Определение ценности на основании финансовых данных
Если в вашем распоряжении есть данные, которые можно привязать непосредственно к сегментам клиентов или корпоративным заказчикам, то проще всего разработать экономическую модель, демонстрирующую связь между NPS и ростом финансовых показателей. Такая модель должна учитывать временной лаг между повышением NPS и ростом доходов компании. В ее основе лежат два предположения: во-первых, индекс искренней лояльности служит опережающим индикатором роста; во-вторых, увеличение NPS влечет за собой повышение финансовых показателей (например, увеличение доли компании в расходах клиента).
В следующем примере мы проанализируем зависимость между NPS и финансовым ростом крупного поставщика программного обеспечения, работающего в сфере В2В. Мы использовали модель, позволяющую рассчитать рост доходов компании по каждому сегменту лояльности. Этот процесс происходил следующим образом:
1. Мы собрали данные об уровне лояльности и объеме доходов по всем ключевым клиентам примерно за пять кварталов. Эффективное использование этой модели зависит от возможности отслеживать и лояльность, и доходы на уровне компании-клиента.
2. Анализ данных о доходах показал, что их объем по каждой компании увеличивается в период продления лицензий (при этом увеличение расходов клиентов на покупку новых продуктов оказывало значимое, но не очень большое влияние). В случае большинства заказчиков продление срока действия лицензий производилось раз в год. Ради простоты мы проанализировали финансовые данные каждого клиента за четыре квартала исходя из предположения, что большинство из них продлит лицензию в течение этого периода.
3. В качестве финансового показателя был выбран рост доходов за один год (например, измеряется как изменение доходов за период с первого квартала одного года по отношению к первому кварталу следующего). Использование роста доходов вместо абсолютного показателя позволяло предотвратить искажение результатов из-за вклада относительно небольшого числа крупных клиентов в объем доходов компании. По той же причине из рассмотрения были исключены выбросы в данных – заказчики с резко отклоняющимися показателями (например, те, при работе с кем темпы роста доходов более чем в два раза превышали среднеквадратическое отклонение от среднего показателя роста).
4. В качестве показателя лояльности мы использовали индекс искренней лояльности. Каждая компания-клиент была отнесена к одной из трех категорий NPS (промоутеры, нейтралы или детракторы) на основании среднего балла рекомендаций отдельных респондентов, принимавших участие в опросе от имени клиента.
5. Мы ввели временной лаг между повышением лояльности и финансовым ростом. Во время предыдущих исследований мы видели, что временной лаг между NPS и ростом составляет, как правило, от трех месяцев до одного года. В связи с этим по каждому клиенту мы использовали значение NPS за один квартал до наступления периода, который использовался для расчета годового роста доходов.
Полученные результаты представлены на рис. 2.5. Как мы и ожидали, на клиентов из числа промоутеров приходится самый большой объем продаж. Обеспечивая компании увеличение доходов в размере 11 процентов в год, эти заказчики становятся движущим фактором роста компании. На сегмент нейтралов приходится 38 процентов общего количества клиентов, однако их весьма скромный вклад в рост компании не идет ни в какое сравнение с положительным экономическим влиянием промоутеров. На детракторов приходится совсем небольшое количество клиентов (12 процентов), но они оказывают негативное влияние на рост доходов, составляющий в данном случае отрицательную величину −6 процентов. В общей сложности процент клиентов в каждом сегменте лояльности, взвешенный по среднему темпу роста, приблизительно соответствует общему темпу роста компании за тот же период (около 5,3 процента). Таким образом, данная модель однозначно подтверждает вывод, что клиенты с высоким NPS обеспечивают более высокий рост доходов, тогда как влияние детракторов носит прямо противоположный характер.
Рис. 2.5. Снижение NPS влечет за собой сокращение экономической ценности
Хотя эти результаты интересны и сами по себе, они также дают возможность моделировать ценность перемещения клиентов (или групп) между различными сегментами лояльности.
