Ønsker du kundevekst? Vel, start med å tette hullene.

av Isabelle Valette og Sigbjørn Høgne


Kundefrafall versus ny kunde
Ved implementering av en vekststrategi, anbefales ofte å begynne å se på løsninger for å håndtere kundefrafall først. Å skaffe nye kunder koster minst fem ganger mer enn å beholde de kundene som du allerede har. Med prediktive analyser kan du forutsi hvilke kunder som står i fare for å forlate deg i nær fremtid. Disse analysene hjelper deg også å finne hvilke produkter eller tjenester kundene dine har behov for og hvilken kanal som best egner seg for kommunikasjon og dialog. Ved proaktivt å kontakte kunder før de forlater bedriften, vil du være i stand til å hindre frafallet. I tillegg får du relevant innsikt i kundebehandlingen din og øker samtidig bevisstheten i virksomheten om betydningen av personalisert service og kundedialog. I det lange løp, hjelper slike kundeanalyser deg til å bli bedre kjent med kundene dine, hvilke behov de har og hvilket verdibidrag du gir kundene. Prediktive analyser skaper en vinn-vinn-situasjon for både selskapet og dine kunder.

Organisering av et frafallsprosjekt
I Sherpa har vi god erfaring med smidig tilnærming når man jobber med kundefrafall; små, men klart definerte leveranser og tett oppfølging av implementering i forretningen. Det er sentralt å holde momentet i prosjektet høyt, slik at kreativitet og entusiasme hos prosjektdeltagerne oppmuntres. Dette oppnår du med raske leveranser, kombinert måling av effekt før korrigering og ny leveranse.

Et analyseprosjekt for å adressere kundefrafall kan bestå av bare 5 faser:

  1. Definere scope: kundefrafall som en del av en kundesentrisk strategi
  2. Innsamling og tilrettelegging av data
  3. Utarbeide statistiske modeller
    1. Funn: Hvilke variable hadde størst signifikant betydning for kundefrafall på kundene du har mistet
    2. Rangering og merking gjennom prediksjon: Hvilke av dine nåværende kunder har tilsvarende egenskaper eller befinner seg i en tilsvarende situasjon?
    3. Definere kundeaction: Kontakt de merkede kundene gjennom den kanalen og med det budskapet som tidligere har vist seg mest effektiv for denne kundegruppen
  4. Implementere kundeinnsiktene i salgsprosessene
  5. Evaluering og analyse av effekt

Fra Produkt Push til en Kundesentrisk Strategi
Å ha stordriftsfordeler er ikke lenger nok for å være markedsleder. Mange bedrifter satser nå på en kundesentrisk strategi og investerer tungt i prediktive analyser for å bli bedre kjent med kundene sine. Aktører som Netflix, Amazon, Google, Capital One, Tesco og FedEx bruker prediktive analyser for slike formål. I Sherpa ser vi nå samme utviklingen i Norge, særlig innen bank & finans og telekom.

Kundefrafallsanalyser har størst effekt og fungerer best når de implementeres som ett element i en veldefinert kundesentrisk strategi. Så når du har funnet hvem av dine eksisterende kunder som kan tenkes å forsvinne, bør du spørre deg en ting til før du serverer dem vafler og rømme: Skal jeg bruke like mye ressurser på å beholde alle sammen? Det må være et proporsjonalt forhold mellom antall kroner vi bruker på en kunde og hvor mange kroner kunden legger igjen. Lønnsomhetsanalyser og Customer Lifetime Value skal naturligvis påvirke hvordan vi forholder oss til kundene våre. Vi ønsker å ta vare på kundene våre så godt vi kan. Derfor: gjør en vurdering av kundemassen som er i faresonen og bruk mest ressurser på å beholde de kundene som det er naturlig å konsentrere seg mest om.

Å bevege seg fra et produktperspektiv til et kundeperspektiv kan ta litt tid. Fokus er ikke lenger «Hvor mange skal vi selge produkt A til?», men heller «Hvordan kan vår virksomhet være relevant og skape verdi for kunde A?». Wallace Wattles skrev en gang: “you must give to every man more in use value than what you get in cash value”. Dette er en ny tankegang for mange. Det krever ny teknologi og ny kompetanse i organisasjon for å nyttiggjør seg all den kunnskapen vi tross alt har om kundene våre i form av data.

