ΕΠΙΛΕΓΜΕΝΑ ΑΡΘΡΑ ΤΗΣ ERGON ΣΥΜΒΟΥΛΟΙ ΜΗΧΑΝΙΚΟΙ

[ERGONCON][slideshow]

Χρησιμοποιώντας τη CLV στόχευση στο Facebook για αποτελεσματικότερες καμπάνιες

Tο παρακάτω άρθρο στηρίζεται στην παραδοχή ότι ένας πελάτης φέρνει στην επιχείρησή μας πολλά περισσότερα από τα χρήματα μίας αγοράς του. Φέρνει περισσότερα χρήματα εφόσον ακολουθήσει και δεύτερη αγορά! Πέρα από τον αστεϊσμό, ένας πελάτης όσο παραμένει πελάτης, προσδίδει πολύ μεγαλύτερη αξία στην επιχείρηση, πέρα από την οικονομική, για πολλούς και διαφορετικούς λόγους. Σε αυτό το άρθρο θα μείνουμε όμως στο πρακτικό και αντιληπτό, επιφανειακό, οικονομικό κομμάτι. Ένας πελάτης δεν θα ψωνίσει από εμάς μόνο μία φορά. Επομένως, δεν πρέπει να υπολογίζουμε το κόστος απόκτησής του σε σχέση μόνο με την πρώτη του αγορά, αλλά με το σύνολο των προσδοκώμενων αγορών που θα κάνει στην επιχείρησή μας.

Aς υποθέσουμε για παράδειγμα ότι έχουμε στην κατοχή μας κάποιο ψητοπωλείο και δαπανούμε κάποια χρήματα για να προσεγγίσουμε νέους πελάτες. Στο τέλος της καμπάνιας, αποδεικνύεται ότι κάθε νέος πελάτης μας κόστισε 20 ευρώ και κατά μέσο όρο αυτοί οι πελάτες έκαναν αγορές ύψους μόλις 5 ευρώ. Δηλαδή, για κάθε 1 ευρώ που δαπανήσαμε στη διαφήμιση, πήραμε πίσω μόλις 25 λεπτά. Μ’ αυτά τα δεδομένα θα πει κάποιος ότι η καμπάνια, από οικονομικής άποψης, ήταν μία σκέτη αποτυχία. Αυτό που μας διαφεύγει σε αυτήν την περίπτωση είναι το γεγονός ότι αυτοί οι πελάτες μπορεί να συνεχίσουν να ψωνίζουν ακόμη και καθημερινά από εμάς. Ας ακολουθήσουμε το πιο απαισιόδοξο σενάριο, όπου ο πελάτης παραγγέλνει από εμάς μόνο τα Σαββατόβραδα. Μέσα σε ένα χρόνο, θα έχει παραγγείλει 52 φορές και θα μας έχει δώσει συνολικά 260 ευρώ. Αν συγκρίνουμε τώρα τα 260 ευρώ με τα 20 ευρώ που δαπανήσαμε για να τον αποκτήσουμε, μπορούμε να πούμε με σιγουριά ότι επρόκειτο για μία εξαιρετικά αποτελεσματική καμπάνια.

Tο Facebook προσφέρει έναν όχι και τόσο δημοφιλή τρόπο στόχευσης, ο οποίος στηρίζεται στην παραπάνω λογική. Πρόκειται για μία στόχευση η οποία λαμβάνει υπόψη της τη συνολική αξία των αγορών ενός πιθανού πελάτη στο προσδοκώμενο διάστημα διατήρησής του. Όπως αναφέρει ο Neil Patel (2018) από την Quicksprout, στη βιβλιογραφία ο όρος συναντάται συχνότερα με το ακρωνύμιο CLV (Customer Lifetime Value), ενώ στο Facebook χρησιμοποιείται το ακρωνύμιο LTV. Ουσιαστικά, πρόκειται για έναν δείκτη που περιγράφει το συνολικό μέγεθος αγορών ενός πελάτη στο συνολικό χρόνο παραμονής του ως πελάτη σε μία επιχείρηση. Αν για κάποιο λόγο ο πελάτης αυτός εγκαταλείψει την επιχείρηση για εύλογο χρονικό διάστημα και επιστρέψει και πάλι με αφορμή μία νέα καμπάνια, τότε το CLV του υπολογίζεται από την αρχή ως νέος πελάτης. Το υπό συζήτηση εργαλείο, λοιπόν, που μας το διαθέτει το Facebook, μελετά τους δείκτες CLV κάποιων πελατών μας δειγματοληπτικά, επιλέγει τους πελάτες με τους υψηλότερους δείκτες και στοχεύει σε κοινό με παρόμοια χαρακτηριστικά και ενδιαφέροντα. Σκοπός, να δείξουμε τη διαφήμισή μας σε πιθανούς πελάτες οι οποίοι σε βάθος χρόνου έχουν περισσότερες πιθανότητες να κάνουν αγορές μεγαλύτερου ύψους.

