2013年12月9日 星期一

CRM 案例研究六 --- M 累計消費金額(Monetary) 檢視全年度顧客購買力的動態

M 累計消費金額 (Monetary) 找出富裕性開發顧客的購買力


從「指定期間」歸納顧客屬於那一個「累計消費金額」的等級以統計各等級(Rank)之人數及佔比。以審視顧客購買力增減情形,開發出顧客的忠誠度


下圖是將顧的累計購買客區分為7 個等級 (Rank) ,在指定期間內(本例為1年)依累計的購買金額歸納到適當的等級中。

1.) 從「人數」的分布看出 1,000 ~ 5,000 之間是單一等級最多的客層佔了3萬2千多人屬於低消族群(從一年間來看)但在人數上確表達一個臨時性、長期低消的客層;1萬至5萬及5萬至10萬的兩個等級,各有1萬2千多人以上,在業績上提供了一個中堅的支持客層。

3). 在客層與層間的移動:如果在一個年間來看,5千~1萬的客層(第3級),跟1萬~5萬的客層(第4級)人數及消費性其實很接近,如果在販促活動的設計上,要把第4級的顧客朝第3級的誘昇是有可能的。

2). 找出行銷資源的重點:如果這是一個年度的整體顧客的購買力表現,難免要想到零售業的法則,即百分之二十的顧客貢獻了百分之八十的業績;我們可以試算一下這理論,首先將下表的「金額佔比%」從上往下累加 27%+12.9%+35.3%+12.1= 87.3%,得到這個年度的總業績的 87.3%,是由第1到第4的客層所提供,再把這4個客層的「人數」相加 791+1,338+12,462+12,239=26,830人,相當於佔年度總人數的 38%;我們可以下這樣的結論 : 百分之三十八的顧客提供了百分之八十七點三的業績貢獻



下表是年度間的比較,看到2011年的跟2010年的七個客層顧客的總人數有大幅成長,在經營上當然是很好的現象。從各階層的人數、消費額合計上來看也是隨著人數增加而各有小幅增減;不過,從兩個年度人數、金額佔比%的分佈情形來看,在各客層的分佈是沒有太大的變化的也就是說這個店的客層結構是沒有太大的變化,這也可能是營業項目的特色,若沒有結構性的改變是不會改變這樣的顧客層結構。


以消費額的等級分析,做市場區隔以展開策略行銷,即區隔(Segmentation)、目標(Targeting)、及定位(Positioning) 三個步驟。


2013年12月7日 星期六

CRM 案例研究五 --- F 來店頻度(Frequency) 檢視全年度顧客提昇來館消費的動態

F 來店頻度 (Frequency) 有趣的顧客親密度

  來店頻度是看顧客在本店購買的頻繁性,也就是顧客對這家店的親密度。通常,從「指定期間」歸納顧客屬於那一個「來店消費次數」的等級以統計各等級(Rank)之人數及佔比。以審視顧客來店頻度增減情形,可掌握顧客忠誠度及進行喚醒活動。

下圖是以 1次 到 7 次七個等級 (Rank) 來歸納一年中的 7萬1千4百多顧客分佈在那一個等級。
1.) 顯然 1 次以上的顧客,高達4萬人,超過一年總顧客數的一半。如何將這批顧客激勵他(她)們多來店一次 ? 那就提昇一倍的來店購物次數了(四萬人次)。

2). 7 次以上的顧客達 3,565人,事實上,其中也有比7次更多的來店次數 (表中顯示有顧客最多購買次數高達 55 次),只是在設定 F 基準時暫定為 7 次,因此把7次以上的顧客統籌歸納到這個等級,事實上,其中不乏本店的粉絲,可以仔細去挖掘他(她)們喜歡這家店的風格是什麼 ? 吸引他(她)們的特色是什麼 ? 而加以宣傳、強調這個特性。



(註:本表期間為2011年1月1日至12月31日止)

  下表是與去年同期比較,檢視各期間來客人數增減情形及佔比。 從最右邊的比較數字可以看出每一個等級都呈現正成長,而 2011年的71,482人要比2010年的61,157人多出10,325人。不僅總體來客數增加了,而各等級的來客數也都有增加,更要的是各等級的顧客數佔比幾乎沒有太大的變動,那就是這兩年的顧客結構是相近的,但唯一無法從這張表看出來的是這兩年的顧有多少是相同的客群 (同一批顧客) ,當然,這可以從矩陣分析來審視,在此不表。



CRM 案例研究四 --- R 近來店日 (Recency) 檢視全年度顧客提昇來館消費的動態

R近來店日 (Recency) 檢視顧客的主角要素

 ---  從「指定R日」倒推顧客最後來店消費之人數及其所代表之消費額合計以審視漸漸流失顧客的情形,可進行有效的顧客喚醒活動。   

一個實體零售賣場也好或一個網購店也好,檢視顧客對這個店的新鮮度通常以最近來店日(最後購買日) 最能檢視顧客的忠諴度,由於實驗檢證的結果顧客對於最近走訪過的商店及購買過的商品,有著最強烈的印象,好像看過情境殘存在腦海中一般。
   
   因此,以「最近來店日」來看全年度的顧客可思考下列幾點:

1). 7 天~3個月內的等級的客顧人數,可看出每週平均有購物的來客數維持在 2,300人左右。

2). 超過3個月~半年的客數,是否消費已被滿足 ? 是否要在吸引喚回這些應該產生新需求的顧客。

3). 曾經購買的顧客超過半年以上沒再來購買的顧客,是不是超過全年的佔比太多 ? 可以做昇等喚回。


(註:本表的 R 日是指 2011年12月31日)
  當然,這是一個年度回顧檢視,但零售業的趨勢是永遠追求成長的,否則就無法維持經濟的成長。所以,跟去年同期做一個比較是必要的;我們可以從下列的圖示看到成長情況:

