Динамическая модель управления клиентской базой компании на основе марковских цепей

Современная экономическая ситуация характеризуется возрастающим уровнем конкуренции среди российских компаний и высокой волатильностыо покупательских предпочтений. В этих условиях компании вынуждены искать новые способы эффективного управления.

Последний мировой кризис показал, что в условиях нестабильного финансового положения компании, имеющие значительный уровень лояльности клиентов, смогли удержать лидирующие позиции на рынке.

Это в очередной раз доказывает, что методы управления, основанные на массовом обезличенном производстве, снова уступают место клиентоориентированному ведению бизнеса или CRM — Customer Relationship Management, направленному на понимание потребностей своих клиентов и повышение эффективности работы с ними [66].

Важность качественного управления клиентской базой компании в процессе эффективного управления компании отмечают в своих работах и такие авторы, как Майер[43], Пепперс и Роджерс[48], Сыоэл [55].

Переход компаний к клиентоориентированному ведению бизнеса позволяет компании увеличить свою прибыль и эффективность, повысить свою доходность за счет увеличения выручки от существующей клиентской базы и оптимизации операционных затрат, в первую очередь, за счет двух ключевых факторов, что отмечает в своей книге Ф. Райчхелд [120]:

1. Влияние уровня лояльности на динамику численности потребителей.

Между уровнем лояльности и коэффициентом выбытия клиентской базы существует статистически показанная обратная зависимость — чем выше коэффициент лояльности, тем ниже коэффициент выбытия клиентов.

В качестве иллюстрации рассмотрим две компании — «А» и «В». У компании «А» уровень лояльности потребителей 95%, у компании «В» -90%. Предположим, что обе компании привлекают ежегодно 10% новых клиентов. Это означает, что прирост клиентской базы компании «А» 4 составит 5% в год, в то время как у компании «В» останется неизменным. Таким образом, через 14 лет компания «А» увеличит масштаб своей деятельности в 2 раза, в то время как компания В останется на прежнем уровне развития.

2. Рост прибыли в расчете на одного клиента. Одно из преимуществ длительных отношений с потребителями состоит в том, что в большинстве отраслей объемы закупок имеют тенденцию со временем возрастать.

Рост прибыли от клиента с течением времени, для компании, занятой в секторе товаров повседневного спроса (или Fast-moving consumer goods, FMCG), объясняется следующими причинами:

• Рост числа перекрестных продаж. С течением времени клиент лучше узнает ассортимент компании и, как правило, расширяет диапазон покупаемых товаров.

• Рост потребностей клиента со временем. Например, изменение социального положения, появление детей и т. д. приводит к появлению новых потребностей, удовлетворение которых с большей долей вероятности будет происходить в компании, с которой клиент уже сотрудничает и относится к ней лояльно.

Помимо упомянутых выше ключевых факторов повышения прибыли компании от увеличения лояльности клиентов, коэффициент лояльности оказывает влияние и на другие параметры. Среди них можно выделить следующие:

1. Снижение издержек на привлечение клиентов. К издержкам на привлечение клиентов относятся: реклама, ценовые скидки, процент комиссионных для торговых агентов и т. д.

Очевидно, что повышение индекса лояльности ведет к снижению темпов роста выбытия клиентов. Таким образом, для поддержания определенного уровня клиентской базы требуется привлекать меньше новых клиентов, что приводит к уменьшению величины расходов компании на привлечение потребителей.

2. Получение базовой прибыли.

Под базовой прибылью понимается прибыль, получаемая от продажи продуктов целевым потребителям и не зависящая ни от времени года, ни от лояльности потребителей, ни от других факторов. Чем теснее поддерживается контакт с клиентом, тем более длительное время компания будет получать базовую прибыль, что в свою очередь повышает отдачу от инвестиций в привлечение клиентов.

3. Снижение операционных издержек.

Как правило, величина операционных издержек на обслуживание клиента со временем сокращается. Персонал тратит меньше времени на обслуживание старых клиентов, так как они обладают достаточными знаниями об этой компании, и компания, в свою очередь, многое знает о привычках клиента.

Влияние уровня лояльности потребителей на операционные издержки особенно сильно в розничной торговле и дистрибьюторской деятельности. Так магазин, имеющий клиентскую базу с высоким уровнем текучести, должен держать на складе более значительные запасы товаров, чем магазин, обслуживающий постоянных покупателей. Постоянная клиентская база помогает организовать управление запасами, минимизировать вынужденные скидки для уменьшения величины излишков продукции на складе и упростить прогнозирование спроса на товар в будущем.

