- Přehledy IS
- APS (20)
- BPM - procesní řízení (22)
- Cloud computing (IaaS) (10)
- Cloud computing (SaaS) (33)
- CRM (51)
- DMS/ECM - správa dokumentů (20)
- EAM (17)
- Ekonomické systémy (68)
- ERP (79)
- HRM (27)
- ITSM (6)
- MES (32)
- Řízení výroby (36)
- WMS (29)
- Dodavatelé IT slueb a řeení
- Datová centra (25)
- Dodavatelé CAD/CAM/PLM/BIM... (39)
- Dodavatelé CRM (33)
- Dodavatelé DW-BI (50)
- Dodavatelé ERP (71)
- Informační bezpečnost (50)
- IT řeení pro logistiku (45)
- IT řeení pro stavebnictví (26)
- Řeení pro veřejný a státní sektor (27)
Tematické sekce
ERP systémy
CRM systémy
Plánování a řízení výroby
AI a Business Intelligence
DMS/ECM - Správa dokumentů
HRM/HCM - Řízení lidských zdrojů
EAM/CMMS - Správa majetku a údrby
Účetní a ekonomické systémy
ITSM (ITIL) - Řízení IT
Cloud a virtualizace IT
IT Security
Logistika, řízení skladů, WMS
IT právo
GIS - geografické informační systémy
Projektové řízení
Trendy ICT
E-commerce B2B/B2C
CAD/CAM/CAE/PLM/3D tiskBranové sekce
![]() | |
| Přihlaste se k odběru newsletteru SystemNEWS, který kadý týden přináí výběr článků z oblasti podnikové informatiky | |
![]() | |
Partneři webu
IT SYSTEMS 11/2004
Jak předcházet odchodům klientů bank
Vyplatí se analýza klientských dat v bankovním segmentu?
Petr Máa
Znají banky své klienty opravdu dobře? Mohou jim nabízet takové sluby a produkty, které klienti skutečně potřebují, a tedy i poadují? Představíme-li si kadeřnictví na malém městě, je odpověď nasnadě. Kadeřnice a majitelka v jedné osobě má svou klientelu, zná preference jednotlivých zákaznic a ví, který produkt můe které klientce nabídnout. Můe stejně fungovat i banka se stovkami, či tisíci svých klientů?

Podívejme se, jak je tomu v případě takové banky. Na jedné straně můeme argumentovat tím, e osobní bankovní poradci znají klienta dokonale. Jedná se ale skutečně o znalost vyuitelnou pro organizaci? Tito poradci toti mohou nabízet jen stávající produkty za stávajících podmínek (pokud se je vůbec snaí nabízet), nemohou klientovi upravit produkt, při sběru dat uvnitř banky jejich názory na nové produkty nejsou srovnatelné. Navíc, s odchodem poradce odchází i jeho znalost. Ideální by bylo převést tuto znalost na informaci objektivní, centralizovanou a vyuitelnou. Velmi dobrou znalost klientů lze vak získat z dat o skutečném chování klientů (provedené transakce, vyuívané sluby apod.). Tato data lze analyzovat a z výsledků navrhovat nové produkty, hledat příčiny odchodu klientů a řeit mnoho dalích zajímavých problémů.
Podívejme se podrobněji na otázku odchodu klientů. Udret stávající klienty je zpravidla výrazně levnějí a jednoduí ne získat nové. Navíc si banka můe vybrat, kteří klienti jsou pro ni důleití, a ty je zpravidla ochotná si udret i za cenu zvýených nákladů. K tomu napomáhá definice hodnoty klienta.
Akvizice a churn
Pro větinu bank je důleitým ukazatelem počet klientů. K vysokému počtu klientů přispívá silná akvizice (získávání nových klientů) a nízká míra odchodu. Vysoká míra odchodu je často řeena zvýenými náklady na akvizici. Míra odchodu je vak relativní (odchází dané procento klientů, při dvojnásobném počtu klientů jich odchází dvakrát takový počet), avak akvizice je při daných nákladech absolutní (přijde jisté procento z celkové populace, která se téměř nemění). To má vak jeden velmi nepříjemný důsledek při konstantních výdajích na akvizici a dané míře odchodu klientů existuje jisté maximum počtu klientů rovnováha počtu příchozích a odchozích klientů. Situaci znázorňuje obrázek 1.
