דירוג משתמשים: 5 / 5

Star activeStar activeStar activeStar activeStar active
 
מאת: יואב אקר, דירקטור Synergy, מרץ 2009
מאמר זה מציג את חשיבות הפילוח של לקוחות לפי רגישות למחיר, הדרך לבצע זאת והשימושים המעשיים שיש בפילוח מסוג זה.

היתרון הגדול ביכולת לזהות לקוחות לפי הרגישות למחיר שלהם, הינו ביכולת להגדיל הכנסות ולחסוך בעלות ההטבות הניתנות, ע"י הצמדת ההטבה לפי סוג הלקוח. לקוח רגיש למחיר יקבל הטבה המבוססת על מחיר ולקוח שאינו רגיש יקבל הטבה שאינה מבוססת על המחיר.

יכולת זו מאפשרת לנו לייעל את אפקטיביות הקמפיין, מאחר ואנו לא מבזבזים הנחות על לקוחות שבכל מקרה היו קונים גם ללא ההנחה (או שניתן לתת להם הנחות נמוכות יותר).

 

הצורך העסקי

התיאוריה הכלכלית טוענת שהמוצר אותו אנו רוצים למכור, מייצר תועלת שונה לכל לקוח. תועלת זו גם גוזרת את המחיר שהוא מוכן לשלם בגין המוצר. הקיבוץ של כלל הלקוחות והמוכנות שלהם לשלם מחירים שונים על המוצר, מרכיב למעשה את עקומת הביקוש המוכרת לכולנו מקורסי המבוא לכלכלה.

 

עקומת הביקוש המתוארת בתרשים 1,  מתארת שברמת מחיר של 20 ₪ אנו צפויים למכור ל 200 לקוחות ולייצר רמת הכנסות של 4000 ₪ ואילו נמכור ב 5 ₪ ליחידה, הרי שנוכל למכור את זה ל-  1000 לקוחות ולייצר רמת הכנסות של 5000 ₪.

לאור הנתונים הנ"ל, ברור שעדיף למכור ב- 5 ₪ מאשר ב- 20 ₪, כי נרוויח עוד 1000 ₪ (5000 ₪ לעומת 4000 ₪).

 

 

עם זאת, אילו יכולנו לאתר את ה- 200 לקוחות הנ"ל ולהציע להם את המוצר ב- 20 ₪ ול- 800 לקוחות האחרים להציע את המוצר ב 5 ₪, הרי שההכנסות הכוללות שלנו היו משתפרות מאוד:

מלקוחות ה-  20 ₪ היינו מרוויחים 4,000 ₪  (= 20 ₪ X 200 לקוחות)

מלקוחות ה-  5 ₪ היינו מרוויחים 4,000 ₪ (= 5 ₪ X 800 לקוחות. הסיבה שנשארו 800, כי מתוך 1,000 הלקוחות שהיו קונים, 200 כבר קנו במחיר של 20 ₪).

כלומר סה"כ ההכנסות שלנו היו עומדות על 8000 ₪ (במקום 5000 ₪). דהיינו באמצעות זיהוי הלקוחות שאינם רגישים למחיר שיפרנו את שורת ההכנסות והרווחים.

 

התגובה האינסטינקטיבית הינה, שזה נכון בתיאוריה, אבל בפרקטיקה לא ניתן ליישם את זה ובטח שלא ניתן לייצר עקומת ביקוש, ובחיי היומיום הלקוח לא מספר לנו אם הוא רגיש למחיר או לא.

האמת היא שהלקוח כן מספר לנו, אבל אנחנו לא כל כך שמים לב...

הדרך בה הוא מספר לנו הינה באמצעות התנהגות הקניה שלו בפועל. לפי סוג ההתנהגות שלו ניתן לשייך אותו לקבוצת הרגישות למחיר המתאימה. בעזרת פילוח זה ניתן לשפר את האפקטיביות העסקית מהפעילות מול הלקוחות.

 

איך עושים את זה?

הרעיון הבסיסי העומד מאחורי שיטה זו הינו לעבור לעומק על כל היסטוריית העסקאות שהלקוח ביצע ולסווג את הלקוח לפי רמת ההנחות בכל העסקאות. ניקח לדוגמא את בתחום הקמעונאות:

ניתן לאגור את כל העסקאות המבוצעות על ידי הלקוח בין אם הוא חבר מועדון, או לקוח שזוהה לפי כרטיס האשראי שלו. בכל עסקה אנו נבדוק את כל הפריטים שהוא רכש בעסקה. וכל פריט שנרכש נבדוק האם הוא נמכר במחיר מלא או בהנחה.

הדרך לזהות באם הפריט הינו בהנחה או לא, ניתנת לביצוע באחת משתי הדרכים הבאות (כאשר הראשונה הינה המועדפת):

  • ברוב בסיסי הנתונים, קיים שדה המפרט באם הפריט נמכר בהנחה או לא ובו עלינו להשתמש.
  • כאשר אין שדה כזה, ניתן להגדיר מחירון לכל פריט. המחירון נקבע לפי מחיר המקסימום של הפריט ב- 12 החודשים האחרונים. בכל עסקה בודקים האם מחיר הפריט תואם למחיר המחירון. אם המחיר נמוך יותר, הרי שהלקוח קנה את הפריט בהנחה.

