2.4.4. Построение диаграммы деятельности. Ранжирование клиентов

Анализ клиентской базы. Как организовать провести многофакторный маркетинговый анализ клиентов.

Чего хотят клиенты? Как обеспечить долгосрочное сотрудничество? Кто из текущих заказчиков приносит основной доход, а кто просто тратит ваше время? Как достичь конкурентного преимущества? Ответить на эти вопросы можно, только проведя тщательное изучение своих клиентов.

Зачем нужен анализ клиентской базы

В основе успешности любой компании лежит правильная стратегия работы с клиентами. Бизнес растет по мере увеличения клиентской базы и укрепления взаимоотношений с потребителями. Удовлетворение потребностей клиентов становится ключевым фактором обеспечения и поддержания конкурентоспособности компании.

В связи с этим, все более актуальной становится задача знать своего клиента «в лицо», иметь полное представление о том, что, когда и в каком объеме он покупал и насколько удовлетворен Вашим сотрудничеством. Данная информация позволяет прогнозировать покупательское поведение и определять перспективы дальнейшего развития отношений. Другим важным вопросом для бизнеса становится эффективное распределение ресурсов, затрачиваемых на привлечение и удержание покупателей.

CRM система с функцией анализа клиентской базы. Управляйте бизнес процессами, анализируйте эффективность продаж! Подробнее о системе >>

Как известно, не все клиенты одинаково полезны. Известное правило Парето, закономерность, которую вывели в середине прошлого века, гласит, – только 20% имеющихся клиентов обеспечивает 80% общей прибыли. Современные расчеты зачастую показывают немного иные результаты, но исходный смысл сохраняется: работа с меньшей частью клиентов обеспечивает большую часть прибыли.

Анализ данных по продажам помогает оценить «вес» каждого клиента, определить его ценность для компании. После подведения результатов можно планировать дальнейшие действия по развитию или прекращению сотрудничества с тем или иным заказчиком.

Зачем нужен анализ клиентской базы

CRM система увеличивающая продажи. Управляйте бизнес процессами, анализируйте эффективность продаж! Подробнее о системе >>

Способы и цели анализа клиентской базы

Для проведения анализа, прежде всего, определите конкретные цели, какие данные вы хотите получить на выходе. К примеру, целями анализа могут выступать:

- Выявление наиболее ценных клиентов по выручке- Оценка клиентов с точки зрения частоты совершаемых покупок- Динамика перехода новых клиентов в категорию постоянных- Ценообразование, расчет скидочных и бонусных программ - Оценка рентабельности клиентов и другие

После того, как цель сформирована, выбирается методология и инструмент анализа клиентской базы.

Виды анализа клиентской базы

1. Recеncy Frequеncy Monеtary (RFM-анализ). Данный анализ клиентской базы используют для ее сегментации и прогнозирования поведения клиентов, исходя из их прошлых действий. ключевых оптимизации ассортиментного портфеля компании, исходя из частоты обращения. Его применяют, чтобы классифицировать клиентов. Суть данного анализа состоит в ранжировании клиентов по трем показателям:

- Recency (новизна) – выявление новизны какого-либо события; - Frequency (частота или количество) – выявление количества покупок, совершаемых клиентом;- Monetary (деньги) - выявление выручки от реализации товара.

В основе данного анализа лежит утверждение, что клиент, совершивший покупку недавно или/и тратящий на ваши товары/услуги много денег, более лоялен к вашей компании и заинтересован в развитии взаимоотношений.

2. ABC-анализ клиентов. Этот распространенный метод позволяет грамотно классифицировать клиентов по степени их важности. Руководствуясь принципом Парето (20% к 80-ти%), ABC-анализ делит клиентскую базу на три категории:

- А – самые ценные – 75%;- В – относящиеся к промежуточным – 20%;- С – наименьшей ценности – 5%.

В результате данного анализа вы узнаете, какие клиенты имеют для вас первостепенное значение, а какие нет, и разработать эффективную тактику работы с каждой группой. Данный метод применим не только для анализа клиентской базы, читайте также ABC анализ продаж.

Полученные данные и их применение

В процессе проведения комплексного анализа клиентской базы выявляется множество данных, посредством которых оценивается результат работы с клиентами, а также работа сотрудников. Эти данные можно считать наиболее полными, если проведенный анализ включает в себя:

финансовые показатели: прибыль, объем и количество заказов;
внутреннюю оценку качества проведенной работы - оценка рентабельности задействованных ресурсов, учтены ли сроки, было ли опоздание поставок;
внешнюю оценку качества: удовлетворены ли клиенты полученной продукцией или оказанными им услугами; анализ проводится путем опроса.

Анализ клиентской базы в онлайн-программе Класс365

Наиболее удобным и эффективным инструментом аналитической работы с клиентской базой в настоящее время являются автоматизированные CRM-системы, открывающие широкие возможности проведения различных видов анализа и представления результатов в нужных форматах.

CRM-система Класс365 включает преднастроенные отчёты, формируемые в один клик – анализ клиентской базы, «воронка продаж», ABC-анализ, текущие проекты с заказчиками, отчёты по эффективности работы сотрудников и другие. Также в системе реализована возможность простой настройки отчётов по любым параметрам, исходя из задач пользователя.

Класс365 функционирует как веб-сервис, что позволяет разъездным и удаленно работающим сотрудникам иметь единый доступ ко всей необходимой информации и аналитическим инструментам для принятия обоснованных бизнес-решений. С возрастанием мобильности бизнеса и увеличением роли Интернета в работе с клиентами данные возможности Класс365 становятся ключевыми для достижения успеха. Попробуйте возможности онлайн-программы Класс365 уже сегодня абсолютно бесплатно!

Начните работу с Класс365 прямо сейчас!Вы больше не потеряете ни одного клиента!

class365.ru

Анализ работы с клиентами: эффективные методы, примеры

Ответить на вопрос, куда необходимо направить ресурсы, на чем сделать акцент в работе с клиентами — на удержании или привлечении, на повышении среднего чека или на возврате клиентов и частых сделках, — поможет АВС-XYZ-анализ.

В этой статье вы прочитаете:

Как провести анализ работы с клиентами
Почему большие единичные продажи могут быть опасны для бизнеса
Как скорректировать стретегию работы с клиентами
Как определить приоритеты работы с каждым клиентом

Анализ работы с клиентами необходим компаниям для того, чтобы выяснить, куда направить силы и как скорректировать стратегию работы с клиентами. АВС-XYZ-анализ – это один из самых простых и действенных инструментов, позволяющих выделить приоритеты в работе. Суть его заключается в том, что клиентский портфель делится на группы по определенным признакам, а затем определяется тактика работы с каждой из групп.

Суть и методы АВС-XYZ-анализа

Предметом АВС-XYZ-анализа могут стать как клиенты и дилеры, так и поставщики; как отдельные наименования продукции и товарные категории, так и собственные менеджеры по продажам. Мы сосредоточимся на анализе работы с клиентами. АВС-XYZ-анализ работы с клиентами и дилерами представляет собой два совмещенных метода: ABC- и XYZ-анализ. Первый из них помогает выделить категории клиентов по объему продаж (или по прибыльности), а второй — распределить их по частоте закупок.

