จะรวมลูกค้าหมายเลข 4 อย่างที่คุณเห็น ตัวเลือกในการแบ่งลูกค้านี้ช่วยขจัดปัญหาการไม่สามารถระบุได้อย่างชัดเจนว่าลูกค้าอยู่ในกลุ่มใด นอกจากนี้ยังไม่มีปัญหาที่ลูกค้าจะ "ย้าย" จากกลุ่มหนึ่งไปอีกกลุ่มหนึ่งโดยไม่มีการเปลี่ยนแปลงปริมาณการขายอย่างแท้จริง แต่ปัญหาอื่น ๆ อีกมากมายก็เกิดขึ้น ในปี 2544 กลุ่ม "A" รวมลูกค้าหมายเลข 1 และหมายเลข 5 กลุ่ม "B" รวมลูกค้าหมายเลข 2 หมายเลข 3 และหมายเลข 4 ในปี 2545 กลุ่ม "A" รวมลูกค้าหมายเลข 4 หมายเลข 1 และหมายเลข 5 และกลุ่ม "B" รวมลูกค้าหมายเลข 3 และหมายเลข 2 สิ่งนี้ส่งผลต่อการกระจายเปอร์เซ็นต์ของกลุ่มของเราอย่างไร ข้อมูลแสดงไว้ในตารางที่ 2
ตารางที่ 2 ข้อมูลการขายแฟบริคและการจัดอันดับลูกค้าตามตัวบ่งชี้ปริมาณการซื้อคงที่
2000 | 2544 | 2545 | ||||||
ลูกค้า 1 | 3000 | ก | ลูกค้าคนที่ 5 | 10 000 | ก | ลูกค้าคนที่ 5 | 12 000 | ก |
ลูกค้าคนที่ 2 | 700 | ใน | ลูกค้า 1 | 3200 | ก | ลูกค้า 1 | 3800 | ก |
ลูกค้าคนที่ 3 | 300 | ใน | ลูกค้าคนที่ 2 | 700 | ใน | ลูกค้าคนที่ 4 | 1000 | ก |
ลูกค้าคนที่ 4 | 50 | กับ | ลูกค้าคนที่ 3 | 450 | ใน | ลูกค้าคนที่ 3 | 800 | ใน |
ลูกค้าคนที่ 5 | 0 | ลูกค้าคนที่ 4 | 180 | ใน | ลูกค้าคนที่ 2 | 700 | ใน | |
ทั้งหมด: | 4050 | 14 530 | 18 300 | |||||
เปอร์เซ็นต์ | เปอร์เซ็นต์ | เปอร์เซ็นต์ | ||||||
ก | 74% | ก | 91% | ก | 92% | |||
ใน | 25% | ใน | 9% | ใน | 8% | |||
กับ | 1% |
ด้วยการแนะนำปริมาณการซื้อคงที่เป็นขอบเขตสำหรับกลุ่มต่างๆ เราจะเห็นว่าการมีส่วนร่วมของแต่ละกลุ่มแตกต่างกันอย่างมีนัยสำคัญอย่างไรในแต่ละปี ในเวลาเดียวกัน การกำหนดปริมาณการซื้อขั้นพื้นฐานซึ่งใช้เป็นพื้นฐานในการแบ่งลูกค้าออกเป็นกลุ่ม จะเป็นสิ่งสำคัญสำหรับการวิเคราะห์
การวิเคราะห์เชิงลึก
วิธีการที่เราอธิบายไว้ในส่วนที่แล้วเหมาะสำหรับการวิเคราะห์ไดนามิกของลูกค้าแบบผิวเผินอย่างรวดเร็ว สมมติว่าเราต้องดูว่าโครงสร้างลูกค้าเปลี่ยนแปลงไปอย่างไรตามพารามิเตอร์ที่กำหนด (เช่น ปริมาณการขาย) ในช่วงหลายปีที่ผ่านมา ขั้นแรก เราวิเคราะห์ปีที่แล้วโดยใช้วิธีแรก ซึ่งขึ้นอยู่กับเปอร์เซ็นต์ความครอบคลุมของกลุ่มที่กำหนด (70:20:10) จากนั้นเราจะวิเคราะห์กลุ่ม “A” และเลือกฐานปริมาณการขาย ในกรณีของเรา ปี 2000 ถือเป็นช่วงฐาน และจากการวิเคราะห์ลูกค้าอย่างรวดเร็ว เราก็ได้ข้อสรุปว่าปริมาณการขายที่ 1,000 และ 100 เมตรมีความสำคัญ
และสุดท้าย เราทำการแยกย่อยโดยใช้ค่าวิกฤตที่เลือกของพารามิเตอร์ที่ต้องการสำหรับทุกปี (ในตัวอย่างที่ให้ไว้ นี่คือปริมาณการขายในแง่กายภาพ) จะเห็นได้ว่ากลุ่ม “A” ช่วยเพิ่มยอดขายของบริษัทได้อย่างมาก
อย่างไรก็ตาม การวิเคราะห์เดียวกันสามารถดำเนินการได้โดยคำนึงถึงพารามิเตอร์เพิ่มเติม "ลูกค้าใหม่" "ลูกค้าเก่า" "ลูกค้าที่สูญหาย" และ "ลูกค้าที่กลับมา" แต่เราจะพูดถึงเรื่องนี้อีกสักหน่อย สำหรับตอนนี้ เรามาดูกันว่าเราจะปรับปรุงคุณภาพของการจัดอันดับได้อย่างไรหากเราเลือกค่าที่สำคัญอย่างเหมาะสม
เรานำเสนอหนึ่งในวิธีที่ง่ายและใช้งานง่ายที่สุดในการแก้ปัญหานี้ - เราจะแจกแจงลูกค้าโดยใช้ควอไทล์ และเราจะดำเนินการนี้โดยใช้ตัวอย่างสุ่มตัวอย่างลูกค้า 22 รายของบริษัท (ข้อมูลแสดงอยู่ในกลุ่มตารางที่ 3)
กลุ่มตารางหมายเลข 3
A) ข้อมูลเริ่มต้น: ยอดขายตามลูกค้า
ลูกค้า | ปริมาณการซื้อ (หน่วยเป็นเมตร) |
| 30000 |
| 7000 |
| 5000 |
| 3600 |
| 2300 |
| 1000 |
| 860 |
| 700 |
| 680 |
| 620 |
| 590 |
| 510 |
| 470 |
| 350 |
| 320 |
| 250 |
| 200 |
| 180 |
| 170 |
| 170 |
| 140 |
| 50 |
ทั้งหมด | 55160 |
B) การกระจายค่า
โดยสังหรณ์ใจค่าเกณฑ์จะเป็น 1,000 และ 10,000
มาตรวจสอบกัน เราคำนวณการปล่อยก๊าซเรือนกระจกโดยใช้สูตร:
ค่าผิดปกติ = "ควอไทล์บน" + 1.5 * (ควอไทล์บน - ควอร์ไทล์ล่าง) = 2093.75
นั่นคือตัวเลขทั้งหมดที่เกิน 2093.75 ถือเป็นค่าผิดปกติ
ในกรณีนี้ เราไม่สนใจเรื่องการปล่อยมลพิษที่ต่ำกว่า ในทางปฏิบัติมักไม่คำนึงถึงสิ่งเหล่านี้เนื่องจาก:
การเลือกที่ต่ำกว่า = ควอไทล์ล่าง - 1.5 * (ควอไทล์บน - ควอไทล์ล่าง) = - 410
C) เราพิจารณายอดขายสำหรับลูกค้าที่จัดอยู่ในกลุ่มค่าผิดปกติอันดับต้นๆ
D) รายละเอียดขั้นสุดท้ายของลูกค้า
กลุ่ม | ลูกค้า | ฝ่ายขาย | ขายตามกลุ่ม | ส่วนแบ่งเปอร์เซ็นต์ |
ก | ลูกค้า 1 | 30000 | ||
30000 | 54% | |||
ใน | ลูกค้าคนที่ 9 | 7000 | ||
ลูกค้าคนที่ 2 | 5000 | |||
ลูกค้า 10 | 3600 | |||
ลูกค้า 17 | 2300 | |||
17900 | 32% | |||
กับ: | ลูกค้าคนที่ 3 | 1000 | ||
ลูกค้า 18 | 860 | |||
ลูกค้า 11 | 700 | |||
ลูกค้าคนที่ 7 | 680 | |||
ลูกค้าคนที่ 21 | 620 | |||
ลูกค้าคนที่ 8 | 590 | |||
ลูกค้า 16 | 510 | |||
ลูกค้า 20 | 470 | |||
ลูกค้า 19 | 350 | |||
ลูกค้าคนที่ 14 | 320 | |||
ลูกค้าคนที่ 4 | 250 | |||
ลูกค้าคนที่ 12 | 200 | |||
ลูกค้าคนที่ 6 | 180 | |||
ลูกค้า 13 | 170 | |||
ลูกค้า 16 | 170 | |||
ลูกค้าคนที่ 5 | 140 | |||
ลูกค้า 15 | 50 | |||
7260 | 13% |
คำอธิบายเล็กน้อยสำหรับการคำนวณ รายชื่อลูกค้าต่อไปนี้จะถูกจัดเรียงตามปริมาณการซื้อที่ลดลง หลังจากนั้นจะมีการกำหนดตัวบ่งชี้ต่อไปนี้: ค่าเฉลี่ย, ค่ามัธยฐาน, ควอไทล์ล่างและบน การคำนวณทั้งหมดนี้สามารถทำได้โดยใช้ฟังก์ชัน QUARTILE และ AVERAGE มาตรฐานใน Microsoft Excel
หากคุณดูค่าจากรายการสั้นๆ คุณสามารถแนะนำให้แบ่งลูกค้าออกเป็นกลุ่มตามหลักการดังต่อไปนี้:
- กลุ่ม A – จาก 10,000 ม.