1). 幾乎各個等級( 7日、14日...到 90日) 都呈現正成長情況、而且可看到成長比例。

2). 三個月到半年間的來客數,是呈現 -372 的,那就要找出那段時間究竟發生什麼事 ?
     以這張圖表來看,分析製表期間應該是在 2010年1月1日 ~ 12月31日及2011年的1月1日 ~ 12月31日,那最後的日期是 12月31日,則出現 -372人的 180日這個等級相當於2011年比2010年的7月、8月、9月三個月共少了372人,那就很容易找出是什麼原因了。再從天氣、活動、社會環境去思考影响的因素。




2013年6月14日 星期五

緊密粘住顧客的策略

  ○ 顧客策略的基本思考模式:

  在收集、分析顧客資料的運用時,首先要考量到我們所掌握的顧客消費資訊:「並非只透過以往購買當下的情況來分析顧客」而且只求「實現 ”滿足” 優良顧客的方式」, 需以「認識顧客」 → 「了解顧客」 → 「待客後顧客購買」 → 「分析購買顧客」 → 「追蹤顧客的立場」, 提供給顧客更高的價值。





○ 找出主要課題與確立策略

    所有顧客策略的目的皆是為提升業績利潤。 為了配合達到這個目的,可以運用多樣的手法,販賣促進、銷售員的推銷能力、櫃位上的商品陳列、與 MD 的連動。 

    一般而言、提到賣場的「提昇業績」不外兩個關鍵重點:一是「提高客單價」、一是「增增加來客數」為了達到這兩個策略,可以發展出各項積極的改善方針:



○ 顧客策略的確立

  在「增加來客數」方面的努力,為提升業績、利潤,必須確立:未來對於哪些顧客做哪些事是最適當的?  例如:提升顧客回流率開發新顧客‧‧‧ etc ) 


  積極的手法上,在已購顧客的努力上,努力使顧客持續購買是 CRM 的主要工作,從顧客的分析去找出常客並刺激顧客購買頻率。從分析得知「頂級顧客」通常佔掉了所有顧客的20%~30% 但所創造貢獻度大多高達 80% ;因此,從首購顧客遂漸提昇為持續客、將持續客提昇為優良客(頂級客) 是採用 CRM 的主要目的。



2013年5月14日 星期二

運用 CRM 分配最佳化行銷資源

   行銷資源總是不夠,不論公司規模有多大,在營運過程中顧客的累積總是愈來愈多,在一般跟顧客溝通時的手法,不外經由廣播媒體(電視、CCTV、地方廣播電台)、網路資源(官網、APP、KIOSK、電子報...)、DM廣告信、電話行銷、專人服務、直接導購服務等。所有可採行的溝通媒介都要投入可觀的行銷費用,這都會撥削掉大量的成本,使獲利降低。

    若沒有經過有效的顧客關係管理,無法合理分配行銷資源,與最俱貢獻度的顧客溝通,所以「合理分配行銷資源」是 CRM 系統的主要用途之一。

    通常,企業經營時對顧客的經營不外「招募」、「維持」、「激勵」三個方式,但若對一群巨量顧客(所謂 mass market ),則不論採取那一項行銷作為,都屬於資源的浪費。因此對顧客可以經由分等而採取不同作為。例如:最上位的顧客採取【維繋顧客】的作為是最優先的行銷作業等級可以發行好的 DM 提供活動的內容,而次要的行銷作業如【激勵促銷辦法】則並非經常提出的只要提供優良服務品質就可讓顧客感受尊貴便利的服務、至於【招募顧客】的行銷作業可以說完全不需要了。

    其次,中間等級、普通等級的顧客則行銷作為也會跟著調整行銷作為的優先順序,如此就能有調節資源的效益。  

   顧客價值 也是運用 CRM 的依循的主要依據,在實質行銷時與顧客溝通的途徑方面,可以價值分等,來決定與顧客溝通的方式,例如在顧客價值屬於「無效益」的顧客群,在顧客資料處理方面應採取 " 剝離 " 的處理 (不納入實際溝通對象中),此批顧客群由於效益很低而且可能由於廣度分佈大而無法聚焦大最好採取 "大眾媒體" 來溝通(如電視、電台廣播、電子信、官網、簡訊...等)來傳達促銷訊息;

    對「邊緣顧客」則應該設法擴大溝通效益並降低成本的方式 (如網路電子信、紙本廣告信郵寄方式)、而處於「成長期顧客群」的溝通手法則適宜溢注成本 (如紙本 DM、專人電話連繫、客服專員直接對應服務...等);而對貢獻度最高的「上位顧客」為了維持顧客的良好服務關係則投入必要的成本是極其應該的,因此較高成本的電話行銷、專人服務、直接對應等是對顧客價值最大的顧客所必需採取的顧客固定化作業。



     "怎麼做"也就是行銷實用的策略的作出顧客分等,經由 CRM 將顧客的累積消費資料作出顧客價值分等,是 CRM 系統最主要的功能,但如果只是單純的將顧客區分為很有價值或普通價值、最低價值只是幫顧客群貼上標籤並不能轉換為決策及執行行銷方法的指導參考。因此,在做顧客等級割時,要能將顧客消費歷史資料的分析轉換為對未來的購買動向預測;也要能突破只看顧客對營業額的貢獻提昇為檢討出獲利面的區分。這是採取非線性資料分析模型來管理顧客的終身價值 (Life Time Value) 最有效益的方式。

                   。分析過去      →    預測未來
                   。營業額分析  →    獲利分析



       另外,顧客需求面的分析也是顧客分等展開角度思維,從顧客分等中企業可以自資料等級所代表的表現的顧客需求深入到理解背後所代表的更精確的、真正的顧客需求。由每一行銷檔期的分析中所代表顧客在每一波的活動中的反應。

