С целью решить эти две проблемы BT пыталась найти стратегию сегментации, которая могла бы:
• дать определение рынку небольших и средних компаний, включая не только текущих, но и перспективных клиентов;
• выявить конкретные потребности, для удовлетворения которых она могла бы предложить и продать больше услуг «новой волны»;
• позволить более эффективно распределять ресурсы;
• не только объяснять поведение клиентов в прошлом, но и предсказывать их шаги в будущем.
Мы предложили использовать комплексный подход, при котором компании-клиенты делились бы на группы с учетом как жестких (доходы, потенциал и риск), так и мягких факторов (потребности). Ниже приведен общий обзор такого подхода.
Выбор цели – с кем следует говорить
Жесткая сегментация позволяла сформировать основную характеристику компаний, с которыми хотела работать BT, – компании, стремившиеся к росту доходов. Мягкая сегментация позволила BT сделать общение с потенциальными клиентами более личным, основанным на знании потребностей каждой небольшой и средней компании. В этой главе мы сконцентрируем внимание на деталях жесткой сегментации, а о мягкой поговорим в следующей. (В третьей главе мы обсудим следующие темы: о чем нужно говорить с потенциальными клиентами; способ, с помощью которого BT объяснила небольшим и средним компаниям, каким образом те могли бы наращивать свои доходы; каким образом вы можете комбинировать жесткую и мягкую сегментацию в рамках интегрированного подхода.)
BT понравился этот план, и нам поручили реализовать проект – причем с довольно жестким графиком работ. Мы тут же принялись выяснять, какие ценности компания считает самыми важными. У каждого свои ценности. Для BT понятие ценности клиента состояло из четырех компонентов (как видно из диаграммы, приведенной ниже): сколько денег те отдавали компании в текущий момент времени («Текущие доходы»); какова была вероятность того, что они останутся клиентами компании («Риск потери клиента»); насколько глубокими были их связи с компанией, то есть покупали ли они все, что предлагала BT («Интенсивность лояльности»); какая доля их расходов в категории продуктов BT приходилась на другую компанию («Доля других поставщиков в клиентском кошельке»).
Проще всего было рассчитать величину первого компонента – текущую величину доходов. BT ежемесячно отправляет клиентам счета, в которых указана выставленная им точная сумма. Поэтому все, что от нас требовалось, – это зайти в систему выставления счетов и определить сумму в расчете на каждого клиента (в конкретном случае довольно некрупного). В результате этого простого действия BT могла точно знать, кто из ее клиентов тратит больше всего денег.
Со вторым компонентом – вероятностью сохранения клиента – дела обстояли чуть сложнее. Как только BT утратила свою монополию на рынке телефонных услуг, многие клиенты решили уйти к ее конкурентам. Соответственно, нам нужно было попытаться предсказать вероятность того, когда текущий клиент может уйти от BT, для чего мы выстроили модель «ухода клиентов», основанную на информации от бывших потребителей BT. Если многие из них относились к определенному географическому региону (и уходили вследствие присутствия в этом регионе успешного конкурента), то существующие клиенты, живущие в том же регионе, получают более высокий балл по шкале ухода, то есть обладают большей потенциальной возможностью покинуть компанию. Если мы видим, что бывшим клиентам было свойственно делать больше международных звонков (конкурент предоставлял более выгодные условия по этой услуге), то клиенты, делающие много международных звонков, получают более высокий балл по шкале ухода.
Выстроенная нами модель принимала во внимание такие данные, как общее количество звонков, количество звонков в течение определенного времени дня и недели, а также баланс между местными, региональными и международными звонками. Она позволила выявить места, где наблюдались самые явные различия между бывшими и текущими клиентами. Мы использовали соответствующие переменные, чтобы рассчитать вероятность ухода текущего клиента. В частности, мы создали рейтинг для каждого существующего клиента в базе данных BT по шкале от 1 до 100. Клиент с рейтингом «1» почти гарантированно оставался с компанией. Клиент с рейтингом «100» уже почти захлопнул за собой дверь. Чуть позже в этой главе мы объясним, каким образом работают модели ухода клиента на практике.