- กลุ่ม B – จาก 1,000 ถึง 9,000
- กลุ่ม C – ตั้งแต่ 999 และต่ำกว่า
ตอนนี้เรานับการเลือกและพบว่าค่าวิกฤตสำหรับการเลือกด้านบนคือ (ปัดเศษ) ตัวเลข 2094 ด้วยการคำนวณนี้ เราสามารถแบ่งลูกค้าออกเป็นสองกลุ่มได้ กลุ่มแรกจะรวมลูกค้าที่มีปริมาณการซื้อสูงกว่าที่ระบุ ค่าที่สองจะรวมถึงผู้ที่มีปริมาณต่ำกว่า ในตัวอย่างที่ให้มา กลุ่มแรกจะคิดเป็น 87% ของยอดขายทั้งหมด (ยอดขายรวมเท่ากับ 55,160 เมตร และกลุ่มแรกคิดเป็น 47,900 เมตร) โปรดทราบว่าสถานการณ์ที่คล้ายกันเป็นเรื่องปกติสำหรับตลาดสินค้าโภคภัณฑ์และตลาดสำหรับวัสดุสิ้นเปลือง
ตอนนี้อะไร? การดำเนินการวิเคราะห์เพิ่มเติมขึ้นอยู่กับชุดงาน โดยทั่วไปคุณสามารถไปได้สองวิธี คุณสามารถเรียกกลุ่มแรกที่ได้รับกลุ่ม "A" และส่วนที่เหลือสามารถแบ่งออกเป็นสองกลุ่มได้หากจำเป็น - นี่เป็นการตัดสินใจแบบอัตนัย หรือคุณสามารถวิเคราะห์ผลลัพธ์การปล่อยก๊าซอีกครั้งโดยใช้ควอร์ไทล์เหมือนที่เราทำ ในบางกรณี ข้อมูลนี้จะให้ข้อมูลที่มีประโยชน์มาก ตัวอย่างเช่น ในกรณีของเรา มีการระบุลูกค้ารายหนึ่งซึ่งมีปริมาณการขายแตกต่างจากรายอื่นๆ มาก (ดูตาราง 3-C และ 3-D)
จากผลการวิเคราะห์ เราพบว่ามีลูกค้าเพียงรายเดียวเท่านั้นที่ถูกรวมอยู่ในกลุ่ม “A” หากเราเผชิญกับสถานการณ์ดังกล่าวในทางปฏิบัติ เรามักจะพยายามทำความเข้าใจเสมอว่าลูกค้าดังกล่าวมาจากไหน ซึ่งมีส่วนช่วยในการขายมากถึง 54% และก่อตั้งทั้งกลุ่ม ขั้นแรกเราขอแนะนำให้คุณหันไปใช้ข้อมูลต้นฉบับและตรวจสอบว่ามีข้อผิดพลาดเกิดขึ้นหรือไม่
แต่ในกรณีนี้ทุกอย่างง่ายกว่า ลักษณะเฉพาะของกิจกรรมของตลาดสินค้าโภคภัณฑ์ที่เราดำเนินการคือมีลูกค้ากลุ่มเล็กๆ อยู่จริงๆ ซึ่งมีส่วนช่วยในการขายสูงอย่างไม่เป็นสัดส่วน โปรดทราบว่าในกรณีนี้ เรากำลังติดต่อกับกลุ่มตัวอย่างเล็กๆ ที่มีลูกค้า 280 รายของบริษัท แต่ในความเป็นจริงแล้ว บริษัทมีลูกค้ารายใหญ่ 7 ราย เช่น ในกลุ่ม "A" และพวกเขาก็มีส่วนช่วยในการขาย 88%
เนื่องจากการวิเคราะห์โดยใช้ควอไทล์และค่าผิดปกติช่วยระบุลูกค้าที่มีปริมาณการขายแตกต่างจากกลุ่มโดยรวมอย่างมาก การวิเคราะห์ซ้ำโดยใช้วิธีนี้จึงสามารถระบุลูกค้าที่ต้องได้รับการปฏิบัติอย่างระมัดระวังอย่างมาก ในทางปฏิบัติ เรามักจะวิเคราะห์ซ้ำโดยใช้ควอร์ไทล์เพื่อระบุลูกค้าให้อยู่ในกลุ่มวีไอพีพิเศษ ซึ่งเราจะเพิ่มเข้าไปในกลุ่ม A, B และ C แบบดั้งเดิม
ตอนนี้เรามาดูกันดีกว่า จนถึงปัจจุบัน เราได้ดำเนินการวิเคราะห์ทั่วไปเกี่ยวกับการมีส่วนร่วมของลูกค้าต่อยอดขาย ตอนนี้เรามาดูตัวอย่างของลูกค้าในช่วงสามปีและวิเคราะห์ตัวบ่งชี้ในช่วงเวลาหนึ่ง (ข้อมูลจะถูกนำเสนอในกลุ่มตารางที่ 4)
กลุ่มตารางหมายเลข 4
A) ตัวชี้วัดการขายในช่วงเวลาหนึ่ง ข้อมูลเบื้องต้น
ลูกค้า | 2000 (ม.) | 2544 (ม.) | 2545 (ม.) |
ลูกค้า 1 | 30000 | 35000 | 32000 |
ลูกค้า 10 | 3600 | 2800 | |
ลูกค้า 11 | 700 | 650 | 8000 |
ลูกค้าคนที่ 12 | 200 | 600 | |
ลูกค้า 13 | 170 | 350 | 240 |
ลูกค้าคนที่ 14 | 320 | 2000 | 600 |
ลูกค้า 15 | 50 | ||
ลูกค้า 16 | 510 | 600 | 800 |
ลูกค้า 16 | 170 | 4000 | 7000 |
ลูกค้า 17 | 2300 | 500 | 410 |
ลูกค้า 18 | 860 | 710 | 950 |
ลูกค้า 19 | 350 | 1100 | 980 |
ลูกค้าคนที่ 2 | 5000 | 15000 | |
ลูกค้า 20 | 470 | 800 | 970 |
ลูกค้าคนที่ 21 | 620 | 250 | 270 |
ลูกค้าคนที่ 22 | 2500 | 3200 | |
ลูกค้าคนที่ 23 | 520 | 680 | |
ลูกค้า24 | 1700 | 2200 | |
ลูกค้า25 | 150 | ||
ลูกค้า26 | 270 | 530 | |
ลูกค้า27 | 40 | 150 | |
ลูกค้า28 | 6800 | 9400 | |
ลูกค้า 29 | 380 | 570 | |
ลูกค้าคนที่ 3 | 1000 | 460 | 980 |
ลูกค้า 30 | 710 | ||
ลูกค้าคนที่ 4 | 250 | 350 | 410 |
ลูกค้าคนที่ 5 | 140 | 270 | 250 |
ลูกค้าคนที่ 6 | 180 | 560 | |
ลูกค้าคนที่ 7 | 680 | 240 | 950 |
ลูกค้าคนที่ 8 | 590 | 280 | |
ลูกค้าคนที่ 9 | 7000 | 6800 | 9400 |
ทั้งหมด | 55160 | 83030 | 84300 |
บันทึก. ดูเหมือนว่ามีความแตกต่างที่ชัดเจนในการจัดกลุ่มลูกค้าตามปี หากเราทำโดยใช้การวิเคราะห์ควอไทล์ในแต่ละปี ในปี 2000 กลุ่ม "B" จะรวมถึงลูกค้าที่มีปริมาณการซื้อมากกว่า 3,000 ม. และในปี 2544 - ลูกค้าที่มีปริมาณการขายมากกว่า 4,000 ม. แต่นี่เป็นเพียงการมองแวบแรกเท่านั้น
ขั้นแรก เรามาตรวจสอบความเพียงพอของการแบ่งลูกค้าออกเป็นกลุ่มๆ ในการดำเนินการนี้ เราจะดำเนินการวิเคราะห์ที่อธิบายไว้ข้างต้นในแต่ละปีแยกกัน
B) ควอร์ไทล์และค่าผิดปกติ: วิเคราะห์ตามปี
C) การจัดอันดับตามกลุ่ม
ลูกค้า | 2000 | กลุ่ม | 2544 | กลุ่ม | 2545 | กลุ่ม |
ลูกค้า 1 | 30000 | ก | 35000 | ก | 32000 | ก |
ลูกค้าคนที่ 9 | 7000 | ใน | 6800 | ใน | 9400 | ใน |
ลูกค้า28 | 6800 | ใน | 9400 | ใน | ||
ลูกค้า 11 | 700 | กับ | 650 | กับ | 8000 | ใน |
ลูกค้า 16 | 170 | กับ | 4000 | ใน | 7000 | ใน |
ลูกค้าคนที่ 22 | 2500 | กับ | 3200 | กับ | ||
ลูกค้า 10 | 3600 | ใน | 2800 | กับ | ||
ลูกค้า24 | 1700 | กับ | 2200 | กับ | ||
ลูกค้า 19 | 350 | กับ | 1100 | กับ | 980 | กับ |
ลูกค้าคนที่ 3 | 1000 | กับ | 460 | กับ | 980 | กับ |
ลูกค้า 20 | 470 | กับ | 800 | กับ | 970 | กับ |
ลูกค้า 18 | 860 | กับ | 710 | กับ | 950 | กับ |
ลูกค้าคนที่ 7 | 680 | กับ | 240 | กับ | 950 | กับ |
ลูกค้า 16 | 510 | กับ | 600 | กับ | 800 | กับ |
ลูกค้าคนที่ 23 | 520 | กับ | 680 | กับ | ||
ลูกค้าคนที่ 14 | 320 | กับ | 2000 | กับ | 600 | กับ |
ลูกค้า 29 | 380 | กับ | 570 | กับ | ||
ลูกค้าคนที่ 6 | 180 | กับ | 560 | กับ | ||
ลูกค้า26 | 270 | กับ | 530 | กับ | ||
ลูกค้า 17 | 2300 | ใน | 500 | กับ | 410 | กับ |
ลูกค้าคนที่ 4 | 250 | กับ | 350 | กับ | 410 | กับ |
ลูกค้าคนที่ 21 | 620 | กับ | 250 | กับ | 270 | กับ |
ลูกค้าคนที่ 5 | 140 | กับ | 270 | กับ | 250 | กับ |
ลูกค้า 13 | 170 | กับ | 350 | กับ | 240 | กับ |
ลูกค้า27 | 40 | กับ | 150 | กับ | ||
ลูกค้าคนที่ 2 | 5000 | ใน | 15000 | ใน | ||
ลูกค้า 30 | 710 | กับ | ||||
ลูกค้าคนที่ 12 | 200 | กับ | 600 | กับ | ||
ลูกค้าคนที่ 8 | 590 | กับ | 280 | กับ | ||
ลูกค้า25 | 150 | กับ | ||||
ลูกค้า 15 | 50 | กับ |
D) การมีส่วนร่วมของแต่ละกลุ่มในการขาย:
2000 | 2544 | 2545 | |
ปริมาณการขายรวม | 55160 | 83030 | 84300 |
จำนวนลูกค้า | 22 | 28 | 25 |
2507,273 | 2965,357 | 3372 | |
กลุ่มเอ | |||
30000 | 35000 | 32000 | |
54% | 42% | 38% | |
จำนวนลูกค้า | 1 | 1 | 1 |
% ของลูกค้าทั้งหมด | 5% | 4% | 4% |
ปริมาณการขายเฉลี่ยต่อลูกค้า 1 ราย | - | - | - |
- | - | - | |
ค่าสัมประสิทธิ์ของการแปรผัน | - | - | - |
กลุ่มบี | |||
ปริมาณการขายแยกตามกลุ่มสำหรับปี | 17900 | 32600 | 33800 |
เป็น % ของยอดขายรวม | 32% | 39% | 40% |
จำนวนลูกค้า | 4 | 4 | 4 |
% ของลูกค้าทั้งหมด | 18% | 14% | 16% |
ปริมาณการขายเฉลี่ยต่อลูกค้า 1 ราย | 4475 | 8150 | 8450 |
S (ส่วนเบี่ยงเบนมาตรฐานในกลุ่มนี้) | 2012,254 | 4753,595 | 1170,47 |
ค่าสัมประสิทธิ์ของการแปรผัน | 45% | 58% | 14% |
กลุ่มซี | |||
ปริมาณการขายแยกตามกลุ่มสำหรับปี | 7260 | 15430 | 18500 |
เป็น % ของยอดขายรวม | 13% | 19% | 22% |
จำนวนลูกค้า | 17 | 23 | 20 |
% ของลูกค้าทั้งหมด | 77% | 82% | 80% |
ปริมาณการขายเฉลี่ยต่อลูกค้า 1 ราย | 427,0588 | 670,8696 | 925 |
S (ส่วนเบี่ยงเบนมาตรฐานในกลุ่มนี้) | 1013,346 | 613,4471 | 840,0407 |
ค่าสัมประสิทธิ์ของการแปรผัน | 237% | 91% | 91% |
เราทำอะไรไปแล้วบ้าง? จากข้อมูลเบื้องต้นสำหรับการวิเคราะห์ เราได้นำตัวเลขยอดขายผ้าจริงมาอีกครั้งเป็นเวลาสามปี หากข้อมูลการซื้อหายไปสำหรับลูกค้าบางรายในปีใดปีหนึ่ง นั่นหมายความว่าพวกเขาไม่ได้ซื้ออะไรเลยในช่วงเวลานั้น
