Lojalitet hos personalen är en korrekt, uppriktig och respektfull inställning till ledning och anställda. Bildande, bedömning och metoder för att öka lojaliteten. Idéer för att analysera ett detaljhandelskunds incitamentsprogram Analysera konsumenternas attityder till

Kundlojalitetsbedömningsmetoder

Ledningen för de flesta företag förstår behovet av att bedöma deras kunders lojalitet, eftersom det är en indikator på företagets framgång på marknaden och de viktigaste långsiktiga och ömsesidigt fördelaktiga relationerna med konsumenterna. Att studera graden av kundlojalitet är grunden för utvecklingen ledningsbeslut inom ramen för kundrelationssystemet.

Anmärkning 1

Det finns ingen metod eller ett sätt att mäta kundlojalitet. Det finns ett antal tekniker som utvecklats vid olika tidpunkter av ekonomer som har forskat om lojalitet.

Alla metoder är indelade i lojalitetsfokus och i det disciplinområde som undersökte lojalitet.

Figur 1. Klassificering av metoder för att bedöma lojalitet. Author24 - onlineutbyte av studentpapper

Metoden för att dela behov utvecklades av D. Aaker, J. Hofmeir, B. Rice på 1950 -talet. Det är baserat på att bestämma förhållandet mellan frekvensen för att välja en viss produkt / märke och antalet köp som görs i allmänhet. Om en kund 7 gånger av 10 köper samma produkt eller varumärke är lojalitetsgraden 70%. Experter har fastställt att en kund anses vara lojal om graden av sitt engagemang är över 67%. Kunder med en lojalitetsnivå under denna indikator kallas deserters. Denna teknik är inte effektiv, eftersom den inte tar hänsyn till kundernas dolda motiv, liksom globala drivkrafter som påverkar kundlojalitet.

Kärnan i D. Aakers metod består i att mäta följande indikatorer:

övervakning av kunders beteendemönster (återköpsräntor, procentandel av inköp, antal köpta märken, etc.);
redovisar växlingskostnader (köparen köper inte ett annat märke eftersom han inte vill riskera förändringar;
bra inställning till varumärket (förtroende, respekt);
tillfredsställelse är den viktigaste faktorn vid bedömning av lojalitet;
lojalitet (antalet lojala kunders interaktioner med andra köpare av deras favoritmärke).

Denna teknik används av många företag, olika undersökningar används för detta.

Definition 1

Det traditionella tillvägagångssättet är att bestämma köpavsikterna för att köpa en produkt / tjänst. Om avsikten är hög talar det om kundlojalitet. Men kundernas avsikter kan vara olika och påverka företagets verksamhet på olika sätt.

Det finns tre typer av avsikter:

kunden gör upprepade inköp, vilket påverkar försäljningstillväxten;
kunden rekommenderar produkten // varumärke till andra människor, vilket ökar tillväxten av antalet företagskunder;
kunden tänker köpa mer fler varor, vilket påverkar den genomsnittliga intäkten per kund.

Sociologerna R. Merton och R. Kendall föreslog att man använder fokusgruppsmetoden för att bedöma kundlojalitet. Detta är en djupintervju i form av en serie gruppdiskussioner, under vilka deltagarna fokuserar på frågorna av intresse för forskaren för att få nödvändig information. Denna teknik låter dig bedöma effektiviteten av reklam och kundernas inställning till företaget, dess produkter eller varumärke.

Enligt metoden enligt J.J. Lambens forskning om kundlojalitet sker i flera steg:

studera kvaliteten på de viktigaste fördelarna med en produkt eller tjänst;
forskning om processen och kvaliteten på tjänsten;
studera det upplevda värdet av en produkt eller tjänst.

Konverteringsmodellen av J. Hofmeir och B. Rice syftar till att mäta graden av engagemang. De använde fyra mätvärden:

tillfredsställelse med varumärket;
tillgänglighet av alternativ;
valets betydelse
graden av osäkerhet i attityden, tvekan vid köp.

SERVLOYAL -modellen som ett heltäckande sätt att bedöma lojalitet

SERVLOYAL -modellen har kombinerat alla metoder för att bestämma nivån på kundlojalitet. Konceptet med modellen är samspelet mellan följande parametrar:

beteendemässiga aspekter;
aspekter av förhållandet;
kognitiva aspekter;
konativa aspekter;
affektiva aspekter;
aspekter av förtroende;
aspekter av engagemang.

Anmärkning 2

SERVLOYAL -modellen är utformad för att mäta klyftan mellan kundernas förväntningar och uppfattningar. De inhämtade uppgifterna används som en indikator på företagets framgång.

Den största fördelen med denna metod är att den passar alla moderna krav, eftersom modellen utvärderar olika indikatorer i ett komplex.

Men vissa forskare noterar kontroversen i denna modell. Det hävdas att kundernas förtroende och engagemangstatik är mer förutsägare för lojalitetsskapande än lojalitetselement. Dessutom uppstår svårigheten att bedöma i det faktum att köparnas beteende kan bedömas över en viss tid, medan lojalitetselementen (förhållandeparametrar) bedöms vid en viss tidpunkt. Detta indikerar behovet av att harmonisera dessa komponenter.

Kundlojalitetsbedömning baserad på NPS -modellen

NPS -tekniken utvecklades av F. Reicheld. Enligt hans åsikt är en verkligt lojal kund en som aktivt annonserar en produkt / varumärke för sina vänner och bekanta, lämnar positiva recensioner och lockar nya kunder. Samtidigt är rekommendationer ett visst ansvar som en lojal kund tar på sig inför sin miljö, eftersom han personligen garanterar varornas kvalitet och servicenivå.