4. Увеличение числа рекомендаций.

Потребители, появляющиеся после личных рекомендаций, обычно более привлекательны как клиенты, то есть обеспечивают большую доходность и остаются взаимодействовать с компанией дольше, чем клиенты, реагирующие на рекламу конкурентов, распродажи и ценовые продвижения.

При этом следует учитывать, что в тех отраслях, где клиенты могут попробовать продукт не неся при этом особых затрат и риска, значение рекомендаций относительно невелико. Поэтому для компании, занятой в секторе РМСв, данный фактор не оказывает значительного влияния на рост прибыли.

5. Возможность увеличения ценовой премии.

Потребители, взаимодействующие с компанией в течение длительного времени, генерируют больше прибыли, так как они часто платят дороже за те же самые товары и услуги, чем новые клиенты. Это может объясняться тем, что «свои» потребители не стремятся активно отыскивать специальные предложения, предлагаемые новичкам, или тем, что эти люди обычно менее чувствительны к цене. Они уже знакомы с процедурами, применяемыми в компании, ее сотрудниками и продуктовой линией и поэтому получают большую ценность, в первую очередь, от взаимоотношений.

Клиентоориентированное ведение бизнеса, в свою очередь, требует реорганизации существующих, основанных на продуктоориентироваиной стратегии, бизнес-процессов компании, изменения принципов планирования и разработку новых подходов к управлению организацией.

Новый подход к управлению бизнесом влечет за собой изменение методов расчета ключевых показателей эффективности ведения бизнеса. В частности, прибыль компании должна рассчитываться в зависимости от размера и качества клиентской базы, а не продукта. Затраты компании должны учитываться в расчете на клиента, а не единицу товара. Помимо модификации существующих показателей для эффективного управления клиентской базой требуется разработка новых показателей, отражающих качество клиентов компании и эффективность взаимодействия с ними.

На текущий момент разработан ряд отдельных показателей, позволяющих оценивать стоимость и качество имеющейся клиентской базы. Но все больше компаний, как российских, так и зарубежных, 7 понимают важность комплексного подхода к управлению группами клиентов. Как следствие этого понимания, возникает необходимость разработки комплексной модели управления, позволяющей не только прогнозировать доходность групп клиентов в будущем, но также оценивать эффективность мероприятий, связанных с управлением клиентской базой, и гибко настраивать инструменты управления клиентами.

Так, в рамках CRM стратегии управления компанией, можно выделить два ключевых подхода к оценке эффективности управления клиентами и стоимости клиентской базы компании. Одно из направлений, которому отдают предпочтение западные компании, — подход на основе показателя лояльности клиентов. Второй подход — оценка долгосрочной стоимости клиента.

В настоящее время первое направление разработано наиболее широко как в западной, так и в российской литературе. Модели управления на основе показателя лояльности клиентов представлены в работах Ж.-Ж. Ламбена [39], Ф. Рачхелда [120], Д. Аакера [74], Я. Хофмайера и Б. Райса [102]. Среди российских авторов данная проблематика рассматривается в исследованиях A.B. Цысарь [65], М. А. Добровидовой [19], А. П. Карасева [31].

В качестве основных показателей рассматриваются, в частности, коэффициент повторных покупок, доля кошелька клиента и уровень удовлетворенности.

Второй подход к оценке эффективности управления клиентской базой использует в качестве критерия управления показатель долгосрочной стоимости клиента. Данный подход рассматривается в работах П. Бергера и.

Н.Насра [76], Ф. Райчхелда [120], П. Фадера и Б. Харди [96], Э. Малтхауса и.

Р. Блатберга [106] и многих других. Этот поход позволяет соотнести доходы, полученные от клиентов, с расходами, которые компания несет на их привлечение и обслуживание. Также данный показатель позволяет 8 оценить будущую стоимость клиента, пересчитанную в текущих ценах по ставке дисконтирования. К ограничениям, которые затрудняют использование данного подхода в организациях, относится сложный и многошаговый алгоритм расчета, требующий, в том числе, консолидации всех расходов компании в расчете на одного клиента, а также отсутствие однозначной интерпретации полученных значений.

Можно выделить три основных направления разработки данного вопроса:

• Построение регрессионных моделей (более подробно см. работы Берри и Линоффа [77], Малтхауса и Блаттберга [105]).

• Построение Pareto/NBD моделей (более подробно см. работы Шмитляйна, Моррисона и Коломбо [128], Фадера, Харди и Ли [95]).

• Построение моделей марковских цепей — Markov chain models, МСМ (более подробно см. работы Ф. Пфайера и Р. Карравей [117]).