ตารางที่ 4-B นำเสนอข้อมูลการวิเคราะห์ลูกค้าแยกตามควอไทล์และช่วงในแต่ละปี คุณจะพูดอะไรเกี่ยวกับไดนามิกของการขายโดยไม่ต้องวิเคราะห์ลูกค้าใหม่ เก่า ลูกค้าที่สูญหาย และกลับมา? หากเราดูปริมาณการขาย เราจะเห็นการเพิ่มขึ้นอย่างมากในปี 2544 เมื่อเทียบกับปี 2543 และประมาณระดับเดียวกันในปี 2545 แต่หากเราเปรียบเทียบการปล่อยก๊าซเรือนกระจกหมายเลข 1 และหมายเลข 2 ในช่วงเวลาสามปี เราจะเห็นว่าการเปลี่ยนแปลงของสิ่งเหล่านี้แตกต่างจากทั่วไป พลวัตการขาย สิ่งนี้บ่งบอกถึงการเปลี่ยนแปลงที่สำคัญในโครงสร้างลูกค้าของ บริษัท (การปล่อยครั้งที่ 2 ในช่วงแรกและสามเกือบจะเท่ากันและในช่วงที่สองก็เพิ่มขึ้นอย่างรวดเร็ว)
หากคุณทำงานกับข้อมูลที่มีช่วงค่อนข้างน้อย ดังในตัวอย่างนี้ แนวโน้มดังกล่าวจะตรวจพบได้ง่ายด้วยตาเปล่า แม้ว่าจะไม่ได้วิเคราะห์ไดนามิกของควอไทล์ก็ตาม แต่หากรายชื่อลูกค้าหลักร้อย คุณสามารถใช้วิธีง่ายๆ ที่เราแนะนำเพื่อประเมินการเปลี่ยนแปลงภายในฐานลูกค้าอย่างรวดเร็วในช่วงเวลาต่างๆ
การพิจารณาข้อมูลในตารางหมายเลข 4-D โดยละเอียดเพิ่มเติมเป็นเรื่องที่น่าสนใจ จากนั้นเราจะเห็นว่าในตัวอย่างนี้ กลุ่ม "A" มีลูกค้าเพียง 1 รายเท่านั้น นี่ไม่ใช่สถานการณ์ทั่วไป และตามที่อธิบายไว้ก่อนหน้านี้ มันเกิดขึ้นเนื่องจากเราใช้ตัวอย่างจากข้อมูลจริงจากโรงงานผลิตสินค้าโภคภัณฑ์ และยังแบ่งลูกค้าออกเป็นกลุ่มโดยใช้การวิเคราะห์การปล่อยก๊าซซ้ำ หากสถานการณ์ดังกล่าวเกิดขึ้นในทางปฏิบัติ จะเป็นประโยชน์ที่จะพิจารณาลูกค้าดังกล่าว (หรือลูกค้าจำนวนน้อยมากที่มียอดขายเกินกลุ่มหลักอย่างมีนัยสำคัญ) แยกกันซึ่งเราจะส่งคืน
นอกจากนี้จากตารางที่ 4-D เราสามารถสรุปได้ว่าการมีส่วนร่วมของกลุ่ม "B" ต่อปริมาณการขายรวมนั้นค่อยๆเพิ่มขึ้นแม้ว่าการเปลี่ยนแปลงในช่วงสองปีที่ผ่านมาจะไม่มีนัยสำคัญและจำนวนลูกค้าก็ไม่เปลี่ยนแปลง ขนาดการซื้อโดยเฉลี่ยก็เพิ่มขึ้นเช่นกัน แม้ว่าในช่วงสองช่วงที่ผ่านมาการเติบโตก็ไม่มีนัยสำคัญเช่นกัน
หากเราดูค่าของส่วนเบี่ยงเบนมาตรฐานและค่าสัมประสิทธิ์ของการแปรผันเราสามารถสรุปได้ว่าในปี 2545 กลุ่ม “B” ค่อนข้างเป็นเนื้อเดียวกันในแง่ของปริมาณการซื้อ และในปี 2544 การกระจายตัวของปริมาณการขายภายในกลุ่มนั้นเด่นชัดที่สุด . จากนี้เราสามารถตั้งสมมติฐานได้สองข้อ: เรากำลังติดต่อกับกลุ่มลูกค้าที่แตกต่างกัน หรือเรากำลังจัดการกับประสิทธิภาพที่แตกต่างกันของบริษัทของเรากับลูกค้ากลุ่มนี้ เมื่อมองไปข้างหน้าเราจะบอกว่าเพื่อที่จะได้ข้อสรุปขั้นสุดท้ายจำเป็นต้องทำการวิเคราะห์ประเภทอื่นเล็กน้อยซึ่งเราจะพิจารณาในภายหลัง
ในกลุ่ม “C” สถานการณ์จะแตกต่างออกไป ประสิทธิภาพการขายภายในกลุ่มนี้มีการเปลี่ยนแปลงอย่างมีนัยสำคัญ ในด้านหนึ่ง สิ่งนี้อาจบ่งชี้ว่าการแบ่งลูกค้าออกเป็นกลุ่มนั้นทำไม่ถูกต้อง แต่หากเรามั่นใจในความถูกต้องของการจัดอันดับ เราก็สามารถระบุได้ว่าลูกค้าในกลุ่มนี้มีความแตกต่างกันอย่างมาก การเปลี่ยนแปลงของการมีส่วนร่วมในการขายเป็นบวก แต่ไม่มีความสัมพันธ์ที่ชัดเจนกับจำนวนลูกค้า
ดังนั้น สำหรับการวิเคราะห์ลูกค้าที่สมบูรณ์ที่สุด จะเป็นประโยชน์ที่จะรวมวิธีการทั้งสามวิธีที่อธิบายไว้ข้างต้น: วิธีแรก - ขึ้นอยู่กับเปอร์เซ็นต์การมีส่วนร่วมที่กำหนดให้กับกลุ่ม วิธีที่สอง - ขึ้นอยู่กับการมีส่วนร่วมที่กำหนดในแง่สัมบูรณ์ วิธีที่สาม - ตาม เรื่องการวิเคราะห์การกระจายตัวโดยใช้ควอไทล์ โดยไม่ต้องลงรายละเอียด สมมติว่าตัวเลือกสุดท้ายสำหรับการแยกย่อยลูกค้านั้นเหมาะอย่างยิ่งสำหรับการวิเคราะห์เชิงสัมพันธ์ของไดนามิกของลูกค้า แต่ไม่สามารถใช้เพื่อจำแนกลูกค้าออกเป็นกลุ่มเพื่อใช้เป็นตัวบ่งชี้ "ความสำคัญ" ของลูกค้า
ต้องคำนึงว่าการวิเคราะห์การปล่อยก๊าซเรือนกระจกซ้ำๆ อาจก่อให้เกิดลูกค้ากลุ่มเล็กๆ ได้ จากนั้นจะเป็นประโยชน์ที่จะแยกออกเป็นกลุ่มวีไอพีแยกต่างหากและแบ่งส่วนที่เหลือให้แตกต่างออกไปเล็กน้อย โดยทั่วไป เมื่อการวิเคราะห์ค่าผิดปกติซ้ำๆ จะสร้างกลุ่มลูกค้าจำนวนน้อยมาก ส่วนประสมการขายจะมีความแตกต่างกันมาก ลูกค้าเหล่านี้ควรได้รับการพิจารณาแยกกันและวิเคราะห์ว่าเหตุใดจึงเกิดสถานการณ์นี้ บ่อยครั้งสิ่งนี้อาจบ่งบอกว่าบริษัทได้ "เติบโต" ไปสู่ขั้นใหม่ - เพื่อทำงานร่วมกับลูกค้ารายใหญ่มากและกลุ่มวีไอพีนี้แตกต่างจากลูกค้าก่อนหน้านี้ทั้งหมดมาก
แน่นอนว่ามีตัวเลือกอื่นที่เป็นไปได้ โดยทั่วไปเราขอย้ำอีกครั้งว่ากลุ่มนี้ต้องพิจารณาแยกกัน จากนั้นในขั้นตอนนี้เราจะมีเพียงสองกลุ่มหลักเท่านั้น กลุ่มแรกคือกลุ่ม “A” ซึ่งเราระบุได้จากการวิเคราะห์การปล่อยก๊าซเรือนกระจกเป็นครั้งแรก หากต้องการ "แบ่ง" กลุ่ม "ล่าง" ที่เหลือออกเป็นสองส่วน จะมีประโยชน์ที่จะพิจารณาว่ากลุ่ม "A" สำเร็จรูปมีส่วนช่วยในการขายมากน้อยเพียงใด หากกลุ่ม "A" ครอบครองมากกว่า 70% ของโครงสร้างการขาย ก็ควรพยายามแยกกลุ่มที่เหลือเพื่อให้ลูกค้า "B" ครอบครองจาก 20 ถึง 25%
นี่คือปัญหาที่เกิดขึ้นซึ่งเรายังไม่ได้แตะต้อง สมมติว่าคุณมีรายการ:
- ลูกค้า 1 – 800
- ลูกค้า 2 – 750
- ลูกค้า 3 – 600
- ลูกค้า 4 – 550
- ลูกค้า 5 – 500
- ลูกค้า 6 – 450
- ฯลฯ
ในสถานการณ์เช่นนี้ ความแตกต่างระหว่างลูกค้าแต่ละคู่มีน้อยมาก และถ้าเราบอกว่าไคลเอนต์ตั้งแต่ 1 ถึง 3 เป็นกลุ่ม "B" และด้านล่างคือ "C" ความแตกต่างระหว่างไคลเอนต์ 4 และ 3 ก็จะไม่ชัดเจน เหตุใดกลุ่มที่ 4 จึงเป็นกลุ่ม "C" และกลุ่มที่ 3 ก็เข้ามาด้วย "? ปัญหาร้ายแรงมากเนื่องจากถือว่าการแยกไคลเอ็นต์เสร็จสิ้นด้วยเหตุผลบางอย่าง นอกจากนี้ การแบ่งลูกค้าออกเป็นกลุ่ม คุณจะปฏิบัติต่อพวกเขาแตกต่างกันและเสนอสภาพการทำงานที่แตกต่างกันให้พวกเขา ทางออกจากสถานการณ์ที่เป็นไปได้คือการแนะนำข้อมูลลูกค้าเพิ่มเติมในการวิเคราะห์ โดยทั่วไป ข้อมูลนี้ควรมาจากแผนกการตลาดและแสดงถึงเกณฑ์ในการแบ่งลูกค้าออกเป็นกลุ่มๆ
แนวทางนี้มักจะมีประโยชน์ ด้วยเกณฑ์เพิ่มเติมอีกสองข้อ คุณสามารถป้อนปริมาณการบริโภคที่เป็นไปได้โดยลูกค้าของผลิตภัณฑ์ของคุณ (สำหรับช่วงเวลาที่ประเมิน) และอุตสาหกรรมของผลิตภัณฑ์ ตัวเลือกนี้จะดีเป็นพิเศษหากคุณขายวัตถุดิบหรือวัสดุสิ้นเปลือง ซึ่งก็คือผลิตภัณฑ์ที่ลูกค้ารายเดียวกันใช้อย่างต่อเนื่องในการผลิต จากนั้นผู้จัดการของบริษัทจะสามารถประมาณปริมาณการขายโดยประมาณสำหรับลูกค้าแต่ละรายได้ และยิ่งไปกว่านั้น พวกเขาสามารถระบุอุตสาหกรรมของตนได้อย่างแม่นยำอีกด้วย
การแนะนำพารามิเตอร์เพิ่มเติมทั้งสองนี้มีข้อจำกัด: หากผู้จัดการฝ่ายขายแต่ละรายทำงานร่วมกับลูกค้าหลายร้อยราย การได้รับข้อมูลดังกล่าวก็เป็นเรื่องยาก หรือคุณสามารถขอให้พวกเขาระบุตัวเลขยอดขายที่เป็นไปได้เฉพาะสำหรับลูกค้าที่อาจซื้อมากแต่จริงๆ แล้วซื้อเพียงเล็กน้อยจากคุณ แต่นี่เป็นการวิเคราะห์ที่แตกต่างออกไปเล็กน้อย
ในความเป็นจริง มีความเป็นไปได้สูงที่หลังจากแบ่งลูกค้าออกเป็นกลุ่มตามยอดขายที่เสร็จสมบูรณ์แล้ว ไม่ว่าจะเป็นผลกำไร มูลค่าการซื้อขายในรูปของตัวเงินหรือทางกายภาพ คุณกำลังสร้างความคลาดเคลื่อนครั้งใหญ่อย่างหนึ่ง ท้ายที่สุดแล้ว ในบรรดาลูกค้าของคุณ มีกลุ่มหนึ่งที่ซื้อจากคุณเพียงเล็กน้อยแต่บริโภคมากจริงๆ นี่เป็นเรื่องปกติโดยเฉพาะอย่างยิ่งสำหรับอุตสาหกรรมเหล่านั้นที่มีความเป็นไปได้ที่จะมีความแตกต่างตามผลิตภัณฑ์ต่ำ เช่น วัตถุดิบเดียวกัน
ยิ่งระดับของการทำให้วัตถุดิบกลายเป็นสินค้าสูงขึ้นเท่าไร ปัญหาก็ยิ่งกดดันมากขึ้นเท่านั้น ตัวอย่างเช่น หากคุณซื้อขายสินค้าโภคภัณฑ์ ปัญหานี้รุนแรงมากเป็นพิเศษ ในเรื่องนี้ เรายังคงแนะนำให้ทำการวิเคราะห์ที่คล้ายกัน โดยที่เกณฑ์การวิเคราะห์คือระดับที่ผลิตภัณฑ์ของคุณครอบคลุมความต้องการของลูกค้า ในส่วนหนึ่งของการวิเคราะห์นี้ ลูกค้าแต่ละรายจำเป็นต้องคำนวณค่าสัมประสิทธิ์ ซึ่งได้มาจากหารปริมาณการขายผลิตภัณฑ์ของคุณให้กับลูกค้ารายนี้ด้วยความต้องการรวมของลูกค้าสำหรับผลิตภัณฑ์นี้
ตัวอย่าง. สมมติว่าคุณขายกระดาษสำหรับโรงพิมพ์ หากคุณขายโรงพิมพ์ได้ 100 ตันต่อปี และความต้องการกระดาษคือ 1,000 ตันต่อปี อัตราส่วนความครอบคลุมจะเท่ากับ 0.1 นั่นคือคุณจัดหาผลิตภัณฑ์ให้กับลูกค้า 10% ของความต้องการ ทำไมเป็นอย่างนั้น? มันคุ้มค่าที่จะคิดถึง บางทีลูกค้ารายนี้อาจไม่ได้เป็นตัวแทนของกลุ่มเป้าหมายหลักของ บริษัท (จากนั้นก็คุ้มค่าที่จะวิเคราะห์โอกาสในการเข้าสู่กลุ่มนี้) หรือบางทีนี่อาจเป็นตัวบ่งชี้ถึงงานบริการการขายที่ไม่มีประสิทธิภาพ
บ่อยครั้งมากเมื่อทำการวิเคราะห์ปัญหาเกิดขึ้น - จะรับข้อมูลเกี่ยวกับความต้องการที่แท้จริงของลูกค้าได้ที่ไหน? มาตอบคำถามนี้สั้นๆ กัน: หากคุณมีผู้เชี่ยวชาญที่ทำงานในแผนกขายของคุณ พวกเขาจะต้องรู้ความต้องการที่แท้จริงของลูกค้า จุด