     大量分析的最終目的除了分析顧客的需求得到滿足外,其最後仍必需連結至經營上的效益產生:顧客價值提昇、維持保有顧客、企業獲利






2013年4月30日 星期二

CRM 的 「 Z 字圖」 --- 品牌力的檢視


  由於 CRM 的數據含蓋了顧客、品牌或單品的大量累積資料,因此,不單單可從顧客的購買習性來運算分析,也可以由商品或品牌的被購買資訊來反推「品牌的成長趨勢」。

  那 Z 字圖無疑是我們常用的好工具,下面這個例子以品牌為主要的分析對象,主要是藉由對象象品牌移動業績合計的推移,根據「最近十二個月業績移動合計」的推移,來觀察銷售狀況的變動。
    首先,將品牌的月銷售數據收集兩年以上,才可看出業績的成長趨勢,計算法如下原則:
STEP 1.統計去年及今年二年之間,每個月的銷貨業績推移 STEP 2.統計今年間每個月的銷貨累積額 STEP 3.統計今年間每個月,包含當月的過去十二個月之銷貨移動總額





   STEP 4.在圖表緃軸標銷貨額、橫軸表月份    STEP 5.標上今年各月銷貨額    STEP 6.各月累積銷貨額    STEP 7.標上各月移動總額




  最後, 順利推算出品牌的實力,從底下的圖來看歷年的成長是有直接效益的。

  這張圖,可以明確看出向上發展的仰角,是處於成長顛峰期,顧客大幅成長。


  這張圖可看出,過一年高度成長之後,成長曲線趨於平緩屬於近入穩定成長期。






海量數據分析


   雲端時代的新金脈是一場改變商業規則與競爭力的資訊革命,已引領新一波經濟繁榮。

- 日本一家超商近日推出新口味義大利麵,透過數據得知,女性是白日消費主力外,晚上還會再多買一份當宵夜,促使廠商晚間進貨加倍而締造當月賣兩百萬份的高業績。

- 西班牙知名時尚品牌ZARA在短短三天就推出一件新品,一年可推出一萬兩千款時裝,靠的也是海量數據分析,此行銷致勝的例子,在當今工商界其實不勝枚舉。
- 中國聯通重慶分公司已將客戶續約率提高百分之三十四,英國政府提高效率及削減浪費,一年省下三百三十億英鎊,斯德哥爾摩建置道路收費系統,使用公共交通工具人數比前一年增加四萬多人,隸屬美國能源部的邦威電力管理局,居然省下蓋一座新電廠十億美元支出。
  美國白宮會宣布,將海量數據喻為「未來的新石油」,是國家發展的戰略性資產,一場改變商業規則與競爭力的資訊革命。
  什麼是「海量數據」呢?每一天,全球人類製造的資料量高達二十五億GB,要用四千萬台64GBiPad才裝得下。毫無價值的資料太多,沒有一家企業有本錢運用既有流程一一過濾,但新的方法和工具卻從中挖出值得鍛鑄與收藏的珍寶,經過整合分析,可以讓民間及政府都創造驚人效益。
  原來,看似風馬牛不相及的事物,也蘊藏著不為人知的致勝祕訣,「海量數據」儼然已成企業蓄積智慧與洞察力的絕佳寶庫,許多高階主管都樂此不疲的從巨量資料中探索市場動向,建立競爭優勢。因應此風潮,海量數據分析師炙手可熱,成為職場新寵。
  目前日本可用的專業分析人才不到兩千,美國也只有一萬,到二○一八年,僅美國地區將面臨十四到十九萬的專業分析師以及一百五十萬做有效決策的高級經理人才的短缺,急得經營者往大陸搶人。
  如何培育新智能?財經教授李志文說,傳統的BI或資料倉儲(Data Warehouse)面對現今爆炸性的「巨量」,無力應付。所以企業若一味緬懷過去,運用傳統資料倉儲、資料採礦(Data Mining)等工具鑑往知來,恐將事與願違,因為這些工具所帶出的分析結果,對於企業競爭力的提升作用,已經愈來愈小。「快速鍛鍊數據分析人才,這是唯一的一條路。」
新金脈3大特點
現今企業界每天建立的資料約有二點五百萬兆位元組,來源廣泛,像是用於搜集氣候資訊的感應器、社交媒體網站的貼文、數位圖片與影像、採購交易紀錄以及行動電話 GPS 訊號等,不一而足,日新又月異。
●龐大─企業資料包羅萬象,很容易便達到數兆位元組,甚至千兆位元組之譜。
●即時─海量資料通常具有時效性,一旦串流至企業便須立即使用,方能發揮其最大價值。
●多樣─海量資料的範疇不僅止於結構化資料,還包含各類非結構化的資料: 諸如文字、音訊、視訊、點擊串流 (click stream)、日誌檔等等。 

--- 轉載自人間福報 職場加油站 2013/4/28 作者 : 李碧華



2013年4月3日 星期三

CRM 案例研究三 --- 平面媒體的廣告效益分析

     「促銷活動」的廣告方式,也可以運用 CRM 系統的功能來評估「活動效益及成本」的工具。本案例為不經由廣告信( DM) 來告知廣大消費群,目前的做法有利用「報紙」、「雜誌」...等平面媒體。我們採擷這個報紙消費情報版的露出手法,並用 CRM 的事後分析來檢測廣告帶來的促銷效果。


    這是典型的在活動開始期間的首日或開始前,運用報紙的媒體版面所刊出廣告的效果,而真正能驗證效期的只有當持有會員卡的顧客回購時才能驗證回應情況。


   首先,我們可以從報紙所描述的活動檔期期間,將有參加的活動的品牌在此期間有回購顧客予以找出,並放入 CRM 的性別‧年齡的分析中,所得到的結果正如上所表示的情況。


        若再將此活動參加系列的品牌再經由整體賣場的購買分析來加以比較,可以發現這批在活動期間有針對廣告的品牌購買者,事實上是賣場不分品牌的購買常客 ( 即一年內不限品牌購買者 ) 只是再接受到此報紙的吸引,再回游購買。


