Funkcje analityczne w SAP CRM

Kompletne rozwiązanie CRM

SAP CRM bywa postrzegany jako narzędzie służące zautomatyzowaniu procesów interakcji z klientami. Aplikacja ta wzmacnia skuteczność kontaktów z nimi w różnych kanałach komunikacji, od sprzedaży bezpośredniej, przez centrum obsługi klienta, po Internet. To jednak tylko część pożytku, jaki możemy mieć z CRM.

Kompletne rozwiązanie CRM powinno być zintegro-wane z platformą przechowującą informacje o part-nerach biznesowych naszej firmy. Dostęp pracowników, którzy mają bezpośredni kontakt z klientem, do danych analitycznych jest niezmiernie ważny w działaniach operacyjnych, ponieważ pozwala podejmować trafne, oparte na rzetelnych informacjach decyzje.

Aplikacją, w której te dane są przetwarzane, jest CRM Analytics, integralna część systemu SAP CRM. Ścisłe zależności pomiędzy tymi aplikacjami pozwalają na zwiększenie wydajności i użyteczności pracy całego środowiska z punktu widzenia użytkownika.

Przetwarzanie danych analitycznych jest możliwe dzięki integracji SAP CRM Analytics z hurtownią da-nych SAP. Metody analityczne są używane do mie-rzenia, przewidywania, planowania i optymalizacji relacji i interakcji z klientami. Osiągnięcie zamierzo-nych celów można mierzyć i szacować poprzez gro-madzenie wszystkich powiązanych danych i monitorowanie wskaźników odpowiadających kluczowym obszarom działalności firmy.

Szerokie możliwości SAP CRM Analytics pozwalają też identyfikować ukryte zależności i trendy, wpływające na naszą działalność. Odpowiednie przetworzenie tych informacji w systemie umożliwia przewidywanie podobnych trendów i zależności w przyszłości.

SAP CRM Analytics jest narzędziem oceny i interpretacji zmian w oczekiwaniach i zachowaniach klientów. Dostarcza informacje potrzebne do podjęcia kroków prowadzących do osiągnięcia zamierzonych celów biznesowych. Utrzymanie dotychczasowych klientów wiąże się z poprawną i szybką oceną ich zachowań, preferencji i wszystkich pozostałych czynników, które wpływają na to, czy klienci odchodzą do konkurencji, czy wciąż korzystają z naszych produktów.

Zadaniem SAP CRM Analytics jest więc wspomaga-nie użytkowników oraz kadry zarządzającej w po-dejmowaniu decyzji zmierzających do zwiększenia lojalności klienta. Temu celowi służą wszelkie raporty, analizy i zestawienia, a szerokie możliwości konfiguracji pozwalają na szybkie zmiany sposobu analizy i prezentacji danych.

Analiza dużej liczby danych przy użyciu zaawanso-wanych narzędzi szukających trendów lub anomalii pomaga przeanalizować i zrozumieć zachowania klienta. Wnioski płynące z analiz mogą przyczynić się do zwiększenia efektywności w obszarach, w których jest to pożądane.

Aplikacja SAP CRM Analytics wykorzystuje kilka podstawowych metod analizy i interpretacji danych, opisanych poniżej.

Metody analizy i interpretacji

Drzewo decyzyjne to podejście wspomagające procesy decyzyjne, w którym używa się wartości wejściowych, aby przewidzieć wartości przyszłe. Drzewa decyzyjne pozwalają na tworzenie reguł w celu przewidywania zachowań klienta, szacowanie różnych poziomów rezultatu i prawdopodobieństwa ich wystąpienia, a także tworzenie schematu segmentacji bazującego na wynikach drzewa decyzyjnego. Przykład: przewidujemy, czy klient kupi sportowy samochód. W analizie uwzględniamy jego wiek, do-chód oraz stan rodzinny. Reguła: Jeśli klient jest w wieku poniżej 40 lat, zarabia ponad 10 tys. zł mie-sięcznie i nie ma dzieci, to kupi auto.

Scoring to metoda opierająca się na wartościowaniu rekordów danych. Rodzaje funkcji, które można użyć do wartościowania, to ważone tabele wyników oraz regresja liniowa i nieliniowa.

Dane używane do „uczenia” modelu mogą pocho-dzić z różnych systemów, pod warunkiem że system może ekstrahować dane do SAP BW. Ważone tabele wyników mogą być używane do definiowania własnych funkcji wartościujących poprzez ustalanie wag dla poszczególnych pól w modelu, w celu określenia wpływu danego atrybutu na wynik kalkulacji.

