CRM - Zarządzanie Relacjami z Klientem

W współczesnej gospodarce wiedza jest najcenniejszym zasobem  i  jedynym źródłem trwałej przewagi konkurencyjnej.

A wiedza o swojej firmie i jej klientach jest dla przedsiębiorcy bezcenna. 

Co wyróżnia wiedzę od pozostałych zasobów firmy:

•  dominacja – wiedza zajmuje priorytetowe miejsce wśród pozostałych zasobów i ma strategiczne znaczenie dla funkcjonowania każdej organizacji,

 •  niewyczerpalność  –  wiedza  w  trakcie  wykorzystania  nie  zużywa  się,  jak tradycyjne zasoby, a nawet przeciwnie, jej wartość wzrasta,

 •  symultaniczność – wiedza w tym samym czasie może być wykorzystywana przez wiele osób, w wielu miejscach jednocześnie,

 •  nieliniowość – brak  jednoznacznej korelacji pomiędzy wielkością zasobów a korzyściami wynikającymi z  tego  faktu,  trudno zatem przewidzieć  skutki zastosowania wiedzy.

Aby  efektywnie  zarządzać  relacjami  z klientem konieczne  jest  ciągłe pozyskiwanie wiedzy  o  kliencie  i  odpowiednie  zarządzanie  tą wiedzą. Zdobywanie wszystkich istotnych danych o kliencie z różnych źródeł, za pomocą wielu kanałów i form bezpośredniego kontaktu, a następnie integrowanie ich z bazą informacji  o  kliencie  oraz  zastosowanie  pełnego  zestawu  metod  analitycznych  do oceny  i  optymalizacji  relacji  z  klientami  i  odpowiadanie  na wszystkie  istotne pytania dotyczące biznesu, stanowią dziś podstawę efektywnego systemu CRM.

Zarządzanie relacjami z klientem (CRM) jest kombinacją procesów biznesowych i technologii, której celem jest wszechstronne zrozumienie klienta z wielu różnych  perspektyw,  aby  móc  ich  zidentyfikować,  pozyskać  i  utrzymać 

Data mining w CRM

Działanie analitycznego CRM opiera się na pozyskiwaniu, przechowywaniu,

przetwarzaniu  i  interpretowaniu  danych  o  klientach. Dane  te mogą  pochodzić

z wielu  źródeł,  np.  z  hurtowni  danych,  a  przechowuje  się  je  w  repozytoriach

danych  o  klientach.  Dane  te  poddawane  są  skomplikowanym  analizom  staty-

stycznym, dzięki którym uzyskuje się wiedzę, pozwalająca zrozumieć potrzeby,

preferencje  nabywcze  i  zachowania  klientów. Wartością  podstawową  aplikacji

CRM  jest zdolność personalizacji analiz pod kątem korzystającego z niej uSyt-

kownika [1]. 

Analityczny  CRM  wykorzystuje  techniki  data  mining  do  analizy  danych

o kliencie. Data mining opiera się na trzech fundamentach: bazach danych, sta-

tystyce  i  metodach  numerycznych.  Techniki  data  mining  umoSliwiają  m.in.

[Węce03]:

•  wybór tych klientów, którzy zakupią danych produkt,

•  podział  klientów  na  tych  którzy  przynoszą  zyski  i  tych,  którzy  przynoszą

straty,

•  identyfikację klientów, którzy pozostaną lojalni, a którzy odejdą,

•  sprzedaS łączoną zainteresowanym klientom,

•  wykrywanie relacji,

•  ocenę ryzyka związanego z obsługą danego klienta (firmy ubezpieczeniowe,

banki).

Zastosowanie  technologii eksploracji danych  (OLAP, data mining) w  syste-

mach CRM pozwala na segmentację klientów, analizę LTV, analizę czasu prze-

trwania klienta, analizę odejścia klienta do konkurencji (lojalność klienta), anali-

zy w czasie rzeczywistym, kierowanie kampaniami (analiza wydajności), opiekę

nad  klientem  (analiza  obsługi  klienta  oraz  serwisu),  analizę  sprzedaSy

itp.[Rzew01], [1].