เรามาสรุปข้างต้นกันดีกว่า ในระยะแรก การวิเคราะห์เอบีซีจำเป็นต้องเลือกเกณฑ์การประเมิน นี่อาจเป็นเกณฑ์ง่ายๆ เกณฑ์เดียว (เช่น กำไร) หรือตัวบ่งชี้ทั่วไป เกณฑ์ที่จะใช้เป็นพื้นฐานในการวิเคราะห์นั้นขึ้นอยู่กับคุณในการตัดสินใจ แต่ประโยชน์เชิงปฏิบัติของข้อสรุปที่ได้จากการวิเคราะห์ขั้นสุดท้ายจะขึ้นอยู่กับสิ่งนี้
ตัวอย่างเช่น ในสถานการณ์ที่ผู้จัดการฝ่ายขายได้รับเปอร์เซ็นต์การหมุนเวียนคงที่ และผลกำไรระยะสั้นมีความสำคัญต่อบริษัท การประเมินความสำคัญของลูกค้าที่ผู้จัดการให้อาจไม่สอดคล้องกับเป้าหมายขององค์กร มันมักจะเกิดขึ้นว่าเป็นสิ่งสำคัญสำหรับผู้จัดการเพียงแค่สรุปสัญญาให้ได้มากที่สุด และเขาจะกดดันและกดดันฝ่ายบริหาร เรียกร้องความเป็นไปได้ในการลดราคา การเลื่อนเวลา เป็นต้น โดยไม่ต้องพูดถึงว่าสถานการณ์นี้ยอมรับได้แค่ไหน เราทราบว่าในกรณีนี้ อาจเป็นประโยชน์ที่จะดำเนินการวิเคราะห์ลูกค้าตามเกณฑ์ "กำไร" ประการแรก มันจะช่วยให้คุณเข้าใจได้ดีขึ้นว่าลูกค้ารายใดจำเป็นต้องได้รับการปฏิบัติที่แตกต่างออกไป (โดยไม่ต้องอาศัยความคิดเห็นส่วนตัวของผู้จัดการ) ประการที่สอง สิ่งนี้สามารถเป็นพื้นฐานสำหรับการพัฒนาแผนการจ่ายค่าตอบแทนที่สร้างแรงบันดาลใจสำหรับผู้จัดการที่จะเหมาะสมกับเป้าหมายของบริษัทมากขึ้น
ดังที่เราได้กล่าวไปแล้ว นักการตลาดยังมีโอกาสที่จะใช้เกณฑ์มูลค่ารวมของลูกค้าซึ่งรวมถึงเกณฑ์อื่นๆ ทั้งหมดด้วย สมมติว่าคุณต้องคำนึงถึงทั้งกำไร มูลค่าการซื้อขาย และอัตราผลตอบแทนของลูกหนี้ไปพร้อมๆ กัน ในการดำเนินการนี้ คุณควรกำหนดเกณฑ์แต่ละเกณฑ์ให้มีค่าสัมประสิทธิ์การถ่วงน้ำหนักของตัวเอง และป้อนตัวบ่งชี้ทั่วไปสำหรับการคำนวณ
เริ่มต้นใช้งาน สู่ขั้นตอนที่สองของการวิเคราะห์สิ่งสำคัญคือต้องเข้าใจว่าคุณต้องการได้อะไรจากสิ่งนั้น หากคุณต้องการวิเคราะห์ข้อมูลในช่วงเวลาหนึ่ง ก็เพียงพอที่จะใช้วิธีการเปอร์เซ็นต์แบบง่าย ใช้การวิเคราะห์เพิ่มเติมเกี่ยวกับการกระจายตัวของตัวบ่งชี้ภายในแต่ละกลุ่มเพื่อตรวจสอบตัวเอง ซึ่งจะช่วยให้คุณเห็นว่าเปอร์เซ็นต์ของหุ้นถูกเลือกได้ดีเพียงใด
อย่างไรก็ตาม การจัดกลุ่มนี้เพียงอย่างเดียวไม่น่าจะให้ผลลัพธ์ที่มีนัยสำคัญใดๆ ที่สามารถนำไปใช้ในทางปฏิบัติได้ ดังนั้นการวิเคราะห์ในช่วงเวลาหนึ่งจะต้องเสริมด้วยการวิเคราะห์ระดับความครอบคลุมของลูกค้าแบบเดียวกันตลอดจนการประเมินโดยอุตสาหกรรมและผู้จัดการ ด้วยเหตุนี้ ควรเสริมการวิเคราะห์เปอร์เซ็นต์อย่างง่ายด้วยอีกสามหรือสี่รายการ
โดยทั่วไป เราสามารถพูดได้ว่าภายในกรอบการวิเคราะห์ ABC มีการจัดอันดับที่จำเป็นหลายประเภท:
- การวิเคราะห์ทั่วไป วิธีเปอร์เซ็นต์คุณกำลังดูตัวเลือกการจัดกลุ่มหลายแบบ - 75%, 20%, 5% 80, 15, 5. 70, 25, 5 ฯลฯ มากถึง 80, 20 การวิเคราะห์การกระจายและความแปรปรวนของแต่ละกลุ่มตลอดจนสามัญสำนึกทั่วไปจะบอกคุณว่าตัวเลือกใดที่เหมาะกับสถานการณ์ของคุณที่สุด คุณพอใจกับผลลัพธ์หรือไม่? มหัศจรรย์. จากนั้นคุณไม่จำเป็นต้องเสียเวลากับสิ่งนี้อีกต่อไป คุณต้องการการวิเคราะห์ข้อมูลเชิงลึกเพิ่มเติมหรือไม่? ไปข้างหน้า.
- ลองเข้าดู พารามิเตอร์ "อุตสาหกรรม"ดูว่ามีอุตสาหกรรมที่อยู่ในกลุ่ม “C” เท่านั้นหรือไม่? เฉพาะใน "A"? มันคุ้มค่าที่จะคิดถึง ไม่มีเช่นนั้นเหรอ? ทุกภาคส่วนมีการกระจายประมาณเท่าๆ กันหรือไม่ คุณแยกแยะตัวเองได้อย่างถูกต้องหรือไม่? ทำการวิเคราะห์สำหรับแต่ละอุตสาหกรรมแยกกัน
- คุณสามารถเข้าได้ พารามิเตอร์ "ผู้จัดการ"มีผู้จัดการที่เน้นการขายเฉพาะกลุ่ม “C” หรือไม่? เฉพาะใน "A"? พิจารณาสิ่งนี้. ไม่มีการพึ่งพาเช่นนั้นหรือ? ดำเนินการวิเคราะห์สำหรับผู้จัดการแต่ละคนแยกกัน จัดกลุ่มลูกค้าเดิมออกเป็นกลุ่มๆ สำหรับทุกคนที่คุณได้ทำไปแล้วในแต่ละอุตสาหกรรม ซึ่งจะช่วยตรวจสอบว่าลำดับความสำคัญที่ผู้จัดการกำหนดไว้สำหรับลูกค้าสอดคล้องกับเป้าหมายของบริษัทอย่างไร
- ข้อมูลยังไม่เพียงพอใช่ไหม? ทำการวิเคราะห์ทั้งหมดนี้เพื่อหาเปอร์เซ็นต์ความครอบคลุมของลูกค้าในการดำเนินการนี้ ขอให้ผู้จัดการประเมินลูกค้าในช่วงเวลาที่กำหนดตามระดับความต้องการผลิตภัณฑ์ที่คล้ายกับของคุณ (หรือใช้ฐานข้อมูลที่มีอยู่)
- หากคุณต้องการเห็นการเปลี่ยนแปลงของลูกค้า ให้ทำสิ่งที่อธิบายไว้ข้างต้นก่อน การวิเคราะห์ทั่วไปในแต่ละช่วงเวลาการเปลี่ยนแปลงของค่าเฉลี่ย จำนวนลูกค้า การมีส่วนร่วมของแต่ละกลุ่ม และค่าสัมประสิทธิ์การเปลี่ยนแปลงสามารถบอกได้มากมายว่ายอดขายของคุณเปลี่ยนแปลงไปอย่างไร
- ถ้าอยากเจาะลึกกว่านี้ การวิเคราะห์ความแปรปรวนสามารถทำได้ สำหรับอุตสาหกรรมและผู้จัดการหรือสำหรับทั้งอุตสาหกรรมและผู้จัดการร่วมกันตัวอย่างเช่น คุณจะเห็นได้ว่าลูกค้าส่วนใหญ่จากอุตสาหกรรม "X" อยู่ในกลุ่ม "A" แต่มีลูกค้าจากอุตสาหกรรมนี้ที่จัดอยู่ในกลุ่ม “C” อาจมีบุคคลใดทำงานร่วมกับพวกเขา?
- นอกจากนี้ยังมีแนวทางที่สมเหตุสมผลมากขึ้น - สร้างการกระจายไม่ได้อยู่บนพื้นฐานของวิธีเปอร์เซ็นต์ แต่ขึ้นอยู่กับปริมาณรวมของผลิตภัณฑ์ที่ขายสำหรับทุกช่วงเวลาในแง่กายภาพ (คุณสามารถใช้ค่าที่กำหนดในรูปทางการเงิน แต่พวกเขามีข้อเสียเปรียบในตัวเอง - คุณจะถูกทรมานด้วยการปรับอัตราเงินเฟ้อ อัตราแลกเปลี่ยน ฯลฯ ) ที่นี่คุณเลือกค่าวิกฤตเฉพาะสำหรับแต่ละกลุ่มของลูกค้า ซึ่งส่วนที่เกินจะทำให้คุณสามารถกำหนดลูกค้าให้กับกลุ่มที่กำหนดได้
ระมัดระวังเมื่อเลือกเกณฑ์ ตัวอย่างเช่น หากคุณจัดประเภทลูกค้าที่มีปริมาณการขายสำหรับปีเกิน 100 หน่วยของกลุ่ม "A" กลุ่มที่ซื้อตั้งแต่ 10 ถึง 99 หน่วยออกเป็นกลุ่ม "B" และผู้ที่ซื้อน้อยกว่า 10 หน่วยให้เป็นกลุ่ม "C" คุณอาจเป็นเรื่องยากที่จะอธิบายว่าทำไมลูกค้าที่มีปริมาณ 99 หน่วยจึงจัดกลุ่ม “B” และมีปริมาณ 100 – “A” อยู่แล้ว
จะทำอย่างไร? นี่คือวิธีการเริ่มต้น ใช้ข้อมูลจากช่วงแรกที่พิจารณาเป็นพื้นฐานสำหรับการวิเคราะห์ของคุณ (นั่นคือ หากคุณต้องการวิเคราะห์ยอดขายเป็นเวลาห้าปี - ปี 2544, 2545, 2546, 2547 และ 2548 - เริ่มต้นด้วยปี 2544) ลองวิเคราะห์ข้อมูลนี้โดยใช้วิธีที่อธิบายไว้ข้างต้น (เปอร์เซ็นต์และควอไทล์) เป้าหมายของคุณคือการระบุจุดสำคัญในการแบ่งลูกค้าออกเป็นกลุ่ม โปรดจำไว้ว่าหากคุณใช้ควอไทล์ มันจะช่วยคุณแบ่งลูกค้าออกเป็นสองกลุ่ม การกำหนดกลุ่มบนสุดเป็น "A" จะมีประโยชน์ และแบ่งไคลเอ็นต์ที่เหลือออกเป็น "B" และ "C" ด้วยตนเอง
มีอีกทางเลือกหนึ่ง . ดูลำดับของค่าที่กำหนดการซื้อของลูกค้ารายใหญ่ที่สุดของคุณ สมมติว่านี่คือการผลิต 567,300 หน่วย จากนั้น สร้างฮิสโตแกรมการขายโดยประมาณ หากมีลูกค้าอย่างน้อย 5-10% ที่มีปริมาณคำสั่งซื้อเดียวกัน - ในกรณีนี้ตั้งแต่ 100,000 ขึ้นไป - นี่จะเป็นกลุ่ม "A" ถัดไป ค้นหาลูกค้าที่มีปริมาณการสั่งซื้อที่ต่ำกว่า ในกรณีนี้คือตั้งแต่ 10,000 ถึง 99,000 หากจำนวนลูกค้าดังกล่าวอยู่ระหว่าง 50 ถึง 80% แสดงว่าคุณมีกลุ่ม "B" ลูกค้าที่เหลือจะจัดตั้งกลุ่ม "C"
- หลังจากกำหนดค่าวิกฤตสำหรับการแบ่งลูกค้าออกเป็นกลุ่มแล้ว ดำเนินการวิเคราะห์ทุกช่วงเวลาที่พิจารณาและสำหรับลูกค้าแต่ละราย ให้ระบุอุตสาหกรรมและผู้จัดการที่เขาทำงานด้วย นอกจากนี้ ให้ป้อนคุณลักษณะเพิ่มเติมสำหรับลูกค้าแต่ละรายในทุกช่วงเวลา: “ลูกค้าใหม่”, “ลูกค้าเก่า”, “ลูกค้าที่สูญเสียไป” (หากเขาไม่ได้ทำการซื้อเพียงครั้งเดียวในช่วงเวลาใดเวลาหนึ่ง) และ “ลูกค้าที่กลับมา”
ในแต่ละช่วงเวลา ให้คำนวณปริมาณการซื้อทั้งหมด ปริมาณการซื้อเฉลี่ย จำนวนลูกค้า และค่าสัมประสิทธิ์การเปลี่ยนแปลง ทำเช่นเดียวกันกับแต่ละกลุ่มในแต่ละช่วง แม้จะมีความซับซ้อนที่ชัดเจนแม้ว่าจะใช้โปรแกรม Office ทั่วไป Excel แต่การดำเนินการเหล่านี้ใช้เวลาไม่นานนัก ดังนั้นคุณควรจะได้ตารางที่คล้ายกับตารางที่ 5
ตารางที่ 5: สรุป (ตัวอย่าง)
ผลิตภัณฑ์ | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2005vs2004 |
ภาพ (น้ำหนัก ฯลฯ) | |||||||
จำนวนชั้นเรียนทั้งหมด | |||||||
วันพุธ | |||||||
ส | |||||||
โคฟ. รูปแบบต่างๆ | |||||||
ลูกค้า ก | |||||||
ภาพ (น้ำหนัก ฯลฯ) | |||||||
จำนวน | |||||||
% น้ำหนักของทั้งหมด | |||||||
% ของลูกค้า | |||||||