Для решения задач управления клиентской базой компании, как правило, используют последний тип моделей — модели на основе марковских цепей (МС-модели). В отличие от вероятностных моделей они отличаются относительной простотой и требуют меньших затрат при расчете своих показателей. При этом степень точности прогнозирования МС-моделей сопоставима с Pareto-NBD моделями. Кроме того, МС-модели отличаются высокой гибкостью и легко адаптируются под специфику работы предприятия.

Существующие работы в части разработки МС-моделей обладают рядом ограничений:

• концентрируются на управлении поведением отдельного клиента. К сожалению, данный подход требует значительных временных затрат в случае использования в компаниях с многомиллионной клиентской базой;

• предполагается, что на покупательское поведение оказывает влияние величина маркетинговых расходов, не учитывается поведенческий 9 профиль клиента: частота покупок, средний чек, категории покупаемых товаров.

В целом можно отметить, что на текущий момент накоплена значительная теоретическая база различных методов и подходов к оценке отдельных показателей качества и эффективности управления клиентской базой, но не представлено комплексной модели, позволяющей руководству компании на основе рассчитанных показателей разработать стратегию оптимального управления группами клиентов на долгосрочном интервале времени.

При этом стоит отметить, что о необходимости комплексного подхода к управлению клиентами заявляют все больше компаний, как российских, так и зарубежных. Существует потребность в моделях, позволяющих не только прогнозировать доходность своих клиентов в будущем, но также оценивать эффективность мероприятий, направленных на управление клиентской базой, и гибко настраивать инструменты управления клиентами.

В связи с этим данная область исследования открывает широкие перспективы для дальнейшей разработки и поиска более совершенных и эффективных моделей управления.

В качестве методов совершенствования моделей управления клиентской базой компании предлагается:

• перейти от моделей управления поведением отдельного клиента к модели управления группами клиентов;

• в качестве параметров кластеризации клиентов использовать полный комплекс характеристик покупательского поведения: срок взаимодействия с компанией, сумму и частоту совершения покупок, категории покупаемых товаров, социально демографические характеристики клиента;

• рассмотреть динамическую модель управления клиентской базой компании, где динамика изменения численности клиентской базы.

10 описывается с помощью модифицированной модели движения кадров Староверова О. В. [54];

• учесть характер влияния таких параметров, как категории товаров и проводимые маркетинговые коммуникации, такие как тип, способ коммуникации, характер рекламного предложения.

Объектом исследования в данной работе является клиентская база компании, предоставляющая услуги физическим лицам.

Предметом исследования является управление клиентской базой компании, предоставляющей услуги физическим лицам.

Цель проводимого исследования — построение динамической модели оптимизации управления клиентской базой компании с учетом поведенческих характеристик групп клиентов.

Для достижения цели исследования необходимо решить следующие задачи:

• разработать подход к проведению кластеризации клиентской базы компании на основе поведенческих характеристик групп клиентов;

• построить динамическую модель оценки долгосрочной стоимости клиентской базы компании;

• выявить факторы, влияющие на динамику поведенческих характеристик групп клиентов;

• сформулировать критерии и инструменты оптимального управления клиентской базой с точки зрения компании на основе покупательских характеристик групп клиентов;

• провести апробацию разработанной модели;

• разработать программный инструментарий, позволяющий определить оптимальный план проведения мероприятий по управлению клиентской базой компании.

Методологические и теоретические основы исследования.

Исследование базируется на методологических и теоретических положениях, содержащихся в трудах отечественных и зарубежных ученых в области лояльности клиента и маркетинга, теории марковских процессов, математической статистики и эконометрического моделирования.

Информационная база исследования.

В качестве информационной базы исследования были взяты транзакционные данные о клиентах компании, действующей на рынке салонов сотовой связи, региона Казань за период с ноября 2007 года по март 2012 года. База представляет собой 220 292 уникальных клиента из числа оформивших специальную карту лояльности в момент первой покупки и предъявивших ее в момент последующих покупок. Данные по покупкам клиентов были взяты в разрезе месяца.

В данной работе достигнуто несколько значимых теоретических и практических результатов.

Научная новизна диссертационного исследования заключается в следующем:

1. Предложен подход к оценке эффективности управления клиентской базой компании с учетом кластеризации клиентов на основе их покупательской активности и социально-демографических характеристик.

2. Предложена модель динамики формирования кластеров как стохастического процесса, в котором переходы клиентов из одного кластера в другой представлены марковской цепью.