       若將此批有上廣告參加促銷活動的櫃位做去年同期的購買分析比較,我們可以發現事實上去年有購買的顧客數為 1,009 名 ( 即今年較去年增加購買的紅色部份 6 名、由左上往右下表示白色「維持購買金額」32名、今年較去年減少購買金額的黃色部份 19名、去年有買今年則不來購買的 952名   6+32+19+952 = 1,009 人 ) 但不論今有維持購買或減少購買者有多少,一個事實是去年購買的 952 名顧客今年已經沒再出現在這波活動中,是屬於流失顧客。

       但我們可以看到水藍色部份新購買客高達 835 人,而橙色部份的新會員也有 18 人,所以在這波廣告中來購買的總人數有 910 人,相較於去年流失的 952 人,不可不說不無助益,彌補了流失的顧客損失。因此這波廣告是有正面效果的。

2013年3月26日 星期二

CRM 案例研究二 --- 品牌忠誠度 vs 購物中心忠誠度

    長期以來,知名品牌 ( Brand Tenant ) 是否進駐一家綜合型的百貨賣場或者大型購物中心會帶來何種貢獻度一直存在著迷思,慕名而來的顧客究竟是為了這家新進駐的知名品牌專櫃的商品齊全而來光臨 ? 亦或是原本大賣場的自身魅力而來、新品牌只是多一個選項 ?

    只要能運用 CRM 的有效分析,可以透過一段時間的「總顧客數」加以比對追踪而呈現出是品牌的效益居多 ? 還是大賣場效益居多 ?

     以下這個案例,我們以某連鎖平價 Q 品牌與 ABC 大型賣場的案例為研究對象,先算出全年度的總顧客數、再看各季顧客數的消長、對 Q 品牌的影响 ( 推算這群顧客對 Q 品牌忠誠度 )、再以這群客對整體 ABC 大賣場的貢獻度 ( 推算這群顧客對 ABC 大賣場的忠誠度 )。


單維 R 分析 :

   首先指定一個截止日 (設算為 2013/03/31) 往前推算 365 日,依各 R 要素級距的等份將顧客歸屬於適切的等級中 ( R 級距的歸納方法,請參閱 R.F.M 基準值設定 ),由於這是以最近來店日所推算,所以,可以很明確換算出 Q 品牌在過去一年的總顧客數為 40,1913人。



    接下來, 試著調整 R1 的級距為 90 日,分別由當月往前每 90 日為一季推算出各季的來客數。這時可以很明確的看出各季的人潮消長情形 ( 由於各季分別統計,有可能局部顧客會有重覆在各季來店是合理的 )、另一方面同為走平價路線 G 品牌、H 品牌,做顧客的比較。Q 品牌的確在各季高出於其它兩品牌近四倍以上的顧客。屬於同質性品牌中較俱優勢的,但我們注意一下各季相加出來的總客數達到 54,912人,明顯高於上面的全年 R 要素分析中的 40,913人。



   接下來,以 F (來店頻度)及 M (累計金額) 分別推算各季顧客數, Q 品牌的四季各別相加總的全年顧客數都接近 5.5 萬人左右,若扣除全年 R 統計出的顧客總數 4.1萬,要高出 1.4萬人,這是不是造成數據上的差異 ?

    事實上,經進一步瞭解該 Q 品牌強調平價以外,還特別推出包退/包換的服務,因此,方便顧客在(未試穿)大量購買後,發生大頻度的退貨行為,由於購買者往往幫未一同前來的親友順道購買以致回去試穿後,發現不合身又再度來退換貨,而其它兩品牌則分別有 554 次、562 次的再來店情況,遠遠低於 Q 品牌。但由於這樣的退換貨服務造成 1.4 萬人次的「再來店」以大賣場而言是不是增加了其它併買行為的發生,不能不說是另類聚客效益。



Q 品牌的顧客忠誠度分析 :

    由於已得知 Q 品牌的顧客年度總數約 4.1 萬人,若以 R*F 的矩陣分析,可檢視 Q 品牌的顧客忠誠度分佈情況,我們將各級距可能的顧客屬性加以顏色區分,屬於忠誠顧客的橙色部份加總人數只有 612 人、即使將顧客數擴大到準流失顧客也只有 4,725 人,反觀一般顧客 ( 或由於來店頻度低、距今也很久沒來店,可合理的稱之為「一見客」 ) 高達 26,763 人。可以說 Q 品牌的忠誠顧客不多。




曾來 Q 品牌購物的顧客群,在本賣場的忠誠度分析:

    前一份 R*F 矩陣分析是 Q 品牌的全年度 4 萬人在 Q 品牌櫃的購買行為分析,可視為 Q 品牌的顧客忠誠度分析,但將此 4 萬人放大觀察 ( 檢視同批顧客在整個購物中心的購買行為 ) 以看出這一年來這批顧客分別在這個大賣場的其它品牌櫃購買行為以檢測顧客對本賣場整體的忠誠度。

   檢視這個分析結果,同樣這 4 萬名顧客,全年度在整體賣場表現,這時在橙色的優良顧客為 15,875 人,若再推大到準流失顧客則優良顧客高達 27,266人。也就是說:「至 Q 品牌購買的顧客 4.1 萬名顧客,事實上是本賣場的常客為主,因 Q 品牌的設櫃而嚐鮮至 Q 品牌。」


 
   總之,以賣場為導向的購物中心、百貨公司仍是總體戰力的表現,透過商場 MD 的引進品牌會吸引賣場的常客至新鮮品牌是短期效應,如何經營品牌常客則是品牌櫃的能力表現,以本案例而言 Q 品牌的客源來自購物中心本身,但能維持每季的穩定成長則是自身經營實力表現。

2013年3月19日 星期二

R‧F‧M 基準值設定

        由於 CRM 主要是將顧客的細分為各等級 ( RANK ),才能分析出各級距的顧客數的變化。所以定義 R.F.M 三要素的級距是很重要的,除了考慮自已店舖主力商品的商品週期、耐久性、價格帶等等因素,慎重決定各級距的「值」,演算時才能精準分析顧客的購買特性。




