Исследование возможности расширения методов классификации клиентов нефтегазовых заправочных станций

Как показывают статистические данные, привлечение нового клиента организации может обходиться до десяти раз дороже, в отличие от удержания уже существующего. Большинство организаций теряет как минимум 50% своих клиентов каждые пять лет [1]. Авторами [1] отмечается, что основной причиной ухода клиентов является не низкое качество и характеристики продуктов или услуг, а низкое качество обслуживания клиентов и отсутствие должного внимания и т.п. Чтобы поддержать заинтересованность клиента в продукции организации, недостаточно одного мониторинга потребительского рынка и его оценки стандартными показателями, таких как изменение интересов и удовлетворение от потребления. Следовательно, поддержание лояльности клиентов на высоком уровне является весьма сложной задачей, требующей комплексного подхода.

Для нефтегазовых заправочных станций удержание клиентов и повышение их лояльности является одной из актуальных задач на современном этапе развития данного рынка. Современное состояние рынка нефтегазовых продуктов в России характеризуется ростом числа автозаправочных станций с одновременным уменьшением получаемой организациями прибыли и ростом конкуренции. Также, данные организации вынуждены повышать цены на автомобильное топливо из-за растущих акцизов, дефицита на определённые виды топлива, удаленность от производства, а также нефтяные войны, ведущиеся с другими странами [2-6]. Увеличение цен является косвенным фактором снижения спроса на услуги АЗС. Таким образом, можно говорить о снижении рентабельности организаций данного сектора экономики. Стоит отметить и высокий уровень конкуренции на рынке нефтепродуктов России [6]: на тысячу автомобилей приходится 0,65 автозаправочных станций (АЗС), что свидетельствует о большом количестве организаций розничной торговли нефтепродуктами и, как следствие, высокой конкуренции. Таким образом, в сложившихся условиях высокой конкурентной борьбы и снижения прибыли, одним из основных путей для повышения конкурентных позиций и формирования дополнительного дохода [5] организации розничной торговли нефтегазовыми продуктами является существенное улучшение качества обслуживания клиентов путем введения новых гибких форм расчетов, специальных программ лояльности клиентов.

Для построения рейтинга значимости клиента для организаций розничной торговли нефтепродуктами могут быть использованы следующие методы классификации, которые традиционно применяются в маркетинге для вышеизложенных целей [7]: ABC-анализ – ранжирование по принципу Парето; RFM-анализ, XYZ- анализ и также различные их интеграции [8-9]. Данные методы классификации широко известны и в описании не нуждаются. Однако, стоит отметить, что по мнению авторов [8-9], задание числовых характеристик для проведения классификации является условным и могут быть ис- пользованы другие соотношения характеристик для разбиения клиентов по группам. Так, представим обобщенно, классификацию клиентов методами ABC-анализа, RFM-анализа и XYZ-анализа можно представить в виде рисунка 1.

Входной параметр (накопительный вклад, коэффициент вариации и частоты)

Давность

Рис. 1. Обобщенная схема проведения классификации клиентов методами ABC-анализа,

RFM-анализа и XYZ-анализа

Согласно рисунку 1, для методов ABC-анализа и XYZ-анализа отнесение клиента к тому или иному классу осуществляется на основе значения характеристики: накопленный вклад (для ABC-анализа) и коэффициент вариации (для XYZ-анализа). Пользователем вводятся границы классов (х ! и х 2 ), на основе чего происходит отнесение клиентов в классы: если характеристика меньше x , то один класс, если значение характеристики между значениями х_L и х₂ - второй класс, и если значение характеристики больше х₂ - третий класс. Для метода RFM-анализа клиенты имеют две характеристики: давность и частоту обращений в организацию. В данном случае пользователем задаются границы для каждой характеристики (х_г и х₂, y- L и у₂). Отнесение клиентов в классы осуществляется изначально присвоением класса клиенту по характеристике давности, затем по характеристике частоты, после чего на основе полученных значений принадлежности к классам давности и частоты осуществляется отнесение клиента к обобщенным классам (на пересечении давности и частоты).

Стоит отметить, что результаты анализа напрямую зависят от заданных пользова- телем характеристик отнесения клиента к тому или иному классу. Кроме того, анализируемые значения характеристик клиентов могут лежать на установленной пользователем границе. Тогда клиентов, попавших по своим характеристикам на границу разделения на классы, можно считать «неустойчивыми» в рамках исследуемых классов. Особенно зависимым от задания характеристик является RFM-анализ, где градация по характеристикам давности и частоты обращений происходит субъективно, с позиции пользователя, что может существенно повлиять на результаты классификации. Числовая интерпретация данных характеристик для проведения классификации во многом будет зависеть от специфики хозяйственной деятельности организации, в которой применяется данный анализ. Так, например, для нефтегазовых заправочных станций давность и частоту обращения можно установить на основе усредненных значений емкости бака автомобилей клиента, расходом топлива автомобилем. Но несмотря на обоснованные характеристики, они могут привести к недостаточно точной классификации.

Следовательно, присутствует необходимость повышения точности результата методов классификации при проведении анализа. Повысить точность анализа можно путем идентификации «неустойчивых» клиентов, т.е. клиентов, находящиеся на стыке двух классов или те объекты, которые при изменении входных параметров оказываются в различных классах. Для решения данной задачи предлагается использовать отклонение для границы класса, то есть граница станет интервальным значением (рисунок 2). Согласно рисунку 2, «неустойчивые» клиенты будут по своим характеристикам относится к интерва- лам (x j_ -∆x;xj_ + ∆x), (x2 -∆x;x2 +∆x) и к пересечениям интервалов (x1 -∆x;x1+ ∆x) и (x 2 -∆x;x2 +∆x) с (y1 -∆y;y1 +∆y) и (y2 -∆y;y2 + ∆y). Определение клиентов, попавших в данные группы, позволит сформировать для них индивидуальные программы лояльности и способствовать их устойчивому «укреплению» к одному из классов. Кроме того, проведение данного рода классификации позволит своевременно выявлять клиентов, склонных к прекращению сотрудничества с организацией, и применить необходимые меры для их удержания.

Вход tio й пар ам erp 1НаМ'Иигси.НыП их Wl коеффшшект ШЦМ1И11ИН II 4IK IO1U)

Рис. 2. Повышение точности результатов классификации

Предложенные в статье исследования классификации клиентов позволят расширить анализ клиентов и повысить точность результатов классификации, что является значимым для организаций розничной торговли нефтегазовыми продуктами в условиях конкурентной борьбы с целью удержания клиентов и повышения рентабельности бизнеса. Выявление данных

«неустойчивых» клиентов позволит спрогнозировать их дальнейшую реакцию и улучшить взаимодействие с ними, что приведет к повышению эффективности маркетинговых программ для повышения лояльности клиентов, а также позволит повысить индивидуальность внимания для каждого клиента.