3. Разработана комплексная динамическая модель управления клиентской базой компании, позволяющая прогнозировать численность кластеров и клиентской базы в целом.

4. Разработана информационно-логическая модель маркетинговой стратегии как рычага управления покупательским поведением клиентской базы.

Теоретическое значение представленных в работе результатов состоит в разработке концептуального подхода к оптимальному управлению клиентской базой компании, учитывающему воздействие маркетинговых коммуникаций на группы клиентов.

Практическая значимость исследования заключается в том, что предложен инструментарий, позволяющий оптимизировать процесс управления кластерами клиентов компании на основе максимизации долгосрочной стоимости клиентской базы с учетом влияния маркетинговых мероприятий на поведение клиентов.

Полученные результаты могут быть использованы менеджерами компаний для решения задач тактического и стратегического управления. В частности, полученные модели могут быть применены для разработки маркетинговой стратегии организации и составления планов проведения маркетинговых мероприятий.

В связи с этим тема исследования имеет научную новизну и актуальна с точки зрения последующего использования в реальном секторе.

Структура диссертационного исследования.

Данное диссертационное исследование состоит из введения, грех глав, заключения, списка литературы и приложений.

1. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989 — 608с.

2. Айвазян С. А., Енюков И. С., Мешалкин Л. Д., Прикладная статистика, Основы моделирования и первичная обработка данных, М.: Финансы и статистика, 1983 471с.

3. Айвазян С. А., Мхитарян B.C., Теория вероятностей и прикладная статистика, т 1,2. М.: «Юнити», 2001 656с.

4. Алексеев, В.М., Тихомиров В. М., Фомин, C.B. Оптимальное управление. Москва: «Наука», 1979 -432с.

5. Андреева A.B. Инструменты управления клиентской базой компании// Материалы Второго российского экономического конгресса, 18−22 февраля 2013 г, г. Суздаль.

6. Андреева A.B. Модель управления клиентской базой — новый шаг в развитии CRM?// Директор информационной службы (CIO.RU), № 03, 2010, издательство «Открытые системы», г. Москва с.26−28.

7. Андреева A.B. Оптимальное управление клиентской базой на основе показателя долгосрочной стоимости клиента// Бизнес-информатика, № 4(22), 2012 г.-с.61−68.

8. Андреева A.B. Разработка модели прогнозирования численности клиентской базы компании. Аудит и финансовый анализ. — М., 2011.-с. 104−109.

9. Андрей Гарнаев. VBA. Наиболее полное руководство, Издательство БХВ-Петербург, 2005 848с.

10. Барнетт Дж., Мориарти С. Маркетинговые коммуникации. Интегрированный подход. СПб.: Питер, 2002 — с.10−33.

11. Беллман Р., Динамическое программирование. Издательство иностранной литературы, Москва, 1960 400с.

12. Благуш П. Факторный анализ с обобщениями. М.: Финансы и статистика, 1989.—248с.

13. Боровиков В. П. STATISTICA: искусство анализа данных на компьютере, Издательство «Питер», 2003 688с.

14. Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. Торгово издательский дом DiaSoft Москва, Санкт-Петербург, Киев 2002. 602с.

15. Гембл, П.Р., Марселла Э., Тапп А. Маркетинговая революция Издательство «Баланс Бизнес Букс», 2007, -428с.

16. Громов Ю. Ю., Земской H.A., Лагутин A.B., Иванова О. Г., Тютюнник В. М. Специальные разделы теории управления. Оптимальное управление динамическими системами: Учеб. пособие. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2004. 108с.

17. Добровидова М. А., Эффективные технологии повышения лояльности потребителей, Маркетинг и маркетинговые исследования, № 3 (45) 2003 г., -с.48−53.

18. Дойль П. Маркетинг, ориентированный на стоимость. Маркетинговые стратегии для обеспечения роста компании и увеличения ее акционерной стоимости. Пер. с англ. СПб.: Питер, 2001, 480с.

19. Друкер П. Эффективное управление. Пер. с англ. М.: Гранд, 1998, 288с.

20. Дуайер Ф. Р. 2011. Использование ценности клиента в течение жизненного цикла в принятии маркетинговых решений. Российский журнал менеджмента, 2011, 9 (3), с.69−80.

21. Дюк В., Самойленко A. Data Mining: учебный курс. СПб.: «Питер», 2001 -368с.

22. Елисеева И. И. Теория статистики с основами теории вероятностей / под редакцией И.И. лисеева, B.C. Князевский, ЛИ. Ниворожкина, З. А. Морозова. М.: Юнити, 2001, -446с.

