“Μα τι πράγματα είναι αυτά; Τέτοιες εποχές κι εσύ μας λες για κακούς πελάτες;“, μου είπε εκνευρισμένος κι έφυγε από την αίθουσα να πάει να καπνίσει. Οι υπόλοιποι άρχισαν να μουρμουρίζουνε μεταξύ τους, κι εγώ σκεφτόμουν τι μαγικά πρέπει να κάνω για να σπάσει αυτό το ταμπού…
Αυτό το περιστατικό μου συμβαίνει περίπου μια φορά το μήνα, σε κάποιο meeting ή πρόγραμμα εκπαίδευσης, όταν θα ανοίξω το μεγάλο κεφάλαιο “Πώς εντοπίζουμε τους κακούς πελάτες“. Για τους επιχειρηματίες και για τους ανθρώπους των πωλήσεων η ιδέα ότι υπάρχουν πελάτες που είναι καλύτερα να μη τους εξυπηρετούμε είναι παράλογη και προκλητική. Και όμως, είναι πέρα για πέρα αληθινή.
Για κάθε κλάδο και κάθε επιχείρηση το τι καθιστά τον “καλό πελάτη” προσδιορίζεται διαφορετικά: Για παράδειγμα για ένα κατάστημα λιανικής, καλός είναι ο πελάτης που είναι σταθερός και κάνει μεγάλους λογαριασμούς, ενώ για μια εταιρεία B2B είναι αυτός που είναι πιστός, αλλά και συνεπής με τις πληρωμές του. Ο ορισμός του καλού πελάτη αλλάζει ακόμη και σύμφωνα με το marketing plan, με την έννοια ότι για μια συγκεκριμένη περίοδο καλό πελάτη μπορεί να θεωρήσουμε τον early adopter- αυτόν δηλαδή που αγόρασε ένα προϊόν που μόλις λανσάραμε. Το ζήτημα είναι ότι στη βάση οποιασδήποτε στρατηγικής πωλήσεων και marketing, δίπλα από την πρόταση αξίας, βρίσκεται ο ορισμός του “καλού πελάτη”, ως τον αποδέκτη όλων των εμπορικών προσπαθειών μας και αυτή είναι μια πληροφορία που δε μπορούμε να μην έχουμε.
Εφόσον καταφέρουμε να ορίσουμε τους καλούς πελάτες μας, το επόμενο βήμα είναι να ξεχωρίσουμε μέσα από το πελατολόγιό μας ποιοι και πόσοι είναι αυτοί. Παρόλο που οι περισσότεροι sales managers ή/και επιχειρηματίες είναι σίγουροι ότι γνωρίζουν τους καλούς τους πελάτες σχεδόν από μνήμης, δε μπορώ να θυμηθώ ούτε μία φορά που τα αποτελέσματα αυτής της ανάλυσης δεν έπεσαν ως κεραυνός εν αιθρία. Συνεπώς, είναι ασφαλές να πούμε ότι όχι, οι καλοί πελάτες δεν είναι (πάντα) ορατοί δια γυμνού οφθαλμού! Μια από τις πιο διαδεδομένες αναλύσεις γι αυτό το σκοπό είναι η λεγόμενη RFM Analysis (Recency-Frequency- Monetary ), η οποία μάλιστα πλέον συμπεριλαμβάνεται και στην τελευταία έκδοση του SPSS. Η λογική πίσω από την RFM Analysis στηρίζεται στο εξής τρίπτυχο:
- Ένας πελάτης που πρόσφατα συναλλάχθηκε μαζί μας είναι ακόμη ενεργός και άρα πιθανός να μας επιλέξει ξανά
- Ένας πελάτης που συναλλάσσεται συχνά μαζί μας είναι ένας πιστός πελάτης και άρα πιθανός για να συναλλαχθεί ξανά
- Ένας πελάτης που δαπανά μεγάλα ποσά στις υπηρεσίες και τα προϊόντα μας είναι ένας πελάτης που θέλουμε, για πολύ προφανείς λόγους.