Anmärkning 3

Kärnan i den här modellen är att kunderna bara får en fråga: Vänligen betygsätt på en skala från 0 till 10 vad är sannolikheten för att du kommer att rekommendera vårt företag och våra produkter till dina vänner och bekanta? Svaren på denna fråga hjälper till att förutsäga potentialen för återkommande köp och ytterligare rekommendationer.

Avkodningssvar:

9-10 är promotorklienter;
7-8 - neutrala klienter;
0-6 är kritiska klienter.

NPS -index beräknas med följande formel:

NPS = Procentandel promotorer - Andel kritiker

Denna indikator beräknas som en procentandel och det optimala värdet är 40%. Till skillnad från andra värderingsmetoder används NPS -modellen i stor utsträckning av många företag, inklusive stora multinationella företag.

Kundlojalitet bör ses som en uppsättning parametrar som kännetecknar deras beteende (volym och konsistens i inköp) och uppfattningen av leverantören av varor och tjänster. För att mäta dessa parametrar krävs inte bara ackumulering av betydande mängder information om försäljning och kunder, utan också användning av olika databehandlingsverktyg. Som ett resultat leverantörer programvaruprodukter de bygger in olika mekanismer som gör det möjligt att samla in och generalisera information som är nödvändig för att analysera kundlojalitet och fatta nödvändiga ledningsbeslut. Låt oss överväga dem i exemplet med den nya (10.2) versionen av "Trade Management" -konfigurationen för "1C: Enterprise 8.0" -system.

E. Shuremov, doktor i ekonomi n.

Beteende lojalitet

Grunden för att mäta beteende lojalitet är försäljningsuppgifter. Trade Management -konfigurationen har olika verktyg för att samla och sammanfatta sådan data. I detta avseende är det nödvändigt att markera verktygen för att genomföra ABC- och XYZ-analyser som implementeras i den.

ABC -analys används för att klassificera kunder i tre grupper efter deras betydelse. Den första gruppen inkluderar de som tillsammans tar med sig huvuddelen av intäkterna (anlände). Den andra gruppen inkluderar dessa klienter inköp som relativt liten , men genererar ändå en betydande del av intäkterna. I den tredje gruppen ingår klienter som utför mindre eller engångsköp. Uppdelningen av kunder i grupper kan användas som en riktlinje för att fatta beslut om differentiering av rabatterna, produktkrediternas storlek, särskilda bonusar etc.

Kunder kan också klassificeras enligt stadierna i relationen med dem, till exempel potentiell, engångs, vanlig och förlorad kund.

Om klienten gjorde ett litet antal inköp under analysperioden tillhör han klassen "Engångskund". När ett visst tröskelvärde för inköp överskrids går klienten till klassen stamkunder... Med hjälp av XYZ -analys implementerad i konfigurationen delas vanliga kunder in i tre underklasser, beroende på värdet på variationskoefficienten för den valda indikatorn (intäkter, vinst, antal inköp etc.), beräknat för en viss period av tid. Små värden på variationskoefficienten indikerar inköpsstabiliteten och därför hög beteendemässig kundlojalitet under det valda tidsintervallet. Höga värden indikerar tvärtom vissa problem i relationen med denna klient.

Ur bedömning av kundlojalitet är det särskilt intressant att studera relationshistoria med honom. Så, till exempel, enligt XYZ -analysdata som erhållits för olika perioder, är det möjligt att spåra dynamiken i kundernas rörelse från en kategori till en annan. Någon blir stamkund- hans lojalitet stiger, medan för någon tvärtom minskar lojaliteten och inköpen blir mindre stabila. I det senare fallet är det nödvändigt att vidta ytterligare åtgärder för att öka kundens intresse för relationen till företaget.

För att göra det lättare för användarna att lösa problemen med att kontrollera dynamiken i förändringar i kundernas beteende lojalitet i ny utgåva konfiguration "Trade Management" inbyggd i möjligheten att dokumentera och lagra historiken över förändringar i ABC- och XYZ -klassificeringen av köpare. Det här tillåter samla information om förändringar i kundbeteende lojalitet direkt i informationsbasen för systemet och underlättar dess analys med långa tidsintervaller.

Upplevd lojalitet

Vid bedömning av denna typ av lojalitet är huvudverktyget speciellt metoder för konsumentundersökning och behandling av relevanta personuppgifter ... Användningen av sådana verktyg, till exempel SERVQUALs servicekvalitetsbedömningsmetodik och dess sorter, kan ge intressanta och praktiskt viktiga slutsatser. Så, till exempel, enligt uppgifterna olika studier tillfredsställelse påverkar inte lojaliteten direkt: missnöje garanterar illojalitet, men endast maximal tillfredsställelse garanterar lojalitet. Samtidigt är det mycket troligt att delvis nöjda kunder byter leverantör. Och detta trots att deras beteende (volymer och konsistens av inköp under denna period) tycks indikera lojalitet.

Kundundersökning kräver insamling och behandling av betydande mängder information. Därför är regelbunden användning av metoder som SERVQUAL endast möjlig när frågeformulärsprocessen läggs på industriell basis och stöds av informationsteknik.

Med tanke på denna omständighet är specialverktyg inbyggda i den nya utgåvan av Trade Management -konfigurationen, till exempel verktyg för att automatisera bildandet av frågeformulär, deras distribution och ta emot resultat av e-post... För att göra detta finns det möjlighet att skapa och lagra listor med frågor och vanliga frågeformulär, automatisk distribution av frågeformulär enligt specificerade listor, urval av frågeformulär som skickas av kunder från e-postflödet, deras registrering och analys av resultaten av enkäten.