Obr. 1: Akvizice čtyř tisíc klientů měsíčně, počáteční stav 200 000, míra odchodu 1,5 % měsíčně. Záměrně je uveden vysoký počet měsíců, aby bylo zřejmé přibliování se k dlouhodobému maximu.
Tedy při daných výdajích na akvizici a churn management nelze překročit jistý počet klientů. Navíc stále musíme vynakládat tyté akviziční náklady (nelze je sníit k udrení daného počtu klientů). V naem příkladě dokonce platí, e ji po dvou letech při stejných akvizičních nákladech budeme mít přírůstek počtu klientů o 25 % nií (stejný počet klientů přijde, avak větí počet stejné procento z větího základu odejde). Provedeme-li obrovskou jednorázovou akviziční akci, můe se nám dočasně zvýit počet klientů i nad rovnováný stav, avak po návratu na standardní akviziční náklady se bude počet klientů sniovat zpět k této rovnováze.
Modelové chování čtyř různých bank
Představme si čtyři banky se 120 000 klienty, akvizicí 30 000 klientů ročně, odchodem 2 % klientů měsíčně.
ˇ první banka neučiní ádnou změnu,
ˇ druhá banka sníí odchod klientů na 1 %,
ˇ třetí banka zvýí dlouhodobě akvizici na 40 000 klientů ročně,
ˇ čtvrtá banka provede jednorázovou kampaň a získá tak 10 000 nových klientů.
Podívejme se na vývoj počtu klientů těchto bank v přítích třech letech.
Obr. 2: Banka 1 nikdy nepřekročí počet 125 000 klientů. Banka 4 se bude blíit ke stejné hranici jako banka 1, i kdy shora. Ze strategií churn managementu (banka 2) a zvýené akvizice (banka 3) se ukazuje jako výhodnějí strategie churn managementu.
Řeení problému zvyování/udrení počtu klientů
Jak je zřejmé z obrázku 2, cesta k trvalému zvýení počtu klientů vede přes trvalé zvýení nákladů na akvizici, nebo sníení míry odchodu klientů. Celý princip lze přirovnat k cedníku, ve kterém chceme co nejdéle udret vodu. Můeme ji buď rychleji dolévat, nebo se pokusit ucpat díry. Ucpání těchto děr by mělo spočívat ve spokojenosti klientů. Banky toto často řeí stanovením velmi vysokých poplatků za zruení účtů. Růst poplatků vak sniuje spokojenost stávajících klientů (zvýení poplatku za zruení účtu znamená zvýení budoucího závazku vem stávajícím klientům), brzdí to akvizici (mnozí se u po této zkuenosti dívají při výběru banky, jaké jsou poplatky za zruení účtu) a omezuje to ochotu klientů kupovat dalí produkty. Navíc poplatky za zruení účtu často nepokrývají akviziční náklady (např. vydání karty na dva roky). Ke sníení odchodu klientů lze vak přistoupit lépe. Pokročilé analýzy klientských dat a velmi dobré produkty pro klienty jsou prostředky, kterými lze zvyovat loajalitu klientů a sníit míru jejich odchodu.
