Исследование лояльности потребителей ООО «Конкорд»

Качественная и оперативная пассажироперевозка, доставка грузов — услуга востребованная, спрос на нее довольно высок. Оценив возможности рынка, давайте вместе поймем, каковы перспективы открытия собственного бизнеса в сфере транспортных услуг.

Рынок развивается. Изменения происходят и количественные, слабые игроки уходят с рынка, и качественные. Основных трендов два.

Первый — классических таксопарков со своими автомобилями, диспетчерами, станциями технического обслуживания и медицинскими работниками остается все меньше. Фирмы такси перестают тратить деньги на содержание собственных диспетчеров, которые записывают заявки на листке, и заключают договоры со специализированным контакт-центром. Автоматизация деятельности контакт-центра позволяет руководителям фирм получать аналитику — детальные отчеты по заказам. Это выгодно и открывает новые возможности контроля и оптимизации бизнеса. Главное, что за счет этого услуги такси становятся качественнее и доступнее населению.

Вторая тенденция — развитие мобильных приложений и онлайн-сервисов для заказа такси, с которыми пассажирам проще и удобнее пользоваться услугами.

Модель Pareto/NBD была создана для предсказания покупательского поведения, которое имеет систематическую основу: каждый клиент покупает с определенной периодичностью, а затем становится неактивным. Стоит заметить, что модель предполагает случайный непрерывный процесс оттока клиентов. Если говорить более строго, то модель основывается на следующих пяти предпосылках:

• — в период активности клиента количество его заказов в течение периода t распределено по закону Пуассона с интенсивностью транзакций л;
• — неоднородность в значениях интенсивности транзакций л между клиентами подчиняется гамма-распределению с параметрами r и б;
• — каждый клиент имеет ненаблюдаемый период жизни длиной ф. Продолжительность жизни клиентов распределена экспоненциально с коэффициентом м;
• — неоднородность в значениях коэффициентов м между клиентами подчиняется гамма-распределению с параметрами s и в;
• — интенсивность транзакций л и коэффициент м независимы между собой и варьируют между клиентам.

Модель Pareto/NBD требует лишь три входные переменные, характеризующие прошлую покупательскую историю каждого клиента: количество повторных транзакций3, сделанных в промежуток времени, на котором мы обучаемся, время между первым и последним заказом, и, собственно, длину этого промежутка.

И так, в компании «Конкорд» такси на 100 000 человек, которые делали заказы в промежутке времени длиной 104 недели (два года). Первый год (2013 г.) обозначим как период обучения модели, второй же год (2014 г.) будем считать тестовым.

Покупательская история клиентов показана на рис. 1.

Покупательская история потребителей ООО «Конкорд».

Необходимо преобразовать ее в матрицу 100 000Ч3 в виде (,). X xt T x Пример матрицы приведен в табл.

Входных данных для модели лояльности потребителей ООО «Конкорд».

Текст программного кода процесса моделирования приведен на рис.

Текст программы для моделирования лояльности потребителей ООО «Конкорд».

Четыре коэффициента модели Pareto/NBD (r, б, s, в) могут быть получены с помощью метода максимального правдоподобия.

В результате моделирования получаем возможность оценки трех ключевых параметров.

• 1. Ожидаемое количество заказов, которое принесет случайный клиент в интервал времени (0, t)
• 2. Вероятность, что клиент с наблюдаемым поведением активен в момент времени T
• 3. Ожидаемое количество транзакций в конкретном периоде (T, T + t) для клиента с наблюдаемым поведением.

Приведенные данные иллюстрируют, насколько точно Pareto/NBD оценивает кумулятивное число заказов, а также их недельную динамику.

На первом графике представлено, как Pareto/NBD моделирует динамику количества заказов в неделю выбранной когорты клиентов, негативный тренд которой объясняется тем, что со временем некоторые пользователи становятся неактивными.

Можно сделать вывод об адекватности использования данной модели, так как, несмотря на вариацию реального количества заказов в неделю, прогнозные и действительные значения кумулятивного числа заказов практически совпадают (см. рис.).

Количество заказов в неделю (сгенерированные данные) ООО «Конкорд».

Данный вывод подтверждает и коэффициент детерминации регрессионной модели количества заказов в неделю, значение которого составило 0.86.

Модель Pareto/NBD позволяет узнать: вероятность, что пользователь стал неактивным; количество заказов, которые принесет случайный пользователь; количество заказов, которое принесет определенная когорта клиентов.

Успешная реализация модели на реальных данных Wheely доказывает, что модель действительно пригодна для решения прикладных бизнес-задач.