23. Елисеева И. И. Эконометрика / под редакцией И. И. Елисеева, СВ. Курышева, Т. В. Костеева, И. В. Бабаева, Б. А. Михайлов. -М.: Финансы и статистика, 2001, 464с.

24. Емельянов A.A. Имитационное моделирование экономических процессов / A.A. Емельянов, Е. А. Власова, Р. В. Дума. М.: Финансы и статистика, 2002, -416с.

25. Енюков И. С. Методы, алгоритмы, программы многомерного статистического анализа: Пакет ППСА. — М.: Финансы и статистика, 1986.—232 с.

26. Ефимова М. Р., Петрова Е. В., Румянцев В. И. Общая теория статистики: Учебник. М.: ИНФРА-М, 1996. — 416с.

27. Замков О. О. Математические методы в экономике / О. О. Замков, A.B. Тостопятенко, Ю. Н. Черемных. — М.: Дело и сервис, 2009, 384с.

28. Интрилигатор М. Математические методы оптимизации и экономическая теория // М.: Айрис-Пресс 2002 -553с.

29. Карасев А. П., Разработка факторной модели лояльности для рынка услуг сотовой связи, Маркетинг и маркетинговые исследования, 02(74)2008; с. 98−111.

30. Ким Дж.- О. Факторный, дискриминантный и кластерный анализ / Дж.- О. Ким, Ч. У. Мьюллер, У. Р. Клекка. — М.: Финансы и статистика, 1989,215с.

31. Конрад К. Бизнес-анализ с использованием Excel, 4- издание, Издательство: Вильяме, 2012 576с.

32. Котлер Ф. Основы маркетинга: Пер. с англ. Новосибирск: Наука, 1992. — стр.401−413.

33. Кремер Н. Ш. Теория вероятностей и математическая статистика. -М.: ЮНИТИ-ДАНА, 2009 -552с.

34. Кремер Н. Ш., Путко Б. А. Эконометрика: Учебник для вузов / Под ред. проф.Н. Ш. Кремера. М.: ЮНИТИ-ДАНА, 2002. — 311 с.

35. Крюкова A.A. Оптимизационная модель распределения рекламного бюджета компании // Известия РГПУ им. А. И. Герцена: ежемесячный журнал. — 2009. -№ 99, -с.75−80.

36. Крюкова A.A. Разработка концепции комплексного управления клиентами/ А. А. Крюкова, Е. В. Кузьмин // Вестник СГЭУ: ежемесячный журнал. 2009. -№ 7, — с.61−64.

37. Ламбен, Ж.-Ж. Стратегический маркетинг. Европейская перспектива. Спб: Наука, 1996, 590с.

38. Лопатинская И. В. Лояльность как основной показатель удержания потребителей банковских услуг. 2002. — № 3.

39. Магнус, Я. Р., Катышев, П. К., Пересецкий A.A. Эконометрика. Начальный курс: Учеб. — 6-е изд., перераб. и доп. М.: Дело, 2004. — 576с.

40. Макаров В. Л. Справочник экономического инструментария /B.Л.Макаров, Н. Е. Христолюбова, Е.Г. Яковенко-М.: Экономика, 2003 -520с.

41. Мейер М. В. Оценка эффективности бизнеса. М.: ООО «Вершина», 2004. 272 с.

42. Мерлин С. Маркетинг, ориентированный на потребителя / МерлинC., Вудкок II., Лиз M. М.: Фаир-Пресс, 2000 — 336с.

43. Митина О. В., Михайловская И. Б. М 662 Факторный анализ для психологов. — М.: Учсбно-методический коллектор «Психология», 2001. — 169 с.

44. Ногин В. Д.

Введение

в оптимальное управление. Учебно-методическое пособие. СПб: Изд-во «ЮТАС», 2008 — 92 с.

45. Орлов И. А. Эконометрика. Учебник Москва «Экзамен» 2002 -576с.

46. Пепперс Д. Управление отношениями с клиентами / Д. Пепперс, М. Роджерс. М.: Манн, Иванов и Фербер, 2006 — 336с.

47. Полежаев И. Е. Метод сегментации клиентских баз данных на основе жизненного цикла клиента", Электронный научный журнал «исследовано в России», 2006 г с. 1875−1902. http://zhumal.ape.relam.m/articles/2006/200.pdf.

48. Полежаев И. Е. «Марковская модель для прогнозирования состояния клиентской базы данных», Электронный научный журнал «Исследовано в России», 2006 г. с.1903;1907. http://zluimal.ape.relam.ru/articles/2006/201 .pdf.

