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

Оптимизация математической модели

В качестве оптимизации предлагается внедрение в структуру процесса продажи услуг дополнительной функции — анализа клиентов путем сегментирования их в определенные группы, характеризующие их значимость для «Доктор-W» .

Оптимальной методикой оценки важности клиентов является RFM-анализ. RFM (англ. Recency Frequency Monetary — давность, частота, деньги) — сегментация клиентов в анализе сбыта по лояльности [3].

RFM определяет три категории:

• § Recency (давность) — давность сделки (чем меньше времени прошло с момента последней активности клиента, тем более вероятней, что он повторит действие);
• § Frequency (частота) — количество сделок (чем больше каких-либо действий совершит клиент, тем больше вероятность того, что он его повторит в будущем);
• § Monetary (деньги) — сумма сделок (чем больше денег было потрачено, тем больше вероятность того, что он сделает заказ).

RFM-анализ позволит выявить как самых доходных клиентов, так и менее доходных клиентов, вследствие чего менеджеры смогут разработать для каждой группы клиентов свою систему скидок и предложений.

Таким образом, основными параметрами в данном случае являются:

• § Дата последней покупки (tпосл)
• § Объем покупок (Q)
• § Сумма покупок (S)

После проведения RFM-анализа формируется 5 групп клиентов, от маловыгодных клиентов до самых доходных.

Соответственно необходимо разработать для этих пяти групп пять различных программ скидок.

Для группы с самыми выгодными клиентами процент скидки может достигать 10−15%, в то время как для маловыгодных этот процент составит лишь 2−3% и т. д.

Отобразим внедренные процессы в математической модели. Сам процесс обслуживания заявки от момента ее принятия до момента предоставления услуг изменений не претерпевает, однако весь процесс обслуживания клиента добавляются новые процессы:

• § проведение RFM-анализа и соответственно формирование групп клиентов по их значимости в соответствии с результатами данного анализа;
• § разработка рекламной кампании и программ скидок для каждой из групп клиентов.

Зададим сеть Петри для оптимизированного процесса:

P = {р1, р2,…, р28} - множество состояний процесса;

T = {t1, t2, t3, t4, t5, t6, t7, t8, t9, t10} -множество переходов процесса;

I = {i1, i2, i3, i4, i5, i6, i7, i8, i9} - множество входных функций;

O = {o1, o2, o3, o4, o5, o6, o7} -множество выходных функций.

Множество состояний.

P ={р1,…, р28}.

процесса характеризуется наличием меток разных типов Множество переходов.

T = {t1,…, t10}.

процесса характеризуется временными характеристиками.

Граф математической модели оптимизированного бизнес-процесса представлен на рисунке 2.1.

Рисунок 2.1. -Граф сети Петри для процесса оформления групповой заявки на посещение клиники «Доктор-W» после оптимизации Таблица 2.1 — Значения состояний и переходов оптимизированной математической модели.

Таблица 2.2 — Временные оценки оптимизированного бизнес-процесса.

В результате оптимизации математической модели удалось добиться сокращения временных затрат на консультацию клиента, а также на формирование клиентом заявления на оказание услуг.

Разработка программ скидок сократилась с двух дней до одного вследствие разделения клиентов на группы. Посредством базы данных клиентов проводится RFM-анализ, в результате которого формируются 5 групп клиентов, ранжированных по важности. Затем для каждой группы клиентов составляется своя программа скидок и бонусов.

При приеме клиента, менеджер определяет принадлежность клиента к одной из пяти групп, и выбирает соответствующую программу скидок. Затем менеджер консультирует клиента в соответствие с выбранной программой.

Далее процесс обслуживания клиента идет стандартным образом: клиент формирует заявку, подает ее менеджеру, который ее принимает и рассматривает. Далее менеджер передает данные в кассу, которая выставляет счет. Клиент счет оплачивает, после чего заключается договор, Сведения из договора подаются в регистратуру, которая и предоставляет доступ к выбранным клиентом услугам.

Рассмотрим применение RFM-анализа на пример текущей статистики о клиентах «ДОКТОР-W» .

В качестве клиентов в данном случае рассматриваются только юридически лица, т. е. это предприятия, организации открытого и закрытого типов, индивидуальные предприниматели.

Расчеты произведем на текущую дату — 21.09.2012.

Шаг 1. Рассчитываем для каждого клиента давность покупки (Recency) как разность между текущей датой (21.09.2012) и датой последней его покупки.

Разбиваем полученные данные на 5 групп (квантилей). Каждый клиент при этом получит идентификатор от 1 до 5 в зависимости от его активности. Тем, кто недавно осуществлял покупку, будет присвоен код R=5. Те, кто дольше всех не покупал ничего, получат R=1.

Шаг 2. Для каждого клиента определяем количество покупок за определённый период (статистические данные) Разбиваем полученные данные на 5 групп (квантилей). Клиентам, совершившим наибольшее число покупок, будет присвоен код F=5, наименее активные покупатели получат F=1.

Шаг 3. Для каждого клиента определяем сумму потраченных денег (статистические данные). Разбиваем полученные данные на 5 групп.

Клиентам, потратившим наибольшие суммы, будет присвоен код М=5, клиентам, потратившим наименьшие суммы — М=1.

Статистика клиентов по основным параметрам для RFM-анализа представлена в приложении 1. Совместив статистические данные, получим код RFM, состоящий из трёх цифр. Результаты ранжирования клиентов по RFM-коду показаны в приложении 2. Жирным шрифтом отмечены самые доходные клиенты, которые чаще остальных пользуются услугами связи данного предприятия, причем они тратят при этом наибольшие суммы денег.

Процентное соотношение клиентов от самых доходных (1 группа) до самых маловыгодных (5 группа) представлено в таблице 2.3.

Таблица 2.3 — Процент клиентов в каждой группе.

Из представленной таблицы можно сделать вывод, что все 5 групп клиентов имеют практически одинаковое количество клиентов.