|
 Quais
CLIENTES vale a pena manter e quais nãO?
.
Roy
Cardiff
administra um negócio de pedidos por remessa postal que rastreia as
compras de cada cliente. Recentemente, resolveu diminuir os custos,
restringindo o envio de catálogos aos clientes com menor probabilidade de
comprar seus produtos no futuro. Seus clientes se classificam em três
categorias:
-
os
que fizeram várias compras pequenas durante o ano anterior.
-
os
que fizeram uma única compra, mas por um valor muito superior.
-
e
os que têm tido um relacionamento longo com a firma, embora esporádico.
Qual
dos segmentos de clientes, Smith deverá retirar da lista?
.
Segundo
diversos professores de marketing da UNIVERSIDADE
DE Wharton
que estudaram a questão, a resposta não é simples, apesar dos novos e
cada vez mais sofisticados esforços para avaliar o:
Customer
Lifetime Value (CLV) o valor econômico do cliente, ao longo de seu
ciclo de vida o valor atual da provável cadeia de futuros lucros
produzidos por um determinado comprador.
Em
muitos casos, a empresa toda gira em torno da tentativa de compreender
quais os clientes que valem a pena e quais os que não valem, afirma o
professor de marketing da UNIVERSIDADE
DE Wharton, Peter
Fader. Isso
levou os gerentes de um amplo setor de indústrias a procurar obter
medidas mais refinadas do CLV por meio da utilização de procedimentos
com emprego intensivo de dados, a fim de identificar os melhores clientes
em termos de seus prováveis padrões de compra futuros.
.
O objetivo é não só identificar os clientes, mas também chegar
a eles por meio da venda por associação (cross-selling),
da venda de produtos de maior margem de lucro (up-selling),
do marketing multicanal e de outras táticas todas relacionadas a padrões
de medidas de desgaste, retenção, perda e a um conjunto de dados estatísticos
conhecidos como "RFM"
– recentidade, frequência e valor monetário.
.
A área do CLV é muito interessante, observa o professor de
marketing da Wharton
Xavier Dreze.
Apesar de o CLV ser, sem dúvida novo, tem sido utilizado há muito tempo
em mercados que envolvem grandes contas estratégicas e o conceito tem
sido revigorado pela crescente sofisticação da Internet, que permite que
as empresas entrem em contato com as pessoas diretamente e a baixo custo.
O CLV, vê os clientes como um recurso do qual as empresas tentam extrair
o máximo valor possível.
.
Entretanto, muitas empresas estão percebendo que o CLV um dos
componentes da Gestão
de Relacionamento com Clientes ou CRM (Customer Relationship Management)
continua sendo um padrão de medida de difícil compreensão. Em primeiro
lugar, é difícil de calcular com qualquer grau de certeza e em segundo
lugar, é difícil de ser utilizado.
.
O único número em que um administrador pode confiar bastante é
na lucratividade atual do cliente, afirma o professor de marketing da Wharton,
George Day. E
a questão fundamental passa a ser, depois de ter esses dados em mãos, o
que fazer com eles. Algumas empresas utilizam essa informação para criar
programas diferentes para segmentos de valores diferentes. Na indústria
de serviços financeiros, por exemplo, os clientes obtêm níveis
diferentes de serviço em função do tamanho de suas contas. Mas sempre
se corre o risco de que essa prática desagrade aos demais clientes. Além
disso, é difícil prever quanto tempo um cliente permanecerá na empresa
ou qual o seu potencial de crescimento. Segundo a última análise:
as
empresas não sabem, de fato, qual é a lucratividade dos clientes.
Como
lidar com a sorte: - O
CLV é um conceito intuitivamente atraente, mas cuja implementação, por
uma infinidade de motivos, pode ser muito difícil, observa o professor de
marketing da Wharton
David Bell no
artigo Seven
Barriers to Customer Equity Management.
.
O CLV, afirmam Bell e outros, funciona melhor em indústrias com
alto custo de aquisição ou retenção de clientes, como os serviços
financeiros, as empresas aéreas e os hotéis. Ele também é útil em
situações em que há uma distribuição assimétrica de transações ou
seja, onde um pequeno número de pessoas dirige a maior parte do negócio,
como nos hotéis e onde as empresas podem oferecer recompensas e
influenciar o cliente para interferir em seu comportamento. Por exemplo,
as companhias aéreas que podem promover o cliente à primeira classe, um
benefício considerado grande pelo cliente, mas de pequeno custo para a
empresa.
