Profiloinnissa käytettävä data käsittää vähimmillään asiakkuuden iän ja tietoa ostetuista tuotteista. Syvempää analyysiä varten tarvitaan esimerkiksi demo- ja geografiatietoa sekä tarkempaa asiointihistoriaa, kuten kontaktit asiakaspalvelun kanssa ja reklamaatiot. Sovellamme tähän dataan algoritmia, joka jakaa asiakaskannan erilaisiin asiakasryhmiin. Ryhmiä erottelevat muuttujat voivat olla esimerkiksi keskiostos, asiointitiheys ja asiakkuuden ikä.
Voimme yhdistää yksittäisen asiakkaan häntä parhaiten kuvaavaan asiakasryhmään, ja jatkossa uudet asiakkaat voidaan lisätä eri ryhmiin heidän käyttäytymisensä perusteella.
Esimerkki 1.
Yritys on seurannut uusien asiakkaiden kokonaismäärää ajallisesti, ja virta on näyttänyt mukavan tasaiselta. Asiakaskannan profilointi kuitenkin paljastaa, että uudet asiakkaat ovat tulleet pääasiassa ilmaisen sisäänheittotuotteen perässä, eivätkä ole jättäneet juurikaan euroja. Lisäksi avainkohderyhmään kuuluvien uusien asiakkaiden määrä on romahtanut viime aikoina. Profiloinnin jälkeen uusien asiakkaiden sitouttamiseen kiinnitetään enemmän huomioita ja kommunikointia avainkohderyhmälle kehitetään entisestään.
Esimerkki 2.
Yrityksen avainkohderyhmä koostuu pienestä joukosta uskollisia, aktiivisia ja suuren keskiostoksen asiakkaita. Asiakaskannan profiloinnissa tämän joukon lisäksi löydetään passiivisten, poistumassa olevien asiakkaiden ryhmä sekä erittäin suuri satunnaisia pieniä ostoksia tekevä ryhmä. Asiakasryhmien arvoja tarkastelemalla havaitsemme odotetusti avainkohderyhmän olevan kärkipaikalla. Tämän lisäksi havaitsemme, että pienikin keskiostoksen kasvattaminen suurimmassa asiakasryhmässä – esimerkiksi ristiinmyyntiä kehittämällä – toisi todella merkittävän määrän lisämyyntiä. Poistumaongelma osoittautuu puolestaan todella kalliiksi, joten sen hoitamiseen kannattaa kohdentaa lisäresursseja.
Asiakaskannan profiloinnin jälkeen pystymme siis kuvaamaan liiketoiminnalle oleellisimmat asiakasryhmät ja saamme suuntaviivat ryhmille soveltuville jatkotoimenpiteille. Seuraavissa kirjoituksissa paneudumme tarkemmin asiakkuuksien hoitomalleihin ja tutkimme muun muassa asiakaspoistuman jatkoanalyysiä.