Således tillhandahåller "Trade Management" -konfigurationen för "1C: Enterprise 8.0" mjukvarusystemet marknadsföringstjänster Företagen har utvecklat verktyg som är nödvändiga för att analysera kundlojalitet och utveckla ledningsbeslut som syftar till att effektivisera interaktionen med dem.

Numera känner nästan alla företag igen högt värde lojala kunder. Många (från bulkvaruföretag till bank- och transport- och logistikleverantörer) försöker implementera lojalitetsprogram eftersom det är allmänt accepterat att behålla gamla kunder är billigare för ett företag än att locka nya. Kostnader sparas på reklam, på olika kampanjer för marknadsföring av varor och tjänster, på ersättning till försäljningsagenter som uppmuntras att locka nya kunder etc. Och lojaliteten i sig blir ett av de viktigaste kriterierna för affärsframgång.

Lojalitetens betydelse som konkurrensfaktor bekräftas av specifika statistiska uppgifter. Enligt FF Reikheld (kurator för programmet "Loyality Practice" från konsultföretaget Bain & Company och författare till boken "The Loyalty Effect") minskar en låg lojalitetsnivå i affärsmiljön prestationsindikatorer ekonomisk aktivitet med 25 - 50%, och ibland mer. En ökning med lojal kundbehållning med 5%, beroende på bransch, innebär en ökning med 25% till 100% i värdet av inköp som görs av den genomsnittliga shopparen. Och i de flesta branscher ökar vinsten från varje kund i takt med att deras relation till företaget ökar. Som regel är det nödvändigt att locka till sig flera nya för att kompensera för förlusterna från en gammal klient som har lämnat.

Det finns dock få platser där det finns ett fullfjädrat arbetsprogram för att behålla kunder och locka nya. I de flesta fall handlar alla företags handlingar om de så kallade direkta incitamentsmetoderna som riktas till alla kunder: periodisering och avskrivning av bonusar, fördelning av rabatter och engångskampanjer. Uppenbarligen uppnås i alla dessa fall det önskade målet inte fullt ut. Enstaka transaktioner tillåter inte regelbundet att arbeta med lojalitet, och fördelningen av rabatter till alla utan att ta hänsyn till behov och intressen leder till förluster. Rabatter måste ges till kunder baserat på deras värde för företaget, annars kan kostnaden för att behålla dem överstiga intäkterna från att arbeta med dem. Dessutom bestäms inte bara kundernas engagemang för ett visst företag aktiv handling handelsföretag på deras behållning och användbara personliga erbjudanden, men också helt olika faktorer, bland vilka vi kan notera: butikens läge, priset på varor, deras kvalitet, servicenivån etc. Och, som erfarenhet av utländska företag har visat, metoder för direkt kundbelöning leder ofta till att göra engångsköp och motiverar inte konsumenten att förbli kund hos ett visst företag i framtiden.

Följande historia kan nämnas som ett exempel. Flygjätten British Airways lanserade en gång en kampanj och delade ut 5 000 prisbiljetter den 10 juni. Konkurrenten Virgin Atlantic hindrade alla ansträngningar genom att annonsera: "Att flyga till London till det lägsta priset är vanligt för Virgin. Ta ett British Airways -flyg den 10 juni. Vi ser fram emot att se dig ombord på Virgin Atlantic resten av dagen."

Komplexiteten i att lansera ett lojalitetsprogram

När företagsledningen kommer fram till att något måste ändras i deras arbete med kunder och beslutar att starta ett lojalitetsprogram, är det nödvändigt att besvara många svåra frågor för att starta och efterföljande fullvärdiga funktioner:

Vem är din klient, vilka segment är de indelade i och vad gör ett segment annorlunda från ett annat?
Vilka faktorer påverkar beteendet, vad är konsumtionsmönstret?
Genom vilka kanaler kan de påverkas, vad är avkastningen från detta?
Hur mäter man lojalitet, vilka faktorer indikerar en förändring i trender?
och mycket mer...

Komplexiteten i detta problem är sådan att varje försök att lösa det med improviserade medel, "på knäet", är dömt till misslyckande. Som nämnts ovan löser företagen för närvarande faktiskt lojalitetsproblemet bara genom att förenkla algoritmen så mycket som möjligt, till exempel genom att ta ut rabatter till alla kunder. Men i det här fallet betyder enklare inte bättre.

Enligt "Maritz Loyalty Marketing", operatör av kundlojalitetsprogram, medför den ständiga minskningen av försäljningspriset för att öka antalet försäljningar detaljhandeln mer skada än nytta. Traditionella "priskrig" är nu ineffektiva eftersom konsumenten vill ha mer av säljaren än bara låga priser. Låga priser, massreklam och traditionell marknadsföring garanterar inte framgångsrik försäljning.

Därför är användningen av modelleringsmetoder det enda sättet att sätta igång processen, det vill säga att inte lösa ett engångsproblem, utan att starta en mekanism för systematisk ökning av lojalitet.

Låt oss överväga situationen med exemplet med kundsegmentering - ett av de viktigaste besluten i alla företag. Tanken är ganska enkel: kategorisera dina kunder och interagera med dem på olika sätt. Efter det kommer du att kunna presentera de varor och tjänster som bättre uppfyller deras behov för olika kunder. Idag är segmentering av konsumentmarknaden inte längre ett hjälpmarknadsföringsverktyg, det blir nyckeln till ett företags framgång.

