Давайте рассмотрим какие данные стоит собирать из CRM и других информационных систем, чтобы быть на шаг впереди конкурентов.
Современный предприниматель, заинтересованный в развитии своего бизнеса скорее всего хорошо знаком с такими терминами как конверсия, охват, лиды, средний чек, LTV. CRM и другие информационные системы, поставляющие такие данные позволяют делать оценку состояния бизнес процессов вашей компании. Однако при расчете этих показателей есть некоторые нюансы, и если их учитывать, то можно делать более точный и глубокий анализ вашего бизнеса и находить больше возможностей для увеличения прибыли.
Рассмотрим эти показатели по порядку.
Скорее всего большинство предпринимателей знает о таких показателях как охват (О) и конверсия (К). Под конверсией подразумевается количество заинтересовавшихся из узнавших о вас клиентах. Обычно сведения об охвате накапливаются при онлайн коммуникациях в ваших рекламных кабинетах, системах сквозной аналитики. При офлайн коммуникациях у вас могут накапливаться такие данные как расходы на выставке, расходах на привлечение клиентов с помощью наружной рекламы. Просто замечательно, если в вашей компании такие данные собираются систематически с учетом источников привлечения клиентов. Главная выгода состоит в том, что вы можете считать отдачу не только онлайн каналов продаж, но и от офлайн каналов, имея более реалистичную картину.
Если у вас есть CRM, то должны собираться данные по лидам (L) и клиентам, на основе которых считается конверсия. Есть компании староверы, которые до сих пор ведут такие данные в эксель, но основные проблемы с анализом и принятием решений возникают даже не из-за этого. Разбираемся…
Допустим есть данные клиентах: наименования, общее количество и т.д. Но это не достаточная метрика. Есть и более важная метрика - успешный клиент (CS), т.е. тот клиент, который не ушел в отток. С оттоком часто и возникают проблемы. Обычно отток обусловлен тремя причинами.
Первая – это недостаток товар или услуги. Типичная ситуация, когда товара нет в наличии, длинная очередь, заняты все сотрудники, нет свободных столиков.
Вторая - техническая. Например, клиент хотел оплатить картой и не работал терминал, сделка в итоге не состоялась.
И третья причина - это плохой скоринг, вы не можете продать клиенту, даже, если он очень хочет у вас купить. Основная причина этого – вы не можете рассматривать клиента как благонадежного.
Для корректного анализа в структуре базы данных важно иметь информацию о причинах оттока для каждой ситуации. Если вы не являетесь крупной корпорацией, то возможно еще рано инвестировать крупные суммы денег в сложные системы для анализа причин оттока. Однако, если ваш бизнес связан с В2В клиентами, и они довольно часто не могут получить от вас товар в срок по различным причинам, то однозначно имеет смысл отслеживать причины, по которым произошли сбои в поставках, не был заключен договор или стала расти дебиторская задолженность клиентов. Такие данные будут очень ценны для последующего анализа.
Если в вашей компании используется скоринг для оценки благонадежности клиента, то важно, чтобы скоринговые алгоритмы фиксировали подробное описание при присвоении баллов клиентам. Несмотря на то, что модели скоринга созданы уберегать бизнес от рисков и финансовых потерь, они бывают на столько жесткими, что забирают возможность заработать больше. Располагая более подробной информацией о присвоении скоринговых балов, у бизнеса появляется поле для маневров, можно попробовать пересмотреть модель и сделать ее более демократичной. Не смотря на небольшое ухудшение структуры рисков для компании все же появляется возможность получить большую прибыль.
Следующий немаловажный показатель – LTV. При его расчете важна персонализация. В сегменте В2С в этом помогает применение карт лояльности. В В2В источником данных о клиентах служат такие документы как накладные, счета-фактуры и др. На самом с В2В клиентами не все так просто как кажется на первый взгляд. Контрагенты могут у вас покупать с разных юридических лиц, а данные о том, кто конечный бенефициар находятся только в голове у менеджера. Еще хорошо, если у него хорошая память. Но для более корректного расчета LTV важно, чтобы ваши информационные системы учитывали как связаны между собой ваши контрагенты, входят ли они в группу компаний или холдинг.
LTV в свою очередь распадается на средний чек (P) и количество успешных транзакций (Q) с клиентом. (LTV = P*Q).
