Customer lifetime value and pricing

De ene klant is de andere niet. Sommige klanten zijn leuk om voor te werken, voor anderen is de korting nooit genoeg en doe je het toch nooit goed. Je zou kunnen overwegen om daar iets mee te doen in je prijsstelling, bijvoorbeeld een fun-discount voor leuke klanten. Minder arbitrair is het om in de prijsstrategie rekening te houden met klantwaarde: de lifetime value.

Lifetime value is één van de vier invalshoeken voor prijsstrategie. De andere zijn:

• Concurrentie
• Assortiment
• Product levenscyclus

Customer lifetime value (CLV of CLTV, zie kader voor berekeningswijze) is een klantwaarde model om de waarde van een klant te bepalen op basis van de winstbijdrage die deze klant levert gedurende de totale periode dat hij klant is. Idealiter wordt CLV berekend op het niveau van individuele klanten, maar wanneer dat te complex is kan ook al veel inzicht worden verkregen door analyses op het niveau van klantgroepen.

CLV helpt om de meest aantrekkelijke klant(groep)en te identificeren en marketing- en verkoopinspanning beter te richten. Denk aan inkoop van advertising.

De klantwaarde is ook input voor de prijsstrategie. Bijvoorbeeld door concreet te maken wanneer korting mag worden gegeven, namelijk alleen aan klanten bij wie je de acquisitiekosten gaat terug verdienen. Of om te bepalen in welke gevallen het loont om – indien nodig!-  dieper te gaan in korting, namelijk bij de klanten met de hoogste CLV.

‍Dit zijn de drie stappen voor wie aan de slag wil met CLV:

1. Ontwikkel klant segmentatie op basis van inzicht in de customer lifetime value
2. Bouw model om CLV te voorspellen op basis van inzicht in klantgedrag
3. Integreer CLV in marketing- en prijsstrategie

STAP 1 Creëer inzicht in CLV van huidige klanten bestand‍
Start met het in beeld brengen van de lifetime value van huidige klanten. Begin met omzet cijfers, en ga daarna verfijnen op basis van productmix, marges en cost to serve.

Pas op met gemiddelden! Een voorbeeld uit onze adviespraktijk: We analyseerden de omzet van nieuwe klanten gedurende de eerste 5 jaar. Gemiddeld verdubbelde de omzet uit jaar 1 gedurende jaar 2 tot en met 5. Maar een nadere analyse leerde dat een grote groep klanten (»25%) nauwelijks extra omzet genereerde in jaar 2 tot en met 5. De top 20% klanten zorgde er echter voor dat de omzet van jaar 1 meer dan verdrievoudigde. De belangrijkste vraag: wat zijn de kenmerken van deze groepen en wat verklaart de variatie in CLTV?

Deze analyse gunnen we ieder bedrijf met een salesforce. Want we zien met regelmaat, met name in B2B, dat verkopers hoge kortingen geven aan klanten vanwege het veronderstelde toekomstpotentieel van de klant… maar niemand checkt of dat potentieel er ooit uitkomt.

STAP 2 Bouw model om CLV te voorspellen

‍Om CLV toe te kunnen passen is het nodig om inzichten uit het verleden en heden (stap1) te vertalen naar de toekomst. Daarvoor is nodig dat we begrijpen wat de drivers zijn van variatie in CLV. Wie dat begrijpt, kan een model bouwen dat voorspelt wat de CLV van een klant is. Dat is nodig om het concept lifetime value actionable te maken.