วันพุธ | |||||||
ส | |||||||
โคฟ. รูปแบบต่างๆ | |||||||
ลูกค้าบี | |||||||
ภาพ (น้ำหนัก ฯลฯ) | |||||||
จำนวน | |||||||
% น้ำหนัก | |||||||
% ของลูกค้า | |||||||
วันพุธ | |||||||
ส | |||||||
โคฟ. รูปแบบต่างๆ | |||||||
ลูกค้าซี | |||||||
ภาพ (น้ำหนัก ฯลฯ) | |||||||
จำนวน | |||||||
% น้ำหนัก | |||||||
% ของลูกค้า | |||||||
วันพุธ | |||||||
ส | |||||||
โคฟ. รูปแบบต่างๆ | |||||||
การเปลี่ยนแปลงของลูกค้า | |||||||
ใหม่ | |||||||
เก่า | |||||||
ไปแล้ว | |||||||
ไดนามิก เอ | |||||||
นิว เอ | |||||||
ออกเดินทาง A (ปีที่แล้ว) | |||||||
เก่าเอ | |||||||
ไดนามิก บี | |||||||
นิว บี | |||||||
พวกที่ออกจาก B (ปีที่แล้ว) | |||||||
เก่า บี | |||||||
ไดนามิก ซี | |||||||
นิว ซี | |||||||
ออกเดินทาง C (ปีที่แล้ว) | |||||||
โอลด์ ส | |||||||
ความสูง | |||||||
ซี.เอ. | |||||||
ซี.บี. | |||||||
ปริญญาตรี | |||||||
ฤดูใบไม้ร่วง | |||||||
เอบี | |||||||
เอ.ซี. | |||||||
บี.ซี. | |||||||
นีสม์ | |||||||
เอเอ | |||||||
BB | |||||||
ซีซี |
คำอธิบายสำหรับตาราง:
1. ในฟิลด์ซึ่งเรียกว่า "วิดีโอ" ที่นี่ คุณระบุปริมาณการซื้อของลูกค้าทั้งหมดในแง่กายภาพ (ซึ่งอาจเป็นจำนวนหน่วยของผลิตภัณฑ์เป็นชิ้น เป็นตัน กิโลกรัม เมตร ฯลฯ)
2. สำหรับแต่ละช่วงเวลา ให้ระบุจำนวนลูกค้าทั้งหมด ปริมาณการซื้อเฉลี่ยต่อลูกค้า ค่าเบี่ยงเบนมาตรฐาน และค่าสัมประสิทธิ์การเปลี่ยนแปลง
3. ทำแบบเดียวกันสำหรับแต่ละกลุ่มแยกกัน
4. ในช่อง "ไดนามิก" ระบุความเคลื่อนไหวของลูกค้าในแต่ละกลุ่ม (จำนวนลูกค้าในกลุ่มนี้ที่มา ออกไป สูญหาย หรือถูกส่งคืน) หากต้องการข้อมูลนี้สามารถเสริมด้วยข้อมูลเกี่ยวกับปริมาณการขายได้ นี่จะทำให้คุณมีโอกาสเห็นว่าคุณรักษาลูกค้าไว้ได้ดีเพียงใด
5. ในช่อง "การเติบโต" "ลดลง" และ "ซบเซา" คุณระบุถึงความเคลื่อนไหวของลูกค้าจากกลุ่มหนึ่งไปอีกกลุ่มหนึ่ง ในกรณีนี้จะพิจารณาเฉพาะลูกค้าเก่าเมื่อเทียบกับปีที่แล้วเท่านั้น ที่นี่คุณจะได้รับข้อมูลเกี่ยวกับการเปลี่ยนแปลงของปริมาณการซื้อโดยลูกค้าที่อยู่กับคุณเป็นเวลาอย่างน้อยสองปี โดยพื้นฐานแล้ว ฟิลด์เหล่านี้เป็นการวิเคราะห์โดยละเอียดมากขึ้นของลูกค้าที่สร้างฟิลด์ "เก่า" ในฟิลด์ "ไดนามิก"
ตารางเดียวกันสามารถจัดทำแยกกันตามอุตสาหกรรมและโดยผู้จัดการ หรือทั้งสองอย่างในเวลาเดียวกัน นอกจากนี้ คุณสามารถใช้ตัวบ่งชี้ระดับมหภาคและระดับจุลภาคใดๆ ก็ตามที่คุณเห็นว่าจำเป็น ตั้งแต่ภูมิศาสตร์ของลูกค้าไปจนถึงระดับการใช้งานผลิตภัณฑ์แบบกำหนดเป้าหมาย นอกจากนี้ยังเป็นประโยชน์ในการวิเคราะห์ความครอบคลุมความต้องการของลูกค้าในแต่ละปี สิ่งเดียวที่นี่คือลูกค้าของกลุ่ม "A" จะเป็นลูกค้าที่มีอัตราส่วนความครอบคลุมขั้นต่ำ เพราะพวกเขาคือกลุ่มที่ต้องให้ความสนใจอย่างใกล้ชิด ในความเป็นจริงจะมีประโยชน์สำหรับการดำเนินการเพิ่มเติมที่หัวหน้าฝ่ายขายและหัวหน้าฝ่ายการตลาดจะต้องดำเนินการร่วมกัน
ดังนั้นจากข้อมูลที่ได้รับคุณสามารถสรุปเกี่ยวกับความสามารถในการแบ่งส่วนลูกค้าหรือค้นหากลุ่มลูกค้าที่คล้ายคลึงกันเพื่อแบ่งส่วน นอกจากนี้ คุณสามารถดูผลการดำเนินงานของบริษัทตามอุตสาหกรรม ภูมิศาสตร์ และลักษณะอื่นๆ รวมถึงดำเนินการวิเคราะห์ร่วมกันได้ การวิเคราะห์แยกตามกลุ่มจะช่วยให้คุณเข้าใจไดนามิกของลูกค้าขนาดใหญ่ ขนาดกลาง และขนาดเล็ก และการวิเคราะห์ทั้งเก่าและใหม่จะช่วยให้คุณเห็นภาพที่สมจริงยิ่งขึ้นของสิ่งที่เกิดขึ้น เรานำเสนอตรรกะของการคำนวณที่เป็นไปได้ในอีกตัวอย่างหนึ่ง (กลุ่มตารางที่ 6)
ตารางที่ 6
A) ตารางสรุปยอดขายในช่วงเวลาหนึ่ง แบ่งตามอุตสาหกรรม ผู้จัดการ และหมวดหมู่ลูกค้า
ลูกค้า | อุตสาหกรรม | ผู้จัดการ | 2004 | 2005 | นดอร์ | เอบีซี 04-05 |
1 | 1 | ม1 | 194 800 | เอ็น | -ก | |
2 | 1 | ม1 | 80 500 | เอ็น | -บี | |
3 | 1 | ม1 | 16 500 | 37 400 | โอ | BB |
4 | 2 | ม1 | 25 | 19 325 | โอ | ซี.บี. |
5 | 2 | ม1 | 10 000 | 18 750 | โอ | BB |
6 | 2 | ตร.ม | 16 800 | 18 500 | โอ | BB |
7 | 3 | ตร.ม | 4 000 | 17 875 | โอ | ซี.บี. |
8 | 3 | ม3 | 1 125 | 17 825 | โอ | ซี.บี. |
9 | 3 | ม3 | 17 000 | เอ็น | -บี | |
10 | 4 | ม3 | 25 | 16 900 | โอ | ซี.บี. |
11 | 4 | ม3 | 400 | 14 700 | โอ | ซี.บี. |
12 | 4 | ตร.ม | 10 004 | 12 150 | โอ | BB |
13 | 5 | ม4 | 400 | 10 500 | โอ | ซี.บี. |
14 | 5 | ม4 | 10 400 | เอ็น | -บี | |
15 | 5 | ม4 | 50 | 9 775 | โอ | ซี.บี. |
16 | 6 | ม4 | 9 500 | เอ็น | -บี | |
17 | 6 | ม1 | 1 500 | ดี | ค- | |
18 | 6 | ตร.ม | 1 100 | 6 350 | โอ | ซีซี |
19 | 7 | ม3 | 575 | 6 000 | โอ | ซีซี |
20 | 7 | ม4 | 5 000 | เอ็น | -ค | |
21 | 7 | ม1 | 5 900 | 4 650 | โอ | ซีซี |
22 | 7 | ตร.ม | 6 750 | 4 000 | โอ | ซีซี |
23 | 7 | ม3 | 4 000 | เอ็น | -ค |
คำอธิบาย
- ในคอลัมน์แรก แทนที่จะใส่หมายเลขซีเรียล คุณใส่ชื่อลูกค้า ในคอลัมน์ที่สอง - ชื่อของอุตสาหกรรมที่ลูกค้าอยู่ ในคอลัมน์ที่สาม - ชื่อของผู้จัดการที่ทำงานร่วมกับลูกค้ารายนี้
- คอลัมน์ที่สี่และห้าในกรณีนี้จะถูกจัดสรรให้กับมูลค่าการหมุนเวียนในแง่กายภาพในช่วงเวลาที่เกี่ยวข้อง
- ชื่อในคอลัมน์ที่หก: N – ลูกค้าใหม่ (ใหม่), D – ลูกค้าที่สูญหาย (หายไป), O – ลูกค้าเก่า (เก่า), R – ลูกค้าที่ส่งคืน (ส่งคืน)
- คอลัมน์ที่เจ็ดแสดงการเปลี่ยนแปลงของลูกค้าในช่วงสองปีแยกตามกลุ่ม
B) การวิเคราะห์เปรียบเทียบของอุตสาหกรรม:
(สะท้อนถึงจำนวนลูกค้าในแต่ละกลุ่มสำหรับแต่ละอุตสาหกรรม)
C) การวิเคราะห์เปรียบเทียบงานของผู้จัดการ:
(สะท้อนถึงจำนวนลูกค้าของแต่ละกลุ่มสำหรับผู้จัดการแต่ละคน)
ม1 | ตร.ม | ม3 | ม4 |
เอ-1 | |||
บี-4 | ที่ 3 | ที่ 4 | ที่ 2 |
เอส-1 | เอส-2 | เอส-2 | เอส-3 |
D) การวิเคราะห์แบบรวมโดยผู้จัดการและอุตสาหกรรม:
(สะท้อนถึงกลุ่มลูกค้าที่ผู้จัดการคนนั้นมีในอุตสาหกรรมที่กำหนด)
- โดยผู้จัดการ
ผู้จัดการ | เอ็น | โอ | ดี | ร |
ม1 | 2 | 4 | 1 | |
ตร.ม | 5 | |||
ม3 | 2 | 4 | ||
ม4 | 3 | 2 |
ดังที่เห็นในตัวอย่างที่ให้ไว้ สามารถหาการแจกแจงเพิ่มเติมอีกสามค่าได้จากข้อมูลในตารางที่ 6-A ในข้อมูลนี้ คุณสามารถเพิ่มไม่เพียงแค่จำนวนลูกค้าเท่านั้น แต่ยังเพิ่มจำนวนลูกค้าที่แบ่งออกเป็นกลุ่มได้ด้วย สมมติว่าการสูญเสียลูกค้า "C" มีนัยสำคัญน้อยกว่าการสูญเสียลูกค้า "A" มาก การดึงดูดลูกค้าก็เช่นเดียวกัน: หากผู้จัดการดึงดูดลูกค้าให้มาเป็นกลุ่ม “A” ก็จะดีกว่าการดึงดูดลูกค้าให้มาเป็นกลุ่ม “C” มาก
ปัญหาสำคัญคือการโยกย้ายไคลเอนต์ระหว่างกลุ่ม โดยเฉพาะอย่างยิ่ง การพิจารณาว่าผู้จัดการเพิ่มความครอบคลุมของลูกค้ามากเพียงใดจะเป็นประโยชน์ หากลูกค้าอยู่ในกลุ่ม "C" และจบลงในกลุ่ม "A" ผู้จัดการก็ทำงานได้ดี แต่นี่เป็นเพียงในกรณีที่อัตราส่วนความครอบคลุมของลูกค้าเพิ่มขึ้นเท่านั้น
ตัวอย่าง. ในปี 2547 ลูกค้าซื้อผลิตภัณฑ์ 100 ชิ้นจากคุณและอยู่ในกลุ่ม "C" และความต้องการของเขาคือ 1,000 เมตร ปีหน้าเขาเริ่มซื้อผลิตภัณฑ์ 1,000 ชิ้นจากคุณและตกอยู่ในกลุ่ม "A" แต่ในขณะเดียวกันความต้องการของเขาก็เพิ่มขึ้นเป็น 10,000 ชิ้น การเติบโตของยอดขายบ่งชี้ถึงการทำงานอย่างมีประสิทธิผลกับลูกค้าหรือไม่นั้นถือเป็นคำถามใหญ่ เป็นไปได้มากว่าเขาเริ่มซื้อมากขึ้นโดยไม่ได้ต้องขอบคุณการทำงานที่ดีของผู้จัดการ
อะไรอีก? ผลลัพธ์ของการวิเคราะห์นี้สามารถใช้เพื่อกำหนดเป้าหมายเฉพาะสำหรับผู้จัดการแต่ละคน เพื่อรักษาลูกค้าในกลุ่มต่างๆ เพื่อดึงดูดและส่งคืนลูกค้าที่สูญเสียไป นอกจากนี้ งานเหล่านี้ยังสามารถระบุได้ในแง่ของอุตสาหกรรม ภูมิภาค ฯลฯ วิธีการที่คล้ายกันนี้สามารถใช้เพื่อกระจายลูกค้าไปยังผู้จัดการได้ คุณอาจพบว่าผู้จัดการคนใดคนหนึ่งทำงานได้ไม่ดีในอุตสาหกรรม X แต่มีประสิทธิผลมากในอุตสาหกรรม Z หรือผู้จัดการคนหนึ่ง "ทำงาน" เพื่อดึงดูดลูกค้าใหม่ที่ลาออกอย่างรวดเร็ว และอีกคนหนึ่งทำงานเพื่อรักษาลูกค้าเก่าไว้ แต่ไม่ดึงดูดลูกค้าใหม่
ไม่ว่าจะด้วยวิธีใดก็ตาม เราหวังว่าแนวทางวิธีการที่อธิบายไว้ในที่นี้จะเป็นประโยชน์สำหรับคุณ
หรืออื่นๆที่จะรับเป็นพื้นฐาน