49. Ревюз Д. Цепи Маркова. Пер. с англ. В. К. Малиновского. М.: РФФИ, 1997 — 423с.

50. Руст Р., Эмблер Т., Карпентер Г., Кумар В., Сривастава Р. Измерение результативности маркетинга: современные знания и будущие направления исследований. Российский журнал менеджмента, 2007, 5 (2): с. 63−90.

51. Самарский A.A. Математическое моделирование: идеи, методы, примеры / A.A. Самарский, А. П. Михайлов. -М.: Физматлит, 2002 320с.

52. Староверов О. В. Азы математической демографии/ О. В. Староверов. М.: Наука, 1997, — с.56−59.

53. Сьюэлл К. Клиенты на всю жизнь / К. Сьюэлл, П. Браун. М.: Манн, Иванов и Фербер, 2007 — 240с.

54. Третьяк O.A. Развитие концепции управления цепочкой спроса на новых основаниях. Российский журнал менеджмента. 2008, 6 (4): с.141−148.

55. Третьяк O.A. Ценность клиента в течение его жизненного цикла: развитие одной из ключевых идей маркетинга взаимоотношений Российский журнал менеджмента. 2011, том 9, № 3, с. 55−68.

56. Третьяк O.A., Слоев И. А. Оценка маркетинговой деятельности по состоянию клиентского потока, Российский журнал менеджмента, 2012, том 10, № 1, с.29−50.

57. Тюрин IO.II., Макаров A.A. Анализ данных на компьютере. Изд. Зе, перераб. и доп./Под ред. В. Э. Фигурнова — М.: ИНФРА-М, 2002. — 528с.

58. Уокенбах Д. Excel 2010. Профессиональное программирование на VBA Издательство Вильяме, 2011 944с.

59. Фейдер П., Харди Б. Оценка клиентской базы в контрактных условиях: опасность игнорирования неоднородности. Российский журнал менеджмента, 2011, 9 (3): с. 111−126.

60. Халафян A.A. Статистический анализ данных. STATISTICA 6.0. — 2-е изд., испр. и доп.: Учеб. пособие. — Краснодар: КубГУ, 2005. 307 с.

61. Ханк Д. Э., Уичерн Д. У., Райте А. Д. Бизнес-прогнозирование, 7-е издание, М.: Вильяме, 2003 652с.

62. Хейг П. Маркетинговые исследования на практике: основные методы исследования рынка / П. Хейг, Н. Хейг, К. Морган. -Днепропетровск: Баланс Бизнес Букс, 2007 312с.

63. Цысарь А. В., Лояльность покупателей: основные определения, методы измерения, способы управления. Маркетинг и маркетинговые исследования, 2002, № 5 (41), стр. 55−61.

64. Черкашин П. А. Готовы ли Вы к войне за клиента? Стратегия управления взаимоотношениями с клиентами. М.: ИНТУИТ.ру, 2004 -384с.

65. Широченская И. П. Основные понятия и методы измерения лояльности. Маркетинг в России и за рубежом, 2004, № 2.

66. Ширяев A.II. Вероятность. М. Наука, Главная редакция физико-математической литературы, 1980 — 552с.

67. Шонееси, Дж. О. Конкурентный маркетинг. Стратегический подход. —СПб.: Питер, 2002 864с.

68. Шуремов E.JI. Информационные технологии маркетинга / E.JI. Шуремов, А. Ю. Заложнев. М.: Бухгалтерия и банки, 2009 -152с.

69. Шуремов E.JI. Информационные технологии управления взаимоотношениями с клиентами. М.: 1 С-Паблишинг, 2005 — 98с.

70. Юденков А. В. Математическое программирование в экономике / А. В. Юденков, В. В. Круглов, М. И. Дли. М.: Финансы и статистика, 2010 — 240с.

71. Aaker D. A. Managing Brand Equity. The Free Aress, 1991.

72. Asubonteng P., McCleary K.J., Swan J. E. SERVQUAL revisited: a critical review of service quality. The Journal of Services Marketing. Santa Barbara: 1996. Vol. 10, Iss. 6- p.62−81.

73. Berger P. D., Nasr N. L. Customer Lifetime Value: Marketing Models and Applications. Journal Of Interactive Marketing, Volume 12, Number I, Winter 1998.

74. Berry M.J.A, Linoff G. S., Data Mining Techniques (2nd ed.), Indianapolis, IN: Wiley Publishing, Inc., 2004.

75. Bitran G., Mondschein S. Mailing Decisions in the Catalog Sales Industry, Management Science, 1996, vol. 42, N9, — pp. 1364−1381.