R 的基準值設定:
        下面這個是 R 顧客分級的模型,由於方便電腦資料庫 SQL 語言的運算,R的值皆以「日」為最小單位,從「週」、「月」、「季」、「半年」、「一年」....等級距皆要換算成「日」;本例為從指定日起反推最長至365日(即一年內) ,當中再細分,R7 為 7日內、R6為14日內、R5為30日內(一個月內) 、R4為60日內(兩個月)、R3 為90日.....餘類推。

     圖例中分別有 8 個不同顏色的顧客,出現在不同的時間點代表顧客到本店消費,而最後一次出現時,即是代表「最近購買日」的級距落點,由於是取最後一次所在的級距,此顧客數將在此級距加 1 ,即使該顧客先前出現多次,也只以最終一次為主。R1 到 R5 級距各別有 1 位顧客,R7 則有 2 名顧客。


F 基準值設定
    下面這個圖示是呈現 F 的模型,以中間「淺綠色」期間,各顧客出現(來店消費)的次數(頻度)。F 頻度級距的設定值 F1 為來店消費 1 次、 F2 為 2 次、F3 為 3 次、F4 為 4 次、F5 為 5 次、F6 為 6 次、F7 為 7次。


    以這個例子,統計期間為過去的 15 日往後推算,距今3個月間對象期間,顧客來店消費的顧客數及各顧客的出現(消費)次數 ;F1 級距共有 4 人、 F2 級距共有 1 人,合計這期間總共出現 5 名顧客,總消費次數則為 6 次。

M 基準值設定
    下面這個圖示是表示 M 的模型,以中間「淺綠色」期間,各顧客購買力(累計消費金額)。M 金額級距的設定值 M1 為來店消費 1 元以上 5 百元以內、 M2 為 5百元以上、M3 為 1千元以上、M4 為 5千元以上、M5 為 1 萬元以上、M6 為 5 萬以上、F7 為 10 萬元以上。


    這個例子,統計期間為過去的 1 日往後推算,距今 2 個月間對象期間,顧客來店消費的顧客數及各顧客的出現(消費)次數及每次消費金額的累計 ;符合 M3 級距 ( 滿 1 千元以上 ~  5千元以下)共有 2 人、 M5  級距( 滿 1 萬元以上 ~  5 萬元以下)共有 2 人、 M6  級距( 滿 5 萬元以上 ~  10 萬元以下)共有 1 人,合計這期間總共出現 5 名顧客。


RFM 基準值在期間別產生的人數統計差異

    由於 CRM 資料是多維度的,除了級距以外,分析「資料的期間」也影响資料演的結果,因此,各基準值的設定、與分析期間的指定不同而產生統計目的人數的差異,除運用的觀念上要清楚外,設定的級距也要符合實際需要。

    以上面這個圖例來說明,在第 1 個月期間共有顧客數 4 人 (其中有 1 名顧客來 2 次,總來客次數為 5 次) 、第 2 個月期間共有 2 人、第 3 個月期間共有 3 人、第 4 個月期間則有 2 人,將 4 個各別月所分析出的人數加總起來則有 11 人。

    但若一次指定 4 個月作為分析期間時,則共有 7 個人來消費 (其中有 1 名顧客來 4 次、 2 名曾來 2 次、 其餘 4 名則分別曾經消費 1 次) ; 因此,若要分別看 4 個月的消費客數的消長情形時,可以各別月份查詢統計,若要看連續 4 個月的總顧客數則可指定分析期間為四個月。

    如此,分析期間的不同也會造成不同的顧客數呈現,顧客購買行為也是多樣化的,所謂「遠看成嶺,側成峰」正足以表示顧客購買行為的分析結果。






2013年3月11日 星期一

CRM 案例研究一 - DM 主顧客的選擇與效益分析

   CRM 的運用事實上,與其說是某個時點一次性的分析,不如將其視為是一個檔期活動的循環週期;所以透過一次又一次的計劃、檢討、策略決定、方案實施到事後的效期分析,形成所謂 P.D.C.A 的方式,找出跟顧客溝通最適切的方式。

                < CRM 運用完整的 PDCA 循環 : 累積效益分析經驗以便與顧客愈來愈貼近達到所謂 One To One 服務  >

      通常我們會將預期舉行的活動,透過討論選取「目標顧客」並決定活動策略等過程來決定整體促銷方案的有效實施。

    其中我們或可將這活動策略的展開及實施稱為「檔期計劃」裏面不乏決定參加活動的「品牌」、選出要呈現在 DM廣宣文物上的「商品」、活動的「贈品」...等等;

    其中最重要的是針對何種客群 ? 才是本次活動的「對象顧客」、才能創造最大貢獻...這樣的檔期活動才算符合 CRM 效益。我們搞行銷活動對招攬來的顧客總是提一個問題:是「先畫靶,再射箭。」還是「先射箭,再畫靶。」;對於前者我們總能有聽不完結果分析....從天氣、景氣....到買氣,畢竟是一種事後判斷,若能在活動展開前先進行顧客的購買習性分析,再把握其它客觀環境因素,那依顧客特性所設定下的對象顧客選定為「目標顧客群」才算是CRM在「顧客關係」善盡管理的運用了。
     在此我們進行一個 CRM 個案探討,本案採取「傳統式」(即是人為經驗判斷)選擇對象顧客的方法,與顧客溝通的 "印刷物" 採取「完整版」、「濃縮版」兩種 DM 以有效節約印刷製作成本。

    活動名:新年期間促銷
    活動期間:2013年1月中旬~2月中旬 (一個月)
    資料來源期間:2011年~2012年兩年間

             1. 「完整版」DM 的對象顧客屬性,以「頂級顧客」為主,細分為兩個小條件:

