Сегодня смотрим на продолжение кейса, затронутого в предыдущем посте: касающегося Организации, занимающейся сборкой и продажей ИТ-оборудования известных мировых производителей.

В предыдущем кейсе я показал пример УПРАВЛЕНЧЕСКОЙ сегментации действующей Клиентской базы: что, к слову, позволяет достаточно хорошо СОРИЕНТИРОВАТЬСЯ в понимании одного из главных ресурсов Организации и не упустить главные и перспективные источники прибыли; особенно, в случае, когда список Клиентов достаточно обширен.

Продолжаю.

Следующим важным пунктом, который встал пред пытливым ясным взором была задача по приоритизации работы с Клиентами.

Что ценно, прежде всего, для поста Директора по продажам. И для Собственника, конечно.

Здесь решением стала ГРУППИРОВКА Клиентов на основе (ранее описанной) управленческой сегментации базы по нескольким КЛЮЧЕВЫМ параметрам.

Причем, обратите внимание, при внешней схожести с мейнстримом, данная группировка также не является стандартным инструментом: а на деле, является ГИБКИМ способом расстановки приоритетов по работе с Клиентами. И, соответственно, может изменяться – в зависимости от Стратегии бизнеса в конкретный период.

Итак, ключевыми параметрами – исходя из конкретных цифр после анализа ДКБ – в этом инструменте стали:

- Общая выручка (по Клиенту) [ключевой фактор]; - Количество успешных сделок с Клиентом (за все время); - Тренд ЧАСТОТЫ закупок этим Клиентом (количество сделок по периодам); - Тренд ВЫРУЧКИ по Клиенту (суммы по периодам); - Полнота закупки (всё ли закупает у нас из своих нужд в ИТ-оборудовании)

То есть, в классификацию Клиентов НАМЕРЕННО введены ДИНАМИЧЕСКИЕ характеристики (отражающие ДИНАМИКУ (!) развития отношений с КАЖДЫМ Клиентом): что даёт нам при таком рассмотрении возможность ПРЕДСКАЗЫВАТЬ дальнейшее развитие дел и ВОВРЕМЯ (заранее) ПРАВИЛЬНО реагировать (зная специальную управленческую технологию).

Это ли не мечта любого Управленца?! 🤠

Вкратце, этот инструмент работает следующим образом:

1. Классификатор собран на 2 небинарных и 3 бинарных (Да/Нет) факторах; 2. Главным (определяющим) фактором здесь выбрано пороговое значение параметра “Общая выручка” (на основе анализа базы); 3. Вторым (сателлитом) - выбрано “Количество сделок”; 4. Остальные – бинарные факторы – влияют только на переход в подгруппу (“+” / НЕ “+”) внутри группы (А, В);

Т.е., если у нас с Клиентом большой оборот НО пока мало Сделок – это говорит о том, что мы ТОЛЬКО НАЧАЛИ строить с ним отношения – и он ещё не входит в нашу “Подушку безопасности” (возможно, разовая сделка и пр.) – с большой вероятностью – он будет находиться в группе В (или С); поэтому, несмотря на хороший Чек, приоритет ВНИМАНИЯ (и внутренний ресурс Организации) будет распределён в первую очередь на уже известных УСТОЙЧИВЫХ Клиентов.

Хотя, понятно, что такие Клиенты находятся в зоне внимания – но – больше с точки зрения РАЗВИТИЯ с ними отношений (как более перспективные: В СВОЕЙ ГРУППЕ).

Основное достоинство подхода в том, что это позволило нам ТОЧНО и ЗАРАНЕЕ понимать СТРАТЕГИЮ работы с Клиентом. Т.е., буквально – понимать ЧЁТКИЙ порядок действий с ним – НЕ ПОГРУЖАЯСЬ глубоко в него конкретно.

В целом, такая технология (основанная на чтении динамики ключевых показателей), позволяет СО СТОРОНЫ видеть как идут дела в конкретной области (Отделе, Посте, Клиенте) и экономить УЙМУ времени Руководителя – СОХРАНЯЯ при этом управляемость бизнес-системы (за счёт понимания ДОСТАТОЧНОСТИ и ПОРЯДКА действий, заложенных ответственными за тот или иной Показатель / Клиента).

Также, следует помнить, что эту классификацию имеет смысл дополнительно делить по Аватарам (собирательным образам) Клиентов.

Продолжим в следующих постах. 👍