Om vi vill bilda erbjudanden som är intressanta för företaget och attraktiva för kunderna, måste vi ta hänsyn till särdragen hos varje gruppsegment. Även för ett litet projekt för att öka lojaliteten är det nödvändigt att ta hänsyn till hundratals intressen olika grupper som är väldigt olika från varandra.

Till exempel, när vi utför segmentering efter kriteriet "Kön", får vi två segment - "Män" och "Kvinnor". Om vi lägger till attributet "Ålder" (säg, 5 grupper), får vi 2 * 5 = 10 segment. Om vi anger kriteriet "inkomst" (ytterligare 5 grupper) får vi 2 * 5 * 5 = 50 segment. Det är inte svårt att föreställa sig hur antalet segment ökar när ytterligare ett kriterium läggs till och hur mycket arbetskostnaderna för denna operation ökar, särskilt för handelsföretag, som samlar enorma mängder information om faktisk konsumtion som kan och bör vara används för att marknadsföra varor. Dessutom gör tekniska framsteg och tillgängligheten av Data Mining -metoder för närvarande det möjligt att göra detta.

Data Mining i direktmarknadsföring

Låt oss titta närmare på användningen av Data Mining -metoder med hjälp av exemplet på en av de mest populära metoderna för att öka lojaliteten - Direct Marketing. Generellt sett är direktmarknadsföring bildandet av riktade erbjudanden till kunder, med hänsyn till deras preferenser. Tanken bakom denna marknadsföringslinje är enkel: erbjud rätt produkt rätt personer v rätt tid och på rätt plats.

Du kan dela upp genomförandet av en direktmarknadsföringskampanj i följande steg (se bild 1):

Låt oss överväga hur du kan och bör använda Data Mining i vart och ett av dessa steg.

1. Segmentering av kundbasen

Eftersom en av de främsta fördelarna som företag kan dra av ett lojalitetsprogram är förmågan att fokusera på en specifik grupp kunder som ger mest värde, då viktig poäng För effektiviteten av deras incitamentsprogram finns det ett förfarande för att segmentera kundbasen och välja de mest attraktiva konsumenterna. Och sedan kan du bygga relationer med kunder i vissa segment som har gemensamma egenskaper. Detta gör att du kan skapa anpassade marknadsföringsprogram.

Med andra ord segmentering målgrupp och undersöker dess behov - måste -ha objekt. Om du misslyckas med att locka kunder fungerar lojalitetsprogrammet helt enkelt inte.

Men segmentering av kundbasen baserad på primitiva regler, till exempel kön + ålderskombinationer, återspeglar inte den verkliga komplexa strukturen hos kunderna. Det är klart att preferenser påverkas av många andra faktorer i mycket komplexa kombinationer, allt från kundernas geografi och till exempel slutar deras genomsnittliga årsinkomst. För att bygga segmenteringsmodeller av hög kvalitet är det nödvändigt att gå bort från primitiva grupperingsmetoder och använda adekvata flerdimensionella och företrädesvis självlärande datagruvsegmenteringsalgoritmer, till exempel Kohonen-kartor, som inte bara tillåter segmentering av objekt utan även visualisering av dess resultat med hjälp av flerdimensionell projektion. I figur 2 kan du se de inbyggda kartorna, där kunderna är indelade i 4 segment (kluster), beroende på deras preferenser inom mat, alkohol och tobak och tid för shopping.

2. Välja målgrupp

När du säljer varor och tjänster är det mycket viktigt att förstå vem som blir slutkonsument, därför är nyckelpunkten för direktmarknadsföring att skapa en lista över kunder som kan vara intresserade av en viss produkt eller tjänst, det vill säga att välja målgrupp för specifika åtgärder. Rätt val kan ge utmärkta resultat, d.v.s. åtgärdernas effektivitet kan öka flera gånger.

Därför, efter att ha identifierat segmenten, är det nödvändigt att analysera dem:

Uppskatta dimensioner och statistiska egenskaper.
Beräkna segmentens ekonomiska egenskaper, deras potential, attraktionskraft, utsikter.
Förstå vilka egenskaper som definierar intressanta segment, hur de skiljer sig från resten.
Bestäm vilken strategi som är bäst att använda för varje segment: kostnadsbesparingar, korsförsäljning, uppförsäljning eller något annat.

Data Mining -verktyg tillåter inte bara segmentering utan också att tolka resultaten som erhållits med hjälp av specialiserade visualiseringsmekanismer (se fig. 3).

3. Bildande av riktade erbjudanden

Uppenbarligen, ju mer exakt du kan förutsäga vilken produkt eller tjänst som kommer att vara av intresse för representanter för varje segment, desto större effekt kan förväntas från riktade samtal. Välformade erbjudanden ökar lojaliteten och lönsamheten, och analfabeter som är förberedda gynnar inte bara, utan irriterar också kunderna. Data Mining -verktyg inkluderar algoritmer, till exempel associeringsregler, för att automatiskt hitta relationer mellan produkter och generera erbjudanden som en kund sannolikt kommer att svara på (se figur 4). I figur 4 kan du se ett exempel på hur associeringsregler fungerar: de varor som anges i fönstret "Utredning" kommer att köpas tillsammans med de redan valda varorna (fönstret "Villkor") med sannolikheten som anges i kolumnen "Förtroende" .

