KUNDEVÆRDI. Hvad er kunderne værd - og hvorfor er det værd at vide? Mandag d. 21. august, Morten Holm Lektor, Ph.d. CBS

Transkript

1 KUNDEVÆRDI Hvad er kunderne værd - og hvorfor er det værd at vide? Mandag d. 21. august, 2017 Morten Holm Lektor, Ph.d. CBS 2017 Morten Holm, PhD, Copenhagen Business School

2 Kunden er konge eller er han? Page 2 I 2017 Morten Holm, PhD, Copenhagen Business School

3 Kunder er forskellige - og fortjener forskellig behandling Betaler altid listepris Tilfreds med produktudvalg Villig til at betale for tilpasninger Få og enkle servicekrav Positiv ambassadør Loyal af de rigtige årsager Kræver store rabatter Efterspørger særlige produkter Kræver gratis produkttilpasninger Besværlig at servicere Spreder negativ omtale Loyal af de forkerte årsager Page 3 I 2017 Morten Holm, PhD, Copenhagen Business School

4 Loyalitet er ikke nødvendigvis lig profitabilitet! Kilde: Reinartz & Kumar (2002): The Mismanagement of Customer Loyalty, Harvard Business Review Page 4 I 2017 Morten Holm, PhD, Copenhagen Business School

5 Når forretningen vokser udvikles både de gode og de mindre gode kunderelationer Page 5 I 2017 Morten Holm, PhD, Copenhagen Business School

6 Hvad er en værdifuld kunde? Page 6 I 2017 Morten Holm, PhD, Copenhagen Business School

7 Den gode kundeorienteringscirkel Værdi til kunden Value proposition Kundeorientering Kundeprofit Værdi til virksomheden Page 7 I 2017 Morten Holm, PhD, Copenhagen Business School

8 Kunders værdi for virksomheden er en funktion af både profit i dag og forventet profit i fremtiden 1. PROFIT I dag 2. POTENTIALE Forretningsomfang (volumen) Produktmix Cost-to-serve Loyalitet (fastholdelse) Vækst (kunde og kundens branche) Size & share of wallet Page 8 I 2017 Morten Holm, PhD, Copenhagen Business School

9 Kunders SANDE profit stikker dybere end dækningsbidraget = Omsætning Produktomkostninger Dækningsbidrag Cost-to-serve Salgsbesøg Trade marketing Ordrehåndtering Levering Kundeservice Etc. Page 9 I 2017 Morten Holm, PhD, Copenhagen Business School

10 Kunderegnskaber afslører altid markante forskelle i netto-lønsomheden på tværs af kunder Kunderegnskaber blev udviklet for hver enkelt kunde To konkrete kundeeksempler Taj Mahal Indian Restaurant Club Divine Disco Dog & Duck Local Pub Bruttoomsætning Bar #1 DKK % Bar #2 DKK % Bruttoomsætning Rabatter 15 11% 30 18% Rabatter Nettoomsætning % % Nettoomsætning Produktomkostninger 70 52% 90 41% Produktomkostninger Bruttofortjeneste Logistikomk. Cost-to-serve Teknisk service omk. Trade marketing omk. Salgsomk. Kreditomk. Net Profit Bruttofortjeneste 65 48% 80 Logistikomk Teknisk service omk Trade marketing omk. 3 19% 10 59% Salgsomk Kreditomk % Net Profit 39 29% 0 0% Page 10 I 2017 Morten Holm, PhD, Copenhagen Business School

11 Cost-to-serve kan estimeres baseret på omkostninger pr. min. og tidsforbrug pr. aktivitet Hvad koster ressourcers tid? (DKK / time) Hvor lang tid tager forskellige aktiviteter? (timer) X = Hvad koster forskellige aktiviteter? (DKK) Omk. (DKK) / Kapacitet (timer) X Aktivitet #1 X min. = XX DKK pr. Aktivitet #1 Eksempler: Løn til medarbejdere Løn til ledelse Udstyr Husleje Osv. Beregningselementer: Total min. til rådighed Slack Antal ressourcer X X Aktivitet #2 Y min. Aktivitet #3 Z min. = = YY DKK pr. aktivitet #2 ZZ DKK pr. aktivitet #3 Data er i høj grad til rådighed Estimater etableres Page 11 I 2017 Morten Holm, PhD, Copenhagen Business School

12 Eksempel: Cost-to-serve i en salgsafdeling Ressourcer og kapacitet 5 DKK pr. stk. 1 DKK pr. stk. Øvrige ressourcer: DKK 4,4 mio. Primære aktiviteter 1. Salgsmøder a. Nysalg b. Eksist. std. c. Eksist. review Betalt fravær og slack 6 ugers ferie 1 uges kurser mv. 2. Ordrehåndtering a. Registrering b. Problemløsning 20% slack Page 12 I 2017 Morten Holm, PhD, Copenhagen Business School