.
A reunião de dados de CLV pode proporcionar a determinadas
empresas inúmeras vantagens, acrescenta Bell. Por exemplo, os dados de
transações individuais coletados por um hotel auxiliam a empresa a
identificar os melhores clientes e a fazer-lhes vendas por associação de
outros produtos. Eles também permitem que o pessoal de marketing da
empresa utilize esse grupo para obter uma avaliação por parte do
cliente. Assim a empresa pode tomar decisões melhores sobre onde alocar
com maior eficiência os recursos de marketing.
Suponhamos
que os dados revelem que uma porcentagem significativa dos clientes é
do norte de Nova Iorque e que está na faixa dos 50 anos de idade. O
hotel pode utilizar este perfil para ampliar mais seu alcance, com maior
precisão, observa ele.
 Bell
cita o Harrah’s
Casino
como exemplo de uma história de sucesso do CLV. Com base em informações
recolhidas em seu programa de fidelidade, o Harrah’s
Casino pode
agora saber quem são as pessoas que vêm ao cassino, para onde vão ao
entrar nele, quanto tempo demoram em cada uma das mesas de jogo e assim
por diante. Isso permite a otimização da faixa e da configuração de
seus jogos de apostas.
.
Outros mencionam as indústrias de saúde e de cartões de crédito,
os profissionais de marketing direto e por meio de e-mails on-line como
potenciais beneficiados pelos dados do CLV, em parte porque se
caracterizam pelo contato direto com o cliente e pela capacidade de rastreá-los
facilmente. Por exemplo, os departamentos de vendas da indústria farmacêutica,
diz Dreze,
podem utilizar dados relevantes para decidir com que freqüência devem
visitar os consultórios médicos para promover os fármacos da empresa.
.
Basicamente, diz Day,
o CLV é mais aplicável sempre que houver um banco de dados com o perfil
dos clientes e informações sobre transações. Mas se você estiver
trabalhando por meio de canais utilizando um revendedor que agregue
custos, por exemplo, ou qualquer situação similar em que não haja uma
relação direta com o cliente então a implementação não será tão fácil.
Cuidado
com os clientes insatisfeitos: - Agora que os profissionais de marketing
podem coletar melhores dados de transações de compra para ajudar a
determinar o valor econômico do cliente ao longo de sua vida, como
estes dados devem ser utilizados?
.
A
resposta, sugerem alguns pesquisadores, é "com cuidado".
As
pessoas têm particularidades. Individualmente é difícil prever o
comportamento de um cliente. É mais fácil prever o comportamento de
segmentos do mercado. Pode-se dizer, por exemplo, que em média o setor de
viagens ocupará o Hilton
um número "X"
de noites. Mas se tentarmos saber quantas noites o Sr.
Jones passará
no Hilton,
a previsão será mais difícil.
.
Uma das dificuldades da implementação do método CLV, é que os
modelos que o pessoal da previsão utiliza são muito sensíveis a hipóteses.
Por exemplo, os modelos freqüentemente propõem hipóteses sobre quanto
tempo vai durar o relacionamento de um cliente com a empresa, se esse
relacionamento é ativo e quanto o cliente irá gastar. Entretanto,
algumas dessas suposições podem ser inadequadas:
-
O
fato de ter gasto US$ 100 no ano passado não significa que gastarei
US$ 100 este ano.
-
Ou,
se um cliente está inativo, será porque parou de utilizar
temporariamente o produto ou porque mudou para o concorrente?
O
problema com as avaliações pela Internet era que muitas empresas faziam
suposições inadequadas sobre o número de clientes válidos, o quanto
custava para consegui-los e por quanto tempo eles permaneceriam fiéis. O
cálculo do valor de um dólar revelou-se muito sensível a essas suposições
críticas. Os erros cometidos podem ser amplificados, o que significa que
se pode chegar a estimativas totalmente diferentes se apenas uma das
suposições estiver equivocada.
.
Entretanto, muitas empresas estão utilizando agora alguma forma de
medir o valor econômico do cliente ao longo da vida para determinar como
ele deve ser tratado. Se sou um cliente comum, me deixam pendurado na
linha. Caso contrário, bastam dois toques e sou logo atendido por uma
pessoa de verdade. Isso supõe que as pessoas sejam praticamente estáticas.