ควอร์ไทล์- ขีดจำกัดของมาตราส่วนตัวบ่งชี้ที่วัดได้ โดยแยกผู้เข้าร่วม 25% ออกจากกลุ่มตัวอย่างทั้งหมด มีสามควอไทล์: Q1 - 25% แรก, Q2 - 50% (ค่ามัธยฐาน), Q3 - 75%
หากต้องการ คุณสามารถดำเนินการวิเคราะห์การกระจายข้อมูลมาตรฐานได้ แต่มีข้อมูลเพิ่มเติมด้านล่าง
คำนวณเป็นค่าเบี่ยงเบนมาตรฐานหารด้วยค่าเบี่ยงเบนเฉลี่ย
บริษัทใดก็ตามที่วางแผนจะสร้างธุรกิจที่ประสบความสำเร็จไม่ช้าก็เร็วต้องเผชิญกับความจำเป็นในการแบ่งกลุ่มฐานลูกค้า ความสำคัญของการรักษาฐานลูกค้าจะต้องตระหนักในช่วงรุ่งอรุณของประวัติศาสตร์ของบริษัท และลูกค้าทั้งหมดจะต้องถูกเพิ่มลงในฐานข้อมูลเดียวเพื่อแจ้งข่าวสารและดึงดูดพวกเขาให้ทำการซื้อเพิ่มเติม
เมื่อทำงานกับฐานข้อมูลจำเป็นต้องทำการวิเคราะห์ลูกค้าอย่างละเอียดโดยใช้แนวทางเฉพาะบุคคล เพื่อสร้างความสัมพันธ์ที่มีคุณภาพและประสบผลสำเร็จกับลูกค้า และได้รับผลตอบแทนสูงสุดจากการโฆษณา จำเป็นต้องแบ่งลูกค้าออกเป็นหมวดหมู่ และเลือกวิธีการมีอิทธิพลแต่ละอย่างสำหรับแต่ละกลุ่ม
การแบ่งส่วนลูกค้าคืออะไร
กระบวนการแบ่งส่วนคือการแบ่งฐานลูกค้าทั้งหมดออกเป็นหมวดหมู่แยกกันตามลักษณะหรือคำขอทั่วไป
การแบ่งส่วนสามารถดำเนินการได้ตามเกณฑ์ต่อไปนี้:
- ตามปริมาณการซื้อ (การระบุลูกค้าในกลุ่มค้าส่งหรือขายส่งขนาดเล็กรวมถึงการขายปลีก)
- การแบ่งส่วนสำหรับลูกค้าที่ซื้อซ้ำ การทำงานกับหมวดหมู่นี้ควรมีวัตถุประสงค์เพื่อสร้างความภักดี
- ที่ตั้งทางภูมิศาสตร์ของลูกค้าทำให้ฐานข้อมูลสามารถแบ่งออกเป็นกลุ่มใหญ่ๆ ได้หลายกลุ่ม (ตามภูมิภาค เขต เมือง ฯลฯ) การแบ่งส่วนนี้ช่วยให้คุณทราบว่าการโฆษณาในพื้นที่ใดจะมีประสิทธิภาพมากที่สุด
- สินค้าและบริการ. ที่นี่มีความจำเป็นต้องวิจัยผลิตภัณฑ์ที่น่าสนใจที่สุดสำหรับลูกค้าและใช้เทคนิคการตลาดบางอย่าง
- อัตรากำไรขั้นต้นเป็นผลมาจากตัวชี้วัดข้างต้นทั้งหมด ซึ่งเป็นการวิเคราะห์ฐานลูกค้าแบบคลาสสิก
การแบ่งส่วนเป็นสิ่งจำเป็นสำหรับการทำงานที่มีประสิทธิภาพกับฐานลูกค้าและประหยัดเงินในด้านการตลาด เนื่องจากการแบ่งฐานข้อมูลออกเป็นกลุ่มตามหมวดหมู่ คุณสามารถใช้แนวทางพิเศษในการทำงานกับแต่ละกลุ่มได้ ด้วยการใช้การแบ่งส่วนที่ถูกต้อง คุณจะได้รับผลตอบแทนจากการโฆษณาที่ดีที่สุดด้วยต้นทุนที่ต่ำที่สุด
ประเภทของการแบ่งส่วนลูกค้า
แน่นอนว่าลูกค้าแต่ละรายต้องการผลิตภัณฑ์ที่แตกต่างกัน กฎของพาเรโตใช้ได้ผลดีมากในกรณีนี้ แนวคิดก็คือ ลูกค้า 20% ซื้อสินค้า 80% และลูกค้าที่เหลือ 80% ซื้อสินค้าเพียง 20% ผู้ผลิตทั้งหมดกำหนดเป้าหมายลูกค้าหลัก 20% เหล่านี้ กลยุทธ์ทางการตลาดนี้มีประสิทธิภาพสูงสุด
การแบ่งลูกค้าเป็นกลุ่มช่วยประหยัดเงินในการดึงดูดลูกค้า การแบ่งส่วนประเภทหลักจะแตกต่างกันขึ้นอยู่กับเกณฑ์การแบ่งส่วน:
วิธีการแบ่งส่วน
วิธีที่ง่ายที่สุดคือการแบ่งลูกค้าออกเป็น 3 กลุ่ม ได้แก่ วีไอพี – ลูกค้าที่มักจะใช้บริการของบริษัทหรือซื้อสินค้าและนำผลกำไรมาให้มากที่สุด ลูกค้าทั่วไป - ผู้ที่ซื้อเป็นระยะและในแต่ละครั้งต้องมั่นใจว่าพวกเขาควรซื้อจากคุณและลูกค้าที่มีปัญหา หลังสามารถสร้างรายได้ที่ดี แต่มีความยุ่งยากกับพวกเขามากกว่าสองกลุ่มก่อนหน้านี้ คุณไม่ควรตัดลูกค้าดังกล่าวออกไป แต่คุณต้องจำไว้ว่าพวกเขาต้องการแนวทางเฉพาะบุคคล
ลูกค้าวีไอพียังต้องการแนวทางที่พิเศษ ให้ความเคารพ และในเวลาเดียวกันก็ไว้วางใจ คุณต้องสนับสนุนให้พวกเขาซื้ออีกครั้ง เพื่อสิ่งนี้ คุณสามารถเสนอโปรแกรมความภักดีให้พวกเขา แจ้งให้พวกเขาทราบเกี่ยวกับโปรโมชั่นและข้อเสนอส่งเสริมการขายเป็นประจำ แสดงความยินดีในวันเกิดของพวกเขา และรักษาความสนใจในทุกวิถีทางที่เป็นไปได้
นี่เป็นวิธีที่ง่ายที่สุดในการแบ่งกลุ่มลูกค้า อย่าลืมว่าในทุกกลุ่มมีลูกค้าที่อาจพร้อมที่จะย้ายไปยังกลุ่มอื่น และคุณสามารถมีอิทธิพลต่อสิ่งนี้ผ่านการแบ่งส่วนที่เหมาะสม
การดูแลรักษาฐานข้อมูล
วิธีรักษาฐานลูกค้าและขั้นตอนที่ต้องดำเนินการกับลูกค้ากลุ่ม:
- คุณต้องสร้างรายชื่อลูกค้าทั้งหมด รูปแบบที่สะดวกที่สุดคือฐานข้อมูลไคลเอนต์อิเล็กทรอนิกส์ กรองรายการตามผลกำไรที่ลูกค้านำมาให้คุณ เริ่มจากตัวใหญ่ที่สุดและลงท้ายด้วยตัวเล็กที่สุด
- จำแนกลูกค้าตามลักษณะพื้นฐาน ขึ้นอยู่กับความต้องการของคุณ เช่น ตามเขตแดน เพศ อายุ ความสนใจ
- แบ่งลูกค้าทั้งหมดออกเป็นกลุ่มประชากร เนื่องจากความต้องการสินค้าบางอย่างจะถูกกำหนดโดยสถานที่อยู่อาศัย อายุ และระดับการศึกษาเป็นหลัก
- แบ่งลูกค้าตามภูมิภาค ระบุภูมิภาค เมือง หรือทั้งประเทศ ขึ้นอยู่กับผลิตภัณฑ์ที่คุณนำเสนอ พิจารณาความหนาแน่นของประชากรและสภาพอากาศในพื้นที่
- คุณสามารถจัดกลุ่มคนออกเป็นส่วนเดียวโดยใช้หลักการของจิตวิทยา ด้วยเครือข่ายโซเชียล คุณสามารถเรียนรู้มากมายเกี่ยวกับไลฟ์สไตล์ คุณสมบัติส่วนบุคคล และความชอบของบุคคล
- ศึกษาประวัติการซื้อของลูกค้า แบ่งคนออกเป็นส่วนๆ ขึ้นอยู่กับความถี่และลักษณะของสินค้าที่บริโภค
- นอกจากนี้ คุณยังสามารถกระจายลูกค้าออกเป็นกลุ่มๆ ได้ ขึ้นอยู่กับประโยชน์ของผลิตภัณฑ์บางอย่างสำหรับผู้บริโภค
- อย่าแบ่งผู้บริโภครายเดียวออกเป็นหลายกลุ่มในเวลาเดียวกัน ซึ่งจะช่วยลดผลกระทบของการริเริ่มทางการตลาด
- วิเคราะห์ว่ากลุ่มใดที่ให้ผลกำไรสูงสุดแก่คุณและลงทุนในกองทุนการตลาดตามนั้น หากมูลค่าของกลุ่มต่ำ อย่าใช้จ่ายมากนัก
- มีบริการและเครื่องมือมากมายสำหรับการแบ่งส่วนบนอินเทอร์เน็ต ใช้สิ่งเหล่านี้เพื่อเร่งกระบวนการแบ่งส่วนที่ต้องใช้ความอุตสาหะ
เมื่อคุณเลือกตามเกณฑ์ที่กำหนดแล้ว คุณจะต้องกำหนดโปรไฟล์ของปฏิกิริยาของผู้บริโภคต่อผลิตภัณฑ์ของคุณ นั่นคือทำการวิเคราะห์และอธิบายแต่ละส่วน ผู้คนจากกลุ่มเดียวกันควรมีทัศนคติแบบเดียวกันต่อผลิตภัณฑ์ในแง่ของข้อดีที่พบในผลิตภัณฑ์ และตอบสนองต่อการโฆษณาและต้นทุนของผลิตภัณฑ์อย่างเท่าเทียมกัน จากนั้นการแบ่งส่วนดังกล่าวก็ถือว่าประสบความสำเร็จ คุณสามารถดูปฏิกิริยาของผู้บริโภคได้โดยใช้แบบสำรวจและแบบสอบถามทางสังคม
การแบ่งส่วนที่ถูกต้องควรมีลักษณะดังนี้:
- ลูกค้าในกลุ่มเดียวกันจะตอบสนองต่อผลิตภัณฑ์ในลักษณะเดียวกัน
- สามารถให้คำอธิบายที่ชัดเจนเกี่ยวกับลูกค้าในกลุ่มเดียวได้
- กลุ่มนี้มีลูกค้าจำนวนมากเพื่อปรับต้นทุนการโฆษณาและสร้างผลกำไร
- คุณสามารถเปลี่ยนพฤติกรรมของสมาชิกกลุ่มโดยใช้การโฆษณา
ตัวอย่างการแบ่งส่วน
การแบ่งส่วนเป็นสิ่งสำคัญมากเมื่อใช้การตลาดผ่านอีเมล เพื่อให้บรรลุผลสำเร็จ คุณไม่สามารถส่งจดหมายฉบับเดียวกันถึงผู้รับทุกคนได้ มันสมเหตุสมผลไหมที่สมาชิกใหม่และลูกค้าเก่าจะได้รับอีเมลเดียวกัน
บริการส่งไปรษณีย์ เช่น Mail Chimp, AWeber, Drip มีเครื่องมือในตัวสำหรับการแบ่งกลุ่มผู้รับ
ดูจากเว็บไซต์
ตัวอย่างเช่น การแบ่งส่วน Snappa แบ่งสมาชิกออกเป็นบริการ Drip ออกเป็นสามขั้นตอน: ขั้นตอนแรกรวมถึงผู้ใช้ที่เพิ่งลงทะเบียน เขาได้รับอีเมลแจ้งข้อมูลเกี่ยวกับผลิตภัณฑ์ ในขั้นตอนที่สอง ผู้ใช้ที่ลองใช้ Snappa เป็นครั้งแรกจะได้รับอีเมล โดยมีวัตถุประสงค์เพื่อนำลูกค้าไปสู่การซื้อ ในการทำเช่นนี้ จะมีการสาธิตคุณสมบัติและคุณประโยชน์เพิ่มเติมจากการซื้อผลิตภัณฑ์ ขั้นตอนที่สามประกอบด้วยผู้ใช้ที่ได้ซื้อผลิตภัณฑ์ที่ต้องชำระเงินแล้ว: พวกเขาจะได้รับจดหมายพร้อมข้อมูลทางการศึกษา
บริษัทใดก็ตามที่มีเป้าหมายในการดำเนินธุรกิจที่มีประสิทธิภาพจะต้องตระหนักถึงความจำเป็นในการแบ่งกลุ่มลูกค้าในฐานข้อมูลเสมอ แน่นอนว่าในตอนแรก มีการให้ความสนใจเป็นพิเศษเพื่อดึงดูดลูกค้าใหม่ให้ได้จำนวนสูงสุด ซึ่งหลังจากสรุปสัญญาแล้ว ก็กลายเป็นส่วนหนึ่งของฐานข้อมูลลูกค้า ซึ่งเป็นระบบที่มีข้อมูลเกี่ยวกับคำสั่งซื้อที่มีอยู่และกระตุ้นการขายซ้ำ
การวิจัยเชิงปฏิบัติแสดงให้เห็นถึงประสิทธิภาพด้านต้นทุนที่ต่ำ หากข้อความทางการตลาดที่ส่งถึงลูกค้าไม่คำนึงถึงความสนใจและลักษณะนิสัยของพวกเขา
ในเรื่องนี้การทำงานทั้งหมดกับฐานข้อมูลลูกค้าจำเป็นต้องมีการวิเคราะห์อย่างรอบคอบและแนวทางเฉพาะบุคคล หากต้องการสร้างความสัมพันธ์ที่ประสบความสำเร็จสูงสุดกับลูกค้าปัจจุบันและได้รับประโยชน์สูงสุดจากการโฆษณา การส่งจดหมาย และการทำการตลาดอื่นๆ คุณควรแบ่งลูกค้าออกเป็นหลายประเภท จากนั้น สำหรับแต่ละกลุ่มลูกค้าเป้าหมาย คุณต้องเลือกวิธีการมีอิทธิพลที่เหมาะสม
การแบ่งส่วนคืออะไร?
