企業的客戶可分為兩大類，既有客戶及新客戶。新客戶的開發成本高，根據哈佛商業評論，發展新客戶的成本是挽留好客戶的5倍。近幾年我也在公司裡發現此趨勢。我們公司既有客戶占每年的營收約35%，這些客戶的經營成本(時間、預算)遠低於開發新戶。如此高的既有客戶占比讓我們決定打造一個會員機制來經營既有客戶，特別是既有客群中的VIP客群。
打造會員機制的步驟為
資料整理
統計
分群
資料整理
資料整理為打造會員機制的第一步，客戶資料通常存在於不同的企業系統中譬如說ERP、CRM系統上，或有些較成熟的企業已經將客戶資料(包含: 客戶交易、基本資訊、產品資訊)，整理並存放在Data Warehouse 或 Data Mart 中。經過討論後，我們決定將會員機制建構在客戶購買零件及服務上面，因為這類的商品需要被不斷的重複購買，希望透過會員機制提高客戶的貢獻度。
統計
我們使用了Python 裡的 numpy, pandas,matplotlib, seaborn 做了一些簡單的統計及繪圖。
此次統計主要分為兩部分。 1. 每筆交易 2.每位客戶貢獻度
每筆交易的分析包含 1. sum 2. mean 3. median 4. min 5. max 6. quantile
每位客戶貢獻的包含 1. sum 2. mean 3. median 4. min 5. max 6. quantile
也將以上統計分為 1. 台灣區(零件費用) 2. 台灣區(服務費用) 3. 台灣區(零件+ 服務) 4. 非台灣區 (零件 + 服務費用)
透過一些簡單的統計，我們發現了一群VVIP客戶。我們發現服務費用的占比沒我們想像的高。台灣客戶交易筆數多但平均金額小，剛好跟國外客戶相反，國外客戶筆數較少但每筆交易金額較高，但整體來說台灣客戶的總貢獻還是高出許多。
以下為一些統計內容與大家分享
Fig 1. 以下是我們分析的其中一個圖表，此圖表將每位客戶的貢獻度表示出來。
此圖表讓我們很清楚的了解到，我們有一群很小但貢獻度非常高的客群，非常值得我們特別去經營。整體上客戶的貢獻度散布的非常廣，策略上我們要透過會員機制把擁有最低貢獻度但為最大一群的客戶往中間拉。
Fig 2. 我們實際比較了在不同市場的平均貢獻度(average) V.S. 貢獻度中位數(median)，也發現平均貢獻度比貢獻度中位數高出非常多。在不同市場我們很一致的看到平均貢獻度大約都比貢獻度中位數多出3倍左右。這也再次確認了我們這一小群最高端VVIP客戶的重要性。
分群
以分群來說，我們決定將會員等級分為三個等級。等級的門檻分別使用了
Silver - 第三四分位數以下(bottom 75%) 的平均
Gold - 平均貢獻度
Platinum - 第三四分位數以上(top 25%) 的平均
Fig 3. 以目前的統計分析結果來看，Silver 等級以下的約佔了整體客戶的X %，gold以下的有 Y% ，Platinum以下的有Z%。會員機制策略的目標就是要將這些最底層的X%拉高成為Silver, (Y-X)%的客戶拉高成為Gold及(Z-Y)%的客戶拉高成為Platinum。
將會員等級及門檻定義出來後，下一步就是制定會員權益及試算企業收益。將在下一篇做分享。
Comments