Oπως αναφέρει κι ο Metcalfe Luke (2017) από την Crealytics, ο χρόνος παραμονής ενός πελάτη σε μία επιχείρηση είναι 12-24 μήνες. Επομένως, όταν γίνεται λόγος για “Lifetime”, αναφερόμαστε συνήθως σε αυτό το χρονικό διάστημα. Υπάρχουν δύο τρόποι αναφοράς στο εν λόγω χρονικό περιθώριο κέρδους. Ο πρώτος συναντάται με τον όρο “Historic CLV” και ο δεύτερος με τον όρο “Predictive CLV”. Η πρώτη περίπτωση είναι η πιο απλή και αφορά ουσιαστικά το σύνολο των κερδών μας από έναν πελάτη για όσο καιρό παραμένει πελάτης. Σε περίπτωση που δεν τηρούμε αρχεία καταγραφής αγορών πελάτη, μπορούμε να χρησιμοποιήσουμε έναν απλό τρόπο υπολογισμού που προτείνει η Gudat Sandra (2017) από το Customer Commynications Group: Ο μέσος όρος μίας συναλλαγής x τον αριθμό των συναλλαγών που γίνονται σε ένα έτος x προσδοκώμενα έτη παραμονής του πελάτη. Η ίδια για τη ακρίβεια παρουσιάζει την φόρμουλα ως «Average Transaction + Annual Purchase Frequency + Expected Years of Relationship = CLV». Μία πιο ακριβή προσέγγιση επιχειρεί ο Edward Gotham (2017) από την «Ometria» με τον τύπο CLV=((TxAOV)AGM)ALT. Όπου T= ο αριθμός των συναλλαγών που γίνονται σε ένα μήνα, AOV= η μέση αξία μία συναλλαγής, ALT= ο χρόνος παραμονής ενός πελάτη σε μήνες, AGM= το κατά μέσο όρο υπολογιζόμενο περιθώριο κέρδους (Margin) ανά συναλλαγή.

Oσον αφορά στο δεύτερο όρο (Predictive CLV), εκεί τα πράγματα περιπλέκονται ακόμη περισσότερο. Ουσιαστικά προσπαθεί να προβλέψει το συνολικό ύψος των αγορών που θα κάνει κάποιος πελάτης στο μέλλον, συνυπολογίζοντας προηγούμενες συναλλαγές του και πρότυπα συμπεριφοράς που οδηγούν σε σύνθετες προβλέψεις για το ύψος των αγορών που θα ακολουθήσουν. Αν ενδιαφέρεται κανείς, μπορεί να διαβάσει το άρθρο “Modeling Customer Lifetime Value” των Sunil Gupta, Dominique Hanssens, Bruce Hardie, Wiliam Kahn, V. Kumar, Nathaniel Lin, Nalini Ravishanker και S. Sriram (2006), δημοσιευμένο στο επιστημονικό περιοδικό Journal of Service Research (SagePub).

Για καλή μας τύχη δεν χρειάζεται να κάνουμε εμείς όλους αυτούς του περίπλοκους υπολογισμούς για να εφαρμόσουμε την κατάλληλα στοχευμένη καμπάνια σε πελάτες που μελλοντικά θα φέρουν περισσότερα χρήματα στην επιχείρησή μας. Το δύσκολο αυτό κομμάτι το έχει αναλάβει ο αλγόριθμος του Facebook. Εμείς, το μόνο που έχουμε να κάνουμε, είναι να ετοιμάσουμε κάποιο πρότυπο excel το οποίο μας το προμηθεύει το Facebook. Τα συμπληρώνουμε σύμφωνα με τις οδηγίες με στοιχεία πελατών που ήδη έχουμε εξυπηρετήσει, ανεβάζουμε το excel στο Facebook και ο έξυπνος αλγόριθμος του αναλαμβάνει τα υπόλοιπα. Με αυτόν τον τρόπο, το Facebook στοχεύει κοινό που σε βάθος χρόνου θα μας φέρει περισσότερα χρήματα. Είναι κρίμα να υπάρχει τέτοιο εργαλείο και να μη το χρησιμοποιούμε.

Πρόκειται για έναν εξαιρετικά σημαντικό και χρήσιμο τρόπο εύρεσης νέων πελατών, ειδικά αν αναλογιστεί κανείς τον αυξημένο βαθμό απογοήτευσης των μικρομεσαίων επιχειρήσεων σχετικά με τις καμπάνιες που διενεργούν στο Facebook. Σε έρευνα της Weebly, όπως την παρουσιάσει η Sophy Joshua (2017), από “Small Business Trends”, το 62% των ερωτηθέντων ιδιοκτητών μικρομεσαίων επιχειρήσεων που εφαρμόζουν κάποια επί πληρωμή καμπάνια (paid campaign) στο Facebook δήλωσαν ότι οι διαφημίσεις αποτυγχάνουν να προσεγγίσουν το επιθυμητό κοινό. Πρόκειται για μία βαρύγδουπη δήλωση, δεδομένου του ότι η έρευνα περιελάμβανε 2,600 άτομα. Από αυτά, τα 1,612 θεωρούν τη στόχευση στις διαφημίσεις του Facebook αναποτελεσματική. Με τον νέο τρόπο στόχευσης, προσανατολισμένο στο CLV, οι μικρομεσαίες επιχειρήσεις μπορεί να αλλάξουν τη γνώμη τους για την αποτελεσματικότητα των διαφημίσεων στο Facebook.

Φυσικά, θα πρέπει πρώτα να κατανοήσουμε ότι ένας πελάτης δεν μπορεί απλά να αποκτηθεί, πρέπει να δημιουργηθεί. Ας θυμηθούμε τα λόγια του Peter Drucker: “The Purpose of a Business is to Create a Customer”.

του Χαράλαμπου Δ. Αδάμ
πηγή: epixeiro.gr

ΕΠΙΧΕΙΡΗΣΕΙΣ

[ΕΠΙΧΕΙΡΗΣΕΙΣ][stack]

ΤΟΥΡΙΣΜΟΣ

[ΤΟΥΡΙΣΜΟΣ][btop]

ΕΝΕΡΓΕΙΑ

[ΕΝΕΡΓΕΙΑ][grids]

TECHNEWS

[ΤΕΧΝΟΛΟΓΙΑ][btop]