Elas são colocadas em certos compartimentos e ali permanecem. Mas talvez
se eu houvesse sido mais bem tratado no início, tivesse me tornado um
cliente melhor.
.
Além disso, quando as empresas valorizam os próprios clientes estão
fazendo inferências baseadas no que conhecem do histórico da pessoa com
essa empresa. Faltam dados. Eu não sei o que o cliente está fazendo em
outros lugares. Pode ser que gaste comigo US$ 100 por ano, mas que também
esteja gastando US$ 500 com um dos meus concorrentes, referindo-se à
participação nos gastos, ou o que um cliente gasta em sua empresa versus
o que gasta nos seus concorrentes. Esse é o problema dessa metodologia.
Tenta-se atribuir valores às pessoas somente com base em informações
adquiridas a partir de transações efetuadas com uma única empresa e
nenhuma outra. Qualquer modelo que uma empresa utilize só é capaz de
incluir um dado no processo de decisão. Portanto, a intuição e o
discernimento gerencial também precisam estar presentes.
.
Cita o caso de um fabricante de componentes para sistemas de grande escala
que soube que tinha uma conta não lucrativa. O
que é que você faz?
A conta pode não ser lucrativa, mas nesses tipos de mercado ela pode
significar 15% das suas vendas. É muito complicado declarar que você não
pode mais atendê-la... O valor econômico do cliente ao longo da vida é
obtido depois da ocorrência do fato. A parte complicada é prever o valor
provável; como
é possível saber o que esse cliente fará no futuro?
O
maior risco de uma empresa, é que ela inadvertidamente corta clientes
que poderiam vir a tornar-se lucrativos para ela no longo prazo.
Fader
sugere que alguns modelos de CLV ignoram o acaso inerente aos indivíduos.
Esses modelos analisam o comportamento passado dos clientes e vêem cada
um como se fosse uma anuidade fixa que dá lucro em certas fases… Mas o
padrão das transações passadas não é o melhor, nem o único previsor
do futuro.
.
Embora táticas como a venda por associação e a venda de produtos
de maior margem de lucro sejam praticadas há muitos anos, ultimamente
elas estão sendo utilizadas com maior freqüência e de modo mais
agressivo para tentar aumentar o valor econômico ao longo da vida do
cliente. Seu sucesso, sugere ele, não é homogêneo.
.
Na venda por associação, uma empresa que lhe vendeu esquis aquáticos,
por exemplo, vai tentar lhe vender também uma máscara para mergulho.
Para os profissionais de marketing, o apelo é bem claro. É mais fácil
vender para alguém que já se conhece. É uma tentativa de maximizar o
valor de um relacionamento que já existe. Porém, duvide um pouco dessa tática.
Se o comportamento de uma pessoa incluída em uma categoria é muito aleatório,
então quando se considera o aleatório de uma categoria e se cruza com o
aleatório de outra categoria, muitas vezes é extremamente difícil
estabelecer quaisquer conexões válidas.
.
A venda de um produto com maior margem de lucro também pode ser
problemática. Considere-se a Amazon.com
que oferece remessa gratuita depois que um cliente gastou "X"
dólares ou oferece um segundo livro com desconto depois de o cliente ter
comprado um primeiro livro. No exemplo da AMAZON.COM,
talvez um cliente tivesse pago o preço integral do segundo livro e não
precisasse da oferta. Algumas empresas enfatizam demais a venda de um
produto de preço mais elevado. É difícil quantificar o verdadeiro
impacto destes esforços. Por meio apenas da análise dos dados de vendas
não se obtém a quantidade de lucratividade incremental que pode estar
diretamente ligada ao esforço de marketing.
.
Uma tática de venda semelhante à venda por associação é o
marketing multicanal. Era comum que a maioria das empresas tivesse só um
ponto de contato com o cliente, mas agora há muitos tipos de lojas que
vendem diretamente ao consumidor, além da Internet, das malas diretas,
dos call centers etc. Isso leva a um problema de alocação de recursos. Se
um cliente utiliza a Internet e um outro o call center, devemos tratá-los
diferentemente?
Certamente seria desejável induzir algumas pessoas a utilizarem a
Internet por ser mais barata do que dispor de uma equipe em um call
center, mas a pergunta é:
-
que
clientes?
-
Quais
são as características comportamentais das pessoas que podem ser
induzidas?