Обладание такой информацией дает возможность:

• — предотвращать отток клиентов, высылая специальные предложения тем, кто, согласно модели, находится на грани «выбытия», или же пытаться вернуть неактивных;
• — прогнозировать оборот, который мы получим от определенной когорты потребителей;
• — оптимизировать затраты на привлечение новых клиентов, исходя из информации о том, сколько заказов принесет случайный пользователь.

Таким образом, проведенные исследования служат доказательством того, что модель Pareto/NBD является мощным инструментом для клиентской аналитики и до сих пор не потеряла своей актуальности.

Более удобным для менеджеров компании является метод анкетирования для определения лояльности клиентов. Проведение анкетирования клиентов с помощью специальной анкеты-лояльности. Для разработки анкеты лояльности в компании «Конкорд» применяется программное обеспечение КонСи-Анкетер для позиционирования.

Интерфейс программы анкетирования клиентов в момент ввода анкет лояльности о восприятии покупателями программы лояльности ООО «Конкорд».

потребитель программа транспортный лояльность При обработке анкет лояльности в компании «Конкорд» с помощью кластерного анализа и факторного анализа выделяются сегменты покупателей. А затем на выделенных сегментах с применением факторного анализа мнений покупателей о программе лояльности и программе лояльности конкурента определяются позиции сопоставляемых программ лояльности.

Факторный анализ позволяет выделить обобщенные критерии (факторы), каждый из которых содержит в себе свойства сразу нескольких переменных. Фактор «сжимает» информацию о многих переменных. Один из методов факторного анализа — метод главных компонент — основан на том, что обобщенные факторы независимы между собой. Таким образом, модель метода главных компонент определяется формулой:

zj — j-ая исходная переменная,.

F1, F2,…, Fm — общие факторы, влияющие на значения исходных переменных,.

aj1, aj2,…, ajm — факторные нагрузки, характеризующие степень влияния каждого фактора.

Для компании «Конкорд» используем данные:

Изображение выделенных сегментов рынка Формируемые факторы предоставления услуги и отношения к ней клиентов отражают большей степени взаимосвязи между переменными, факторные нагрузки которых выделены красным цветом;

График зависимости количества факторов В процессе проведения факторного анализа на всех переменных сегментирования выделены три фактора. Красным цветом показаны переменные, которые имеют большие факторные нагрузки. Смысл этих переменных позволяет объяснить маркетинговый смысл выделенных факторов.

Изображение матрицы факторных нагрузок после проведения факторного анализа изучаемых переменных сегментирования. Интерфейс программы КонСи-сегментирование рынка Содержательный смысл выделенных сегментов понятен маркетологу компании «Конкорд» и ее руководителю. Это позволяет ему быстро понять достоинства и недостатки текущей позиции тестируемой услуги компании «Конкорд» и предложить стратегии репозиционирования для исследуемой услуги. Показана карта позиционирования трех товаров относительно выделенных сегментов.

Карта позиционирования услуг такси в Новосибирске Отображение позиционируемых услуг и выделенных сегментов рынка в факторном пространстве. Факторное пространство построено на переменных позиционирования.

Видно, что компания «Такси 777» и компания «Народное такси» принадлежат одному и тому же зеленому сегменту, а компания «Конкорд» находится в синем сегменте.

В рамках проведенного маркетингового исследования лояльности клиентов «Конкорд» была проведена критериальная оценка лояльности потребителей к услугам компании. 100 клиентам компании было предложено ответить на следующие вопросы (приложение А).

Согласно проведенного анализа можно говорить о таких выводах:

Удовлетворенность услуг такси «Конкорд».

И так, можно говорить о том, что программа лояльности для клиентов построена правильно, так как данные опроса показывают, что клиенты довольны услугами компании и доля постоянных клиентов достаточно велика — 48%.

Так же на вопрос «Какова вероятность того, что Вы порекомендуете своим знакомым услуги такси «Конкорд», показало:

Какова вероятность того, что Вы порекомендуете своим знакомым услуги такси «Конкорд», которыми вы уже воспользовались? Оцените с помощью шкалы от 1 до 10, где 1 означает, что вероятность рекомендации очень мала, а 10, что очень высока Как вывод к исследованию можно сказать о том что: при выборе компании такси, целевая аудитория обращает внимание на следующие факторы:

• — комфорт
• — безопасность
• — цена
• — скорость подачи машины
• — вежливость водителя
• — знание водителем города
• — доп. услуги (молчаливый водитель, провоз багажа, детское кресло, запрет на курение в салоне, и т. п.)