בשבועות האחרונים צללתי לתוך עולם חדש (יחסית) ומרתק של אופטימיזציית ערך לקוח באנגלית – customer value optimization ומכאן הקיצור של CVO.
אשתף איתך כאן כמה נקודות מהצלילה שלי לנושא ועל ההבדלים שבין
אופטימיזציית המרות (CRO) לבין אופטימיזציית ערך לקוח (CVO)
כבר כאן חשוב לי להגיד שאין נכון או לא נכון במתודולוגיות פה
אלה כל מתודולוגיה מתאימה יותר לורטיקלים שונים.

קצת רקע

בעולם ה CVO המטרה היא למקסם את ערך חיי הלקוח.
על מנת למקסם את ערך חיי הלקוח צריכים לדעת מאיפה מתחילים
על מנת לעשות את החישוב המדויק של ערך חיי הלקוח שלכם צריכים את הפרמטרים הבאים:
– כמות רכישות חוזרות
– ערך הזמנה ממוצעת
– רווח תפעולי
– משך חיי הלקוח
– כמות לקוחות חדשים

מכל אלה נוכל לחשב את הנתון של ה CLV (ערך חיי לקוח)
כמו כן, צריכים את החישוב של ה CAC – כמה עולה להביא לקוח חדש
זה לא חישוב ROAS קלאסי אלה כזה שלוקח בחשבון את כל העלויות המשויכות ליצירת לקוחות חדשים.
המטרה שלנו תהייה שהיחס שבין ה CLV לבין ה CAC יהיה חיובי
כך נוכל להמשיך ולייצר לקוחות חדשים שמייצרים לעסק תשואה חיובית על הבאת הלקוחות.

אני מקווה שאתם מבינים שצורת ההסתכלות הזו ועבודה בתהליך זה של CLV ו CAC
יכול לייצר לכם יתרון תחרותי מטורף בקמפיינים שלכם.
ברגע שמבינים את ה CLV ואת ה CAC ומנטרים אותם לאורך זמן אז מוכנים ל”שלם” ROAS אפסי ואפילו (רחמנה ליצלן) שלילי בעסקה הראשונה כי יודעים ושולטים במספרים החשובים ומבינים שהלקוח שרכשנו עכשיו בממוצע ייצר לנו תשואה חיובית בעסקה השניה והשלישית שלו…

כבר אומר, את המספרים האלה אתם לא תמצאו באנליטיקס, הם נמצאים עמוק בנתוני העסק שלכם וצריך לדעת איך להפיק אותם כדי לעבור לעבוד בתהליך עבודה שמסתכל ארוך טווח ולא רק על הרכישה הראשונה.
בהמשך ישיר לסעיף של לדעת ולשלוט במספרים

ששת הפרמטרים לשיפור ביצועים בעסק שלכם (לא רק איקומרס)

ליד כל סעיף ציינתי מה ההשפעה שלו על השורה התחתונה=הרווח
1. גידול טראפיק | {השפעה בינונית על הרווח}
2. גידול ב CV (יחס המרה) | {השפעה בינונית על הרווח}
3. גידול ב PF (חזרתיות לקוחות) | {השפעה גבוה על הרווח}
4. גידול ב AOV (גובה עגלה ממוצעת) | {השפעה גבוה על הרווח}
5. קיטון ב CAC (עלויות הבאת לקוח) | {השפעה נמוכה על הרווח}
6. גידול ברווחיות | {השפעה גבוה על הרווח}

אתם יכולים לראות ולהבין לבד למה יצאתי לחקור את הנושא יותר לעומק כמי שמתעסק בעולמות ה CRO (פוקוס על הסעיף השני) כבר תקופה ארוכה עניין אותי להבין האם יש עוד שיטות ודרכים בהם אני יכול להביא ערך ללקוחות שלי והתשובה היא לחלוטין כן.

עכשיו על מנת להבין את ההבדל בין CRO לבין CVO חשוב להבין את המודל העסקי שלך
מודל של רכישה בודדת בשנה \ או רכישה בודדת בכלל
הפוקוס יהיה על הגדלת ערך הזמנה ויחס המרה | CRO
לדוגמא: עסק בתחום התכשיטים – החזרתיות שלו היא נמוכה בין פעם-פעמיים בשנה לכן לרוב יהיה עסוק בלייצר לקוחות חדשים.

במודל משולב (20-40% לקוחות חוזרים)
הפוקוס יהיה על הגדלת יחס חזרתיות ונתח שוק | CRO + CVO
לדוגמא: עסק בתחום הביגוד – בגדים פונ’ ופשוטים יחסית, החזרתיות שלו תהייה בינונית ויהיה עסוק בלייצר חידושים וקולקציות חדשות לייצר חזרתיות ונאמנות אצל מי שכבר רוכב ובמקביל לייצר קהל חדש.

במודל של רכישה חודשית
הפוקוס יהיה על הגדלת מבחר מוצרים ויצירת תוכנית נאמנות | CVO
לדוגמא: עסק בתחום הקוסמטיקה – לקוב מדובר בתכשירים בהמטרה בהם היא לייצר חזרתיות גבוהה מאוד (עד כדי פעם בחודש) אז העבודה תהייה על ריטנשן גבוהה.