กระบวนการแบ่งส่วนเรียกว่า "การแยกย่อย" ของผู้ซื้อ (ปัจจุบันหรือที่มีศักยภาพ) ออกเป็นกลุ่มหรือเซ็กเมนต์ที่แยกจากกัน โดยที่ผู้ซื้อมีคำขอที่คล้ายกันหรือคล้ายคลึงกันซึ่งได้รับการตอบสนองผ่านชุดของความพยายามทางการตลาด
การแบ่งส่วนจะดำเนินการตามลักษณะต่างๆ ที่จัดกลุ่มผู้ซื้ออย่างมีประสิทธิภาพ สัญญาณที่อาจเป็นไปได้ของการรวมกลุ่มมีดังนี้:
การแบ่งส่วนดำเนินการโดยปริมาณการซื้อนำเสนอการจัดจำหน่ายให้กับลูกค้าขายส่งรายใหญ่หรือเล็กตลอดจนลูกค้ารายย่อย
การแบ่งส่วนมุ่งเป้าไปที่การสร้างความภักดีของลูกค้าขึ้นอยู่กับการระบุข้อเท็จจริงของการซื้อซ้ำ
การแบ่งส่วนตามปัจจัยทางภูมิศาสตร์เกี่ยวข้องกับการแบ่งตลาดออกเป็นหลายหน่วยทางภูมิศาสตร์ (ตัวแปร) ซึ่งรวมถึง:
-ภูมิภาค (เช่น เทือกเขาอูราลและไซบีเรีย)
-ภูมิภาค (เลนินกราด, มอสโกและนิจนีนอฟโกรอด)
-เขต (Kolomensky และ Voskresensky)
-ขนาดของเมือง (ประชากรน้อยกว่า 5,000 คน, ตั้งแต่ 5,000 ถึง 20,000, 20,000-50,000 เป็นต้น)
-ความหนาแน่นของประชากร (เมือง พื้นที่ชนบท)
-ภูมิอากาศ.
รายละเอียดนี้จะช่วยระบุด้านที่การตลาดจะมีประสิทธิภาพมากที่สุด
การแบ่งกลุ่มตามประเภทของสินค้าและบริการสำหรับผู้บริโภคที่นี่มีความจำเป็นต้องวิจัยผลิตภัณฑ์ที่น่าสนใจที่สุดสำหรับลูกค้าและใช้เทคนิคการตลาดบางอย่าง
การแบ่งส่วนตามระยะขอบการแบ่งส่วนประเภทนี้สามารถติดตามได้จากตัวบ่งชี้ข้างต้น และเป็นการวิเคราะห์ ABC แบบคลาสสิกของฐานลูกค้า
จะแบ่งกลุ่มฐานลูกค้าของคุณอย่างไร?
ในบรรดาลูกค้าของทุกบริษัทหรือบริษัท มีลูกค้าที่สร้างผลกำไรสูงสุด ลูกค้าที่ “มีคุณค่า” ดังกล่าวมักซื้อสินค้าและ/หรือซื้อสินค้าหายากแต่มีอัตรากำไรสูง แน่นอนว่าลูกค้าดังกล่าวสนใจบริการของคุณเช่นเดียวกับที่คุณสนใจ
ขั้นตอนทางการตลาดเช่น:
ความร่วมมือกับ ผู้ซื้อที่ต้องการไม่ควรจำกัดอยู่แต่ในสำนักงานเท่านั้น ความสัมพันธ์ควรทำให้เป็นทางการและไว้วางใจมากขึ้น แม้ว่าจะไม่มีความคุ้นเคยก็ตาม ในกรณีนี้ เป็นการเหมาะสมที่จะแสดงความยินดีกับคุณในวันหยุด มอบของที่ระลึกอันน่ารื่นรมย์ ฯลฯ ด้วยวิธีนี้ คุณจะแสดงความภักดีและความสนใจในการสานต่อความร่วมมือกันต่อไป
หมวดต่อไปประกอบด้วย ลูกค้าประจำซึ่งบางครั้งอาจระงับกิจกรรมการซื้อของตนแล้วกลับมาอีกครั้ง นี่คือสิ่งที่เรียกว่า "การหมุนเวียน" ซึ่งจำเป็นต้องมั่นใจอย่างต่อเนื่องถึงข้อดีของสินค้าและบริการที่นำเสนอเมื่อเปรียบเทียบกับผลิตภัณฑ์ของคู่แข่ง สำหรับพวกเขาแล้วควรกำกับกิจกรรมของผู้จัดการฝ่ายขาย
ลูกค้าสำคัญกลุ่มสุดท้ายประกอบด้วย ผู้ซื้อที่ "ยาก"ซึ่งนำมาซึ่งรายได้ที่ดีแต่ก็ก่อให้เกิดปัญหามากมายเช่นกัน ผู้จัดการหลายคนต้องการปฏิเสธลูกค้าดังกล่าว แต่ไม่แนะนำให้ทำเช่นนี้ แนวทางแบบมืออาชีพและอิทธิพลที่เหมาะสมอาจเป็นวิธีที่มีประสิทธิภาพในการโอนลูกค้าที่มีปัญหาให้อยู่ในประเภทของผู้ซื้อทั่วไปและในอนาคตคือผู้ซื้อวีไอพี
การแบ่งลูกค้าออกเป็นกลุ่มตามเกณฑ์ข้างต้นสามารถปรับปรุงประสิทธิภาพในการทำงานกับลูกค้าที่มีศักยภาพและลูกค้าปัจจุบันได้อย่างมีนัยสำคัญ เมื่อพิจารณาว่าจะมอบหมายลูกค้าให้กับกลุ่มใด คุณควรอาศัยตัวบ่งชี้สำคัญต่อไปนี้:
จำนวนสินค้าที่ซื้อ
จำนวนเงินที่ลูกค้าใช้ไปในช่วงเวลาหนึ่ง
เมื่อคุณระบุกลุ่มที่สำคัญที่สุดสำหรับคุณแล้ว คุณจะได้รับประโยชน์สูงสุดจากลูกค้าของคุณโดยใช้ความพยายามและต้นทุนเพียงเล็กน้อยในการดึงดูดพวกเขา
การแบ่งส่วนฐานลูกค้าโดยเฉพาะเป็นสิ่งที่คุ้มค่า วิธีวิเคราะห์เอบีซีซึ่งได้กล่าวไว้ข้างต้น เป็นที่ชัดเจนว่าแผนกขายโดยเฉลี่ยของบริษัทใดๆ ไม่สามารถให้บริการลูกค้าในระดับวีไอพีได้ทั้งหมด เนื่องจากสถานการณ์หลายประการ ตามกฎหมายของ Pareto กำไร 80% ของบริษัทมาจากลูกค้า 20% และพวกเขาคือผู้ที่ควรได้รับความสนใจมากขึ้น งานในการระบุ 20% เหล่านี้ได้รับการแก้ไขโดยการวิเคราะห์ ABC ของฐานลูกค้า
ขั้นแรก คุณต้องจัดเรียงลูกค้าทั้งหมดตามผลกำไรที่พวกเขานำมาจากมากไปน้อย ลูกค้าที่อยู่ด้านบนสุดของรายการซึ่งมีรายได้รวม 80% จะถูกแยกออกเป็นกลุ่ม A ถัดจากจำนวนเงินที่เหลือคืออีก 80% (16% ของกำไรทั้งหมด) และกลุ่ม B จะถูกกำหนดในลักษณะเดียวกัน ลูกค้าคือกลุ่ม C ในทำนองเดียวกัน คุณสามารถดำเนินการวิเคราะห์ XYZ ของฐานลูกค้าได้ ตามผลลัพธ์ที่ลูกค้าจะถูกแบ่งออกเป็นกลุ่มขึ้นอยู่กับความสม่ำเสมอของการบริโภคสินค้าหรือบริการ
สำหรับบริษัทที่ทำงานกับลูกค้าจำนวนน้อยในกลุ่มแคบ ปัญหาของการแบ่งส่วนลูกค้าอย่างระมัดระวังไม่ได้รุนแรงมากนัก มันเป็นเรื่องที่แตกต่างกันสำหรับบริษัทที่มีลูกค้าหลายพันราย ซึ่งแต่ละบริษัทมีความต้องการและความสนใจเป็นของตัวเอง และนี่คือจุดที่ระบบสำหรับการแบ่งกลุ่มลูกค้าองค์กรโดยใช้เครื่องมือขุดข้อมูลเหมาะอย่างยิ่ง
ข้อมูลขนาดใหญ่และการแบ่งส่วนในทางปฏิบัติ
ธนาคาร พีเอ็นซีในสหรัฐอเมริกาเริ่มวิเคราะห์ข้อมูลขนาดใหญ่เพื่อแบ่งกลุ่มลูกค้าธนาคารตามปัจจัยด้านประชากรศาสตร์ โดยเสนอบริการกระเป๋าเงินเสมือนจริงส่วนบุคคล ตามเรื่องราว ไบรอัน ลานซารองประธานฝ่ายการตลาดดิจิทัล ธนาคารเริ่มสร้างแพลตฟอร์มใหม่สำหรับจัดการข้อมูลที่มาจากแหล่งต่างๆ ระบบนี้ควบคุมพฤติกรรมของผู้ซื้อบนเว็บไซต์กระเป๋าเงินเสมือน โดยประมวลผลข้อมูลเกี่ยวกับผู้ใช้ที่ซื้อบนอินเทอร์เน็ต เพื่อขยายแหล่งข้อมูล ธนาคารได้จัดตั้งความร่วมมือกับสื่อที่ถือครอง สื่อหัวใจหลังจากนั้นจึงได้รับการเข้าถึงข้อมูล เช่น การสมัครสมาชิกนิตยสารของผู้มีโอกาสเป็นผู้ซื้อ
หลังจากรวบรวมข้อมูลนี้ ธนาคารมุ่งความสนใจไปที่กลุ่มคนยุค 90 และกลุ่มแม่บ้าน นั่นคือหมวดที่ใช้เวลาบนอินเทอร์เน็ตเป็นจำนวนมาก ดังนั้นการพัฒนากลยุทธ์การตลาดเฉพาะกลุ่มนี้สามารถลดงบประมาณการโฆษณาได้
นี่เป็นหนึ่งในแคมเปญธนาคารแรกๆ ที่ใช้ช่องทางส่งเสริมการขายดิจิทัลโดยเฉพาะ เมื่อพบลูกค้าที่เหมาะสมสำหรับกลุ่มเป้าหมายแล้ว พวกเขาจะได้รับข้อความสำคัญผ่านการโฆษณาบน Facebook หรือ Twitter
ธนาคารหลายแห่งในสหพันธรัฐรัสเซีย (ยกเว้น Tinkoff Credit Systems Bank) ปัจจุบันไม่ได้ใช้เทคโนโลยี Big Data เพื่อแบ่งกลุ่มฐานลูกค้าและปรับแต่งบริการของตน อย่างไรก็ตาม ความสนใจในประเด็นนี้เพิ่มขึ้นทุกวัน
การแบ่งกลุ่มลูกค้าเป็นรายบุคคลนั้นดำเนินการตามข้อมูลจากโซเชียลเน็ตเวิร์ก พฤติกรรมลูกค้าบนเว็บไซต์ของธนาคาร ฯลฯ กระบวนการนี้ทำให้สามารถปรับปรุงคุณภาพของการให้คะแนนเครดิต ลดเวลาการประมวลผลของการสมัครขอสินเชื่อ และเพิ่มความภักดีของลูกค้าโดยทั่วไป