Pilíře analýzy odchodu klientů
V analýze odchodu klientů hrají rozhodující roli dva základní pilíře. První je analýza dat klientů, při které se snaíme odhadnout typické chování klientů před tím, ne odejdou, a to na základě údajů o produktech a chování u naí banky. Tím se identifikují hrozby klienti plánující odchod. Nemluvíme zde o chování v okamiku, kdy se klient ji rozhodl účet zruit (tj. zastavily se příchozí i odchozí platby atd.). Při skutečné analýze dat se snaíme předpovědět odchod klienta těsně před tím, ne se rozhodne odejít (v nejbliím měsíci či dvou se rozhodne zruit účet). V tomto okamiku jsou nae ance na udrení klienta značně vyí ne v situaci, kdy ji nepřicházejí pravidelné platby (to u má zpravidla účet i u jiné banky). Alarmující můe být např. rostoucí počet výběrů z bankomatů konkurence (důvod: nevhodná sí bankomatů pro klienta), rostoucí objem transakcí v retailu (vysoký poplatek za individuální transakci oproti konkurenci), vysoký zůstatek na účtu (patné úročení a nevhodná nabídka investování po klienta s příznivým poměrem riziko-výnos-likvidita) a dalí. Druhý pilíř bere v úvahu i aktuální nabídky konkurence. Toto řeení je sice náročnějí na přípravu i údrbu, ze zkuenosti se vak velmi vyplatí. Lze tak poznat nejen vzor chování klientů, kteří za současných podmínek naí banky a konkurence odcházejí, ale lze také dobře odhadnout, jací klienti budou ohroeni, pokud přijde konkurence s novými produkty. Pak podle hodnoty těchto ohroených klientů můe nae banka reagovat: pokud je jejich hodnota nízká, můe je přenechat konkurenci. Pokud je vak vysoká, lze nastavit takový produkt, který by tyto klienty uspokojil stejně jako nabízený produkt konkurence, a tedy se eliminovalo riziko odchodu. Tento produkt je vak třeba dobře a cíleně komunikovat právě ohroeným klientům. Obecně vak musíme při tvorbě takového produktu brát velmi citlivě v úvahu hodnotu klientů. Pokud bychom chtěli novým produktem i za cenu vysokých nákladů udret skupinu klientů s nízkou hodnotou, vystavujeme se riziku, e tento nový méně výnosný produkt zaujme i klienty s vysokou hodnotou. Ti si změní jejich původní produkt na nový a jejich hodnota poklesne.
Autor článku, Petr Máa, působí jako data mining specialist ve společnosti Adastra.
Akvizice a churn
Pro větinu bank je důleitým ukazatelem počet klientů. K vysokému počtu klientů přispívá silná akvizice (získávání nových klientů) a nízká míra odchodu. Vysoká míra odchodu je často řeena zvýenými náklady na akvizici. Míra odchodu je vak relativní (odchází dané procento klientů, při dvojnásobném počtu klientů jich odchází dvakrát takový počet), avak akvizice je při daných nákladech absolutní (přijde jisté procento z celkové populace, která se téměř nemění). To má vak jeden velmi nepříjemný důsledek při konstantních výdajích na akvizici a dané míře odchodu klientů existuje jisté maximum počtu klientů rovnováha počtu příchozích a odchozích klientů. Situaci znázorňuje obrázek 1.
Obr. 1: Akvizice čtyř tisíc klientů měsíčně, počáteční stav 200 000, míra odchodu 1,5 % měsíčně. Záměrně je uveden vysoký počet měsíců, aby bylo zřejmé přibliování se k dlouhodobému maximu.
Tedy při daných výdajích na akvizici a churn management nelze překročit jistý počet klientů. Navíc stále musíme vynakládat tyté akviziční náklady (nelze je sníit k udrení daného počtu klientů). V naem příkladě dokonce platí, e ji po dvou letech při stejných akvizičních nákladech budeme mít přírůstek počtu klientů o 25 % nií (stejný počet klientů přijde, avak větí počet stejné procento z větího základu odejde). Provedeme-li obrovskou jednorázovou akviziční akci, můe se nám dočasně zvýit počet klientů i nad rovnováný stav, avak po návratu na standardní akviziční náklady se bude počet klientů sniovat zpět k této rovnováze.
Modelové chování čtyř různých bank
Představme si čtyři banky se 120 000 klienty, akvizicí 30 000 klientů ročně, odchodem 2 % klientů měsíčně.
ˇ první banka neučiní ádnou změnu,
ˇ druhá banka sníí odchod klientů na 1 %,
ˇ třetí banka zvýí dlouhodobě akvizici na 40 000 klientů ročně,
ˇ čtvrtá banka provede jednorázovou kampaň a získá tak 10 000 nových klientů.
Podívejme se na vývoj počtu klientů těchto bank v přítích třech letech.
Obr. 2: Banka 1 nikdy nepřekročí počet 125 000 klientů. Banka 4 se bude blíit ke stejné hranici jako banka 1, i kdy shora. Ze strategií churn managementu (banka 2) a zvýené akvizice (banka 3) se ukazuje jako výhodnějí strategie churn managementu.
