Presentazione tesi Customer Equity Evaluation

RELATORIIng. Saverino VerteramoDott. Domenico Greco

Customer Equity ed Ottimizzazione dei Processi

Decisionali.Un’applicazione all'area

Marketing del Gruppo Aster

Anno Accademico 2009/2010

UNIVERSITÀ DELLA CALABRIA

Facoltà di Ingegneria

Corso di Laurea Specialistica

in Ingegneria Gestionale

CANDIDATO

Antonino Artuso

matr. 117823

Sommario

Introduzione: Obiettivi della Tesi

Processi Decisionali Aziendali

Teoria del Customer Equity

Metodologia a supporto dei processi decisionali

Caso di studio: i processi decisionali nel Gruppo Aster

Conclusioni e sviluppi futuri

Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 2/18


Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale

Obiettivi della tesi

1. Studio dei processi decisionali aziendali Gli strumenti di IT a supporto dei processi decisionali

criticità di processo

Teoria customer oriented: il Customer Equity

2. Elaborazione metodologia di supporto ai

processi

3. Caso di studio: i processi decisionali di Marketing nel Gruppo Aster

Processo “Convenzioni Clienti Service”

Processo “Supporto Casa Madre”

I Processi decisionali Aziendali


Definizione

“un insieme di più attività decisionali, opportunamente correlate ed interagenti tra loro, che consente la trasformazione di informazioni, conoscenze, competenze, capacità, esperienze ed intuito in azioni concrete, il tutto coerente con la mission aziendale.”

(Cfr:Daft, 2007)

Decisioni e IT

Da decisioni basate sul sense making (intuito, esperienza)

A decisioni supportate dalla tecnologia

(Martinez, 2004);(Davenport et al, 2007); (Guadagno et all, 2008); (Porter et al, 1985)

Criticità limiti nell’attività del decision maker•information overload• razionalità limitata dei decision maker

(Simon, 1958); (Tushman et al, 1978 )(Martinez, 2004)

Il Customer Equity


“è uno sviluppo della teoria d’impresa che riconosce il cliente come un asset strategico che va gestito, misurato e massimizzato come tutti gli altri asset aziendali ” (Cfr: Blattberg et al, 2001)

Nuovo Focus aziendale: product oriented customer oriented (ricavi medio termine) (ricavi a lungo termine)

Massimizzazione profitto lungo il Ciclo di Vita del Cliente (CLV)

CLV /Politiche CE

Prospect

First-Time Buyer

Early-repeat Buyer

Core Customer

Core Defector

Acquisition

Retention

Add-on Selling

Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale

Schema della metodologia/1


Modellazione dei processi decisionali

Rappresentazione processi

Analisi storico campagne +

classificazione in base all’ICE

Analisi criticità processi attuali e Individuazioni

best practice dalle campagne passate

Reingegnerizzazione processi decisionali



Modellazione dei processi

Metodologia del Business Process

Management:

IBM WebSphere

Rappresentazione processi

1. Event-driven Process Chain

(EPC) Notation

• regole di modellazione

2. Software Aris Express

• “rappresentazione visiva” del

processo



Classificazione

Migliori

Campagne

passate

1. Analisi dello storico

2. Classificazione in base

all’ICE® (Index of Customer

Equity):

ICE® = ICEp® X RR®

ICEp = VAC / Profitable Customer

RR = Positive C. / Profitable C.

dove: VAC: Valore prodotto dal profilo di clientela nel tempo considerato (flussi di cassa dei clienti)

Profitable Customer: clienti residenti nel profilo che hanno effettuato almeno un evento d’acquisto

Positive Customer: clienti residenti nel medesimo profilo al tempo considerato

Reingegnerizza

zione Processia) Analisi criticità processi

attualib) Scelte decisionali fatte nelle Best

Campaign passate

Caso di Studio: Il Gruppo ASTER


5 Concessionarie:

Alcuni Dati:

Processi decisionali del Gruppo Aster


2 Processi Decisionali di

MarketingCampagne di sviluppo business post-vendita“Convenzioni Clienti”