ABC-анализ. Для его проведения всех клиентов компании надо ранжировать в зависимости от объема продаж. Как правило, выделяют три группы: A, B и C. Все данные по клиентам за год сводятся в таблицу Excel — в порядке убывания от наибольших объемов закупок к наименьшим. В группу А включаются клиенты, которые приносят вашей компании больше всего средств, в группу В — заказчики со средним объемом закупок, в группу С — те, кто покупает меньше всего.

Обычно распределение по группам проводится на основании правила Парето: 20% базы приносят 80% продаж. То есть на группу А должно приходиться 80% объема продаж, на группу В — 15%, на группу С — 5%. Соответственно, те верхние строки таблицы, на которые приходится 80% от общей суммы продаж компании за период, нужно отметить как клиентов группы А, а те нижние строки, сумма в которых составит 5% от общих продаж, — как клиентов группы С. Посередине останутся клиенты группы В.

Но, формируя группы, нужно учитывать «естественные границы». Это значит, что имеет смысл отступить от распределения по правилу Парето в некоторых случаях. Допустим, вы ранжировали всех клиентов по выручке и видите, что один из них купил продукцию на 1 млн руб., другой — на 980 тыс. руб., третий приобрел на 970 тыс. руб., а вот четвертый — уже на 630 тыс. руб. То есть наблюдается резкая разница между соседними цифрами. Тогда именно по этому разрыву и стоит провести границу между группами — между 630 тыс. и 970 тыс. руб.

XYZ-анализ. С его помощью можно оценить регулярность закупок (отгрузок) товара клиентами. При XYZ-анализе всех заказчиков также надо разбить на три группы: X — те, кто покупает часто, Y — регулярно, Z — нерегулярно. Для этого в таблице надо отразить периодичность продаж каждому клиенту. Советую разделить анализируемый период времени на отрезки. Если вы рассматриваете поступления за год, то таблицу лучше разбить на месяцы, отразив в каждом соответствующем столбце сумму продаж за этот период.

После нужно оценить, сколько у каждого клиента месяцев, на протяжении которых он вообще ничего не покупал. В группу X занесите тех, у кого нет таких периодов или они составляют от 0 до 15% — например, только один или два месяца из 12 прошли без закупок. В группу Y поместите компании, у которых такие интервалы составляют от 15 до 50%, например от трех до шести месяцев из 12; в группу Z включите всех остальных. Пример такой организации данных вы видите в таблице 1.

Пересечение методов. АВС-анализ без XYZ-анализа — совершенно бессмысленный инструмент. Допустим, вы видите, что один из клиентов за год принес огромную выручку и по этому признаку находится в категории А. Казалось бы, это ключевой клиент. Однако по XYZ-анализу может оказаться, что он сделал заказ лишь единожды. С таким партнером надо обязательно связаться и оценить перспективы дальнейшего сотрудничества. Возможно, его потребность в товарах вашей компании была разовой.

Если вы разбивали клиентов на три группы по двум признакам, то в итоге каждый из них будет относиться к одной из девяти категорий: AX, AY, AZ, BX, BY, BZ, CX, CY, CZ.

Для каждой группы стоит определить свои цели: например, для тех, кто покупает регулярно, но понемногу, это будет повышение среднего чека, а для тех, кто делает заказы редко, — увеличение количества сделок. Если в одной из групп оказывается сравнительно мало клиентов, стоит направить ресурсы компании на привлечение заказчиков именно этой категории. Имеет смысл вообще отказаться от группы CZ — тех, кто покупает очень мало и очень редко. Рекомендуется также вводить отдельную группу D — для явных аутсайдеров (с объемом продаж менее 2%).

От этих клиентов также стоит избавляться. Как показывает практика, сделки с такими заказчиками убыточны для компании. Напротив, на клиентов групп CY и CX, BZ и BY стоит обратить внимание, начать активнее контактировать с ними и поставить менеджерам по продажам планы по переводу этих заказчиков в более «высокую» категорию за счет увеличения частоты или объемов закупок.

Обратите внимание. Ориентироваться только на лидеров по выручке — ошибочно. Работа с крупными клиентами предполагает определенные риски для вашего бизнеса: большая длина сделки, серьезные скидки, немалые издержки и трудозатраты и при всем этом — минимальная маржа. Таким образом, состав вашего портфеля должен быть сбалансирован компаниями разных категорий, которые будут обеспечивать равномерное поступление денежных средств. Рекомендуемая периодичность анализа — ежеквартально, хотя можно проводить его и ежемесячно для максимально оперативной проверки.

Пример 1. ABC–XYZ-анализ для производителя обуви

Допустим, что ассортимент крупного производителя и реселлера обуви (условной компании «Альфа») включает в себя более 5000 наименований, а реализуют продукцию более 400 клиентов (дистрибьюторов). Чтобы определить перспективы работы с ними, мы провели подсчет и ранжирование в Excel. Всех клиентов разделили на группы в зависимости от уровня продаж и регулярности сделок. По объему продаж выделили не три, а пять групп: несколько крупнейших клиентов были отмечены как A+, а также была сформирована специальная группа аутсайдеров — категория D (3% продаж). Затем полученные данные о количестве клиентов в каждой группе свели воедино (таблица 2).

Обратите внимание. Бытует ошибочное мнение, что надо избавляться от всех позиций, которые попадают в категорию С, — изымать товары из ассортимента, менять клиентов или поставщиков. Однако это неверный подход. После удаления этих товаров, или поставщиков, или клиентов при следующем анализе другие позиции в любом случае переместятся в категорию С из категории В. С группой C нужно работать, избавляясь только от самых неперспективных партнеров. Категория D, по сути, станет ямой, в которую они попадут.

Выводы. По результатам анализа можно заключить следующее. Четыре крупные компании из группы A+, которые приносят 50% выручки, — это высокорисковый актив, поскольку уход даже одного такого заказчика сильно повлияет на доход компании. С этими клиентами надо вести интенсивную работу, создавать для них максимально благоприятные условия с помощью скидок, сервиса и дополнительных услуг. Компании групп AX и AY также являются доходообразующими, принося 30% выручки.

Для них нужно создать не менее благоприятные условия обслуживания (скидки, расширение ассортимента), чем для клиентов группы A+, чтобы сделать возможным их переход в эту категорию. У компаний группы BX есть потенциал для увеличения продаж — значит, нужна более грамотная работа по расширению ассортимента, акциям. Для категорий BY и BZ роста продаж стоит добиваться за счет более частых закупок в течение года с возможным снижением средней суммы заказа, но при этом с увеличением годовой выручки. Их надо стремиться плавно перевести в группу BX.

Компании категории CX могут быть растущими бизнесами — именно в этом может заключаться причина частых, но небольших закупок. Их нужно переводить в категорию B. Для группы CY приоритетная задача — увеличение частоты заказов. С клиентами категорий CZ, DY и DZ лучше расстаться.

Пример 2. ABC–XYZ-анализ для компании, которая монтирует окна

Еще один пример — компания, занимающаяся установкой пластиковых окон (условно — «Бета»). В ее портфеле чуть больше 2000 покупателей. Их разделили на девять групп и получили следующее соотношение (таблица 3).