4. Analys av kundrespons

Kundnöjdhetspoäng är en annan viktig komponent i alla marknadsföringsprogram. Genom att spåra svar kan du identifiera de mest produktiva metoderna. Den enda förekomsten av riktade förslag, till och med de som bildats med hjälp av analysalgoritmer av mycket hög kvalitet, garanterar trots allt inte det önskade svaret. varje ekonomisk process påverkas av en enorm mängd fakta. Därför är det efter varje marknadsföringsåtgärd nödvändigt att analysera svaret på det, för att identifiera orsakerna som påverkar processen. Även negativa svar och skäl för vägran bör beaktas för att undvika misstag i framtiden. I arsenalen för Data Mining finns algoritmer som låter dig utvärdera påverkan av faktorer, för att hitta mönster, till exempel beslutsträd.

5. Utvärdering av lojalitetsprogrammets effektivitet

Det finns ganska många misslyckade lojalitetsprogram. Men huvudproblemet är inte att programmet misslyckas, men att det ofta inte är någon som övervakar dess arbete. Och redan vet ingen hur effektivt det är och om det finns någon mening i det alls, eftersom det inte finns någon fullständig kontroll och analys av dess genomförande.

Med andra ord räcker det inte med att ett företag har ett utvecklat system för att öka lojaliteten; det behöver också medel för att övervaka dess effektivitet, eftersom lojalitetsbedömning är en svår uppgift som inte kan reduceras bara till att beräkna den genomsnittliga kontrollen. De nödvändiga statistiska uppgifterna bör samlas i ledningssystemet så att företagets ledning i framtiden kan få en analys av systemets effektivitet, uttryckt i monetära termer och för att öka antalet kunder.

För att bedöma effektiviteten hos ett lojalitetsprogram är det nödvändigt att tillämpa metoder som tar hänsyn till olika aspekter av beteende: inköpsfrekvens, tidpunkt för den senaste transaktionen, svar på erbjudanden, konsumtionsstruktur etc. Använda data Gruvmetoder i samband med olika metoder analys och statistisk behandling av data för att bedöma effektivitet kan du tillämpa subtila lojalitetskriterier, till exempel övergången av en klient från segmentet "lojala kunder" till "illojala" och tillbaka.

Till exempel visar figuren nedan lojalitetsbedömning med RFM -analys (RFM -analys är baserad på följande egenskaper kundbeteende: Nyhet - förskrivning av eventuella kundåtgärder, Frekvens (frekvens eller kvantitet) - antalet åtgärder som kunden utförde, Monetär (pengar) - summan av pengar som kunden spenderade).

Framgångsfaktorer

Så för närvarande är det omöjligt att uppnå hållbar tillväxt i företaget och den planerade lönsamheten i försäljningen utan att skapa en stor grupp vanliga kunder. Orsakerna till detta är ganska enkla: intensiv konkurrens och ett ökat antal erbjudanden inom service- och handelssektorn ställer särskilda krav på att göra affärer. Och på motsvarande sätt, kundbas- en av företagets värdefulla tillgångar. Därför blir kundlojalitet ett av huvudkriterierna för affärsframgång.

Numera, i nästan alla sektorer i branschen, strävar företagen efter att ha lojalitetsprogram för alla eller några av sina kunder, de är marknadsföringsverktyg, som syftar till att optimera företagens relation till kunder. Men, å andra sidan, lojalitetsprogram kräver behandling av stora mängder data, finjustering för kunden, redovisning och analys av heterogena data (det är inte alltid ens klart vad man ska analysera och om det finns åtminstone ett samband mellan det pågående kundbehållningsprogrammet (eller programmen) och fluktuationer i omsättningar, försäljningsvolymer etc.), automatisk generering av relevanta förslag och mycket mer, som verkligen bara kan uppnås när man använder Data Mining -metoder.

Därför kan små företag klara sig utan komplexa verktyg för att uppnå ett bra resultat, men stora organisationer bör också aktivt använda Data Mining. I deras fall är bara enkla, primitiva metoder för att ta hänsyn till kundernas behov inte tillräckligt effektiva.

Att bygga lojalitet är naturligtvis en komplex och komplex uppgift som går mycket längre än modellbyggnad och analys. Det är nödvändigt att lösa många andra uppgifter: från korrekt redovisning av data (till exempel med hänsyn till historiken för relationer med kunder) och slutar med att övervaka och utvärdera personalarbetet, för att inte tala om den kompetenta utvecklingen av själva konceptet av lojalitetsprogrammet.

Det är dock analysen som är "hjärnan" för hela komplexet. I avsaknad av korrekt analys kommer all information som samlas in att ligga i vikt och kommer inte att tillåta omvandling av kunddata till kunskap om dem som kan ge ytterligare inkomst. Och det är osannolikt att det skapade lojalitetsprogrammet under sådana förhållanden kommer att bli ett verktyg som kan bli det mest effektiva i marknadsföringsblandningen av ditt företag.

Mätning och utvärdering är grunden för varje företag. Utvärdering visar vad företaget tänker och gör. Och valet av indikatorer för att mäta lojalitetsnivån förutbestämmer medarbetarnas tänkande och chefernas ytterligare åtgärder.

Studiet av personallojalitet dikteras av behovet av att motstå de senaste årens negativa trender, som medför förlust av vinst och företagets konkurrenskraft. Det är oerhört viktigt att förstå detta särskilt för ryska företag.

Eftersom en konkurrenskraftig miljö ännu inte har bildats i den ryska ekonomin, uppmuntrar ägare och arbetsgivare att göra nödvändiga ansträngningar för att utvärdera och stärka personallojalitet.

Men världserfarenhet visar det under instabila förhållanden marknadsekonomi, det är just de företag som överlever som ständigt tar hand om lojaliteten hos sin personal. Hängivenhet, förstått som den högsta personalen till företaget där de arbetar, och viljan att stödja det i svåra tider är ett integrerat och huvudresultat av hela ledningens arbete och särskilt personalavdelningen.