76. Blattberg R.C., Deighton J. Manage Marketing by the Customer Equity Test, Harvard Business Review, July August, 1996.

77. Bloemer J., Ruyter K., Wetzeis M. Linking perceived service quality and service loyalty: a multidimensional perspective, European Journal of Marketing, January, 1998.

78. Bloemer J., Ruyter K., On the relationship between store image, store satisfaction and store loyalty, European Journal of Marketing, April, 1997.

79. Bonfrer A., Dreze X. A Renewable-Resource Approach to Database Valuation. White Paper, Singapore Management University Institutional Knowledge at Singapore Management University, 2003.

80. Bronnenberg, B.J. Advertising Frequency Decisions in a Discrete Markov Process Under a Budget Constraint. Journal of Marketing Research, 1998, 35 (3), — pp. 399−406.

81. Burton S., Roberts J., Sheather S., Forget satisfaction: will they repurchase? Improving model fit and prediction, Australian Marketing conference, 1998.

82. Cronin, J.J., Taylor, S.A. Measuring service quality: a reexamination and extension, Journal of Marketing, 1992, Vol. 56, July, — pp. 55−68.

83. David Sheppard Associates, Inc., The New Direct Marketing: How to Implement a Profit-Driven Database Marketing Strategy, Boston: McGrawHill, 1999.

84. Dhar R., Glaser R. Hedging Customers, Harvard Bussiness Review, 2003,81(5), -pp 3−8.

85. Dipak J., Siddhartha S. Customer Lifetime Value Research In Marketing: A Review And Future Directions. Journal of Interactive Marketing, 2002, Volume 16, Number 2.

86. Dirk V.P. Predicting Mail-Order Repeat Buying: Which Variables Matter? Ghent University, Faculty of Economics and Business Administration, Department of Marketing, Hoveniersberg, Working papers, 2003.

87. Dolen W., Ruyter K., Lemmink J. An empirical assessment of the influence of customer emotions and contact employee performance on encounter and relationship satisfaction. Journal of Business Research, 2004, 57 -pp. 437 444.

88. Dwyer F.R. Customer Lifetime Valuation to Support Marketing Decision Making. Journal of Direct Marketing, 1989, 3 (4), pp.8−15.

89. East R., Hammond K. Satisfaction and prediction, Australian Marketing conference, 1998.

90. Ehrenberg, A.S.C. The Pattern of Consumer Purchases, Applied Statistics, 1959, vol. 8.

91. Enis B.M., Gordon W.P. Store Loyalty as a Basis for Market Segmentation. Journal of retailing, 1970, vol. 46 (Fall), Issue 3.

92. Fader P. S., Hardie B.G.S., Lee K. L. Counting Your Customers the Easy Way: An Alternative to the Pareto/NBD Model. Marketing Science, 2005 24(2), -pp. 275−284.

93. Fader, P. S. h Hardie, B.G.S. Probability Models for Customer-Base analysis. Journal of Interactive Marketing, 2009, vol. 23 61−69 pp.

94. Fader, P. S., Hardie, B.G.S. h Lee, K.L. RFM and CLV: Using Iso-value Curves for Customer Base Analysis. Journal of Marketing Research, 2005, Vol XLII, pp.415−430.

95. Garton P. A. Store loyal: A view of differential congruence, International Journal of Retail and Distribution Management, 1995, № 10.

96. Gupta S., Hanssens D., Hardie B., Kahn W., Kumar V., Lin N., Ravishanker N., Sriram S. Modeling Customer Lifetime Value. Journal of service research, November 2006 pp. 139−155.

97. Gupta S., Lehmann D.R., Stuart J. A. Valuing Customers. Journal of Marketing research, 2004, 41 (1), pp.7−18.

98. Hamilton J.D. Time Series Analysis, Princeton, NJ: Princeton University Press, 1996.

99. Hofmeyr J., Rice B. Commitment-Led Marketing. John Wiley and Sons, 2000.

100. Kumar N., Scheer L., Kotler P. From market driven to market driving. European Management Journal. 2000, 18 (2)-pp. 129−142.

101. Kumar V., Petersen J. A., Leone R. P. How Valuable Is Word of Mouth? Identify the customers who bring in the most referrals. Then capitalize on that knowledge. Harvard Business Review, 2007, 10 pp. 1−9.

102. Liesse J. Brands in Trouble. Advertising Age, 1992, December 2, -pp.16.

103. Malthous E.C., Blattberg R.C. Can we predict customer lifetime value? Journal oflnteractive Marketing, 2005, 19 pp.2−16.

