比较的维度
虽然发现了客户忠诚度的问题,也还无法就此锁定问题的关键。同样是客户忠诚度,在按照某个维度比较时,还有可能会包含与问题有关的要素和无关的要素。用户群体(年龄、职业、性别等)、年数、车型(产品)等,从哪个维度来比较客户忠诚度,才能锁定问题的关键呢?决定维度之前的所有工作,都是建立 WHAT 型假设的一部分。作为这个例子的可靠假设,可以展开以下讨论。
按照不同的客户群体,例如不同年龄层的客户来分析客户忠诚度,会发现对不同的车型来说,人们的评价或喜爱
图 H 突出体现假设的要素(带灰色背景的项目成为问题的关键)
程度并不一定与年龄有关。也就是说,不同的车型更能体现出人们对其评价或喜爱程度的不同(图 H)。
根据这一假设,可以从“产品(车型)”的维度来比较不同产品的客户忠诚度。首先,我们来整理一下应该怎样比较(图 I)。
图 I 从产品维度进行比较
(1)对新车销售数量和客户忠诚度在一定时期内的平均值进行比较
对销售总额这个最根本的问题来说,是否存在对其影响较大的车型和并无太大影响的车型呢?虽然深入挖掘是好事,但如果挖掘的对象对问题整体的影响微不足道,这个工作就不会产生任何意义。根据对问题影响的大小来决定优先顺序和关注程度,也决定了根据分析结果采取的措施能够对解决问题产生多大贡献。
对销售数量的构成比例进行比较,可以发现只有车型 A 的比例明显小于其他车型(图 J)。那么如果将问题锁定为车型 A,即使采取了有效的对策,对解决整体问题的影响仍然是有限的。因此可以暂且降低车型 A 的优先顺序。
此外,按照不同车型,对客户忠诚度在 2 年期间的平均值进行比较,只有车型 A 的客户忠诚度显著偏低,其他车型之间没有太大差别(图 K)。也就是说,从“快照”的视点无法发现车型 B 到车型 D 之间的差异。读者们肯定也会感到“怎么会这样?”
图 J 不同车型在新车销售数量中的比例
图 K 不同车型的平均客户忠诚度
(2)对客户忠诚度的变化进行比较
接下来,利用折线图对过去 2 年期间不同车型的客户忠诚度进行比较。根据前面确认的结果,暂且将车型 A 从比较对象中剔除,对其余 3 个车型进行比较(图 L)。
图 L 不同车型的客户忠诚度的变化
这时可以发现,车型 B 和车型 C 的客户忠诚度均自一年前开始逐渐降低。也就是说,转为购买其他公司产品的比例提高了。具体数字是 2 年期间从约 80%~90% 减至 50%~60%,降低了 30~40 个百分点。可见,拥有本品牌产品但需要再次购买车辆的人中,这 2 年期间有近 30% 被其他公司夺走。
(3)对一定时期内客户忠诚度的波动进行比较
接下来对 2 年期间客户忠诚度的变异系数进行比较(图 M)。
图 M 不同车型客户忠诚度在 2 年期间的变异系数
虽然车型 A 的变异系数明显高于其他车型,但该车型数量较少,对整体的影响很小,因此在此就不涉及。从其他车型来看,正如前面的客户忠诚度的变化(图 L)所示,车型 D 的波动较大。从平均来看,车型 D 的客户忠诚度与车型 B、车型 C 几乎没有差别,在 2 年期间也并未出现恶化,所以很难将其认定为直接影响问题的关键。但从波动程度来看,车型 D 极有可能含有其他问题或风险,需要引起注意。
当数据的数量更多或者期间更长时,从趋势的视点来观察波动的变化也会发挥一定作用,但因为这里只有 2 年期间的数据,所以对这一点就忍痛割爱,不做详细论述了。前文的这些结果可以归纳为如下内容(图 N)。
图 N 对问题的关键的汇总
接下来,作为问题的关键进一步深入挖掘的对象,可以锁定为车型 B 与车型 C。一个重要的事实是,车型 B 与车型 C 的结果并不是通过偶然的调查碰巧得出的。我们从逻辑上探索最根本原因的同时,通过全方位的检验,将这 2 个车型锁定为问题的关键。面对“为什么最后锁定这 2 个车型”的质疑,能够提供确凿的“根据(论据)”,这一点可以确保整个问题解决过程具有可靠性和逻辑性。
分析到这一步,接下来要针对“为什么车型 B 和车型 C 的客户忠诚度会出现下降”,进行原因分析。