客戶終身價值

客戶終身價值

客戶終身價值CLV-Customer Lifetime Value,是每個購買者在未來可能為企業帶來的收益總和。

基本信息

三維結構

客戶終身價值客戶終身價值
品牌管理的中心目標,就是通過占據顧客的心智空間,提高顧客的生涯價值。從狹義來理解,顧客生涯價值(CustomerLifetimeValue——CLV)是指一個顧客在與公司保持關係的整個期間內所產生的現金流經過折現後的累積和。從廣義來理解,顧客生涯價值是指所有顧客終身價值折現值的總和。企業在品牌管理過程中必須從廣義的角度來把握顧客生涯價值。
事實上,顧客生涯價值不是一個單維的矢量。它是一個立體的概念,具有三維結構
一是顧客維持時間維度。企業通過維持與顧客的長期關係,建立高的顧客維持率,從而獲得較高的顧客生涯價值;
二是顧客份額(CustomerShare)維度,是指一個企業所提供的產品或服務占某個顧客總消費支出的百分比。要獲得最大的顧客生涯價值,不僅需要有高的顧客維持率,更要有高的顧客份額。顧客份額應該是衡量顧客生涯價值的一個重要指標;
三是顧客範圍維度。顯然企業總的顧客生涯價值的大小與它的顧客範圍直接相關。從顧客範圍維度出發,要求企業必須清楚它的現有顧客是誰,同時注意開拓潛在顧客。

主要步驟

客戶終身價值客戶終身價值
1.收集顧客資料和數據

公司需要收集的基本數據包括個人信息(年齡婚姻性別、收入、職業等)、住址信息(區號、房屋類型、擁有者等)、生活方式(愛好、產品使用情況等)、態度(對風險、產品和服務的態度,將來購買或推薦的可能)、地區(經濟氣候、風俗、歷史等)、客戶行為方式(購買渠道更新交易等)、需求(未來產品和服務需求等)、關係(家庭、朋友等)。這些數據以及數據隨著時間推移的變化都將直接影響顧客的終生價值測算。
2.定義和計算終生價值
影響終生價值的主要因素是:所有來自顧客初始購買的收益流;所有與顧客購買有關的直接可變成本;顧客購買的頻率;顧客購買的時間長度;顧客購買其他產品的喜好及其收益流;顧客推薦給朋友、同事及其他人的可能、適當的貼現率。
3.顧客投資與利潤分析
可以直接基於交易成本或資金投入進行計算,或者根據過去類似客戶的行為模式,利用成熟的統計技術預測客戶將來的利潤。國外的汽車業這樣計算顧客的終生價值:他們把每位上門顧客一生所可能購買的汽車數,乘上汽車的平均售價,再加上顧客可能需要的零件和維修服務而得出這個數字。他們甚至更精確地計算出加上購車貸款所帶給公司的利息收入
4.顧客分組
從第三個步驟中,企業可以看出如何在顧客終生價值中贏得最大的利潤,隨後企業可以根據這些數據將顧客分成具有不同特徵、不同行為模式和不同需求的組。比如說企業可以用聚類分析法將顧客分成苛刻的顧客、猶豫不決的顧客、節儉的顧客和久經世故的顧客,根據每個組制定相應的措施。
5.開發相應的行銷戰略
衡量“顧客終生價值”的目的不僅僅是確定目標市場和認知消費者,而是要設計出能吸引他們的交叉銷售方法(Cross-Selling)、向上銷售方法(Up-Selling)、附帶銷售方法(Add-onSelling)、多渠道行銷(Multi-ChannelMarketing)和其他手段。這些手段都能夠幫助企業運用RFM模式來提高客戶的價值,儘可能地將客戶的潛力開發出來。

方法

客戶終身價值客戶終身價值
顧客終生價值的複雜性和變化性,使得採用何種方法準確地測量和計算成為了企業面臨的最大挑戰之一。目前,比較流行和具有代表性的顧客終生價值預測方法為DWYER方法和顧客事件預測法。
1.DWYER方法
該方法將客戶分為兩大類:永久流失型和暫時流失型。
永久流失型客戶要么把其業務全部給予現在的供應商,要么完全流失給與另一供應商。原因或者是其業務無法分割,只能給予一個供應商;或者其業務轉移成本很高,一旦將業務給予某供應商則很難轉向其他供應商。這種客戶一旦流失,便很難再回來。暫時流失型指的是這樣一類客戶,他們將其業務同時給予多個供應商,每個供應商得到的只是其總業務量的一部分(一份)。這類客戶的業務轉移成本低,他們可以容易地在多個供應商之間轉移業務份額,有時可能將某供應商的份額削減到零,但對該供應商來說不一定意味著已經失去了這個客戶,客戶也許只是暫時中斷購買,沉寂若干時間後,有可能突然恢復購買,甚至給予更多的業務份額。
DWYER方法的缺陷是,它只能預測一組客戶的終生價值或每個客戶的平均終生價值,無法具體評估某個客戶對於公司的終生價值。
2.顧客事件預測法
這種方法主要是針對每一個客戶,預測一系列事件發生的時間,並向每個事件分攤收益和成本,從而為每位顧客建立一個詳細的利潤和費用預測表。
顧客事件預測可以說是為每一個顧客建立了一個盈虧賬號,顧客事件檔案越詳細,與事件相關的收益和成本分攤就越精確,預測的準確度就越高。但是,顧客未來事件預測的精準度並不能完全保證,主要有兩個原因。
其一,預測依據的基礎數據不確定性很大,顧客以後的變數、企業預計的資源投入和顧客保持策略,以及環境變數等都具有很多不確定性。
其二,預測的過程不確定性很大,整個預測過程是一個啟發式的推理過程,涉及大量的判斷,需要預測人員具有豐富的經驗,所以預測過程和預測結果因人而異。

相關詞條

相關搜尋

熱門詞條

聯絡我們