只要获得足够的历史数据,通常就能大致准确地估算出顾客未来的购物概率,对于管理者来讲这是极为宝贵的信息。
■ 文/王 瑜 史新浩
一、客户财务分析指标
客户财务分析指标,是从财务获利性角度识别客户能力的一系列综合指标。通过这些指标可以估算不同类别客户的购物概率,进而衡量客户的相对价值。基本的客户财务指标包括客户收入、客户成本、客户利润和客户预期利润。
企业的销售收入经常是按产品来区分的,而不是按照顾客类别区分的。然而在许多企业中,采集各类顾客收入并不是一件困难的事情,尤其是对于那些比较稳定的客户群体。客户成本是计算客户利润的关键指标,因而在很大程度上决定了企业对其客户的识别能力。客户成本信息对于营销尤其重要。传统的会计成本概念服务于存货计价和收益确认两个目的,但对于财务决策、成本控制、营销和管理目的而言常常是无效的。以产品为中心的传统财务模式并不跟踪客户成本,因而关于客户成本的信息在企业中十分匮乏。客户利润是客户收入与相应的客户成本的差额。由于公司花在各类顾客身上的间接费用各不相同,收入总额相同的客户带来的利润通常相差很大。客户利润也可以用相对数表示即利润贡献率。以上几个客户财务指标都是根据历史数据计算得出的,用以判断过去或当前该类客户的价值和获利性。然而,对于如何安排营销预算以及未来应重点关注哪些客户这类问题,更有价值的指标是客户预期利润,它等于客户利润与客户继续购物概率的乘积。
二、基于客户财务分析指标的客户分类
根据客户利润贡献率与客户购买额两个维度,可以将客户分为四个基本类别:
A类客户:高利润贡献率+高忠诚度
这类客户是企业最有价值的客户,也是企业客户关系管理的重点。他们每年不仅大笔购物从而支撑公司销售和增长目标,而且为公司创造了大把利润和稳定的营业活动现金流。因此,保住、培育发展A类客户应成为客户关系管理的重点。在营销预算中,A类客户应分得的份额至少应达到营销预算的1/3以上。当然,这些潜在的巨大收益只有具备从财务上清楚地识别顾客的能力时,才可能转换为现实的收益。
B类客户:高利润贡献率+低忠诚度
很多顾客都具有这样的特点:他们不太在意产品的价格,对打折和保销措施不太敏感,有时会在较短时期内大把购物,但不够忠诚,要不了多久可能流失。具有高度流动性的顾客都具有这样的特征,比如在异地观光旅游中购物的顾客。虽然如此,这类客户仍然具有很大价值,因为他们创造了较高的利润贡献率。正因为B类客户具有较高的流失概率,企业大可不必在他们身上分配过多的营销资源;相反,应想方设法将原本用于这些客户身上的营销资源抽出来,转移到A类客户以及其他更有“培养前途”的C类客户身上。
C类客户:低利润贡献率+高忠诚度
这类顾客主要购买低盈利产品,如大量购买打折产品或降价销售产品,稍不满意就退货,邮资、电话和其他通讯费用相对较高,尤其是在经常使用办公场所的长途电话等高成本通信方式与售货企业沟通的情况下,路途较远导致送货费用较高,需要较多的售后服务。因此有时候高忠诚度客户虽然购买金额很大,但可能给公司带来亏损,这是因为公司花在这类顾客身上的成本费用相当高。对于这类顾客,公司的营销策略应该是提升他们为公司创造正值利润和现金流的能力。
D类客户:低利润贡献率+低忠诚度
这类客户通常没有实质价值,尤其是在他们为公司带来亏损的情况下。毫无疑问,企业可以在短期内容忍亏损,但长期的亏损将导致公司价值的衰减,因而是不可接受的。因此,至少从原则上讲,企业不应在D类顾客身上枉费心思,而应在准确识别的基础上,尽早将营销资源抽出来,用于其他价值更高的用途。
三、利用客户财务指标测算继续购物概率
企业利用财务分析指标识别客户,以及在此基础上合理安排营销预算,关键是计算出客户预期利润,它等于客户利润与客户继续购物概率的乘积。准确估算客户的继续购物概率在实务上较为困难,主要是公司通常难以密切跟踪特定顾客的购物信息。然而,只要利用相对有限的关于顾客购物的信息,并利用一些简单实用的模型,即可大体准确地估算顾客继续购物的概率。现在发达国家中已经有许多企业采用一些复杂的财务软件,用来计算不同类别的顾客在未来时段中的购物概率。实际上,只要获得足够的历史数据,通常就能大致准确地估算出顾客未来的购物概率,对于管理者来讲这是极为宝贵的信息。
其中最常用的是“历史事件模拟法”。历史模拟法不需要假定市场因子变化的统计分布,可以有效处理非对称问题。历史模拟法无须估计波动性、相关性等各种参数,也就没有参数估计的风险;它不需要市场动态性模型,因此避免了模型风险。采用这一方法,只需企业采用通常容易跟踪的几个简单的购物时间数据即可。我们可以用n表示整个时间段里(1年)的购物次数;t表示首末购物间隔/整个时间段。表1提供了一个关于如何使用该方法计算客户购物概率的例子。
计算结果表明,虽然客户甲的购物频率是客户乙的两倍,但客户乙继续购物概率比客户甲要高得多,或者说客户甲的流失概率远高于客户乙。一般地讲,tn尤其适用于预测某个顾客会在多短的时间里放弃购物,因为此人购物的可能性随时间推移迅速降低。因此,这一方法可帮助企业避免在能够带来利润但不忠诚的客户身上过度投资。在实践中,为了确保准确性,计算购物概率需要考虑的因素比tn法更复杂一些,包括人口统计数据、消费总额、购物类型等等。另外,企业亦可参照时间段的数据计算tn值,可提高其准确性。
计算得出的继续购物概率可用于计算两个重要的客户财务指标:客户预期购买额(上期购买额×购物概率)和客户预期利润(上期利润×购物概率),上期(上年、上季、上月和上周)的购买额都是容易记录的客户销售信息。许多公司长期保持有客户购物的相关记录。对于那些正打算这样做的企业而言,只要稍加留意,开展这项工作也比较容易,花费也不会多,而且这些信息具有多方面的应用价值。在计算客户的上期利润时有一个关键性的问题:如何计量客户的成本。对于那些正打算核算客户利润的企业而言,需要利用现有的相关财务数据,从客户的购买额中减去客户成本,得到实际的客户利润后,再乘以购物概率,得出下期的客户预期利润。在这里,关键的一步是如何得到客户成本这个关键性的数据。鉴于所有管理决策都具有“面向未来”这一基本属性,以上各类指标中,预期客户利润是最有价值的客户财务指标之一。表3是估算A公司的两类顾客在2009年度各季度利润的例子。
表4中,预期利润根据相应季度的购物概率和上一年度该季度实际利润的乘积得出。很明显,虽然过去年度两类顾客年度利润贡献相同,但未来年度因继续购物概率相差较大,乙类顾客预期利润远高于甲类客户。因此,2010年度营销资源分配的重点就应该是乙类客户。■
作者单位 山东经贸职业学院
|