תשעת הפרמטרים שמשפיעים על ה- CVO

הפרמטר הראשון שלנו זה ה-CAC (עלות הבאת עסקה)

הוא מכיל בתוכו את הנתונים הבאים:
– עלויות המדיה
– עלויות השיווק – ספקים \ ריטיינרים \ גרפיקות וכל דבר שמשוייך לעלויות שיווק
– שכר של אנשי השיווק \ מי שעוסק בשיווק בעסק
– עלויות תקורה כגון הוצאות חשמל, מים, אנרגיה, שכר דירה, ביטוח, אבטחה, אחזקה וכדומה של העסק.
את כל אלו מחברים ביחד ומחלקים בכמות הלקוחות החדשים שהצלחנו להביא לעסק.
ככה מתקבל ה-CAC שלנו.

הפרמטר השני שלנו זה ה- Margin – רווחיות.

את הרווחיות אפשר לחלק לשניים

1. שיעור רווח גולמי (gross profit margin)
מחושב באמצעות הפחתה של עלות המוצרים מסה”כ ההכנסה שנוצרה.

2. ושיעור רווח נקי (Net profit margin)
שמחושב באמצעות הפחתה מסה”כ ההכנסה של עלות המוצרים ועוד עלויות הפרסום ועוד עלויות כלליות ועוד עלויות תפעול.

הפרמטר השלישי שלנו זה ה- CRR | (Customer Retention Rate)

ה- CRR הוא קצב שימור הלקוחות שלנו. הוא מחושב באמצעות חלוקה של כמות הלקוחות שיש להם 2 הזמנות ומעלה חלקי סה”כ כמות הלקוחות שיש לנו (בתקופה נתונה כמובן).
לדוגמא בחודש נתון בוצעו 1000 הזמנות של לקוחות.
מתוכן 400 של לקוחות שזו ההזמנה השניה (או יותר) שלהם
לכן קצב ה-CRR שלנו יהיה 40%

הפרמטר הרביעי שלנו יהיה ADBT

שמייצג את כמות הימים הממוצעת בין עסקאות. גם כאן החישוב יהיה על תקופה נתונה (נגיד שנה) ועל לקוח ספציפי. בה נחשב את תאריך ההזמנה האחרון פחות תאריך ההזמנה הראשון ואת כל זה נחלק בסה”כ ההזמנות של הלקוח הספציפי פחות 1.
לדוגמא:
תאריך הזמנה ראשון 1.5
תאריך הזמנה שני 9.5
תאריך הזמנה שלישי (ואחרון) 26.5
מכאן אנחנו בעצם מפחיתים 26.5-1.5= 25 ימים
ומחלקים את זה ב 3-1 =2 
והתוצאה תהייה 12.5 ימים בממוצע בין הזמנות ללקוח הספציפי הזה
את החישוב הזה עושים ברמת הלקוח ולא ברמת אגריגציית הנתונים
ורק אחרי שיש לנו את הנתון ברמת הלקוח הבודד אפשר להתחיל לייצר סטט’ על החנות כולה.

הפרמטר החמישי שלנו יהיה תדירות הקניה PF

Purchase frequency

ויהיה מחושב באמצעות חלוקה של כמות ההזמנות במספר כמות הלקוחות.
לדוגמא בתקופה נתונה יש לנו 1000 הזמנות שבוצעות ע”י 800 לקוחות
אז ה PF שלנו יהיה 1.25
משתף איתך פה סטט’ שמצאתי שמתייחסת לגודל בסיס הלקוחות והגדרת ה PF שלו
– עד 50K לקוחות ה PF יהיה 1.72
– בין 50K ל 100K לקוחות ה PF יהיה 1.53
– מעל 100K לקוחות ה PF יהיה 1.49
ז”א ניתן לראות בבירור שככל שבסיס הלקוחות שלנו גדל אז תדירות הקניה שלהם יורדת.
אפשר להסביר את זה ע”י הנתון הסטטיסטי הבא שלקוחות פשוט חושבים שלא אכפת לך יותר

הפרמטר השישי שלנו יהיה ה-סטיקינס קוהורט Cohort Stickiness Rate

אם ננסה להסביר מה זה קוהורט במילים פשוטות הרי שאפשר להגיד את הדבר הבא על

קבוצה של משתמשים, אשר ביצעו פעולה משותפת, בתקופת זמן מוגדרת

ואם נלך לעולם התוכן שלנו הרי שזה קבוצת לקוחות שרכשו מאיתנו בשבוע מסוים או בחודש מסוים ומה שאנחנו רוצים לבדוק זה את ההתנהגות שלהם בתקופה הבא.
כמה מתוכן חזרו לקנות שוב בחודש העוכב.
בדוגמא פה למטה ניתן לראות ניתוח קוהורט של חזרתיות לקוחות בחודש העוכב.
לדוגמא מתוך כל מי שרכש בחודש יולי 2020 אזי 5.23% חזרו לקנות גם בחודש אוגוסט 2020.