De viktigaste verktygen för att undersöka personallojalitet.

Tre metoder har blivit de viktigaste verktygen för att forska om lojalitet hos personalen:

1. Skalan för att mäta lojaliteten hos organisationens personal L.G. Pochebut och O.E. Drottningen.

2. Omfattningen av "organisatorisk lojalitet" D. Meyer - N. Alain.
Metoden "Skala av organisatorisk lojalitet" föreslogs av John Meyer och Natalie Allen (Meyer J. P. och Allen N. J.) 1990 i en version bestående av tre delskalor i enlighet med författarens trekomponentmodell med åtta frågor vardera.

I enlighet med modellen skiljer författarna tre tillvägagångssätt för lojalitet som förklarar arten av förhållandet mellan medarbetaren och organisationen, vilket minskar sannolikheten för frivillig anställd att lämna organisationen: känslomässig anknytning till organisationen, medvetenhet om de kostnader som är förknippade med lämnar organisationen och en känsla av engagemang för organisationen.

ENPS Employee Net Loyalty Index

ENPS eller medarbetarnas Net Promoter Score är ett index över netto anställdas lojalitet, så att du kan bedöma deras tillfredsställelse med företaget.

Med andra ord, är anställda nöjda med sitt arbete i ditt företag och är engagerade i gemensam utveckling, eller är de besvikna över samarbetet och är redo att byta till en annan arbetsgivare så snart ett bättre erbjudande dyker upp på marknaden.

Referens:
Net Promoter Score är en relativt ung metod för att bedöma affärsframgångar. År 2003 presenterades det som mycket enkelt och snabbt sätt identifiera kundlojalitet. Frederick Reicheld, en amerikansk marknadsförare som har publicerat många verk om kundlojalitet, föreslog att mäta kundlojalitet genom att fråga dem om deras vilja att rekommendera en produkt, tjänst eller varumärke till sina vänner och släktingar. En nyhet i denna teknik är att klienten uppmanas att betygsätta hur säker han är på produkten för att "sätta på linjen" sitt rykte i ögonen på dem vars åsikt är viktig för honom.

Under de senaste tio åren har denna metod fått världsberömmelse, den har antagits av internationella företag som American Express, Procter & Gamble, Amazon, Apple, Philips, Sony.

Bland Ryska företag NPS mäts av telekommunikationsföretag (MTS, Beeline, MegaFon, Dom.ru), Försäkringsbolag(Ingosstrakh, Rosgosstrakh), banker (Alfa-Bank, Home-Credit), många restaurang- och hotellföretag.

Fler och fler företag implementerar detta index som en nyckelindikator för deras resultat och även för att bedöma lojaliteten hos företagets anställda till företaget.

Hur beräknas eNPS -index?

Medarbetarnas tillfredsställelse bedöms genom att ifrågasätta anställda i två frågor.

Det andra är "Vad är huvudorsaken till denna bedömning?"

Efter undersökningen analyseras resultaten.

För analys av en anställd är företagen villkorligt indelade i tre grupper:

Arrangörer - anställda som gav betyget 9 eller 10. Det vill säga anställda som är lojala mot företaget, agerar i dess intressen och är redo att rekommendera det till sina vänner.

Neutrala är anställda som gav poängen 7 eller 8. Det vill säga de som inte är på humör att rekommendera det till sina vänner eller bekanta. Neutralerna är oftast passiva medarbetare, som i princip är redo att byta företag.

Kritiker är anställda som betygsatt det i intervallet från 1 till 6. Det vill säga att de som är besvikna över arbetet i företaget är mer benägna att aktivt leta efter ett alternativ och kommer aldrig att rekommendera det till sina vänner.

ENPS -poängär skillnaden mellan andelen promotorer och kritiker. Följaktligen, ju fler dina anställda är promotorer, desto starkare är ditt företags ”grund” och desto fler förutsättningar har det för aktiv tillväxt och utveckling.

Enkelt uttryckt är formeln för att beräkna eNPS följande:
(antal promotorer - antal kritiker) dividerat med (antal respondenter) och allt multiplicerat med 100.

Exempel: Du har fått 100 svar på din undersökning.
10 svar varierade från 0 till 6 ("kritiker");
20 svar varierade från 7 till 8 (“neutrala”);
70 svar varierade från 9 till 10 ("promotorer").

Att beräkna procentsatserna för var och en av grupperna ger dig 10%, 20%respektive 70%.

Subtrahera 10% ("kritiker") från 70% ("promotorer") och du får 60%. Eftersom eNPS alltid visas som ett heltal och inte i procent, är din NPS bara 60.

Vilken information ger NPS -indexet?

Ett index med ett plustecken indikerar förekomsten av lojala medarbetare framför kritiker.

Följaktligen, ju högre index, desto mindre personalomsättning kommer du att ha och sannolikheten att "stark" personal kommer till företaget, baserat på rekommendationer från befintliga anställda.

Om indexet är 0 eller tar ett negativt värde blir situationen kritisk. Aktiva och värdefulla medarbetare kan lämna snart, och då blir det problem med att anställa ny personal, baserat på eventuell negativ feedback om ditt företag.

Observera att problem i företaget ofta uppstår på grund av den låga lojaliteten hos anställda, som företaget har instruerat att upprätthålla direktkontakt med kunderna.

ENPS -indexet gör att du objektivt kan bedöma hur ditt företag är redo för aktiv utveckling och tillväxt vid något tillfälle av dess existens.