Βάση αυτών των 3 παραμέτρων, το σύνολο του πελατολογίου χωρίζεται ανάλογα με τις επιδόσεις στις 3 κατηγορίες, ξεκινώντας από αυτούς που καταφέρουν υψηλό σκορ σε όλες τις παραμέτρους και καταλήγοντας σε αυτούς που σημειώνουν τη μικρότερη συχνότητα και δαπάνη και δεν έχουν συναλλαχθεί με την εταιρεία για μεγάλο διάστημα. Το μόνο “πρόβλημα” αυτής της ανάλυσης είναι ότι τα 3 στοιχεία έχουν ισόποση βαρύτητα και ότι δε λαμβάνονται υπόψη άλλες παράμετροι που μπορεί να είναι σημαντικές για μια επιχείρηση. Έχοντας αυτό κατά νου, δημιούργησα πριν δυο χρόνια μια προσαρμοσμένη έκδοση της RFM analysis, την οποία μπορείτε να βρείτε εδώ. Στην πραγματικότητα είναι ένα point system που σας αφήνει να ορίσετε τις παραμέτρους που συνιστούν το δικό σας “καλό πελάτη” και να δώσετε διαφορετικές βαρύτητες στη κάθε μια από αυτές. Στη συνέχεια περνάτε στο αρχείο τα στοιχεία συναλλαγών σας ανά γραμμή τιμολογίου (όλα τα softwares έχουν τη δυνατότητα εξαγωγής αυτής της πληροφορίας) δηλαδή, για ένα τιμολόγιο που εκδόθηκε στις 25 Αυγούστου 2014 και περιελάμβανε 3 διαφορετικά προϊόντα, γίνονται 3 χωριστές εγγραφές.
Η “βαθμολογία” των πελατών υπολογίζεται ανάλογα με τις βαρύτητες που έχετε ορίσει, και στη συνέχεια αυτοί τοποθετούνται σε 4 διακριτές κατηγορίες, ανάλογα με τη θέση τους σε σχέση με τους υπόλοιπους και το μέσο όρο.
- Super Star Customers: οι πελάτες αυτοί που το σκορ τους είναι πάνω από το 75% του μέσου όρου επιδόσεων. Αυτοί είναι σίγουρα οι πιο πολύτιμοι λογαριασμοί σας και αυτοί που αξίζουν να διατηρηθούν με κάθε τρόπο.
- Average Customers: είναι αυτοί που το σκορ τους είναι κοντά στο μέσο όρο των συνολικών σας επιδόσεων. Ως επί τω πλείστον αυτοί αποτελούν τον κύριο όγκο του πελατολογίου και είναι αυτοί που αποτελούν την κύρια στόχευση για τα σχέδια ανάπτυξης των πωλήσεων.
- Not good enough: χαρακτηρίζονται αυτοί που βρίσκονται κάτω από το μέσο όρο των επιδόσεων, αλλά σκοράρουν καλά σε μια απ’ όλες τις μεταβλητές (και κάτω του μετρίου στις υπόλοιπες) Η κατηγορία αυτή συνήθως χρειάζεται περισσότερη ανάλυση και διοικητική πρωτοβουλία, για να αποφασισθούν οι στόχοι για το μέλλον τους. Στις περισσότερες περιπτώσεις πάντως, ακριβώς επειδή το κοινό σημείο αυτών των πελατών είναι η χαμηλή κερδοφορία τους, αναζητούμε μεθόδους να τους εξυπηρετήσουμε με το χαμηλότερο δυνατό κόστος, ώστε να τους καταστήσουμε όσο πιο κερδοφόρους μπορούμε.
- The useless ones: Ναι υπάρχουν κι αυτοί και είναι όσοι έχουν τις χειρότερες επιδόσεις σε όλες τις μεταβλητές, για παράδειγμα πελάτες που συναλλάσσονται σπάνια, είναι ανενεργοί εδώ και καιρό και παρόλα αυτά έχουν λογιστικό υπόλοιπο. Αυτοί οι πελάτες αν έχουν κόστος εξυπηρέτησης, ας πούμε είναι στο δρομολόγιο ενός πωλητή, τότε όχι μόνο δεν είναι κερδοφόροι, αλλά προκαλούν και ζημιά και συνεπώς το να μη τους εξυπηρετούμε είναι καλύτερο από το να τους εξυπηρετούμε. Όσο μικρότερο ποσοστό αντιπροσωπεύει αυτή η ομάδα, τόσο καλύτερη η “υγεία” του πελατολογίου.
Όπως γίνεται πάντα με τους αριθμούς και τις αναλύσεις, η ερμηνεία τους καθορίζει και τη χρησιμότητά τους. Η απεικόνιση του πελατολογίου, όπως επιτυγχάνεται μέσω της ανάλυσης αυτής, είναι ιδιαίτερα χρήσιμη, για να ξεχωρίσουμε την ήρα από το στάρι. Από κει και πέρα, κάθε ομάδα πελατών αποκτά διαφορετικές μετρήσεις απόδοσης και συνεπώς απαιτεί διαφορετική στρατηγική διαχείρισης, η οποία υπόκειται στην ικανότητα και την εμπειρία του υπεύθυνου manager.
Δημοσιεύτηκε στο www.epixeiro.gr