                 ①預計以全區顧客統計其過去一年累計購買金額由高至低前 5 萬名顧客、

                 ②單獨以北區顧客統計其累計購買金額由高至低取 1.5 萬名;

                                  此 5 萬及 1.5 萬名顧客相互排除重覆的顧客,最後總計以 5 萬名為 DM 郵寄名單。


             2. 「濃縮版」DM的對象顧客,則為「喚醒顧客」(曾是主顧客、漸漸流失者)為主, 以補完整版顧客不足部份。所以細分條件:
                                ① 指定「完整版」的條件 ① 相同的條件,但要排除已決定的名單,取5千人
                   → 相當於過去一年累計購買金額由高至低第5萬~5.5萬。

                ② 找出2011年新年期間有來購買,但去年上半年未消費的顧客,預計找5千名左右。


   這是完全未經顧客細分( Ranking )及排名的方式做出選擇顧客的方式。在活動檔期結束後,我們統計顧客回購情況發現第 1 項「完整版」的顧客 ①、② 兩個細部條件經過相互排除重覆之後,有接獲 DM 回購的顧客其回應率 (Respond rate) 約在 54% 左右(也就是寄出的 5 萬名顧客,將近 2.7 萬人有回購)。

  若將這 5 萬名顧客投入 RFM 等級的三維細分法,我們可以驚訝地發現有回購的顧客將近 2.47 萬人左右,分別分佈在 F6~F7、M6、M7 兩個級距上,前述兩級距的顧客其 R 要素則自 R1~R7 都有,此 2.47 萬人約佔去總回應率 54% 的 2.7 萬人的 90.3% 左右。

→ 這時我們幾乎可以做出這樣判斷 : 第 1 項「完整版」 DM 郵寄前,若只對 RFM 顧客分析結果只挑 F7、M6、M7 排位的顧客就可達到預期效益,也就是說有將近 50% DM 是無效寄送的。漸接證明了「ABC分析」原理所提到,支持一家商店的業績,是由 20% 顧客所作出 80% 的貢獻,也就是「零售業的二八理論」。
      因此,以 RFM 三維的立體圖表示各級距的收到 DM 而來店購買商品的顧客人數,可以清楚的看出各等級顧客的份佈狀況,其中將超過一百人的部份以紅色表示。




   同樣的數據,以回應率表示(收到 DM 而來館購買的),超過 50% 以上者以紅色百分比表示、介於 30% ~ 50% 間者以藍色表示、回應率較低的 30% 以下者以黑色表示。




   
    再來看下面第 2 項喚醒睡卡顧客的「濃縮版」的兩項次要條件回應率分別為:條件 ① 5千人只有 895人消費、回應率 17.6%  、 條件② 5千人則只有 683人消費、回應率 13.6%,兩個條件加起來,總回應率 15.7% 。這些回購的顧客呈現在 RFM 級距中,平均偏低並無特別某一等級特別偏高。也就是說當初未透過 RFM 分級,選取對象顧客所下的條件是沒有效益的、普遍全區域的。





     由於各等級的人數普遍偏低,所造成的回應率也散佈各等級,即使會有 60% 乃至 100% 的回應率表現,但由於人數可能只有個位數或十位數,所以來客的總人數不多,對業績的影嚮也不致佔去很大的比例,這是運用 RFM 三維圖示所應注意的地方。



  但是,即便如此事前經由模擬判斷、先有適當的事前分析(尤其是 RFM ) 則可事先找出我們所有的對象目標。依各群組顧客作特性探討而下決則可達到更好的效益。

R * M 分析顧客的購買力


    F(來店頻度) * M(購買額)

    購買金額分析是很重要的大事,不過如果來店頻度也是重要的必要條件,也可以考慮兩條件要素所構成的十字交叉分析。這個情況,在頻度和金額上分別切割出不同的比重;譬如可以把以金額最上位的10%、頻度最上位30%以上的顧客作為A排位。但相對順位的問題點在於各排位級距調整,而影響顧客在總體順位間的移動。

→ 需要考慮顧客本人的實際數據在各別排位間上下移動。

    調整級距的絕對值,看顧客人數落在那個相對等級中作為分析判斷依據。在頻度和金額矩陣中套入俱體數值即可得出落出在何等份中;譬如一個月來店7次以上、金額在5萬以上的顧客列為頂級顧客(A等級)如此很容易看得見頂級顧客是那些人。

    但,這個情況在同一企業體系下也會因為受「賣場規模」、「地域性」或「季節、...等差異而影嚮絕對值,所以必需將這些因素也納入分析考慮因素。

    總之,採用排位級距(絕對值)的效益是,頂級顧客可依個人別為單位固定於所屬排位等級,並觀察那個顧客之後在時間系的變化。


   按上面這個顧客分級方式排出 R * M 矩陣報表,再將各排位的顧客依購買日期、累計購買金額的兩項實績分別填入應擺設的維度中。可以清楚地看出 右上角 R 列中A排位, M 行A、B排位的 "紅色" 區塊的顧客分級是:最近購買日較接近而累計購買金額在1萬及2萬以上者 ( 以購物中心顧客資料為例 ) 屬於「忠誠顧客



    上面這個圖例 ﹝R * M﹞ 兩要素的級距細分為各7等份,分別為R1R7以及M1M7,顧客依其區分可依發生的實績落點至各恰如其份的排位中;但為了避免級距過多而難以採取行動方案,可以再廣義地分為群(Group)… A群、B群、C..