На рис. 2.6 отображены два сценария повышения лояльности и ожидаемого влияния на рост компании с течением времени. Темп роста 5,3 процента рассчитан с учетом существующего разделения клиентов на промоутеров, нейтралов и детракторов, а также данных о темпах роста в каждом из этих сегментов. Используя темпы роста по каждому сегменту в качестве постоянной величины, мы можем составить возможные сценарии увеличения объема доходов благодаря продвижению некоторых клиентов по цепочке лояльности. В соответствии с первым сценарием мы перемещаем 6 процентов клиентов в сегмент промоутеров, в том числе 4 процента из сегмента детракторов и 2 процента из сегмента нейтралов. Это обеспечивает повышение ожидаемого темпа роста компании до 6,1 процента. Мы также разработали второй, более агрессивный сценарий, согласно которому перемещение еще 6 процентов клиентов в сегмент промоутеров обеспечивает повышение темпов роста доходов компании до 7 процентов.
Рис. 2.6. Экономический эффект повышения лояльности
Обратите внимание, что представленная модель позволяет оценить и влияние роста доходов. Если годовой доход компании составляет 1 миллиард долларов, то увеличение темпов роста на 0,8 процента было бы эквивалентно доходу в размере 8 миллионов долларов в год, увеличение на 1,7 процента обеспечило бы компании ожидаемый рост доходов в размере 17 миллионов долларов в год. Эти данные можно использовать как основу для экономического обоснования инвестиций в повышение лояльности, сопоставив стоимость вложений с прогнозируемым ростом доходов.
При наличии финансовых данных и информации об NPS вы сможете составить экономическое обоснование инвестиций в программу Net Promoter на основании модели, позволяющей рассчитать ценность каждого сегмента лояльности и перевода клиентов из сегментов детракторов и нейтралов в категорию промоутеров. Кроме того, вы сможете составить прогноз увеличения доходов с учетом ожидаемого повышения темпов роста.
Определение ценности на основании косвенных данных
При отсутствии необходимых финансовых данных расчет возможного эффекта от перевода клиентов из одной категории лояльности в другую требует другого подхода. В анкеты для клиентов часто включают такой вопрос: какова вероятность того, что вы продолжите покупать продукты нашей компании? На основании ответов можно оценить в каждом сегменте лояльности склонность к повторным покупкам. Полученные данные можно использовать для прогнозирования финансовых последствий передвижения клиентов по цепочке лояльности.
Рассмотрим в качестве примера XYZ – компанию по выпуску медицинского оборудования с годовым объемом доходов 360 миллионов долларов. Начнем с сопоставления в табличном виде ответов на вопрос о вероятности покупки продуктов и готовности рекомендовать. Чтобы быть консервативными в оценках, мы решили использовать баллы 9 и 10 для высокой вероятности продолжения покупок, а баллы от 0 до 8 – для низкой. Результаты наших исследований представлены в таб. 2.1.
Таблица 2.1. Склонность к повторным покупкам продуктов компании по сегментам лояльности
Наши исследования показали, что около 90 процентов промоутеров с высокой степенью вероятности продолжат покупать продукты компании в дальнейшем, тогда как всего 4 процента детракторов продемонстрировали такую готовность. В целом вероятность продолжения покупок в сегменте промоутеров была в четыре раза выше, чем в категории нейтралов, и в двадцать раз выше, чем у детракторов.
Теперь мы можем использовать эту информацию в модельном расчете влияния продвижения 1 процента клиентов по цепочке лояльности. В табл. 2.2 показана оценка эффекта перевода 1 процента нейтралов в сегмент промоутеров, выполненная с помощью следующих действий:
1. Мы представили в таблице распределение клиентов по сегментам лояльности (столбец 2) для нынешнего и прогнозируемого состояния (с учетом увеличения количества промоутеров на 1 процент и сокращения количества нейтралов на 1 процент).
2. Затем мы умножили эти значения на вероятность продолжения покупок (столбец 3), чтобы получить взвешенное значение вклада клиентов соответствующего сегмента в доходы компании (столбец 4).