Компании AX — доходообразующие, однако потеря клиента из этой категории несет риски для бизнеса, поэтому привлекать в нее новых заказчиков стоит, если ваша система продаж готова к их обработке. Лучше сосредоточиться на удержании имеющихся клиентов.

Группа BX приносит стабильный доход, работа с ней имеет перспективы. Но компаний в этой группе слишком мало, необходимо работать с группами BY и CX, стремясь увеличить в первом случае частоту сделок, а во втором — средний чек, чтобы перевести этих клиентов в группу BX.

Категории AY и BY — с высоким и средним уровнем оборота — менее прогнозируемы по денежным поступлениям, но имеют высокий потенциал для развития. С такими заказчиками надо выстроить системную работу на уровне клиентского сервиса. Работа с клиентами AZ и BZ должна быть направлена на рост выручки за счет учащения закупок. Для этого компания использовала cross-sell в виде техосмотра окон и up-sell — более дорогие трехкамерные окна вместо двухкамерных.

В категорию CX привлекать новых клиентов не стоит, так как она имеет невысокие перспективы роста доходности, а группы CY и CZ нужно выводить из оборота, но при этом надо провести дополнительный анализ и разобраться, на каком этапе жизненного цикла находится та или иная компания, какой этап является сопутствующим для компаний других категорий, а какой — перспективным.

Дмитрий Чередник,

управляющий партнер компании SalesUp Consult

Информация об авторе и компании

Дмитрий Чередник окончил Белорусский государственный экономический университет в 2004 году, в 2014‑м получил степень MBA в Moscow Business School. Работал в рознице, дистрибуции, FMCG, строительном бизнесе, производстве и продаже офисной мебели, консалтинге, логистике, HoReCa. Эксперт в области продаж и постановки регулярного менеджмента на предприятиях, а также работы с корпоративными клиентами.

SalesUp Consult специализируется на создании и развитии отделов продаж, обучении и оценке менеджеров по продажам и руководителей отделов продаж. Компания создана в 2014 году, находится в Москве. Официальный сайт — www.slsup.ru

Понравилась статья? Поделитесь с коллегами – пусть оценят!

www.kom-dir.ru

Индивидуальное и групповое ранжирование клиентов. Часть 3.

Начало можно прочитать по ссылкам:

ДЛЯ КОГО ИЩЕМ РАНГ: ДЛЯ ГРУППЫ ИЛИ КАЖДОГО КЛИЕНТА Ранжирование клиентов может осуществляться как индивидуальным способом, так и для группы клиентов.

Индивидуальное ранжирование предусматривает определение для каждого клиента ранга, который является оценкой его значимости по определенному показателю (каждому клиенту присваивается его индивидуальная оценка).

Ранг для группы - оценка присваивается группе клиентов, и в дальнейшем каждый клиент группы рассматривается с равными характеристиками (каждой группе присваивается общая оценка).

Примером индивидуального ранжирования является присвоение клиенту балла в скоринговых моделях вероятности возврата кредита. После заполнения анкеты клиенту банка присваивается коэффициент, который показывает вероятность того, что клиент вернет кредит. Если этот показатель слишком низок, кредит клиенту не выдают.

Примером группового ранжирования может быть RFM анализ, когда каждый клиент попадает в определенную RFM группу в зависимости от его индивидуальных показателей.

Часто индивидуальное ранжирование предшествует групповому, является как бы первым этапом.

ИСПОЛЬЗОВАНИЕ РАНЖИРОВАНИЯ В ПРАКТИКЕ МАРКЕТОЛОГОВРанжирование и его производные в виде правила Парето, АВС анализа и другие рейтинговые оценки используются в маркетинговой практике для решения большого ряда задач:• Разработка концепции Программ лояльности• Разработка механики Программы лояльности и инициатив• Оценка эффективности Программ лояльности и инициатив• Разработка инициатив по оптимизации расходов в Программах лояльности

РЕЗЮМЕ

Ранжирование клиентов является простым и интуитивным способом выстроить клиентов «по росту», понять значимость клиента, сравнить одного с другими, сделать выборку для проведения акции, инициативы или приглашения на мероприятие. Использование ранжирования позволяет формировать экономически обоснованные маркетинговые решения. Однако только рейтинги и рэнкинги не могут решить все задачи управления клиентским активом, простое ранжирование – все лишь один из самых простых шагов в поведенческой аналитике покупателей. Для более глубокого понимания своих клиентов и покупателей необходимо сочетать ранжирование с другими задачами анализа клиентского актива и не забывать о постоянной актуализации ранжировки, ведь новые данные о покупателях появляются каждый день, а значит, упорядочивание требует периодического обновления и интерпретации.

Также может быть интересно:

Программы лояльности вопросах и ответах. Ответы на вопросы исследования IFAK.

Что такое Customer Insight. Новая статья в Marketer's Digest

Для получения обновлений блога не забудьте подписаться на рассылку RSS.

Прочитать похожие статьи из этой рубрики можно прочитать здесь

Все статьи блога можно прочитать здесь

irina-chubukova.blogspot.com

Добыча знаний из CRM-систем | Директор информационной службы

Понимание своих клиентов, структуры их множества, закономерностей поведения и мотивации превращается в сложную задачу без внедрения интеллектуальных систем анализа данных. Внедрение CRM-системы обеспечивает только сбор и систематизацию данных. Использован

Рост числа внедрений CRM-систем обусловил во многих компаниях интерес к обнаружению закономерностей в базах данных, содержащих сведения о клиентах. Решению данной задачи способствует внедрение системы, реализующей методы Data Mining, которые предназначены для обработки и содержательной интерпретации данных с целью выявления актуальных трендов и выработки оптимальных стратегий.

Анализируя затраты на маркетинговую деятельность, компании все больше внимания уделяют их оптимизации. Актуальными становятся такие вопросы: как можно больше узнать о своих клиентах? как правильно использовать имеющуюся информацию для формирования пакета наиболее интересных предложений определенным клиентам? как понять, какое из предложений оказалось наиболее успешным?

Ответить на подобные вопросы поможет система сбора всех доступных данных из различных источников (ERP, CRM, почта, excel-файлы и т.д.) по всей компании, включая все ее филиалы. Эти данные должны проходить проверки на полноту, непротиворечивость, приводиться к единому удобному для конечного пользователя формату и быть достаточно детализированными. Собранные данные сохраняются в многомерном аналитическом хранилище (OLAP-хранилище), что позволяет на лету формировать аналитические отчеты в различных разрезах и с произвольной глубиной детализации. Средства OLAP также идеально подходят для проверок заранее сформулированных аналитиком гипотез.

Внедрение полноценной аналитической системы осуществляется с помощью методов Data Mining, обнаруживающих ранее неизвестные и нетривиальные закономерности для собранных в компании данных. Такие знания призваны обеспечить конкурентные преимущества за счет более глубокого взгляда на процессы, тенденции и риски в бизнесе компании. Методы интеллектуального анализа данных — это многоступенчатый и порой весьма сложный процесс, но выгода может в десятки раз окупить затраты.

Успех процесса управления взаимоотношений с клиентами зависит от анализа данных, который может выявить новые направления, коммерческие возможности, а также своевременно предупредить о неблагоприятных тенденциях.