Campagne Service

Campagne di sviluppo area commerciale “Supporto Casa Madre”“Richiamo del mercato”

Campagne Auto

Applicazione metodologia - Campagne Service


Modellazione del Processo con IBM Websphere e Rappresentazione con Aris Express

Questionario agli esperti del dominio Consultazione Documenti aziendali

Criticità rilevate nel Processo in fase modellazione:

I Responsabili Clienti non partecipano al processo decisionale

Alti costi di MKTG

Uso di Comunicazione solo su Media Classici

Scarso uso di feed-back sulla campagna

Reengineering processo Sperimentazione campagna prima dell’implementazione

report settimanali su andamento campagne e report su indici di CE

Utilizzo di Template e-mail e sito internet dedicato

Partecipazione RC nelle decisioni

Applicazione metodologia - Campagne Auto


o Modellazione del Processo con IBM Websphere e Rappresentazione con Aris Express

Criticità rilevate nel Processo in fase modellazione:

Uso di Comunicazione solo su Media Classici

Assenza di feed-back

Reengineering processo

Utilizzo di Template e-mail e sito internet dedicato

i RC creano report settimanali per guidare le decisioni sulle correzioni da intraprendere


Applicazione metodologia – Analisi Statistica

Analisi storico Campagne

250 campagne passate “Service” e “Auto”

dataset CSS™ complesso Costruzione workflow

con Rialto™ dataset su Excel

Indice VAC: elimino campagne a bassa redditività

Divisione in quartili

Classificazione in base all’indice ICE ® all’interno

del III° e IV° quartile (con maggiore redditività)

Selezione migliori campagne passate


Dati

Applicazione metodologia – Analisi Statistica

ICE

RR

ICEp

Best Campaign passate Service Best Campaign passate Auto

Applicazione metodologia – Reengineering Campagne Service


Reengineering del processo sulla base

best practices individuate nelle migliori

campagne:

Best practice 1 (miglior RR):

•Condizioni Target Tele-MKTG: 3

• N° info interrattive: 8

Best practice 2 (miglior ICEp): N° gg durata campagna: 120

Migliori scelte decisionali sui driver di processo:

•Condizioni Target Tele-MKTG: 3

• N° info interrattive: 8

•N° gg durata campagna: 120

Drivers di processo significativamente

correlati con le performance della campagna in

termini di CE:

ICEp correlato con Fase di Analisi e Programmazione

RR correlato con fase di Implementazione


Reengineering del processo sulla base best practices individuate nelle

migliori campagne:

Applicazione metodologia – Reengineering Campagne Auto

Best practice 2 (miglior ICEp)

N° media da utilizzare: 5

durata totale campagna: 30 gg

Migliori scelte decisionali sui driver di processo:

target invio mail: customer base

target Tele-MKTG: 1 filtro e max 4 condizioni

N° media da utilizzare: 5

durata totale campagna: 30 gg

Best practice 1 (miglior RR):

target invio mail: customer base

target Tele-MKTG: 1 filtro con max 4

condizioni

Conclusioni


Metodologia di supporto ai processi decisionali, permette di:

sfruttare le info aziendali per “contenere” la razionalità limitata

reingegnerizzare i processi attrverso:

analisi delle criticità del processo attuale

selezione migliori processi decisionali delle Best Campaign passate

Nuova teoria aziendale customer oriented: il Customer Equity

scelte decisionali finalizzate alla massimizzazione del profitto della

relazione cliente – azienda ottica a lungo termine

Sviluppi futuri


Strumenti di IT a supporto dei processi decisionali

Utilizzo di software di Data Mining come strumenti predittivi per scenari futuri di business

Applicazione metodologia ad altri processi decisionali aziendali condizione: output processo decisionale misurabile con ICE®

Miglioramento scelte decisionali sui driver delle Best Campaign

Analisi di correlazione tra indici di ICEp e RR con i driver delle Best Campaign

Presentazione tesi Customer Equity Evaluation

Documents

Transcript of Presentazione tesi Customer Equity Evaluation