Przykład: firma odzieżowa chce zachęcić klientów w wieku 20-50 lat do kupna pewnego produktu. Aby określić potencjalnych klientów, brane są pod uwagę atrybuty: wiek, dochód i region. Każdy z nich ma przypisaną wagę, a każda z grup w ramach atrybutu ma przyporządkowaną określoną wagę cząstkową (punkty).

Wynik dla klienta w wieku 33 lat o dochodzie 5000 zł, mieszkającego w regionie wschodnim liczony jest następująco: (8 x 1) + (180 x 0,001) + (4 x 0,5) = 10,18.

Osiągnięte wyniki są istotną informacją o efektywności kierowania kampanii marketingowych do poszczególnych grup docelowych. Najwyższy wynik zostanie osiągnięty w przypadku grupy wiekowej 30-39 lat, z dochodem 6500, z regionu zachodniego, zatem kampania powinna być najbardziej efektywna w tej grupie docelowej.

Regresja używana jest w celu automatycznego definiowania funkcji wartościujących i określania wartości docelowych.

Przykład regresji liniowej: firma odzieżowa chce oszacować potencjalny zysk. Przyjęto założenie, że zysk ze sprzedaży jest liniowo zależny od dochodu i wielkości gospodarstwa domowego. Funkcja „uczy się” tych zależności, aby przewidzieć wpływy (tym samym zysk) od potencjalnych klientów. Przykład regresji nieliniowej: firma odzieżowa chce także oszacować wpływ atrybutu „wiek” na potencjalny zysk. Wartość zysku nie jest liniowo zależna od wieku.

Otrzymane dzięki metodzie regresji informacje po-zwalają skupić się na działaniach, które przyniosą największe korzyści, ponieważ będą kierowane do tych potencjalnych klientów, którzy rzeczywiście mogą generować największy zysk.

Grupowanie jest techniką eksploracji danych, która grupuje rekordy, tak aby były podobne do siebie w ramach jednej grupy, a różne między poszczególnymi grupami.

Technika grupowania pozwala na uzyskanie kom-promisu pomiędzy traktowaniem każdego klienta indywidualnie a działaniem pozwalającym na efektywne planowanie kosztów ponoszonych przez przedsiębiorstwo. Na podstawie uzyskanych informacji można na przykład skierować kampanię marketingową do poszczególnych grup klientów, a nie do każdego z nich indywidualnie, co pozwala na obniżenie jej kosztów.

Przykład: firma odzieżowa dysponuje następującymi informacjami o swoich klientach: płeć, wiek, dochód, region, zawód oraz najczęściej kupowany produkt. Podczas grupowania system określa, które kombinacje atrybutów pojawiają się najczęściej, i na tej podstawie grupuje klientów w segmenty. Segment może się składać np. z mężczyzn w wieku 30-40 lat, osiągających wysoki dochód i kupujących najczęściej koszule w paski.

Analiza asocjacji (związków) polega na odkrywaniu reguł, korelacji i zależności występujących pomiędzy danymi. Używana jest przeważnie w analizie koszykowej (Market Basket Analysis). Pozwala na zrozumienie i oszacowanie związków występujących między produktami, grupowanie różnych produktów ze względu na podobieństwo, budowanie reguł opisujących preferencje konsumpcyjne klienta czy tworzenie ergonomicznych stron internetowych z myślą o użytkowniku.

Informacje uzyskane dzięki analizie asocjacji pozwalają dostosować się do zachowań klienta i wychodzić naprzeciw jego potrzebom. W przypadku firmy odzieżowej wiedzę tę można na przykład wykorzystać, projektując nowe kolekcje i określając wielkość produkcji.

Klasyfikacja zasobów ABC to technika używana do klasyfikowania obiektów (np. klientów, pracowni-ków, produktów) na podstawie określonych mierni-ków (np. zwrot, zysk).

Przykład: analizujemy wielkości zakupów dokonywanych przez naszych klientów. Okazuje się, że 20% klientów realizuje 50% wartości naszej sprzedaży. To najbardziej dochodowa grupa, więc staramy się poprawić jakość obsługi tych klientów, aby jeszcze bardziej zyskać sobie ich lojalność i skłonić do dalszego korzystania z naszej oferty. Dzięki tej analizie możemy na przykład przygotowywać efektywne programy lojalnościowe dla określonej grupy klientów.

Business Content

Jest to dodatek dostarczany w ramach licencji do SAP BW. Business Content jest instalowany prze-ważnie w fazie rozpoczęcia wdrożenia (można go również dodać w późniejszym etapie). To zbiór pre-definiowanych przez SAP wzorców pozwalających na analizę, kontrolę i optymalizację procesów biznesowych przedsiębiorstwa. Istniejące raporty można poszerzać o dodatkowe informacje. Najważniejsze dostarczone przez SAP rozwiązania to analizy dotyczące klientów, analizy marketingo-we, analizy sprzedaży oraz serwisowe.