→ 在這個分析案例中,這個 mall 的行銷企劃人員打算推出一檔活動,事前先進行 RM 購買分析,由於這個活動主題是為了回饋對公司業績「貢獻度」極高且最近才剛購買完成的顧客群,提供一場閉門展覽演出,並推出限量商品。 因此,在 DM 郵寄名單族群考慮以 RM 均為 群的頂級顧客為對象。不謹分析上可以指定資料分析期為  R 日(最近購買日)倒推一年,依顧客最後一次來消費的日期納入各等級、以及此期間顧客累計購買金額找出適切的定位中,很容易就可以定位出要回饋邀請的對象 R 的 A群與 M 的 A群、B群 ,共納入 10 個排位的顧客。

2013年3月4日 星期一

RF 分析看回應率

      RFM 分析是一種行銷的技術,用來決定何種顧客群是主顧客(優良顧客),例如:那些顧客最近剛來購買 ? 這些顧客過去購買的次數 ? 這些顧客累計花了多少錢來購買 ?

    RFM 分析是基於 "二八營銷原理" 也就是 80% 的業績,來自 20% 的顧客,也是非常有效率的開發市場及得到效益的方法以及決定行銷策略的判斷重點。

     RFM 分析法在零售市場運用已超過四十年,用來增進主顧客市場。一般採用非正式的 RFM 分析來找出目標顧客與之個別溝通、進行促銷活動。在 RFM 背後的理由很簡單:人們買了東西之後,會喜歡再次來購買。我們可經由 DM 寄送與顧客溝通,再經由顧客回購後留下的會員銷費記錄,經過顧客關係管理系統 ( CRM ) 的軟體統計顧客接獲廣告信後回店購買的「回應率」。


  統計 RFM 有很多方法,其中一種方式是將顧客的 RFM 每一要素區分為 1,2,3,4,5,6,7 七個級距 ( 7 是最高的級距編號 ) 。此三要素的等級計分合併成 RFM 小格 (Cell) 透過這些數據資料庫的排序,由這些顧客過去的消費履歷演算出「最優良顧客」通常 RFM 值在 "777" 是最優良的顧客。 

    雖然 RFM 分析是非常有效的工具,但也要小心注意不要太過度與上位的顧客溝通造成困擾。另外,下位顧客也不應該忽略要善於培養成較好的顧客。

   下面例子,是在推出一個活動、新商品販售決定行銷策略時, 由選出的 DM 寄送顧客名單,活動結束後,統計出 R * F 的分析。




     由於這次與顧客溝通的 DM 是一個新年假期的催促顧客來店購買的事後分析,可以看出以促銷檔期活動開始『首日』開始往前倒算 R 要素的各級距內容的表現,F7 的頻度在 R3 到 R7 的 5 個排位中,回店購買人數合計為 6,229 人,佔右下角本檔期合總購人數合計 9,720人的 64%  → 表示 F 購買頻度高、且離現在購買愈接近的顧客,因為購買印象仍在愈有可能受 DM 的溝通回店購買。

2013年3月3日 星期日

RFM 三要素 --- CRM 顧客消費行為的準則


    通常,零售業的顧客行為,因為時間、商品、天氣、購買動機等等,很難掌握購買特性,若只從表面看是無法測得消費者特性的。因此,以 RFM 為三大要素,從旁測量消費者行為作為顧客關係系統的分析基準,可以在各個要素進行簡單的單維的資料分等如 R分析、F分析、M分析,也可以任意二個要素進行距陣分析,若要更深層分析則可以三要素以三維距陣分析,視需要很進行。當然,要素愈多則判斷顧客的消費行為愈精準。

 RFM特有的意義:

■ Recency:最新購買日 再購買率


    由於 R 代表的最近購買日,等級愈高表示顧客來購買的時間也愈接近,通常離上次購買日愈接近的顧客,其印象在購買之後時間似乎沒有消逝,對於公司和商品的記憶仍然殘留著,如果公司再施以促銷時,比起那些已經沒留存在記憶的顧客會有較高促銷的期待效果。
當然只有最新購買日,也要知道顧客在各月份的購買資訊一起判斷。
    R購買日接近今天的顧客,再購買的傾向較高。
    M即使很高,但R已是過去很久的事,顧客再購買的傾向變很低。
    F即使購買很頻繁,但己是過去很久的事,顧客再購買的傾向變得低。

■ Frequency:購買頻度 顧客親密度


    上圖 F7 等級的顧客其購買次數在7次以上,屬於購買頻度很高的,由7個級距區分購買頻度可以有效分析出顧客的滿意度及忠誠度。
    F值低的顧客情況,有未滿足顧客的可能性。從另一面來看,F值高的顧客群,屬於常客。有時F值很低且顧客人數較少的排位,可能是因為新顧客的原故所以人數較少,有需要為新顧客安排好的企劃。
    同一等級R排位中,F來店頻度高的顧客,再回店購買的傾向也會較高。
    如果 R 上次來店是過去很久的事,那即使 F 曾經來店次數再多,顧客再回來購買的傾向也變得少。
    M 既使累計購買金額再高, F 來店頻度變少了,那樣的顧客再回店購買的傾向也變得少。


■ Monetary:累計購買金額 顧客的忠誠度


    M 是顧客的累計購買金額若排位很高,則顧客的潛在購買力也很高,那樣的顧客較多時,是對公司來說可是一件可喜的事。
這樣的顧客,若 F R 也很高的話對公司收益的貢獻度會很幫助。
    只根據M購買金額多或少,是無法判斷是否有再回店購買傾向。
    是不是會再回店購買,首先要再視R的等級,其次再考慮F的等級才能判斷。
    M值高的話,可以判斷該顧客是有購買力的。

........... 摘自 < CRM 搞懂顧客關係 >





2013年3月2日 星期六

RFM 常用 CRM 的三維顧客分析法


 RFM 三要素的 CRM 三維分析法

    如何區分出頂級顧客、可以根據不同分析手法來對顧客加以排名,首先是RFM(RFS)分析。在業界從一開始做顧客管理就普遍被採用的分析方法,分別是按顧客的最近購買日(Recency),來店頻度(Frequency)、購買金額(Monetary)加以區分,分出不同等級作為活動指標以採取不同而俱體促銷行動計劃。