Использование Data Mining в CRM призвано помочь определить способы выхода на новых клиентов, а также сохранить и улучшить взаимоотношения с существующими клиентами. Методы анализа данных могут варьироваться от весьма простых (определения, с кем, когда и где необходимо вступить в контакт) до сложных (алгоритмов прогнозирования клиентского поведения и определения оптимальных маркетинговых стратегий).

Ниже мы приведем две обширные категории анализа данных и рассмотрим, как они могут быть использованы в приоритизации инициатив по управлению взаимоотношениями с клиентами.

Модели Data Mining

Описательный анализ

Сегментация и кластеризация широко используются для группировки клиентов со сходными характеристиками, чтобы выявить шаблоны, которые можно использовать при формировании маркетинговых инициатив.

Базовая сегментация часто используется для группировки клиентов по легко различаемым и независимым признакам, таким как демографические данные, возраст, пол, доход и т.д. Сегментация должна формировать группировку, ведущую к лучшему пониманию структуры клиентской базы и, соответственно, характеру маркетинговых инициатив.

Кластеризация часто используется для описания независимых подсегментов на основании набора предварительно выбранных характеристик, к которым относятся ключевые индикаторы потребительского поведения. Большие компании часто используют географические, демографические, социальные, экономические характеристики, наложенные на потребительские показатели для продвижения брэнда. Некоторые компании используют понятие «ценность кластера» при построении маркетинговой деятельности на основании текущей или потенциальной ценности соответствующей группы клиентов.

Пересекающиеся сегменты требуют более сложных аналитических методов и предполагают учет особенностей характера поведения клиентов. Например, какой-либо клиент может тратить много средств на какую-либо услугу, но не тратить ничего на сопутствующие услуги и товары. Эти закономерности потребления должны служить факторами дальнейшего разделения клиентов на различные группы.

Другим примером описательного анализа может служить так называемый анализ рыночных корзин, который связывает вместе продукты на основании их совместного покупательского потребления.

Анализ последовательностей действий — также пример описательного анализа. В этом случае выявляются паттерны во временной последовательности выполняемых клиентом действий, будь то заказы или клики на сайте.

Модели прогноза

Прогнозирование — мощное аналитическое средство, использующее статистические методы для предсказания поведения клиентов на основании большого количества различных факторов. Модели прогноза определяют факторы, в наибольшей степени влияющие на какой-либо целевой показатель, определяют степень и характер такого влияния. Результатом моделирования является количественное описание зависимости, на основании которого можно построить прогноз значения целевого показателя в зависимости от значений входных факторов.

Существуют множество методов прогнозирования. Большое распространение получили методы, оценивающие силу влияния тех или иных факторов на изменчивость целевого показателя. Скажем, нас могут интересовать факторы, определяющие потребительский выбор и выделение наиболее значимых из их числа, например, демографические, личные и транзакционные данные о клиенте.

Модели CHAID или CART создают деревья решений по наиболее информативным атрибутам. Деревья решений популярны из-за высокой точности прогноза на большинстве видов бизнес-данных, а также благодаря легкости понимания результата, формулируемого в виде последовательностей условий и результата прогноза. Примером может служить ветка дерева решений, сформулированная так: «Если возраст клиента между 25 и 40 годами, у него имеется автомобиль и профессия клиента — финансовый аналитик, то ему можно выдавать кредит с риском невозврата 0,004%».

Считается, что нейронные сети имитируют в определенной степени работу человеческого мозга в части интуитивного обучения на опыте. В процессе обучения определяются характеристики связей между нейронами сети для минимизации ошибок классификации обучающих данных. Достоинствами нейронной сети является высокая точность прогнозирования, а недостатками — сложная настройка, длительное обучение, а также невозможность вербальной интерпретации полученных результатов, поскольку система функционирует как «черный ящик».

Для прогнозирования, кроме деревьев решений и нейронных сетей, используются также байесовские сети, логистическая и линейная регрессия, дискриминантный анализ, метод опорных векторов, генетические алгоритмы и др.

Применение методов Data Mining в CRM

Модели прогнозирования могут использоваться для предсказания реакции на целевое направленное предложение. Для индивидуальных клиентов или предприятий можно оценить вероятности отклика на то или иное предложение. Эти оценки далее будут использоваться для реализации сценариев «что — если» при выработке маркетинговых программ.

Модели оценки рисков могут использоваться для определения вероятности отказа от обязательств, неуплаты. Эти модели чаще всего основываются на данных кредитного отдела. Для статистически обоснованных выводов требуются большие объемы данных и длительный исторический период. В последнее время распространение получил анализ характеристик поведения представителей клиента, являющихся индикатором серьезных проблем в бизнесе. Эти модели призваны своевременно выявить риск разорения или ликвидации клиента.

Рассмотрим применение методов Data Mining в управлении взаимоотношениями с клиентами.

Сегментации клиентов по ценности

Сегментация клиентов по ценности может предоставить данные для эффективного построения описательных и предсказательных моделей. Компания может сформировать описание своих клиентов в виде матрицы 2x2 и поместить их в соответствующий квадрант на основании их текущей и потенциальной ценности. Инициативы по управлению взаимоотношениями с клиентами могут быть начаты в каждом из четырех квадрантов.

Квадрант 1: «Высокая текущая ценность/высокая потенциальная ценность». Основа политики взаимоотношений — удержание. В зависимости от вида коммерческой деятельности 10% наиболее прибыльных клиентов могут представлять от 50 до 80% прибыли компании, таким образом потеря клиента из этого квадранта может быть очень чувствительна для бизнеса в целом. Следовательно, компания должна выполнять действия по удержанию клиентов из первого квадранта.

Квадрант 2: «Низкая текущая ценность/высокая потенциальная ценность». Основа политики — улучшение взаимоотношений. Ценность этих клиентов для компании может быть увеличена посредством прямой работы с ними, а также за счет кросс-продаж. Возможно, эти клиенты не получили интересных предложений в прошлом или столкнулись с неадекватным сервисом со стороны ваших менеджеров. Должны быть предприняты попытки по расширению и углублению коммерческих взаимоотношений с клиентами второго квадранта.

Квадрант 3: «Высокая текущая ценность/низкая потенциальная ценность». Основа политики — изучение ситуации. Некоторые авторы призывают «доить» клиентов из третьего квадранта для получения текущей прибыли. Мы рекомендуем изучать таких клиентов, чтобы определить тех, с которыми мы можем найти больше точек соприкосновения в будущем, а также выявить рыночные сегменты, в которых будущее сотрудничество наиболее вероятно.

Квадрант 4: «Низкая текущая ценность/низкая потенциальная ценность». Основа политики — завершение контактов. Так как нельзя сконцентрироваться на всех сегментах клиентов, мы предлагаем не предпринимать активных действий с клиентами четвертого квадранта и сконцентрироваться на работе с клиентами других квадрантов.

Комбинация системы сбора информации о клиентах, системы построения аналитической отчетности и системы выявления закономерностей в данных позволит компаниям лучше понять свою клиентскую базу и построить более эффективные и результативные взаимоотношения со своими клиентами. Как только компания начинает полноценно использовать информацию о своих клиентах, улучшаются финансовые показатели, а также уменьшаются критические риски отказа от обязательств, отказа от услуг и потери важных клиентов. Все большее число компаний приходят к выводу о том, что необходимо автоматизировать добычу знаний о своих клиентах и доводить эти знания до отделов продаж, маркетинга, кредитного отдела и топ-менеджеров.