Řeení problému zvyování/udrení počtu klientů
Jak je zřejmé z obrázku 2, cesta k trvalému zvýení počtu klientů vede přes trvalé zvýení nákladů na akvizici, nebo sníení míry odchodu klientů. Celý princip lze přirovnat k cedníku, ve kterém chceme co nejdéle udret vodu. Můeme ji buď rychleji dolévat, nebo se pokusit ucpat díry. Ucpání těchto děr by mělo spočívat ve spokojenosti klientů. Banky toto často řeí stanovením velmi vysokých poplatků za zruení účtů. Růst poplatků vak sniuje spokojenost stávajících klientů (zvýení poplatku za zruení účtu znamená zvýení budoucího závazku vem stávajícím klientům), brzdí to akvizici (mnozí se u po této zkuenosti dívají při výběru banky, jaké jsou poplatky za zruení účtu) a omezuje to ochotu klientů kupovat dalí produkty. Navíc poplatky za zruení účtu často nepokrývají akviziční náklady (např. vydání karty na dva roky). Ke sníení odchodu klientů lze vak přistoupit lépe. Pokročilé analýzy klientských dat a velmi dobré produkty pro klienty jsou prostředky, kterými lze zvyovat loajalitu klientů a sníit míru jejich odchodu.
Pilíře analýzy odchodu klientů
V analýze odchodu klientů hrají rozhodující roli dva základní pilíře. První je analýza dat klientů, při které se snaíme odhadnout typické chování klientů před tím, ne odejdou, a to na základě údajů o produktech a chování u naí banky. Tím se identifikují hrozby klienti plánující odchod. Nemluvíme zde o chování v okamiku, kdy se klient ji rozhodl účet zruit (tj. zastavily se příchozí i odchozí platby atd.). Při skutečné analýze dat se snaíme předpovědět odchod klienta těsně před tím, ne se rozhodne odejít (v nejbliím měsíci či dvou se rozhodne zruit účet). V tomto okamiku jsou nae ance na udrení klienta značně vyí ne v situaci, kdy ji nepřicházejí pravidelné platby (to u má zpravidla účet i u jiné banky). Alarmující můe být např. rostoucí počet výběrů z bankomatů konkurence (důvod: nevhodná sí bankomatů pro klienta), rostoucí objem transakcí v retailu (vysoký poplatek za individuální transakci oproti konkurenci), vysoký zůstatek na účtu (patné úročení a nevhodná nabídka investování po klienta s příznivým poměrem riziko-výnos-likvidita) a dalí. Druhý pilíř bere v úvahu i aktuální nabídky konkurence. Toto řeení je sice náročnějí na přípravu i údrbu, ze zkuenosti se vak velmi vyplatí. Lze tak poznat nejen vzor chování klientů, kteří za současných podmínek naí banky a konkurence odcházejí, ale lze také dobře odhadnout, jací klienti budou ohroeni, pokud přijde konkurence s novými produkty. Pak podle hodnoty těchto ohroených klientů můe nae banka reagovat: pokud je jejich hodnota nízká, můe je přenechat konkurenci. Pokud je vak vysoká, lze nastavit takový produkt, který by tyto klienty uspokojil stejně jako nabízený produkt konkurence, a tedy se eliminovalo riziko odchodu. Tento produkt je vak třeba dobře a cíleně komunikovat právě ohroeným klientům. Obecně vak musíme při tvorbě takového produktu brát velmi citlivě v úvahu hodnotu klientů. Pokud bychom chtěli novým produktem i za cenu vysokých nákladů udret skupinu klientů s nízkou hodnotou, vystavujeme se riziku, e tento nový méně výnosný produkt zaujme i klienty s vysokou hodnotou. Ti si změní jejich původní produkt na nový a jejich hodnota poklesne.
Autor článku, Petr Máa, působí jako data mining specialist ve společnosti Adastra.
Chcete získat časopis IT Systems s tímto a mnoha dalími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z naeho archivu.


