-
Deve-se
correr o risco de provocar a raiva dos clientes fiéis às lojas de
call centers tentando que passem para o sistema on-line ou deve-se
manter o foco sobre os clientes menos fiéis, mesmo que com eles não
se obtenha o mesmo CLV?
 Isso
nos leva a observar, que algumas táticas de venda são boas, algumas são
ruins, mas em geral é difícil distinguir os retornos desses
investimentos de marketing e relacioná-los novamente às medidas/gerenciamento
do CLV atual. Na medida em que as empresas testam muitas táticas
diferentes em seus clientes, contaminam inadvertidamente os dados de CLV,
tornando ainda mais difícil saber que clientes devem ser visados ou
ignorados no futuro.
.
Em um trabalho recente intitulado Investigating
Recency and Frequency Effects in Customer Base Analysis, Fader,
em co-autoria com Bruce
Hardie, Chun-Yao Huang e Ka Lok Lee,
verificou como os profissionais de marketing que utilizam banco de dados
avaliaram o valor de diferentes grupos de clientes com relação a seus
padrões de comportamento passados, antes do CLV ser tão utilizado pelos
administradores. A estrutura mais popular classificava as possibilidades
de acordo com o sistema "RFM:
a recentidade, a freqüência e o valor monetário de transações
passadas".
.
As origens do RFM encontram-se no marketing direto, uma das indústrias
que mais progride na utilização de conceitos de CLV. Fader
e seus colegas queriam saber como as medidas simples de RFM se
relacionavam com as estimativas mais complexas de CLV, talvez como os
principais indicadores de compras futuras. Se existe um cliente que
comprou muito, embora não recentemente, e um cliente que comprou alguma
coisa recentemente, qual deles tem o melhor CLV e, conseqüentemente, qual
é mais vantajoso para a empresa? Pergunta Fader,
referindo-se ao exemplo inicial. E como a recentidade e a freqüência
influenciam isto?
.
No trabalho, Fader
e seus colegas sugerem que estatísticas simples, como a recentidade e a
freqüência, podem de fato oferecer estimativas válidas de futuros
valores econômicos de clientes durante a vida, ou seja, de que uma
quantidade limitada de dados resumidos de transações, analisados
corretamente, possa produzir previsões de CLV tão precisas como as
obtidas a partir do histórico completo e bem detalhado de compras. O
desafio é saber que estatística utilizar e como utilizá-la de modo
correto. Muitos métodos práticos comuns não conduzem a políticas de
gestão muito eficazes, declara ele.
.
Em Biases
in Managerial Inferences about Customer Value from Purchase Histories:
Intuitive Solutions to the Mailing-List Problem, Fader, David Schweidel e
Robert J. Meyer
deixam de lado as equações complexas em um esforço para compreender
melhor essas regras práticas. Fader
reconhece que em cenários mais reais, a identificação dos clientes
principais ainda tem um forte componente intuitivo. Em outras palavras,
apesar dos instrumentos para a formulação de modelos que utilizam dados
de transações de compra para projetar futuros padrões de compra, os
gerentes utilizam amplamente regras subjetivas para identificar os
clientes que têm probabilidade de virem a ser as melhores (ou
piores) fontes
de vendas futuras.
.
O trabalho observa que tem sido feito pouco trabalho empírico de
análise da capacidade dos gerentes para fazer inferências sobre o
potencial do cliente a partir de históricos de compras… Os
pesquisadores abordam essa questão por meio de situações em que se
mostra aos participantes históricos de compras de vários clientes que
depois devem ser avaliados de modos diferentes.
.
O que verificamos, é que os administradores utilizam de forma
inconsistente as informações do resumo, como recenticidade, freqüência
e valor monetário. Os modos como os administradores utilizam esses
indicadores variam drasticamente segundo a tarefa que executam (por
exemplo, quando decidem que clientes devem entrar ou sair da lista de
envio postal)
e o formato que utilizam para apresentar os dados do histórico de compras
do cliente aos administradores. É de importância vital compreender como
os administradores são afetados por esses fatores externos antes de
incentivá-los a utilizar qualquer modelo do tipo caixa preta...
Precisamos equilibrar nossos esforços de construção de modelos de alta
tecnologia com uma melhor compreensão dos aspectos psicológicos que estão
por trás da tomada de decisão administrativa.
.