 

לאחר שסיימנו את הבדיקות הנ"ל כל לקוח יכול להשתייך לאחת מארבע הקבוצות הבאות:

 

1. רגישים מאוד למחיר - לקוחות אשר כל הפריטים בכל העסקאות הינם בהנחה.

2. רגישים מחיר - לקוחות אשר לפחות פריט אחד (אך לא כל הפריטים) בכל העסקאות שלהם הינם בהנחה.

3. לא ממש רגישים - לקוחות אשר בחלק מהעסקאות שלהם יש בהם פריטים בהנחה וחלק מהעסקאות אין בהם אף פריט בהנחה.

4. לא רגישים למחיר - לקוחות אשר באף עסקה שלהם אין אף פריט בהנחה

 

 

 

התוצר המתקבל הינו שני הגרפים הבאים:

 התפלגות ההכנסות לפי סוג לקוח  התפלגות הלקוחות לפי רגישות למחיר:
   

 

 

יישום

כמובן שכארגון אנו נרצה כמה שיותר לקוחות מקבוצת הלא רגישים בכלל למחיר וכמה שפחות מקבוצת הרגישים מאוד למחיר, אולם מומלץ מאוד לחשב את תרומת הלקוח בכל קבוצה, כאשר תרומת לקוח מחושבת ע"י לקיחת % ההכנסה מכל קבוצת לקוחות ומחולקת ב % הלקוחות השייכים לאותה קבוצה.

תרומת לקוח 
 syn3

 

המשמעות של המספרים המופיעים בגרף, שלקוח שאף פעם לא קונה בהנחה תורם פי 2 מלקוח ממוצע ולקוח שקונה את כל הפריטים בהנחה תורם שליש מלקוח ממוצע. (ישנם גם מקרים לא מעטים, בעיקר בענפים בעלי סכומי עסקה גבוהים, בהם דווקא הלקוחות שקונים לפעמים בהנחה ולפעמים לא הינם בעלי התרומה הגבוהה ביותר.

 

השימוש בתרומת הלקוח מסייע לנו להחליט מהר מאוד על איזה קבוצת לקוחות אנו רוצים להתמקד מבחינת עלות תועלת.

 

לאחר שזיהינו את תמהיל הלקוחות שלנו, אנו יכולים להחליט איך ייראו המבצעים הממוקדים שלנו.

בדוגמא שהבאנו, במקרה זה 55% מלקוחות החברה הינם רגישים למחיר, בשעה ש 45% מהלקוחות כמעט ואינם רגישים למחיר. במקרה כזה, אילו היינו נותנים 20% הנחה במטרה להניע את הלקוחות, הרי שעל 45% מהם זרקנו סתם כסף.

לפיכך, בהינתן תמהיל לקוחות זה, ניתן לבחור לדוגמא אחת מהפעולות הבאות:

 

אופציה

תיאור

גובה ההנחה בפועל

הנחה רק לרגישי המחיר

לתת רק לקבוצת הרגישים למחיר את הנחת ה- 20% וליתר הלקוחות לא לתת שום הנחה (לתקשר מסר אחר)

11% (=20% הנחה X 55% מהלקוחות)

הנחה גבוהה יותר לרגישי המחיר

לתת רק לקבוצת הרגישים למחיר הנחה בסך 30% (במידה הרווח הגולמי תומך בזה) וליתר הלקוחות לא לתת שום הנחה (לתקשר מסר אחר)

16.5% (=30% הנחה X 55% מהלקוחות)

הנחה עמוקה יותר לרגישים והנחה נמוכה יותר ללא רגישים

לתת לקבוצת הרגישים למחיר הנחה של 30% וליתר הלקוחות 10% הנחה

18.25% (=25% הנחה X 55% מהלקוחות + 10% הנחה X 45% מהלקוחות)

 

 

 סיכום

החשיבות של הבנת הלקוח ודפוסי ההתנהגות שלו הינם מרכזיים ביותר לטובת הצלחת פעילות השיווק הממוקד. במאמר זה הדגמנו כיצד ניתן להסיק מתוך התנהגות של רכישות הלקוח, לגבי רגישות המחיר שלו ומה ניתן לעשות עם תובנה זו ברמה העסקית.

מידע זה חשוב ביותר, בפרט בתקופה כלכלית קשה אשר אנו ניצבים בפניה וקיצוצים בתקציב השיווק והסחר הינם עובדה קיימת. לאור פילוח זה, ניתן להחליט האם אנו רוצים לשמר את אותה רמת הנחות ממוצעת אך לחלק אותה אחרת, או להקטין את רמת ההנחות הממוצעת ולהציע את ההנחה רק ללקוחות הרלוונטיים. 

המלצתנו הינה לנסות לחתור כמה שיותר להגיע למידע זה ולקבל החלטות ע"ס פילוח זה במטרה לשפר את קבלת ההחלטות ואת השורה התחתונה.

 

הדף שלנו בפייסבוק

מעניין? שתפו דף זה באמצעות הטלפון הנייד

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

Microsoft

Oracle

IBM

Informatica

Sap

SAS

Qlikview

Cloudera

Machine Learning