104. Malthouse E.C. Ridge Regression and Direct Marketing Scoring Models. Journal oflnteractive Marketing, 1999, 13(4), pp.10−23.

105. Malthouse E.C., Blattberg R.C. Is it Possible to Predict Customer Long-Term Value? Journal oflnteractive Marketing, 2005, 19(1), -pp. 2−16.

106. Malthouse, E.C. Scoring Models. John Wiley & Sons, 2003.

107. Mattila A. S. The Impact of Relationship Type on Customer Loyalty in a Context of Service Failures, Journal of Service Research, November, 2001 -pp.91−101.

108. Miglautsch J.R. Thoughts on RFM scoring. The Journal of Database Marketing, Volume 8, Number 1, 2000 -pp.67−72.

109. Morrison C.L. Measuring service quality: a review and critique of research using SERVQUAL. Journal of the Market Research Society, 2004 pp. 479−497.

110. Morrison, D.G. h Schmittlein D.C. Generalizing the NBD Model for Customer Purchases: What are the Implications and Is It Worth The Effort? Journal of Business and Economic Statistics, 1988. T. vol. 6. -pp. 145−159.

111. Noah G. Customer Loyalty and Supplier Quality Competition. Management Science, 2002, 48 (2), pp.207 — 221.

112. PageN., Eddy C. The correlation between service quality, satisfaction and loyalty, Australian Marketing conference, 1997.

113. Parasuraman A., ZeithamI V.A., Berry L. L. A Conceptual Moldel of Service Quality and Its Implications for Future Research. Journal of Marketing, vol. 49 (Fall 1985), pp.41−50.

114. Pfeifer P. E., Carraway, R.L. Modeling Customer Relationships as Markov Chains. Journal of Interactive Marketing, 2000, vol. 14 (Spring) -pp.43−55.

115. Pfeifer P.E., Haskins M.E., Conroy R.M. Customer Lifetimevalue, Customer Profitability and the Treatment of Acquisition Spending, Journal of Marketing issues, 2005, 17 Spring, -pp.11−25.

116. Rao V., Thomas J. Dynamic models for sales and promotion policies. Operation Research Quarterly, 1973, 24 (3) -pp.403−417.

117. Reicliheld F. The Loyalty Effect: The Hidden Force Behind Growth, Profits, and Lasting Value. Harvard Business School Aress, 1996.

118. Reinartz W.J., Kumar V. The Impact of Customer Relationship Characteristics on Profitable Lifetime Duration The Journal of Marketing, 2003, vol. 67, No. 1 (Jan., 2003), -pp. 77−99.

119. Roberts M.L., Berger P.D. Direct Marketing Management, Prentice Hall, Englewood Cliffs, NJ, 1989.

120. Romaniuk J., Sharp B. The relationship between corporate/brandimage and customer loyalty: a replication. Australian Marketing conference, 1998.

121. Rud O. P. Data Mining Cookbook: Modeling Data for Marketing, Risk, and Customer Relationship Management, John Wiley & Sons, 2001.

122. Rundl S., Mackay T. Measuring brand loyalty, Australian Marketing conference, 1998.

123. Rundle S., Mackay T. Does loyalty reflect ease of substition and lack of awareness of substitutes? Australian Marketing conference, 1997.

124. Rust R., Ambler T., Carpenter G., Kumar V., Srivastava R. Measuring marketing productivity: Current knowledge and future directions. Journal of Marketing, 2004 68(4) -pp. 76−89.

125. Schmittlein D.C., Morrison D.G., Colombo R. Counting your customers: Who are they and what will they do next?, Management Science, 1987 33(January) -pp. 1−24.

126. Schlueter, S. Get to the Essence of a Brand Relationship. Marketing News, January 20 pp.4.

127. Thomas J.S. A Methodology for Linking Customer Acquisition to Customer Retention. Journal of Marketing Research, Vol. 38, No. 2 (May, 2001), pp. -262−268.

128. Too L.H. Y., Souchon A.L., Thirkell P.C. Relationship marketing and customer loyalty in a retail setting: a dynamic exploration. Journal of marketing intellegence and planning, June, 2000 -pp.287−319.

129. Venkatesan R., Kumar V. A Customer Lifetime Value Framework for Customer Selection and Resource Allocation Strategy. Journal of Marketing 2004, Vol. 68-pp. 106−125.

130. Wright C., Sparks L. Loyalty saturation in retailing: exploring the end of retail loyalty cards? International Journal of Retail and Distribution Management, № 10, 1999 -pp.429−439.Я.