วันนี้เราจะเพิ่มอีกหนึ่งแง่มุมในการวิเคราะห์ - การแบ่งส่วนและการแบ่งกลุ่มฐานลูกค้า ตามที่ฉันได้เขียนไว้มากกว่าหนึ่งครั้ง การวิเคราะห์ฐานลูกค้ายังคงไม่สมบูรณ์หากเรามองว่าลูกค้าของเราเป็นกลุ่มคนที่เหมือนกันจำนวนมาก ลูกค้าแบ่งออกเป็นประเภทและบริโภคผลิตภัณฑ์ในรูปแบบต่างๆ บางคนซื้อบ่อยแต่ไม่มาก บางคนออกเร็ว บางคนซื้อเยอะบ่อยๆ เพื่อเพิ่มประสิทธิภาพของคุณ คุณควรพิจารณาว่ามีกลุ่มลูกค้าใดบ้าง จากนั้นจึงพิจารณาว่าการกระทำของคุณจะช่วยให้คุณดึงดูดลูกค้าที่คุณต้องการได้อย่างไร พวกเขาใช้สองวิธีหลักในการทำความเข้าใจกลุ่มลูกค้าของคุณ: การวิเคราะห์พฤติกรรมและการจัดกลุ่ม
วิธีที่ 1: การวิเคราะห์พฤติกรรมและการประเมินโดยผู้เชี่ยวชาญ
ในแนวทางนี้ จากประสบการณ์ ตรรกะของการใช้ผลิตภัณฑ์และเรื่องราวของลูกค้า คุณจะพบกับบุคลิกของลูกค้าที่หลากหลาย จากนั้นประมาณจำนวนลูกค้าที่คุณมีซึ่งตรงกับคำจำกัดความเหล่านี้ หรือคุณสามารถใช้วิธีเชิงตัวเลขเพิ่มเติมตามการวัดผลลูกค้าได้ แนวทางการแก้ปัญหาเชิงตัวเลขที่ได้รับความนิยมบางประการ ได้แก่:
เอบีซี-XYZ
แนวคิดหลักคือการแบ่งลูกค้าด้วยการมีส่วนร่วมทั้งหมดต่อรายได้ของคุณและตามการเปลี่ยนแปลงของตัวบ่งชี้การเติบโต ABC รับผิดชอบในส่วนของรายได้ XYZ รับผิดชอบด้านความมั่นคงของรายได้ แบ่งเป็น 9 ส่วน
AX - ที่ใหญ่ที่สุดและมีรายได้ที่มั่นคง
AZ - ใหญ่ แต่ไม่ค่อยซื้อ รายได้ไม่คงที่
CX - เล็กที่สุด แต่มีรายได้ที่มั่นคง
CZ - มีขนาดเล็กและรายได้ไม่มั่นคง ไม่ค่อยมีการซื้อ
ลูกค้าจะถูกระบุอยู่ในกลุ่ม A ซึ่งสร้างรายได้ 80% ในกลุ่ม B ซึ่งสร้างรายได้อีก 15% และในกลุ่ม C ซึ่งสร้างรายได้ 5% ในส่วน X - ความแปรปรวนต่ำสุดของรายได้ (คุณสามารถใช้เปอร์เซ็นไทล์ที่ 33), Z - ความแปรปรวนสูงสุด (ตามลำดับ เปอร์เซ็นไทล์ที่ 33 บน) ด้วยความแปรปรวน ฉันหมายถึงจำนวนการกระจายรายได้
ประโยชน์ของการวิเคราะห์: ช่วยให้คุณจัดหมวดหมู่ลูกค้าออกเป็นกลุ่มตามความสำคัญที่พวกเขามีต่อธุรกิจของคุณ ลูกค้าจากกลุ่ม AX, AY, AZ เป็นกลุ่มที่ใหญ่ที่สุดและคุณควรให้ความสำคัญกับพวกเขามากที่สุด ลูกค้าของกลุ่ม BX, BY ต้องการความสนใจเพิ่มเติม สามารถพัฒนาได้ ความสนใจต่อกลุ่มในหมวดหมู่อื่นสามารถลดลงได้ จะมีประโยชน์อย่างยิ่งหากคุณสามารถระบุความคล้ายคลึงกันระหว่างลูกค้าในกลุ่มต่างๆ ได้ ซึ่งช่วยให้คุณสามารถกำหนดเป้าหมายความพยายามในการดึงดูดลูกค้าที่เหมาะสมได้
RFM (ความใหม่-ความถี่-เงิน)
แนวคิดหลักคือการแบ่งลูกค้าตามคุณสมบัติ 3 ประการ: มีการขายให้กับลูกค้านานเท่าใด (ความใหม่) เขาซื้อสินค้าบ่อยแค่ไหน (ความถี่) เขาสร้างรายได้เท่าใด (เงิน) โดยทั่วไป วิธีการจะคล้ายกับ ABC-XYZ แต่มาจากมุมที่ต่างออกไปเล็กน้อย
ในแนวทางนี้ คุณจะจัดหมวดหมู่ลูกค้าออกเป็นกลุ่มความใหม่ เช่น:
- 0-30 วัน
- 31-60 วัน
- 61-90 วัน
ตามจำนวนการซื้อ เช่น
- มากกว่า 15
- 10-14
ตามปริมาณรายได้:
- 1000+
- 600-1000
- 200-599
- 0-199
เป็นที่ชัดเจนว่าสำหรับแต่ละผลิตภัณฑ์ การใช้งาน หรือผลิตภัณฑ์ที่เฉพาะเจาะจง คุณจำเป็นต้องกำหนดขอบเขตของคุณเอง
ด้วยเหตุนี้ คุณจะสามารถแบ่งลูกค้าออกเป็นหลายกลุ่มได้ โดยแต่ละกลุ่มจะระบุลักษณะลูกค้าตามระดับความสำคัญสำหรับคุณ
บีซีจี เมทริกซ์
- ดาวเป็นลูกค้ารายใหญ่ที่สุดและมีรายได้เติบโตสูง เหล่านี้คือลูกค้าที่ต้องการความสนใจมากที่สุด นี่คือจุดเติบโตที่แข็งแกร่ง
- Cash Cows คือลูกค้ารายใหญ่ที่มีอัตราการเติบโตของรายได้ต่ำหรือติดลบ ลูกค้าเหล่านี้จะเป็นแกนหลักของรายได้อย่างต่อเนื่องของคุณ ข้ามวัวแล้วคุณจะสูญเสียธุรกิจ
- ม้ามืดยังคงเป็นลูกค้ารายเล็ก แต่มีอัตราการเติบโตสูง นี่คือกลุ่มลูกค้าที่คุณต้องใส่ใจเพราะ... พวกมันสามารถเติบโตเป็นดวงดาวหรือวัวเงินสดได้
- สุนัขเป็นลูกค้ารายเล็กที่มีอัตราการเติบโตต่ำหรือติดลบ ลูกค้าเหล่านี้คือลูกค้าที่คุณสามารถให้ความสนใจน้อยที่สุดและใช้วิธีการให้บริการมวลชนกับพวกเขาเพื่อลดต้นทุน
ข้อดีของวิธีการศึกษาสำนึกทั้งหมดคือความง่ายในการใช้งานและความสามารถในการแบ่งลูกค้าของคุณออกเป็นกลุ่มๆ ที่เข้าใจได้จากมุมมองทางธุรกิจ
ข้อเสียคือเราใช้คุณลักษณะของลูกค้าเพียงไม่กี่อย่างในการอธิบายและไม่รวมปัจจัยอื่นๆ มาพิจารณา นอกจากนี้ ลูกค้าส่วนใหญ่มักพบว่าตัวเองอยู่ในกลุ่มชั่วคราว เปลี่ยนตำแหน่ง และเป็นการยากที่จะสร้างความเหมือนกันที่แท้จริงภายในกลุ่มดังกล่าว
วิธีที่ 2: การจัดกลุ่ม
แนวคิดหลักคือการค้นหากลุ่มลูกค้าโดยไม่ต้องใช้สมมติฐานเบื้องต้นเกี่ยวกับโครงสร้างของฐานลูกค้า เพื่อค้นหากลุ่มธรรมชาติในคุณสมบัติของลูกค้าตามข้อมูลที่มีอยู่
มีชุดของวิธีการต่างๆ (K-means, C-means, การจัดกลุ่มแบบลำดับชั้น ฯลฯ) ที่ช่วยให้คุณสามารถกำหนดความใกล้ชิดของวัตถุซึ่งกันและกันตามคุณสมบัติของพวกมัน โดยทั่วไป คุณอธิบายลูกค้าของคุณเป็นเวกเตอร์ แต่ละองค์ประกอบของเวกเตอร์นี้จะอธิบายคุณลักษณะบางอย่างของลูกค้า (ไม่ว่าจะเป็นรายได้ จำนวนเดือนของความร่วมมือ ที่อยู่การลงทะเบียน ผลิตภัณฑ์ที่ซื้อ ฯลฯ) จากนั้นคุณแปลงเวกเตอร์นี้เป็นรูปแบบที่จำเป็นสำหรับอัลกอริทึมของคุณ ตั้งค่าอัลกอริทึมกับข้อมูล (และกำหนดค่าสำหรับการทำคลัสเตอร์) และรับผลลัพธ์จากการแบ่งไคลเอ็นต์ออกเป็นคลัสเตอร์
แม้ว่ากระบวนการดูไม่ซับซ้อน แต่รายละเอียดของวิธีการและการตีความก็มีความสำคัญอย่างยิ่ง ตัวชี้วัด “ระยะทาง” ที่เลือก วิธีการแปลงข้อมูล และจำนวนปัจจัยที่เลือก สามารถเปลี่ยนภาพได้อย่างมาก เนื่องจากท้ายที่สุดแล้ว ไม่มีวิธีแก้ไขปัญหาที่ "ถูกต้อง" เป็นพิเศษสำหรับปัญหาการจัดกลุ่มในข้อมูลหลายมิติ คุณจะต้องประเมินคุณภาพของคลัสเตอร์อย่างอิสระในท้ายที่สุด และมองหาการตีความ "ธุรกิจ" ในท้ายที่สุดหากคุณจะใช้ กลุ่มเหล่านี้ในการตัดสินใจของมนุษย์
จากประสบการณ์ฉันสามารถพูดได้ว่าคุณไม่ควรใช้คุณสมบัติไคลเอ็นต์ที่ซับซ้อนและไม่เกี่ยวข้องเชิงตรรกะรวมถึงการเปลี่ยนแปลงที่ยุ่งยาก แม้จะมีโซลูชันที่น่าเชื่อถือและสวยงามตามแนวอัลกอริธึม แต่ผลลัพธ์อาจเป็นเรื่องยากที่จะตีความคลัสเตอร์ที่จะไม่ทำอะไรให้คุณในบริบททางธุรกิจ บางทีวิธีการของคุณอาจดีถ้าคลัสเตอร์จะถูกใช้สำหรับพารามิเตอร์อินพุตของระบบการเรียนรู้ของเครื่องอื่น แต่เมื่อคุณต้องการแบ่งฐานลูกค้าและกำหนดกลยุทธ์ทางการตลาด คลัสเตอร์ที่ชาญฉลาดเช่นนี้จะทำให้คุณไปไหนไม่ได้
กระบวนการจัดกลุ่มนั้นเป็นกระบวนการที่ทำซ้ำ