Bedrijven die beschikken over grote klantenbases en datasets kunnen voor het bouwen van een CLV-forecast model gebruik maken van artifical intelligence. Maar ook hier geldt: wie er mee aan de slag wil, begint met de meest duidelijke kenmerken van de verschillende klantsegmenten op basis van CLV en gaat vervolgens verfijnen. Voorbeeld: we vonden voor één van onze opdrachtgevers dat zakelijke klanten gedurende de levensduur 3 keer meer winst opleverden dan particuliere klanten. Binnen het B2B segment konden we de voorspelling van CLV verder verfijnen op basis van variabelen als:

verwachte groeisnelheid van de klantorganisatie (verklaring: een klant die snel groeit zal waarschijnlijk meer kopen dan een klant die niet groeit);
culturele fit (verklaring: het bleek dat bedrijven met een cultural fit langer klant bleven en meer afnamen)
cost of serve (achtergrond: klanten die een eigen technische dienst hadden, kwamen met minder vragen en hadden daarmee lagere bedieningskosten).
Vergelijkbare mechanismen zijn natuurlijk ook in de B2C markt te vinden. Denk aan de klant die zijn verzekering online afsluit, of die daarvoor belt en door een medewerker wil worden geholpen. Het lijkt waarschijnlijk dat het verschil in gedrag tijdens het koopproces ook iets zegt over de voorkeuren van de klant in het serviceproces, en daarmee over de bedieningskosten. Want gedrag uit het verleden zegt niet alles maar wel wat over gedrag in de toekomst. Daar is het concept ‘schadevrije jaren’ op gebaseerd (wie schade maakt, heeft grotere kans nog een keer schade te maken).

‍STAP 3 Integreer CLV in marketing- en prijsstrategie

‍Laatste stap is het integreren van het CLV-prognose model in marketing- en prijsstrategie. De toepassingen zijn legio. Bekend voorbeeld: verzekeraars differentiëren hun premie op basis van CLV. Drivers zijn o.a.: leeftijd, postcode, schadehistorie (denk aan schadevrije jaren), gedrag (roken).

Enkele andere voorbeelden:

• Schaarse producten selectief aanbieden
  ‍Een e-warenhuis serveert de laatst beschikbare producten bij voorkeur uit aan de klanten die op afbetaling kochten (want die leveren een veel hogere winstbijdrage). Marketing automation op basis van CLV.
• Prijs differentiatie op basis van voorspelling retourpercentage
  ‍Zalando en collega’s kampen met retourpercentages van tegen de 50%. Uitermate kostbaar. Op dit moment werken meerdere bedrijven aan het voorspellen van retourpercentages. Een link met de prijs ligt voor de hand.
• Marktbewerking in specifieke postcode gebieden
  ‍Een energiebedrijf wist met slimme algoritmes te voorspellen welke klanten langer zouden blijven als ze een keer klant zouden zijn geworden, zodat ze precies wisten waar ze langs de deuren moesten gaan.
• Prijs differentiatie op basis van kanaalgebruik
  ‍Kledingzaak biedt een deel van het assortiment en de aanbiedingen alleen online.
• Acquisitie discount op basis van kans op herhaalaankopen.
  Een bedrijf in de evenementen branche geeft alleen diepe kortingen wanneer het CLTV-prognose model een hoge score aangeeft, waarbij vooral de voorspelling van herhaalaankopen sterk bepalend is.

‍CLTV is een bijzonder rijk concept met vele toepassingsmogelijkheden. Die hebben we zeker nog niet allemaal geraakt. Zo hebben we in dit artikel nog niets gezegd over loyaliteitsprogramma’s, die een belangrijke rol kunnen spelen bij het verhogen van klantloyaliteit, verlengen van de klantrelatie en het verhogen van de omzet. Ook hebben we niets gezegd over de mogelijkheden om de waarde van de klant breder te definiëren, bijvoorbeeld door de sociale status van de klant mee te wegen. Want aanbevelingen zijn geld waard (daar is het hele gedachtengoed van de Net Promotor Score op gebaseerd). Misschien ben je als bedrijf wel bereid om iets extra’s te doen om een influencer met een groot netwerk binnen te halen. Het is niet voor niets dat sommige automerken erg hun best doen om de koninklijke familie in hun bolides te zien rijden.Voor wie dat ‘probleem’ niet heeft, is de boodschap: begin simpel met de drie stappen die we hiervoor hebben beschreven.

Wil jij aan de slag met customer lifetime value? Neem dan vrijblijvend contact op.