Presentazione tesi Customer Equity Evaluation
-
Upload
greco-technologiesarts-srl -
Category
Documents
-
view
406 -
download
0
description
Transcript of 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 3/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 4/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 5/18
“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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 6/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 7/18
Schema della metodologia/2
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 8/18
Schema della metodologia/3
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 9/18
5 Concessionarie:
Alcuni Dati:
Processi decisionali del Gruppo Aster
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 10/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 11/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 12/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 13/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 14/18
Dati
Applicazione metodologia – Analisi Statistica
ICE
RR
ICEp
Best Campaign passate Service Best Campaign passate Auto
Applicazione metodologia – Reengineering Campagne Service
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 15/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 16/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 17/18
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
Università della Calabria - Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale 18/18
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