   
    根據RFM分出排名可分析出優良顧客、不滿顧客、不信認顧客、其他店顧客、不關心顧客等分類,有分類所進行的促銷活動才能效率化進行促銷。亦可加入品牌分類(Category)則為RFMC分析、若要評估公司的銷售商品則可以考慮加入商品(Item)稱為MRFI分析,以使本公司的營業和商品戰略。

    前面所提的項目(R.F.M.C.I…),都可以依公司的業種的不同考量,而以單維分析或複數的要素進行分析。例如這些要素當中,決定採用 頻度=F”進行顧客等級的重點考慮是以實用性商品為主的業種如超市、實用衣物日用品商店。金額=F”要素的顧客分級則為則以耐用性商品、家電、貴重金屬、興趣嗜好商品的業種為主。同樣為時尚流行的專賣店則會因實用平價路線與高單價的品牌專賣店分析觀點會有不同。另一方面,由複數賣場所構成的百貨公司、購物中心、量販店等則因樓層別重視角度不同而設的分析要素和級距也不同。

  在實際進行資料分析時,金額大小的比較也會因季/月間的營業日數、休例假日數影響銷售金額,所以有必要調整比較的絕對額才會正確,如今年的春節與去年的春節日期,年假長度等等都應對等比較。受到家庭人口數影嚮購買金額的超市的場合,也有必要另外考量。無法以單一指標分析顧客等級的場合,可以依據RFM各要素的重要度配合自己公司有意義的顧客排名方式單維或組合矩陣來呈現分析。


關於RFM各自有的意義,以實際的數字為基礎試著考慮RFM的排位做出如下級距設定:


 
R
F
M
級距
最近購買
購買次數
購買金額
7
7日以內
7日以上
100,000
6
14日以內
6日以上
50,000
5
30日以內
5日以上
10,000
4
60日以內
4日以上
5,000
3
90日以內
3日以上
1,000
2
180日以內
2日以上
500
1
365日以內
1日以上
1

                         
                                 定義顧客分析排名等級的第一步:定義 R.F.M 級距。


                                   在程式中定義好要設的 RFM 三要素的級距。 
1.    透過R.F.M三要素的級距設定,可最多設定各7個級距,以細分出不同的等級(Rank)

2. 若要再予以群組化7個等級,可再以群組(Group)各要素的級距成3個群組,目的當然是為了進行較粗的分類來分析廣域的顧客。


RFM分析表 (由寄發DM看回購人數的回應率分析)
RFM Cell Code
寄件人數
購買人數
DM回應率%
購買金額
客單價
777
     5,549
     2,995
     54.0%
 16,912,282
      5,647
776
     5,552
     1,918
     34.5%
  4,294,728
      2,239
775
       154
        22
     14.3%
     25,386
      1,154
774
         8
         2
     25.0%
         50
         25
767
        44
         4
      9.1%
    114,095
     28,524
766
       185
        29
     15.7%
     94,586
      3,262
765
        29
         1
      3.4%
        160
        160
764
         4
         1
     25.0%
        594
        594
757
        44
         4
      9.1%
     10,959
      2,740
756
       153
        24
     15.7%
    117,139
      4,881
755
        27
         1
      3.7%
        184
        184
754
         2
         0
      0.0%
          0
          0
747
        28
         5
     17.9%
      8,998
      1,800
746
       113
        20
     17.7%
    118,065
      5,903
745
        37
         3
      8.1%
     15,347
      5,116
744
         4
         0
      0.0%
          0
          0
737
         7
         1
     14.3%
        200
        200
736
        74
         5
      6.8%
     19,070
      3,814
735
        42
         1
      2.4%
     13,159
     13,159
734
         4
         0
      0.0%
          0
          0
727
         5
         0
      0.0%
          0
          0
726
        47
         1
      2.1%
     35,688
     35,688
725
        18
         1
      5.6%
      4,547
      4,547



   由顧客購買的履歷中,將顧客的購買數據依RFM三要素的級距,找出顧客應歸屬的等級(Rank)加以分析,就是所謂 RFM CELL 分析法。

     認為在RFM的各項要素中最高排位的777顧客是最好的顧客。對於111級的顧客,要考慮是不是要將其納入為顧客。例如,若對111的顧客持續郵寄 DM 是實上,可以預期日後這些群顧客也不會來購買,所寄的DM則是一種資源浪費。

    不過,浪費DM資源而不善用RFM分析的企業確實仍是很多。首先,試著看RFM的各排位的顧客構成比。很明顯,R71人數級距的分佈平衡,與FM的級距分佈平衡不同,這是因為FM的數字是累積的, R是指單次的反而愈接近最高排位7附近數值愈顯得相對低。


由下面簡單的表示,是RFM 模型(RFM Model)的顧客的基礎等份法則:






   通常RFM三要素都高的顧客對DM的回應率會較高,但問題在中間的顧客如何思考? 譬如試著檢視711排位的顧客,這個排位的顧客雖然說到昨天為止最近有來購買、不過購買頻度很低、購買的金額也少。從相同的條件考慮這些情況,今後在FM上考量顧客的可能性時,頻繁地購買、購買力低的771顧客說不定有比711的顧客有購買潛力。


    其他,以333234等各種各樣的數值顧客也能分類,從 RFM的數字來看,是不是可能會成為將來對本公司的收益作出貢獻的顧客? 或者不會成為那樣的優良顧客,應該要能在某種程度上做出判斷。並且重要的是,可以發現很可能成為好顧客的排位接近777,是能在將來為公司的收益做出重大貢獻的顧客。


............. 摘自 < CRM搞懂顧客關係 >



第三種標準評測顧客關係 --- 生涯價値 LTV (Life Time Value)

( 本文來探討 CRM 的長期顧客關係 LTV ) 第三種標準評測 ---- 生涯價値 (Life Time Value) LTV一詞是與 CRM 一詞同時出現的用語,俱有長尾意義,在 CRM 討論中它是如何定位還是不錯的,或者正確地運用於企業活動。 對於頂級顧客重視...