Med trendiga svar på den andra frågan kan du svara snabbt på frågor företagskultur, motivationsverktyg, arbetsglädje etc.

Regelbunden mätning av eNPS -nivån ger dig en uppfattning om stämningen i teamet, gör att du kan bedöma företagets och anställdas stabilitet, medarbetarnas tillfredsställelse med ditt företags policy, betalningsnivån, socialt paket etc.

Analys av eNPS-index bidrar till att bygga en relationskultur inom företaget av hög kvalitet, organisera en tydlig teamstruktur och utveckla en strategi inom personalutveckling.

En låg lojalitetspoäng för företagsanställdas deltagande i beslutsfattandet indikerar en hög sannolikhet för motstånd mot förändringar som företagets ledning kommer att försöka genomföra;

Med ett lågt lojalitetsindex är medarbetarna inte så lojala mot företaget som att dela med sig av riskerna med att välja en aktiv konkurrensposition för företagets tillväxt / expansion inom en snar framtid;

Personalutvecklingsprogrammet måste samordnas med strategiska mål företag.

Slutsatser:

Regelbunden mätning av eNPS-nivån gör att du objektivt kan bedöma lojaliteten och tillfredsställelsen hos ditt företags anställda och som ett resultat av teamets vilja att följa med dig till långsiktiga mål.

Vilket är direkt relaterat till ökningen av vinster och ökningen av företagets effektivitet!

1. Anställdas lojalitet är inte en abstrakt indikator, utan en kraftfull drivkraft!

2. Personallojalitet måste mätas och övervakas!

Referens:
Enligt forskningsresultaten från NAFI Analytical Center, som genomfördes 2016, är endast 15% av de anställda i ryska företag redo att rekommendera sin arbetsgivare till vänner och 62% är inte nöjda med sin arbetsplats. Den genomsnittliga NPS är -47 poäng.

Praktiska rekommendationer för att skapa arbetsgivarattraktivitet på arbetsmarknaden.

1. Bildande av en intern bild med hjälp av företagsvärderingar, ritualer, mission och bildandet av ett enda samhälle "Vi".

2. Utveckling av åtgärder för att förbättra det interna kommunikationssystemet, konstant övervakning av konfliktnivån.

3. Utveckling av åtgärder för att främja företagets tjänster, bygga upp långsiktiga konsumentpreferenser, utveckla marknadsföringskampanjer och kampanjer som syftar till att skapa efterfrågan.

4. Använda uppdragets potential, värderingar och normer för företaget för att skapa bilden som en resurs som kan skapa organisationens individualitet, öka bildens effektivitet för att bilda lojalitet för både företagets anställda och externa målgrupper.

Tips för att arbeta med NPS Customer Loyalty Index: hur man provar användare, vilka verktyg man ska använda för att genomföra undersökningar och hur man analyserar resultaten.

Under mitt sista år på LinkedIn blev jag en riktig evangelist för att använda NPS Consumer Loyalty Index som en Key Performance Indicator (KPI). NPS kompletterade vårt perfekt standardsats förvärvs-, lagrings- och intäktsgenereringsindex och har blivit ett mått som hjälper till att förbättra produktkvalitet och värde för konsumenterna.

Vem uppfann NPS

Net Promoter Score (NPS) 2003 uppfanns av Fred Reicheld från Bain & Company. Jag rekommenderar alla som är intresserade av detta nummer att läsa hans artikel The One Number You Need to Grow, publicerad i tidningen Harvard -verksamhet Recension.

Fred hävdade att NPS Index utför lika bra som långa kundnöjdhetsundersökningar. För det första innebär NPS bara en fråga, och för det andra korrelerar det väl med företagets långsiktiga tillväxt.

Hur NPS beräknas

Du måste ställa dina kunder en enkel fråga: "Hur trevligt är det för dig att rekommendera vårt företag till dina vänner eller kollegor?" Svaret är ett tal från 0 till 10. Som ett resultat är respondenterna indelade i supportrar för din produkt (9-10 poäng), neutrala konsumenter (7-8 poäng) och kritiker (0-6 poäng).

För att få NPS -index, subtrahera andelen kritiker från andelen anhängare. Antalet kan variera från -100 (om alla undersökta användare är kritiker) till +100 (alla supportrar). En NPS som är större än noll anses vara bra, och ett poäng på +50 indikerar utmärkt lojalitet.

Ytterligare frågor

Förutom huvudfrågan kan du ställa öppna frågor till kunder som: "Varför gav du företaget en sådan bedömning?" Denna metod gör NPS inte bara ett mått på din nuvarande framgång, utan också en grund för att förbättra framtida prestanda.

Det kan också vara till hjälp att fråga köpare hur villiga de är att rekommendera liknande eller alternativa konkurrentprodukter. Detta gör att du kan korrelera din NPS med index från andra tillverkare. Tänk bara på att dessa resultat inte kommer att vara tillräckligt objektiva: istället för att undersöka ett slumpmässigt urval potentiella konsumenter(inklusive de som väljer konkurrenter), överväger du redan etablerade egna användare.

Du bör tänka noga innan du ställer ytterligare frågor till dina kunder om orsakerna till deras betyg: naturligtvis hjälper det dig att bättre förstå situationen, men samtidigt kommer det att minska svarshastigheten avsevärt. Du måste i alla fall kompromissa.