Анализ жизненного цикла отношений с клиентами

Под жизненным циклом отношений с клиентами понимается процесс прохождения различных стадий взаимоотношений между ними и бизнесом.

Основными стадиями жизненного цикла отношений с клиентами являются:

возможные клиенты — люди или компании, которые не являются еще клиентами бизнеса, но входят в целевую рыночную группу.
респонденты — возможные клиенты, проявляющие интерес к продуктам или услугам компании.
активные клиенты — люди или компании, в данный момент использующие продукты или услуги.
бывшие клиенты — клиенты, с которыми сотрудничество закончилось по тем или иным причинам.

Ценность клиента, помимо прочего, зависит от стадии жизненного цикла его взаимоотношений с бизнесом, а также от возможности его перемещения на другую стадию. Эту информацию можно использовать для выработки оптимальной стратегии по обслуживанию различных групп клиентов (например, формируя специальные предложения, предлагая скидки).

Действия отдела маркетинга по работе с клиентами на различных стадиях должны заключаться в привлечении клиента, увеличении ценности клиента, удержании хорошего клиента. Чтобы успешно пройти эти стадии, следует выработать маркетинговые программы. Необходимо в первую очередь правильно выбирать целевую аудиторию своих кампаний, в том числе рекламных. Обязательным условием успеха таких кампаний является использование всех знаний о своих клиентах.

Стоимость получения нового клиента, по оценкам некоторых компаний, в пять-десять раз превышает стоимость удержания уже существующего клиента. Методы Data Mining позволяют выделить именно тех потенциальных клиентов, на которых нужно сконцентрировать свои усилия, чтобы сделать их активными клиентами, то есть перевести отношения с ними на другой этап жизненного цикла.

Представляют также большой интерес те клиенты, которые вероятно откажутся от услуг компании. Стоимость действий по возврату ушедшего клиента, по оценкам экспертов, в сотни раз превышает стоимость действий по удержанию. Поэтому предотвратить уход хорошего клиента — одна из важнейших задач любого успешного бизнеса. Data Mining позволит своевременно определить намеревающихся уходить прибыльных клиентов.

Обычно одной из задач Data Mining на первой стадии внедрения является построение профилей клиентов. Профиль — это некие общие характеристики, присущие определенной группе клиентов. Например, при помощи технологии Data Mining можно построить профиль высокодоходных клиентов, то есть узнать их общие характеристики и особенности потребительского поведения. Затем эти знания можно использовать для проведения кампаний, ориентированных на высокодоходных клиентов.

Вот две технологии проведения маркетинговых кампаний, направленных на повышение прибыли от существующих клиентов — up-sell и cross-sell.

Up-sell — продажа дополнительных товаров или услуг. Существующим клиентам предлагаются товары и услуги, находящиеся в более высокой ценовой категории и обладающие улучшенными характеристиками по сравнению с обычными покупками того же клиента. Предложение up-sell чаще всего представляет собой улучшенную версию уже потребляемой клиентом услуги или товара, более персонифицированный подход к его обслуживанию и т.д.

Cross-sell — продажа сопутствующих товаров и услуг. Существующим клиентам предлагаются товары и услуги, дополняющие те товары и услуги, которые он обычно потребляет. Для формирования подобных предложений служат модели ассоциативных правил (рыночные корзины). Подобные модели выявляют частые совместно приобретаемые наборы товаров и услуг, а также правила, прогнозирующие приобретение сопутствующих товаров или услуг.

Методы Data Mining могут помочь оценить текущую стадию жизненного цикла отношения с клиентом и прогнозировать его перемещение на другую стадию на основании анализа сопутствующих событий. С этой целью необходимо построить классификационные и прогнозирующие модели, решающие следующие задачи:

классификация характеристик клиентов, находящихся в каждом из состояний;
выявление клиентов, находящихся на тех же стадиях жизненного цикла и определение клиентов с похожими особенностями поведения;
характеристика событий, ведущих к переходу на другие стадии жизненного цикла взаимоотношений с клиентами;
выявление клиентов, для которых вероятен переход в другое состояние; прогнозирование такого перехода для различных клиентов.

Таким образом, для анализа и оптимизации жизненного цикла взаимоотношений с клиентами было бы недостаточно внедрить CRM-систему, так как она сама по себе не может дать знаний о клиентах и не предоставляет возможность лучше их понять. Но именно знание и понимание текущей ситуации в бизнесе своих клиентов, а также появляющихся тенденций в нем является необходимым фактором увеличения прибыльности своего бизнеса в высококонкурентной среде.

Ранжирование клиентов

Ранжирование клиентов происходит в зависимости от вероятности продемонстрировать определенное поведение на заданном горизонте прогнозирования. Таким поведением может быть заинтересованность и последующая покупка сопутствующих товаров или услуг, переход на другой вид поставки или оплаты и т.д.

Ранжирование осуществляется посредством построения классификационной модели, учитывающей характеристики клиента и его покупательского поведения в качестве входных параметров и наличия той или иной особенности поведения в качестве выходного (предсказываемого) показателя. Обучение модели производится на основании исторических данных. Методы и алгоритмы обучения, а также их эффективность могут быть различными и зависят от качества, полноты и объема данных. Часто применяются алгоритмы нейронных сетей, деревья решений, сети Байеса и т.д. В процессе обучения исходные данные часто разделяются на две группы — обучающая и тестовая выборка. Обучающие данные используются для автоматического подбора параметров алгоритма, а тестовые — для проверки адекватности полученных параметров в процессе прогнозирования результатов, не участвующих в построении модели. Такое разбиение нужно, чтобы избежать «переобучения» модели, то есть ситуации, когда полученный алгоритм хорошо «подгоняется» под известные результаты, но плохо прогнозирует новые данные. Затем, на основании обученной модели для каждого клиента, поведение которого мы хотим спрогнозировать, вычисляется вероятность проявления в ближайшем будущем всех интересующих нас особенностей поведения. Например, если модель прогнозирует отказ клиента от услуг компании, его ранг, соответствующий этой характеристике поведения, будет высок.

Ранжирование клиентов используется для выделения в качестве объектов тех из них, которые в ходе маркетинговой компании с наибольшей вероятностью на нее откликнутся.

Например, банковские клиенты — физические лица, получающие в конце года значительные зачисления на свой счет в качестве годовых бонусов, могут переводить эти суммы в инвестиционные или паевые фонды в качестве личных инвестиций. Обнаружение этой закономерности эквивалентно обнаружению высокой вероятности вывода средств со счета банка. Этот факт должен подсказать аналитику ввести правило, согласно которому клиенту при значительном повышении суммы на банковском счете в конце года предлагаются дополнительные банковские услуги, чтобы деньги этого клиента остались внутри банка.

* * *

Data Mining представляет собой логическое дополнение CRM-систем, позволяющее управлять построением эффективных взаимоотношений с клиентами и, как следствие, повысить прибыльность бизнеса. А именно это и является основной целью при внедрении CRM-систем. Дополнение CRM-системы технологиями интеллектуального анализа данных способно дать синергетический эффект и на порядок увеличить рентабельность системы управления взаимоотношениями с клиентами.