13 Potentiale Page 13 I 2017 Morten Holm, PhD, Copenhagen Business School

14 Eksempel på mulig estimation af vækst-potentiale pr. kunde i værktøjsgrossist Nøgletal Kilder/input (eks.) Share of wallet (%) Kundens TOTALE efterspørgsel i DKK (pr. år) Kundens antal medarbejdere X Årligt værktøjskøb pr. medarbejder pr. kunde (estimat) Navne & Numre Erhverv (NNE) Experian (KOB) Branche Egen historik (100% SoW) Tommelfingerregel Kundens omsætning hos os i DKK (pr. år) Antal solgte enheder pr. produkt X Salgspris pr. enhed pr. produkt Interne regnskabsdata Page 14 I 2017 Morten Holm, PhD, Copenhagen Business School

15 Eksempel på estimation af antal medarbejdere - Navne & Numre Erhverv Page 14 I 2017 Morten Holm, PhD, Copenhagen Business School

16 Eksempel på estimation af antal medarbejdere - Navne & Numre Erhverv Page 14 I 2017 Morten Holm, PhD, Copenhagen Business School

17 The value of all things, even our lives, depends on the use we make of them. - Annonymous Page 17 I 2017 Morten Holm, PhD, Copenhagen Business School

18 Customer Value Management (CVM) framework Implementér forandringer på tværs af både linje- og stabsfunktioner 4 Kundeadfærd 1 Analysér profitabilitet og vækstpotentiale pr. kunde Kunde value propositions Kunderegnskaber Differentiér ydelserne baseret på både kundeprioriteringen og de prioriterede kunders behov 3 Kundesegmentering 2 Prioritér kunderne baseret på deres værdi for virksomheden Page 18 I 2017 Morten Holm, PhD, Copenhagen Business School

19 Segmentering af kunder baseret på kundeværdi - Profit vs. potentiale Forsvar Høj Væddeløbshest Arbejdshest Fuld investering Profit Optimér pris/omk. Lav Pony Føl Selektiv udvikling Lav Høj Vækstpotentiale Page 19 I 2017 Morten Holm, PhD, Copenhagen Business School

20 Segmenteringen giver anledning til at differentiere serviceniveauer mv. på tværs af kunder Pris Rabatstruktur defineret pr. segment Eksempler ( Pony segment) Pony kunder får ikke rabat Sortiment Restrikitioner på vise produkter eller produktgrupper Pony kunder kan ikke købe visse produkter / produktgrupper Direct marketing budget Salgsbesøg Fast direct marketing-budget pr. år, pr. segment Restriktioner på antal salgsbesøg pr. Kunde pr. ar pr. segment Max marketing-investering I Pony kunder = DKK årligt Sælgere må max besøge Pony kunder én gang årligt Logistik Leveringsbetingelser definteret pr. segment Pony kunder betaler for fragt Service/support Differentieringskoncept Forskelligadgangtilservicepersonale Pony kunder prioriteres lavest i servicecentre Etc. Page 20 I 2017 Morten Holm, PhD, Copenhagen Business School

21 CASE: En emballageproducents forandring blev positivt bemærket blandt de gode kunder Evaluerings-workshop 21 Page 21 I 2017 Morten Holm, PhD, Copenhagen Business School

22

23 Little big data case: Seven-Eleven Japan In the 1970s Southland Corporation divested its Japanese stores and Seven-Eleven Japan was born Rapid inventory turnover is absolutely key New CEO de-centralized the responsibility for ordering to the sales clerks who were closest to the customers One key piece of information: Daily sales report 1. Sales data for the previous day 2. Last year s sales on same date 3. Sales on the last day the weather was similar 4. Weather forecasts Carry mainly fresh food New CEO arranged for deliveries three times a day so that the clerks could base their orders on immediate needs At Seven-Eleven Japan, approximately 70% of the products on the shelves each year are new, designed by salesclerks in response to customers preferences Seven-Eleven Japan has been the most profitable retailer in Japan for the last 30+ years Source: Ross, Beath & Quaadgras. 2013: You May Not Need Big Data After All, Harvard Business Review Page 23 I 2017 Morten Holm, PhD, Copenhagen Business School

24 Byg en kundeværdi prototype på en uge A customer profitability prototype can be developed in one week via rapid prototyping Data pre-phase Monday Tuesday Wednesday Thursday Friday Prepare data overview based on specification of needs Morning Consolidate customer data into master database Identify Data => additional data to be collected Brief introduction Organizational chart, head counts Products, customers Validate activities, drivers and time equation estimates with line of business Trace non-wage related expenses Establish customer P&Ls and reconcile to BU P&L Prepare for management presentation (cont.) Management presentation Extract relevant data from systems (ERP, accounting, CRM etc.) Estimate: ~One full day (depends on data quality and availability) Afternoon Collect additional data Trace direct costs to customers Perform relevant calculations (e.g., subtotals) Define activities in project team Choose and assign drivers Estimate time equations Update activities, drivers and time equations Analyze results & prepare for management presentation Debriefing & concluding remarks Golden rule in rapid prototyping: Is the climb worth the view? Page 24 I 2017 Morten Holm, PhD, Copenhagen Business School

25 Spørgsmål? Morten Holm Lektor, Ph.d. Mobil: LinkedIn: I 2017 Morten Holm, PhD, Copenhagen Business School