Metoder för insamling av uppskattningar

För onlineprodukter utför NTS -utvärderingar vanligtvis antingen e -postundersökningar eller anger påminnelsestips i produktkvittosprocessen. För att öka din svarsfrekvens är det viktigt att täcka både stationära och mobila versioner av din produkt. Du kan skapa ett undersökningsverktyg själv, men jag brukar rekommendera att använda något av följande färdiga lösningar som stöder insamling och analys av svar mottagna över alla kanaler och över alla gränssnitt, till exempel SurveyMonkey.

Ett av problemen med sådana undersökningar är den uppenbara snedvridningen mot mer engagerade köpare, eftersom de som är missnöjda med produkten troligtvis inte heller kommer att svara på nyhetsbrev. Nedan kommer vi att prata om hur man hanterar detta.

Provtagning för NPS

Det är mycket viktigt att varje NPS -undersökning utförs på ett slumpmässigt, representativt urval av konsumenter. Vi stötte ofta på att respondenterna inte riktigt var slumpmässiga. Det finns till exempel en stark korrelation mellan NPS -resultat och engagemang eller tid som en kund använder en produkt. Försök att prova engagemanget och produktens livslängd för hela din användarbas.

Röstningshastighet

I början, stor betydelseär storleken på din användarbas. Ju mindre det är, desto större urval kommer du att behöva undersöka och desto längre tid tar det tills du får tillräckligt med svar. Detta sätter gränser för starttiden för nästa omröstning.

För det andra kan undersökningsfrekvensen relateras till produktutvecklingscykeln. Det är produktförbättringar som driver NPS -tillväxt, så din undersökningsfrekvens bör bero på hur snabbt du itererar.

NTS är en eftersläpningsindikator. När du har implementerat ändringarna i användarupplevelsen tar det lite tid för kunderna att känna dem och sedan reflektera dem i sina betyg.

Vi på LinkedIn fann att den bästa undersökningsfrekvensen är kvartalsvis, vilket är i linje med vår kvartalsvisa produktplaneringscykel. Detta tillät oss att få ut det mesta färska bedömningar innan nästa kvartalsplanering påbörjas. Vi kunde snabbt svara på resultaten av våra undersökningar när vi utarbetade nästa färdplan.

Analytiskt team

Om du använder NPS för att förbättra din användarupplevelse är det vettigt att dela undersökningsdata med alla som är involverade i produktutveckling.

På LinkedIn inkluderade vi i NPS -teamet inte bara produktchefer, utan också de som var inblandade i produktmarknadsföring, marknadsundersökning och affärsverksamhet. Varje kvartal delade vi våra upptäckter med hela FoU -teamet. Naturligtvis beror mycket på hur din produktutveckling är organiserad, men det är fortfarande viktigt att rätt intressenter är involverade i denna process från början.

Kommentaranalys

Att granska användarkommentarer och svar på öppna frågor är den mest användbara delen av NPS-analysen. En gång i kvartalet, efter varje undersökning, läste vi klienternas svar och kategoriserade alla för- och nackdelar som påträffades i dem.

Baserat på denna kategorisering har vi sammanställt förslag på hur man kan förbättra användarupplevelsen och eliminera smärtpunkter. Att läsa varje kommentar kan verka skrämmande, men det kan inte ersätta att lyssna på varje kunds röst och lära sig hur de formulerar sin upplevelse med produkten.

Anhängares beteende

Vi lägger mycket tid på att undersöka negativ feedback och lösa problemen som är förknippade med det, men vi har funnit det lika användbart att förstå detaljerna i positiv användarupplevelse.

När vi jämförde NPS -resultat med kundbeteende strategi (registrering, sökning, profilvy) såg vi en signifikant korrelation mellan vissa åtgärder med produkten och högre NPS. Så här belyste vi de ögonblick då kunderna verkligen gillade att använda produkten. Och sedan fokuserade vi på produktoptimering för att få så många användare från vår bas som möjligt till denna punkt.

Det enklaste sättet att uppnå detta är att undersöka varje större aktivitet med din produkt och se om det finns tydliga korrelationer med NPS -poängen.

Metodik

Vi fann att NPS var känslig för metodiska förändringar. Därför är det viktigt att vara mycket konsekvent i undersökningsmetoden. Frågornas ordning och listan över konkurrenter du ställer om frågor. Själva provtagningssättet spelar också roll. Ändra din metod så lite som möjligt.

Säsongsmässighet

NPS -resultat påverkas av säsongsfaktorer. Vi har sett det här själva och har hört att detta gäller även andra företag. För att minimera säsongseffekten är det vettigt att jämföra årliga snarare än kvartalsvisa förändringar. Åtminstone bör du vara medveten om hur det kan påverka dina betyg.

NPS -begränsningar

NPS är ett effektivt mått för att förstå användarlojalitet och utveckla en handlingsplan för att öka den, men denna metod har begränsningar att tänka på.

1. Den relativt låga frekvensen av NPS -resultat gör det till ett dåligt operativt mått för att spåra dina dagliga aktiviteter. Fortsätt därför att använda dina nuvarande verktyg för förvärv, lagring och intäktsgenerering för att spåra pågående prestanda, genomföra A / B -tester och andra typer av optimering.

2. Felmarginalen för NPS -resultat beror på din provstorlek. Det är viktigt att vara medveten om detta och inte oroa sig för små avvikelser i resultaten av två på varandra följande tester. Klassiska verktyg som engagemangsmätvärden ställer inga stora provkrav, och deras felmarginal är mycket mindre.

3. NPS -analys är inte alls ett substitut för din produktstrategi. Detta verktyg ger bara en förståelse för hur kunderna uppfattar produkten och vad som exakt ska optimeras för att bättre genomföra en befintlig strategi.