Максим Гончаров — генеральный директор, ООО «Спэл Лабс», [email protected]

10 секретов успешной стратегии бизнес-аналитики

Дайанн Дэниэл

После стольких слияний и поглощений в области бизнес-аналитики легко забыть, что за ней стоит нечто большее, чем технологии

Как говорит Борис Эвелсон, аналитик агентства Forrester Research и главный автор готовящегося исследования «Пора заново изобрести свою стратегию бизнес-аналитики» (Boris Evelson. «It’s Time to Reinvent Your BI Strategy»), прежде чем заводить речь о технологиях, нужно определиться с видением стратегии бизнес-аналитики. Ниже рассказывается, как это сделать.

1. Выберите ответственное лицо на уровне директоров (но не ИТ-директора). По словам Эвелсона, внедрением бизнес-аналитики никоим образом не должен управлять кто-то из ИТ-службы. Поручить это следует руководителю, чья деятельность имеет прямое отношение к размеру прибыли. Он должен быть хорошо знаком со стратегией, краткосрочными и долгосрочными целями компании и уметь выявлять ключевые показатели производительности, которые влияют на выполнение поставленной задачи. Таким руководителем часто является финансовый директор. Это ответственное лицо должно направлять работы по внедрению в соответствии с документированным экономическим обоснованием и нести ответственность за изменения в масштабе проекта.

2. Введите единую терминологию. Без единых определений внедрение бизнес-аналитики не может пройти успешно. А отсутствие договоренности — широко распространенная проблема в современных компаниях. Например, финансовый отдел и отдел продаж могут по-разному определять «валовую прибыль», а это значит, что цифры не будут совпадать. Проведите опрос разноранговых сотрудников всех направлений бизнеса. На этом этапе участие ИТ-отдела должно ограничиваться ведением проекта, установлением стандартов и правил и обеспечением их выполнения. Начните с малого, выбрав всего 10—20 ключевых показателей производительности. Затем создайте на их основе стандарты и организуйте работу.

3. Оцените текущее положение дел. Вам следует проанализировать текущий стек бизнес-аналитики, а также процессы и организационные структуры, связанные с нынешними системами бизнес-аналитики. Участвовать в работе должны люди как из ИТ-отдела, так и из бизнеса. Эвелсон предупреждает: нельзя недооценивать этот этап. Он обращает внимание на то, что полная «диагностика бизнес-аналитики», предлагаемая компанией Accenture, содержит полторы тысячи вопросов, относящихся к 325-ти видам деятельности и 75-ти предметным темам.

4. Создайте план хранения данных. Многие организации начинают с отдельного киоска данных, поскольку это быстро и дешево, но такая тактика повлечет за собой необходимость построения дополнительных хранилищ данных, когда появятся новые потребности в памяти и через несколько лет все может выйти из-под контроля. Еще один вопрос, над которым нужно поразмыслить: строить ли и поддерживать физическое хранилище данных или связывать операционные системы виртуальными, так называемыми «семантическими» слоями. Традиционное ведение хранилищ данных означает дублирование данных, поэтому установка операционных систем в реальном времени будет практически невозможна. Вы можете сэкономить память благодаря слою абстрактного определения, но его сложно спроектировать, как и любой репозиторий метаданных. Прежде чем задумываться о том, каких выбрать поставщиков, необходимо решить этот вопрос.

5. Поймите, чего хотят пользователи. Три основные категории пользователей бизнес-аналитики — это стратег, тактик и операционист. Пользователи-стратеги принимают мало решений, но каждое из них может иметь огромные последствия — например, следует ли прекратить деятельность в Европе и начать ее в Китае. Пользователи-тактики принимают много решений в неделю, используя как обобщающую, так и детальную информацию, и им наверняка понадобится ежедневное обновление данных. Операционисты — это сотрудники, непосредственно работающие с клиентами, например персонал центров обработки вызовов. Им нужны данные в их собственном наборе приложений, чтобы производить огромное число транзакций. Поняв, кто и с какими целями будет использовать бизнес-аналитику, вы определите, какого рода информация требуется и как часто, и тогда вам легче будет принимать решения.

6. Определитесь, покупать или создавать аналитическую модель данных. Не бывает универсальных решений. Как правило, вам выгодна готовая отраслевая модель данных, если у вас достаточно гомогенная среда ИТ — например, единая ERP- или CRM-система. Но обязательно предусмотрите масштабируемость и иерархическую гибкость. Более сложным организациям, вероятно, подойдет кастомизация, но для начала, возможно, следует взять за образец стандартную отраслевую модель или позаимствовать из нее некоторые ориентиры (например, типичные факты, измерения и т.д.).

7. Учтите все составные части бизнес-аналитики. К компонентам, влияющим на успех внедрения бизнес-аналитики, относятся метаданные, интеграция данных, качество данных, моделирование данных, аналитика, централизованное управление метриками, презентации (отчеты и инструментальные панели), порталы, сотрудничество, управление знаниями и управление основными данными. Обязательно определите архитектуру для всех слоев стека бизнес-аналитики — они повлияют на успех внедрения, хотя, возможно, сами по себе не будут частью стратегии.

8. Выберите системного интегратора. Для внедрения бизнес-аналитики требуется руководство со стороны партнера, обладающего обширным опытом. Как говорит Эвелсон, нужно быть готовым, что к каждому доллару, потраченному на ПО, добавится от 5 до 7 долл. на услуги. Он предупреждает: не отдавайте на аутсорсинг окончательную настройку бизнес-аналитики. Этот процесс требует серьезного взаимодействия между конечными пользователями, аналитиками и разработчиками.

9. Стремитесь к выполнимому, двигайтесь мелкими шажками. Возьмите конечного пользователя, бизнес-аналитика и разработчика и в течение нескольких дней опробуйте концепцию. Выберите несколько ключевых показателей производительности, чтобы составить отчеты, затем раз в несколько недель выпускайте их обновления.

10. Начните с плода, висящего низко. Эвелсон рекомендует начинать с наиболее ценных и простых компонентов. Например, из киоска аналитических данных о продажах можно потенциально извлечь большую ценность, и для этого уже есть множество моделей и образцов для подражания.

Diann Daniel. 10 Keys to a Successful Business Intelligence Strategy. CIO Magazine. October 22, 2007

www.osp.ru

ABC анализ клиентов: теория и практика

Анализ клиентской базы является важным этапом в планировании развития компании и формирования политики по отношению к заказчикам. Любой анализ объема продаж с сопоставлением с числом клиентов покажет компании, что меньшая их часть приносит самую крупную прибыль.

ABC-анализ клиентской базы

Неравномерный вклад в доходы компании означает, что следует относиться к покупателям по-разному. Те, кто приносят больше прибыли, очевидно, заслуживают и большего внимания. Потеря части клиентов, приносящих незначительной объем выручки, не повлечет серьезных последствия для компании. Между тем, стремление обеспечит индивидуальный и внимательный подход для каждого, приведет к истощению ресурсов бизнеса неоправданным расходам времени и сил сотрудников.