Analizy dotyczące klientów obejmują m.in.:

• analizy migracji klientów (Customer Migration Analysis) – badanie rzetelności wyników segmentacji oraz śledzenie zmian w przesunięciach klientów między segmentami. Analizy te pozwalają np. na monitorowanie (w przypadku klasyfikacji zasobów ABC), ilu klientów z grupy A w kolejnej kampanii zostało zakwalifikowanych do grupy B. Właśnie ci klienci mogą być grupą docelową kolejnej kampanii marketingowej;
• analizy satysfakcji i lojalności klienta opierają się na danych z ankiety w CRM (wykorzystanie na-rzędzia CRM Survey Tool). Grupą docelową an-kiety mogą być klienci, partnerzy, pracownicy lub użytkownicy Internetu. Poprawnie zinterpretowane wyniki ankiety pozwalają rozpoznać słabości i mocne strony naszej działalności, a także pomagają w definiowaniu nowych działań, jakie należy podjąć, aby osiągnąć pożądany rezultat;
• analizy wartości życiowej klienta (The customer lifetime value) – umożliwiają określenie dla danej grupy klientów, jak zmieniały się ich zachowania i rentowność w interesującym nas okresie.

Wnioski płynące z uzyskanych informacji pomagają przewidzieć rozwój badanej grupy klientów w przy-szłości i wspomagają kierownictwo w podejmowaniu decyzji inwestycyjnych. Dzięki tym analizom na podstawie stopnia utrzymania klientów (retention rate) można także określić, jak długo klient jest przywiązany do firmy. Powszechnie wiadomo, że utrzymanie dotychczasowego klienta jest wielokrotnie tańsze niż pozyskanie nowego, dlatego uzyskane informacje pozwolą znacznie obniżyć koszty jego obsługi.

Analizy marketingowe umożliwiają uzyskanie in-formacji o stopniu przygotowania planów i kampanii marketingowych, dostarczają także wiedzy o preferencjach klientów.

Analizy sprzedaży pozwalają na uzyskanie informacji o tej krytycznej dziedzinie. Decyzje sprzedażowe muszą być oparte na rzetelnych i poprawnie zinterpretowanych wnioskach. Liczy się także duża elastyczność i gotowość do szybkiego wprowadzania zmian, jeśli wyniki analiz okażą się w jakimś stopniu niepożądane.

Spośród dostępnych predefiniowanych rozwiązań dla obszaru sprzedaży należy wymienić: analizy zarządzania aktywnościami, analizy zarządzania szansami, zarządzanie ofertami i zleceniami sprzedaży, analizy zarządzania kontraktami, analizy lejka sprzedaży (Sales Pipeline Analysis, Sales Funnel Analysis), analizy faktur czy wreszcie planowanie sprzedaży.

To ostatnie spełnia dość ważną rolę, ponieważ po-zwala na sporządzanie planów sprzedaży w przy-szłych okresach (co wpływa na strategie i plany ca-łego przedsiębiorstwa).

Analizy serwisowe pozwalają analizować procesy serwisowe, zmiany w jakości usług serwisowych, satysfakcji klienta i zyskowności centrów serwisowych. Należą do nich analizy kontraktów serwisowych (np. badanie satysfakcji klientów z usług serwisowych określonych w kontraktach), analizy zyskowności serwisów (np. monitorowanie zysków na produkt lub na zespół serwisowy), planowanie serwisowe (np. symulacja zleceń serwisowych – szacowanie nakładów pracy i ewentualnych zysków).

Wiedzieć więcej niż inni

Jak widać, SAP CRM Analytics to nie tylko zbiór aplikacji analitycznych, ale również pomocny zestaw predefiniowanych narzędzi raportowania. Umożliwiając wgląd we wszystkie obszary CRM, jak klient, produkt, marketing, serwis i sprzedaż, SAP CRM Analytics wraz z innymi modułami systemu SAP CRM tworzy kompletne rozwiązanie, które nie tylko pozwala utrzymać i pogłębić relację z klientami, ale także informuje kadrę zarządzającą o stanie przedsiębiorstwa i ewentualnych zagrożeniach, na które trzeba reagować.

Jeśli menedżerowie odpowiednio zinterpretują i wy-korzystają otrzymane informacje, firma będzie bar-dziej elastyczna i gotowa do zmian.

Źródło: www.bcc.com.pl
Autor: Jakub Kukuła