Nøkkelen er data
Når man har definert scope og skal i gang med innsamling og tilrettelegging av data, står man foran en oppgave som kan ta mye tid. I tillegg kan dårlige og mangelfulle data velte hele prosjektet. Det hjelper ikke hvis du har de beste analytikerne med de beste verktøyene, hvis dataene de skal jobbe med ikke er tilgjengelig eller ikke holder nødvendig kvalitet. Dersom du leder et slikt prosjekt bør du på forhånd ha gjort deg kjent med følgende forhold:

· Hvordan er virksomhetenes informasjonsmodell og datapolicy?
· Hvem i virksomheten er i stand til å navigere i kildesystemer og hente ut data på en sikker og effektiv måte?
· Hvilke eksterne data kan være relevant å hente inn og hvordan skaffer vi dem?
· Har vi et rammeverk for personvern og anonymitet på plass? (Om du ikke har et slik rammeverk på plass, bør dette være det første man ser på.)

Når du skal jobbe med kundefrafall, må du først få tak i kundene som har sluttet. Det er de som skal fortelle deg hvem av dine eksisterende kunder som er i faresonen. Dette betyr at du må gå tilbake i tid og finne historiske data. Mange norske bedrifter i alle bransjer, rapporterer at data ligger i mange forskjellige siloer, spredt over hele organisasjonen. Dataene er ofte ikke formatert eller organisert på en måte som egner seg til å lage prediktive analyser. Det er der du trenger hjelp av IT. Å bygge tverrfaglige team mellom IT og forretningen hjelper til å bygge forståelse, innsikt og relasjoner mellom disse to viktige forretningsområder. Sammen kan man finne løsninger på data eller teknologirelaterte utfordringer som ikke nødvendigvis krever mye tid og penger.

Det rapporteres også at noen ganger blir dataene bare borte. De kundene som har sagt opp sitt kundeforhold, blitt ofte slettet fra kildesystemene. «- De er jo ikke lengre relevante, så hva skal vi med dem?». Virksomhetenes informasjonsmodell og datapolicy kan fortelle deg hvilke systemer som er relevante i forhold til hvor du skal finne informasjon. Du trenger ikke bare informasjon om kunden, men også informasjon om produkt, prosess og tjenester: Hvilke henvendelser gjorde de i tidsrommet før de forsvant? Hvilke produkter hadde de kjøpt? Hvilke tilbud fikk de? Hvor mange markedsaktiviteter ble de utsatt for? Dersom du er heldig har din virksomhet et datavarehus du kan benytte deg for å fremskaffe denne informasjonen. Ett korrekt designet datavarehus tar vare på all relevant historikk og hverken sletter eller overskriver data, slik et salg- crm- eller fagsystem kan gjøre.

Uansett om du henter data fra datavarehus eller andre systemer bør du gjøre deg kjent med hvilken kompetanse som finnes i forhold til å hente data. Det finnes metoder i datavarehusteknologien som effektivt kan hente og tilrettelegge data pent og pyntelig slik du vil ha det. Ett tett samarbeid mellom miljøer vil både effektivisere prosessene med å fremskaffe data og åpne muligheter for å øke produksjonen av kundeinnsikt.

Å produsere kundeinnsikt krever IT-investeringer og det er her noen prosjekter stopper. Dette er litt som en “catch 22” situasjon. Naturligvis ønsker toppledelsen å se beviser at prediktive analyser fungerer før de investerer i dette området. Men analytikeren sliter med å fremskaffe disse bevisene fordi forutsetningene for effektive analyseprosesser ikke er til stede. Manglende IT investeringer gjør at ressursene i analyseprosjektet blir brukt opp på å lete, skaffe, hente, tilrettelegge og formatere data – på bekostning av selve analysearbeidet. I evalueringen av prosjektet skal man derfor også evaluere prosessen og om ressursene ble brukt effektivt. Å måle effekt er først steg ved å lage gode suksesshistorier. Analytikeren trenger også å lære seg stammespråket til ledelsen til å effektivt kommunisere disse suksesshistoriene. Finn analytikere som har en predisposisjon til å kommunisere godt, frigjør litt tid for dem og send dem ut i organisasjon for å snakke om erfaringen rundt prediktive analyser.

Del kunnskap
I Sherpa mener vi at å dele kunnskap på tvers av bransjer er nøkkelen for å løse de ulike utfordringene som oppstår ved implementering av prediktive analyser. Få mennesker arbeider innenfor dette forretningsområdet i Norge. Det er et område som også er ganske komplisert. Derfor er det viktig å inspirere og lære av hverandre. Finn deg et fora hvor du kan dele erfaringer, tips og suksesshistorier. For et år siden etablerte vi faggrupper for retail, telekom, forsikring og bank. Mange av de største aktørene deltar her for å lære mer om analyse og utveksle erfaringer om organisering og prosjekt. Det er interessant å se at analytikerne, markedsførere og IT fagfolk rapportere de samme utfordringene og samtidig se verdien av samarbeid på tvers i organisasjonen. Det er også oppmuntrende å se at de første suksesshistoriene begynner å komme ut i Norge.

Det kommer til å være en flott tid for prediktive analyser i tiden fremover!

Del på:

Kommentér