АБС анализ означает градацию клиентов на несколько категорий. Критерием для их разделения на группы, является объем купленной продукции. Фактически, этот показатель означает размер прибыли, которую принесли для компании потребители.

Используется три группы:

А — это покупатели, которые обеспечили основную прибыль. Работа с ними является приоритетной для компании;
В — это средний уровень вложений в благосостояние компании;
С — наименьший уровень. Потеря таких клиентов не станет катастрофой.

Расчет и отнесение потребителей к той или иной категории осуществляется путем математических вычислений. Это удобное всего представить поэтапно:

нужно вычислить 80% от общей суммы реализации;
следует выделить объем покупок по каждому потребителю от максимального до самого незначительного;
сложить объемы покупок от самого крупного клиента до тех пор, пока не получится сумма, означающая 80% от общей прибыли. Это будут покупатели группы А;
надо взять еще 16% от общего объема и посчитать покупателей, которые принесли эти 16%. Они войдут в группу В;
оставшиеся 4% приходятся на группу С. Это потребители с минимальным вкладом в прибыль компании.

Пример ABC-анализа

Динамику и методику расчетов можно показать на следующем примере.

Сумма продаж составила 100 000 рублей. Поток клиентов равен 50 потребителям. Основную часть дохода — 80%, к примеру, принесли 20 самых крупных клиентов. Их обслуживание и будет приоритетным, поскольку они составляют группу А.

Аналогично, по указанному алгоритму производятся остальные расчеты.

Для каждой группы клиентов необходимо создание различных способов обслуживания и предоставление им разных условий совершения покупок, взаимодействия с компанией.

АВС в 1С CRM

Решение задачи повышения прибыли должно опираться на АВС-анализ продаж — метод ранжирования покупателей по приносимой ими доходности.

В его основе правило Парето: «20 % стараний дают 80 % результата, а остальные 80 % стараний — лишь 20 % результата». Применительно к продажам отметим, что 20% крупнейших покупателей приносят 80% прибыли, остальные 80% приносят 20% прибыли.

1С CRM дает возможность проведения регулярного АВС-анализа продаж путем деления базы клиентов на соответствующие категории.

A-класс в 1C CRM — самая малочисленная группа, дающая 80% оборота компании. Усилия по привлечению этих покупателей и их удержанию должны стать приоритетными.

B-класс в 1C CRM — своего рода «середнячки», дающие стабильные 15% продаж. Взаимодействие с ними продолжайте в текущем режиме — выполняйте принятые обязательства и без предоставления различных преференций.

C-класс в 1C CRM — клиенты, вносящий минимальный вклад (5%) в общие продажи. Зачастую в этой группе встречаются «проблемные» покупатели, способные принести компании убытки. Можно сделать пометку в 1С CRM, указав им определенную категорию, и прекратить с ними работу.

Похожие статьи comments powered by HyperComments

crm-systems.info

2.4.4. Построение диаграммы деятельности

Диаграмма, на которой показано разложение некоторой деятельности на ее составные части.

Для более глубокого описания мы рассмотрим четыре диаграммы деятельности, каждая из которых будет описывать конкретное состояние бизнес-процесса.

На рисунке 2.6. изображена диаграмма, характеризующая начальное состояние бизнес-процесса.

Рисунок 2.6. – Диаграмма деятельности «Подготовка исходных данных»

На рисунке 2.6. изображена диаграмма деятельности, которая описывает процесс классификации клиентов, а именно RFM-анализ (расчет трех необходимых параметров для классификации клиентов, и затем формирование пяти групп клиентов в соответствии с параметрами).

Рисунок 2.7 иллюстрирует следующее состояние бизнес-процесса – разработку и утверждение программ скидок.

Рисунок 2.7. – Диаграмма деятельности «Подготовка бонусной кампании и программ скидок»

На диаграмме деятельности, изображенной на рис.2.7 описан процесс подготовки бонусной кампании и программ скидок, который включает непосредственно разработку программ скидок для каждой из групп клиентов, корректировку и утверждение созданных программ.

На рисунке 2.8 представлена диаграмма деятельности, которая описывает процесс консультации клиентов.

Рисунок 2.8. – Диаграмма деятельности «Консультация клиентов»

На рисунке 2.8 представлен процесс консультации клиентов, включающий прием клиента, определение его к соответствующей группе. В случае если клиент является вновь прибывшим, для него программы скидок не существует, поэтому менеджер предоставляет клиенту сведения только лишь обо всех услугах, предоставляемых отделом. Если сведения о клиенте существуют в базе данных, то менеджер выбирает программу скидок для него, исходя из принадлежности клиента к той или иной группе.

Заключительная диаграмма, представленная на рисунке 2.9 описывает процесс непосредственно по продаже услуги, начиная с момента формирования заявки и заканчивая предоставлением услуг связи клиенту.

Рисунок 2.9. – Диаграмма деятельности «Процесс по продаже услуг»

Представленные выше диаграммы наиболее полно описывают бизнес-процесс облуживания клиента при продаже услуг.

По результатам оптимизации удалось добиться сокращения временных затрат, была решена проблема классификации клиентов. Указанного удалось достичь путем внесения изменений в структуру бизнес-процессов, а именно внесения новых функций: проведение RFM-анализа и формирования групп ранжированных по важности клиентов; разработки программ скидок для каждой из полученных групп клиентов.

3. Проектирование информационной системы ранжирования клиентов «доктор-w»

Характеристика, критерии и сравнительный анализ существующих систем

Для рассматриваемой предметной области применяются системы, которые носят название CRM-системы [11].

CRM – система – это система управления взаимоотношениями с клиентами — корпоративная информационная система (ИС), предназначенная для автоматизации стратегий взаимодействия с заказчиками предприятия, в частности, для повышения уровня по работе с клиентами, оптимизации маркетинга и улучшения обслуживания клиентов путём сохранения информации о клиентах и истории взаимоотношений с ними, установления и улучшения бизнес-процедур и последующего анализа результатов.

На сегодняшний день имеется достаточно большое количество разнообразных CRM-систем, как отечественного, так и зарубежного производителей.

В качестве сравниваемых в работе CRM-систем были выбраны следующие:

Чтобы выбрать наилучшую систему, применим метод экспертных оценок.

Для начала выберем критерии, по которым будет проводить сравнения выбранных систем. Наиболее важными критериями являются:

Автоматическое ранжирование клиентов (самый важный критерий для системы, который решает поставленную задачу)
Единая база данных для хранения информации о клиентах;
Модульный принцип построения;
Быстрый поиск по базе клиентов;
Ввод и хранение программ скидок с привязкой к клиентам.
Стоимость системы (оптимально не более5 рабочих мест).

studfiles.net

Аннотация

Дипломная работа

На тему: «Информационная система ранжирования клиентов частной медицинской клиники Доктор-W»

В работе создана информационная система ранжирования клиентов частной медицинской клиники Доктор-W, основной задачей которой является автоматическое распределение клиентов по степени их важности для организации.

Для этого была исследована деятельность отдела по работе с клиентами, построен детальный сценарий его работы, математическая модель с временными оценками бизнес-процессов. Математическая модель была оптимизирована с целью решения выявленных проблем, а применение методологий моделирования и соответствующего CASE-средства позволило построить модели оптимизированных бизнес-процессов.