למה זה חשוב?
זו אחת הדרכים להבין את הסטיקינס של האתר שלנו. כמה לקוחות נשארים נאמנים וחוזרים לרכוש עוד ועוד
אפשר לזהות אנומליות ברמת החודשים \ שבועות ולשים עליהן את האצבע מבחינת סוגי הקמפיינים שאנחנו מריצים.

הפרמטרים הבאים הם יותר בעולמות השירות אבל כן משפיעים על הנאמנות של הלקוחות שלנו

הפרמטר השביעי יהיה NPS – Net Promoter Score

הוא בעצם מדד שאוספים אותו באמצעות שאלת סקר, שאלת הסקר מנוסחת בד”כ משהו בסגנון הזה: “באיזו מידה תהיה מוכן להמליץ על המוצר/השירות/החברה לחבר או עמית?” ומטרתה היא לזהות 3 קבוצות בקרב הלקוחות שלכם
– קבוצת הלקוחות שאוהבים את המוצר (מקדמי מותג) שענו ציון 9–10.
– קבוצת הלקוחות הפאסיביים הם אלו שענו 7-8 (בהם הציון לא מתחשב כלל)
– קבוצת הלקוחות שכלל לא אוהבים את המוצר (מכפישי מותג) שענו ציון 0–6.
החישוב נעשה ע”י החסרה של “מכפישי המותג” מ “מקדמי המותג”
התוצאה יכולה להיות שלילית – מה שאומר שאתם בבעיה.

כאן אפשר לקרוא מדריך מלא על הנושא

הפרמטר השמיני יהיה TTR Time to Resolution

כמו שציינתי זה מדד בעולמות השירות והוא מודד את משך הזמן הכולל שלקח לנו כמותג לפתור בעיה ללקוח מרגע פתיחת הקריאה ועד לסגירת הסופית.
סוג של מדד יעילות בנושא קריאות שירות.
המטרה שלנו כמותגים זה לשאוף למדד כמה שיותר מינימאלי בחלק זה.

הפרמטר התשיעי יהיה TTFR Time To First Response

גם פה מדובר במדד שירות והוא מייצג את זמן המענה הראשוני לקריאת שירות של לקוחות.
למה חשוב למדוד אותם ואיך זה קשור בכלל לעולם של CVO?
אז נאמנות לקוחות נוצרת לא רק בגלל המוצרים שלנו
אלה בגלל מה שאנחנו נותנים ללקוחות שלנו במעטפת הכוללת
רגעים מאתגרים כמו חווית שירות זו נקודה מצוינת לתת חוויה שהיא מעבר ובכך להגדיל את נאמנות הלקוחות.

עוד אלמנט שיכול לעזור לנו לעשות אופטימיזציה ל- CVO זה מודל ה- RFM

מה זה RFM בכלל?

זהו מודל לסגמנטציה של לקוחות לפי
R – recency | לפני כמה זמן עשו את הקניה האחרונה שלהם
F – frequency | כל כמה זמן עושים את הקניות שלהם
M – monetary | כמה כסף מוציאים

מודל של סגמנטציה ונאמנות לדעתי יכול להיות רלוונטי עבורך אם:

1. יש לך אלפי לקוחות בבסיס הנתונים שלך – מעל 20K לאורך השנים האחרונות פשוט כדע להגדיל את המדגם הסטטיסטי ולאפשר יציאה של קהלים גדולים מספיק שישפיעו על הפעילות העסקית שלך.

2. המותג שלך משחק בקטגוריה עם חזרתיות בינונית- גבוהה יחסית כמו ביגוד, תכשיטים פשוטים, משקפי שמש, ביוטי וקוסמטיקה. פשוט כי אחרת העבודה שלך צריכה להתמקד באופטימיזציה של תהליך הרכישה ולא אופטימיזציה של ערך חיי לקוח.

כלים לניתוח RFM (ועוד)

1. כמובן אפשר לנסות לעשות את הניתוח הזה בצורה עצמאית וידנית.
– להוציא את רשימת הההזמנות שלנו
– להפוך את רשימת ההזמנות לרשימת לקוחות (כך שכל רשומה מכילה לקוח ייחודי)
– בכל רשומת לקוח לסכום את כמות ההזמנות, סה”כ ההכנסה מכל הזמנה, הזמן שעבר בין הזמנות
– לנסות לסגמנט את האוכלוסיה לסגמנטי RFM

בת’כלס – מורכב ויכול להיות סופר מתיש.

2. לעשות שימוש בכלים שנועדו לכך דוגמת:
triplewhale.com

trueroas.io

מערכת revel של Omniconvert שאני אישית עושה בה שימוש.

מערכת שאביתר גיל המליץ לי לבדוק > putler.com

לכל מערכת יש את הפיצ’רים שלה כמובן מצריך חיבור בין האתר שלכם לבין המערכת ושיתוף מידע על הזמנות, לקוחות וקטלוג מוצרים כדי להצליח לקבל נתונים אופטימאליים.