No trabalho A
Renewable-Resource Approach to Database Valuation, os pesquisadores Dreze
e Andre Bonfrer
apresentam um novo modo de ver os clientes. O CLV tradicional analisa o
valor bruto atual de todos os rendimentos gerados por um cliente. Uma
parte da suposição dos profissionais de marketing quando computam o
valor econômico durante a vida é que, em algum momento, o cliente irá
desistir.
.
Mas quando se faz essa suposição, acrescenta ele, subestima-se
muito o valor do banco de dados. Se se está procurando otimizar as ações
de marketing com base nesta fórmula, serão tomadas decisões erradas. A
razão é que, de fato, perde-se uma certa porcentagem dos clientes
anualmente, mas clientes novos são incorporados. É preciso levar em
conta a aquisição de novos clientes quando se valoriza o banco de dados.
Em outras palavras, é importante maximizar o valor do banco de dados e não
o valor do cliente.
.
Em outra pesquisa, Noah
Gans,
professor de operações e informações de gerenciamento da Wharton,
analisa a questão do CLV do ponto de vista da otimização:
Gans
desenvolveu modelos teóricos por meio da análise de como o tempo médio
de permanência de um cliente em um provedor de serviços é afetado pelo
nível global da qualidade do serviço. Pode haver um forte aumento no
tempo esperado de permanência de um cliente em uma empresa na medida em
que se melhora a qualidade média do serviço, diz ele. Mas há outras
questões que também precisam ser consideradas:
-
O
que o concorrente está fazendo?
-
Quanto
custa para um cliente procurar outro serviço?
-
Como
a evolução da tecnologia afeta a transação?
Em
algum momento uma empresa faz inferências sobre o tipo de cliente com o
qual está lidando. Em seguida, entra em ação oferecendo ao cliente um
certo nível de qualidade de serviço. Em um call center, por exemplo,
isso significaria dar a ele prioridade sobre outros clientes. Essa é uma
operação de controle que a empresa está utilizando para administrar o
que o cliente obtém e os custos para atendê-lo.
.
Gans
diz que deseja utilizar modelos de marketing para tomar melhores decisões
operacionais. Estou esperando que alguém me dê um modelo do
comportamento dos clientes de como eles respondem a diferentes níveis de
serviços e então poderei descrever os custos de uma determinada
qualidade de serviço.
.
 Ele
utiliza o exemplo da venda por associação. É um problema muito simples.
Você decide no final de um serviço se deve fazer uma venda por associação.
Em um call center, por exemplo, a venda por associação, do ponto de
vista operacional, aumenta o tempo de duração de uma chamada e faz com
que outras pessoas que telefonam esperem mais. Precisa-se saber que
quantidade de vendas por associação se deseja fazer, quando fazê-la,
quanta capacidade extra isso requer e assim por diante.
Quaisquer
decisões devem levar em conta os quatro fatores centrais do marketing:
preço, promoção, produto e local de distribuição, todos envolvendo
marketing, mas também exercendo um impacto direto sobre as operações.
Gans
abordou alguns destes itens em um trabalho recente intitulado Customer
Loyalty and Supplier Quality Competition.
O trabalho, diz ele, é apresentado com fórmulas matemáticas para um
compartilhamento de clientes por um provedor de serviços como uma função
de seus níveis gerais de serviços e dos de seus concorrentes.
.
Em seguida, ele demonstra que existe um padrão de nível de serviço
natural para o qual os fornecedores concorrentes convergirão. Na vida
real, muitas vezes se ouve falar destas coisas como nível de serviço de
categoria internacional. Nos call centers, por exemplo, responder a 80%
das chamadas em 20 segundos ou menos é um padrão comum. O trabalho também
mostra que quanto mais concorrentes há em um mercado, mais elevado é o
padrão da indústria, como se esperaria.
.
Em termos de maximização do CLV, Gans
acredita que interessa às empresas acompanhar a história do que cada
cliente faz e decidir, com base nela, em que categoria colocar o cliente.
Em seguida, com base na inferência sobre as características desta
categoria, pode-se decidir qual a melhor maneira de tratar estes clientes,
se por meio de venda por associação, de venda de produtos mais
lucrativos ou o que quer que seja. Mas é preciso moderar essa decisão
porque, em qualquer momento, um cliente chega e não se sabe de fato de
que tipo de cliente se trata. Portanto, a decisão ideal deve levar em
conta a incerteza sobre a resposta do cliente.
.
|
..