В процессе системного анализа существующих аналогов информационных систем для автоматизации выбранной предметной области были определены основные требования к разрабатываемой системе. На основании выявленных требований был разработан проект информационной системы.

В работе были рассмотрены вопросы безопасности и экологичности проекта, приведено технико-экономическое обоснование проекта.

Реферат

104 Стр., 25 рис., 29таб., 13 библиогр.

ИНФОРМАЦИОННАЯ СИСТЕМА, ОТДЕЛ ПО РАБОТЕ С КЛИЕНТАМИ, РАНЖИРОВАНИЕ КЛИЕНТОВ, CRM

Во введении рассматривается актуальность выполнения работы. Проводится анализ деятельности медицинских клиник.

В первом разделе проводится детальный анализ предметной области, ее организационной и функциональной структуры. Рассматриваются основные бизнес-процессы, протекающие в отделе по работе с клиентами. Строится математическая модель «как есть», рассматривается документооборот отдела по работе с клиентами. Выявляются основные проблемы предметной области. Производится полная постановка целей и задач дипломной работы.

Во втором разделе выполняется оптимизация математической модели. Рассматриваются пути оптимального решения выявленных проблем. С помощью методологий и средств моделирования строятся модели оптимизированных бизнес-процессов с учетом выбора решения проблем.

В третьем разделе описываются результаты процесса проектирования информационной системы. Подробно рассматривается архитектура системы, функции сервера и каждого рабочего места. Проектируется структура базы данных, и строятся модели информационной системы в виде диаграмм UML.

В четвертом разделе описывается реализация информационной системы ранжирования клиентов.

В пятом разделе рассматривается социальный аспект проектируемой системы, ее преимущества в социальной сфере.

В пятом разделе выполняется технико-экономическое обоснование проекта.

В шестом разделе описывается безопасность и экологичность проекта.

Основные результаты работы отражены в заключении.

Содержание

СОДЕРЖАНИЕ 6

ВВЕДЕНИЕ 8

1. Описание и анализ клиники «Доктор-W» 10

1.1.Введение в предметную область 10

1.2.Организационная структура клиники "Доктор-W" и объект исследования 11

1.3.Сценарий работы отдела по работе с клиентами (юридическими лицами) клиники «ДОКТОР-W» 18

1.4.Описание сценария деятельности отдела по работе с клиентами в клинике «ДОКТОР-W» 21

1.5.Математическая модель бизнес-процесса оформления заявок от юридических лиц на оказание медицинских услуг в клинике «Доктор-W» 21

1.6.Проблемы предметной области 24

1.7.Постановка цели и задач дипломной работы 25

2. Моделирование и оптимизация бизнес-процессов в отделе по работе с клиентами «ДОКТОР-W» 26

2.1.Оптимизация математической модели 26

2.2.Образ решения проблемы на основе оптимизированной математической модели 33

2.3.Выбор и обоснование средств моделирования 36

2.3.1.Выбор методологии моделирования 36

2.3.2.Выбор средств моделирования 44

2.4.Модели оптимизированных бизнес-процессов 51

2.4.1. Построение диаграммы вариантов использования 51

2.4.2. Построение диаграммы последовательности. 53

2.4.3. Построение диаграммы конечных автоматов. 55

2.4.4. Построение диаграммы деятельности 58

3. Проектирование информационной системы ранжирования клиентов «ДОКТОР-W» 62

3.1.Характеристика, критерии и сравнительный анализ существующих систем 62

3.1.1. Описание систем-аналогов (по выбранным критериям) 63

3.1.2. Сравнительный анализ систем-аналогов 65

3.2.Требования к разрабатываемой ИС 67

3.3.Выбор архитектуры информационной системы ранжирования клиентов 68

3.4.Проектирование структуры БД 70

3.5.Проектирование структуры ИС 72

3.5.1.Построение диаграммы вариантов использования 72

3.5.2.Построение диаграммы компонентов 72

3.5.3.Построение диаграммы классов 74

3.5.4.Построение диаграммы развертывания 76

3.5.5.Построение диаграммы последовательности 78

3.5.6.Диаграмма конечных автоматов 80

4 Разработка интерфейса информационной системы ранжирования клиентов клиники "Доктор-W" 83

4.1.Выбор и обоснование среды программирования для программного обеспечения информационной системы 83

4.2. Оценка функциональных точек 85

4.3. Разработка приложений 90

4.4. Создание прототипов 91

5. Социальная значимость проекта 93

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 95

ВВЕДЕНИЕ

Каждое предприятие по оказанию услуг в процессе своей деятельности стремится улучшить стратегии взаимодействия с заказчиками, в частности, повысить уровень по работе с клиентами, оптимизировать маркетинг, улучшить обслуживания клиентов путём сохранения информации о клиентах и истории взаимоотношений с ними, установления и улучшения бизнес-процедур и последующего анализа результатов.

Специалисты предлагают множество моделей для повышения качества обслуживания и степени удовлетворенности клиентуры товарами и услугами. Обычно здесь просматриваются два аспекта.

Первый - необходимость точных спецификаций клиентов. Важно, чтобы предприятие знало и понимало особенности запросов клиентов, а также выгоды, которые они связывают с приобретаемыми услугами.

Второй аспект - организация производства, сервиса и технического обслуживания в полном соответствии со спецификациями потребителей.

Предприятию надо поддерживать постоянную связь с клиентами и распространять полученную информацию по всем своим подразделениям, а затем использовать приобретенные знания для производства услуг более высокого качества с учетом запросов клиентуры.

В целом базу для разработки постоянно действующей политики ориентации на клиента составляют три концептуально разные цели.

Во-первых, предприятие должно собирать информацию о клиентуре, чтобы понимать ее материальные потребности и систему ценностей и удовлетворять их в текущий момент и в будущем путем поставок соответствующих услуг. При этом следует охватывать и фактических, и потенциальных клиентов. Сбор информации - сложный процесс, опирающийся как на традиционные, так и нетрадиционные методы.

Во-вторых, предприятие должно снабжать информацией о клиентуре весь свой персонал и все подразделения, которые прямо или косвенно участвуют в удовлетворении ее потребностей. Цель здесь заключается в подготовке организации к превращению потребностей клиента в руководство к эффективным действиям. Важно, чтобы информация не использовалась только как средство ознакомления отдельных подразделений с положением дел у клиента. Если, например, отдел маркетинга просто ставит в известность производственный сектор о том, какую продукцию нужно выпускать, то вся система ориентации на клиента обречена на неудачу.

Напротив, подобная информация должна играть активную роль, служить базой для постановки таких задач, выполнение которых поможет предприятию улучшить хозяйственные показатели.

В-третьих, предприятию на основе данной информации необходимо вносить изменения в свою деятельность, чтобы иметь возможность предоставлять клиенту новые виды товаров и услуг. В первую очередь предприятие должно повышать их качество, обеспечивая одновременно разработки новых рекламных кампаний, программ скидок и пакетов услуг с использованием информации о запросах клиентуры.

В дипломной работе рассматриваются вопросы взаимодействия «Доктор-W» с крупными клиентами и юридическими лицами.

studfiles.net