Рассмотрим особенности показателя P – среднего чека. В целом, с этим показателем проблем нет, начинаются они тогда, когда структура базы данных не позволяет разбить средний чек на среднюю стоимость одного товара (Pт) и глубину чека (D), т.е. кол-во товаров в одном чеке. Чем это черевато?
Рассмотрим пример с двумя магазинами: магазин А и магазин В. В магазине А в среднем покупают 2 товара за сделку по 50 рублей. В магазине В покупают в среднем 4 товара по 25 рублей.
Р1=2*50=100 руб.
Р2=4*25=100 руб.
Средний чек в обеих точках составляет 100 рублей.
Таким образом, если декомпозиция среднего чего не отстроена в структуре данных компании, то мы не видим разницы между двумя магазинами, они кажутся совершенно одинаковыми. Хотя на самом деле это не так, ведь в одном магазине покупают более дорогие товары и редко, а во втором более дешевые товары, но чаще.
Многие проблемы также возникают на этапе учета успешных сделок (Q). Количество успешных сделок мы учитываем как разницу между количеством сделок с одним клиентом и количеством возвратов.
Q=Qc – возвраты. Сложности могут быть следующие. В некоторые организация возвраты могут фиксироваться как отдельные транзакции, и их часто невозможно отследить, если заранее не были помечены. С другой стороны, возвраты могут возлагаться на средний чек. Например, человек совершил покупки за 1 рубль, за 3 рубля и за 5 рублей. Итого 9. Потом пришел и вернул товар за 3 рубля. К сожалению, некоторые предприниматели и аналитики не будут засчитывать это как одну сделку с возвратом 0,33, поскольку возвращены 3 рубля из 9. А будут считать, как одну сделку со средним чеком 6 с логикой, что купил на 9 рублей, 3 рубля вернул и средний чек 6 рублей. Проблема такого подхода не сколько в арифметике, сколько в возможностях анализа. Поскольку, если мы не размыкаем возвраты первым способом, считая это одной сделкой за 9 рублей минус 0,33 рублей возврата, то мы не можем грамотно понять, где получаем и где теряем деньги, где начинается и заканчивается ответственность коммерческого блока или блока постпродажного обслуживания, который очевидно отвечает за возвраты. И где ответственность закупщиков, которые могли закупить некачественную продукцию.
Рассмотрим еще два показателя, которых как правило нет в информационных системах, и их отсутствие может создать множество проблем.
Сведения о себестоимости (CP). Без этих данных тяжело оценить такие параметры как целевой объем скидок и привлекательность вашего контрагента, какая отдача от работы маркетологов с продажниками в сравнении с производственными отделами. У вас существенно увеличиваются возможности для дальнейшего анализа и оптимизации, если в реальном времени считать сокращение себестоимости при отдаче от масштаба.
Также очень полезно собирать сведения о персонале (Н). Например, много полезной информации можно получить, если обеспечить в CRM закрепление за клиентом ответственного менеджера. Можно узнать с какими категориями клиентов или продуктами сотрудник работает лучше или хуже, какая динамика производительности менеджера, скажем, спустя год работы. Типичная ситуация, когда после определенного промежутка времени у сотрудника не происходит прирост производительности или даже наоборот снижается. Зачастую причина кроется в системе обучения, когда основные силы для развития продавца тратятся на старте при адаптации. Первые 3 месяца его учат активно, следующие 3 месяца учат менее активно, а последующие 4 месяца еще менее активно. После года работы как правило обучения уже не происходит, а статистика говорит о том, что к 14-му месяцу работы сотруднику уже нужна реальная помощь, когда его показатели начинают идти на спад или стоят на месте. Получается сотруднику необходим компетентностный рывок в тот момент, когда его развитию перестает уделяться должное внимание. Отсутствие данных по сотруднику или отсутствие порядка закреплять сделки и клиентов за продавцом серьезно усложняет анализ и оптимизацию управления сотрудниками.
Таким образом мы разобрали основные показатели, которые зачастую не учитываются в аналитике бизнес-процессов большинства компаний.
Еще раз перечислим эти показатели:
- охват (О);
- конверсия (К);
- кол-во лидов (L);
- количество успешных клиентов (CS);
- причины оттока;
- LTV – life time value;
- средний чек (P);
- количество успешных транзакций (Q);
- сведения о себестоимости (CP).
Грамотный учет вышеописанных показателей позволяет выжать намного больше ценной информации из CRM и других информационных систем вашей компании, а владея правильной информацией проще принимать взвешенные и правильные решения.