Segmentacja klientów, czyli ich podział według np. grup wiekowych, płci, si-

ły nabywczej czy rodzajów zachowań, z jednej strony znacznie rozszerza wiedzę

na  temat  klientów,  z  drugiej  zaś  umoSliwia  stworzenie  zróSnicowanej  oferty

produktów lub usług optymalnie, dopasowanej do ich oczekiwań. Na bazie seg-

mentacji moSliwe  staje  się określenie  statystycznego profilu klienta wybranego

typu.  Profile  te mogą  być  pomocne  przy  tworzeniu  nowych  i modyfikowaniu

istniejących  produktów  lub  usług  oraz  ukierunkowaniu  kampanii marketingo-

wych. Do segmentacji klientów moSe być wykorzystywana analiza RMF  (Re-

cency  –  świeSość,  kiedy  ostatnio  klient  dokonał  zakupu  danego  produktu,

Frequency – częstotliwość,  jak często klient kupuje dany produkt, Monetary –

wartość,  ile  klient  zwykle wydaje  na  dany  produkt). Analiza  ta  opiera  się  na

teorii zachowania klienta i prostej logice [1]:

•  jest bardziej prawdopodobne, Se kolejnego zakupu dokonają klienci, którzy

coś ostatnio kupili niS ci, którzy przez dłuSszy okres czasu nie dokonali Sad-

nego zakupu,

•  jest bardziej prawdopodobne, Se kolejnego zakupu dokonają klienci, którzy

dokonują zakupów z większą częstotliwością niS ci, którzy kupują rzadko,

•  jest bardziej prawdopodobne, Se w przyszłości pieniądze wydadzą ci klienci,

którzy w przeszłości wydawali duSe kwoty niS ci, którzy wydawali mniej. 

Analiza RFM  pozwala  na  grupowanie  klientów  na  bazie  dotychczasowego

zachowania  i  przewidywanie  na  tej  podstawie  przyszłych  zachowań.  Pomaga

identyfikować klientów najlepszych, czyli najbardziej skłonnych do ponownych

zakupów w odpowiedzi na przedstawioną ofertę.

Do szacowania wartości klienta w czasie, czyli kwoty, jaką dany klient moSe

potencjalnie  zostawić  firmie  przez  całe  Sycie,  wykorzystywana  jest  analiza

LTV (Live Time Value). Analiza ta pozwala na rozpoznanie, w których klientów

warto  inwestować  dla  pozyskania  ich  lojalności. U  podstaw  analizy LTV  leSą

następujące załoSenia:

•  marketing  skierowany  do  wielokrotnych  klientów  przynosi  większe  zyski

niS marketing skierowany do potencjalnych klientów,

•  celem inwestycji (reklama, lojalność, gadSety, itp.) jest pozyskanie klientów,

•  inwestycje się zwracają,

•  zwrot inwestycji następuje po upływie określonego czasu.

Korzyści zastosowania systemu zarządzania wiedzą o kliencie

Wśród  korzyści  wynikających  z  zastosowania  mechanizmów  zarządzania

wiedzą w systemach CRM naleSy wymienić [śmig04]:

•  wzrost satysfakcji klienta,

•  spadek rotacji klientów,

•  poprawę konkurencyjności firmy,

•  redukcje negatywnych skutków rotacji pracowników zajmujących się obsłu-

gą klienta,

•  obsługę większej liczby kontaktów,

•  redukcję zatrudnienia w dziale obsługi klienta.

ystem  zarządzania  wiedzą,  wykorzystywany  do  obsługi  klienta  powinien

m.in. [śmig03]:

•  dystrybuować  wiedzę,  tzn.  na  Sądanie  klienta  przekazywać  odpowiednie

informacje. Z uwagi na duSy rozmiar bazy wiedzy, istotnym kryterium jako-

ści musi być tu adekwatność i prawdziwość dostarczanych informacji;

•  zarządzać  kompetencjami,  czyli  wspierać  kojarzenie  potrzeb  informacyj-

nych klientów z odpowiednimi pracownikami firmy tak, aby wygenerowana

odpowiedź była jakościowo dobra;

•  zapewnić intuicyjną obsługę;

•  monitorować – pozwalać na bieSące monitorowanie co dzieje się z konkret-

nymi  kontaktami  z  klientami  i  powiadamiać  o  sytuacjach  niekorzystnych

(np. brak odzewu ze strony firmy w określonym czasie) oraz generować ra-

porty  dotyczące  potrzeb  klientów,  intensywności  kontaktów  i  pracy  odpo-

wiednich pracowników;

•  zarządzać wiedzą – mimo, Se wiedza dotycząca  tematyki znajdującej się w

kręgu  zainteresowania  klientów  obejmuje  określony  zakres  dziedzinowy,

trudno  jednak  przewidzieć,  jak  będzie  się  ona  zmieniać w  czasie. Zmiany

mogą następować na skutek dezaktualizacji wiedzy lub zmian potrzeb klien-

tów. Zadaniem  systemu KM  jest  intensywne wspieranie procesów  związa-

nych z utrzymywaniem wysokiej jakości dostarczanych klientom informacji.