Få større kundeindsigt med samme mængde data

Af Thomas Lehman Jensen

Big data, digitalisering, kunstig intelligens er begreber, der bliver brugt igen og igen. Uanset hvilke begreber, der er tale om, er data en afgørende del af begreberne. Det er dog først, når du forvandler data til kundeindsigt, at du kan gøre en forskel. Denne artikel giver dig en metode til at analysere købsdata mere effektivt, så I får større kundeindsigt uden at benytte flere data.

Flere af de rigtige kunder

Virksomheder har forskellige strategier for at skabe deres økonomiske resultater. For mange virksomheder er det attraktivt, hvis kunderne placerer et vist minimum af køb. Når en kunde foretager mange køb, bliver de faste udgifter på kunden dækket, og det er her, at indtjeningen på kunden bliver ekstra god. Den slags kunder vil virksomheden gerne have flere af, og her kan kundeindsigt hjælpe. Det bliver for eksempel vigtigt at forstå, hvilke effekter kundeoplevelsen har på antallet af køb.

Dybere indsigt med samme data

Et simpelt eksempel demonstrerer, hvordan en ikke-parametrisk regressionsanalyse kan give denne indsigt, som du ikke umiddelbart ville kunne afdække med almindelig regressionsanalyse.

• Regressionsanalyse: En måde at undersøge sammenhængen mellem en afhængig variabel og andre specificerede uafhængige variable.
• Ikke-parametrisk regressionsanalyse: En kategori af regressionsanalyse, der ikke forudsætter bestemte statistiske fordelinger, hvormed data gives en anden ret til at tale.
  

Forestil dig, at du vil undersøge sammenhængen mellem antal køb og kundeoplevelsen. Antal køb måles som kundens køb i en given tidsperiode. Kundeoplevelsen måles for nemheds skyld med to udfald, detractors og attractors. Detractors udtrykker, at kunden ikke har fået den kundeoplevelse, som virksomheden ønsker at give. Attractors udtrykker, at kunden netop har fået den kundeoplevelse, som virksomhederne ønsker at give.

Resultater med traditionelle metoder

Resultaterne i tabel 1 viser, at detractors foretager færre køb. I gennemsnit foretager detractors kun 94 køb – og det er 34 færre køb end attractors. 

Klik for at forstørre. Tabel 1. Deskriptiv analyse - Gennemsnit

Forskellen på 34 køb kunne man også have fundet ved en almindelig regressionsanalyse. I tabel 2 er resultaterne fra en regressionsanalyse, hvor antal køb er regresseret på kundeoplevelsen. Det ses, at antallet køb i kundegruppen med dårlige kundeoplevelser netop kan beregnes til 128-34=94.

Klik for at forstørre. Tabel 2. Almindelig regressionsanalyse

Nu kunne vi afslutte analysen med den konklusion, at det har betydning, hvorvidt virksomheden leverer den gode kundeoplevelse. Analysen er klar. Der er en effekt i form af et tab på 34 køb, hvis virksomheden ikke leverer den gode kundeoplevelse. Men vi kan få endnu mere ud af data.

Større indsigt med mindre kendt metode

Med den almindelige regressionsanalyse har vi reduceret spørgsmålet om effekt til et spørgsmål om at finde et tal for effekten af kundeoplevelse på det gennemsnitlige antal køb. Det giver os svar på spørgsmålet: Hvad vil vi forvente, at det gennemsnitlige antal køb er i en gruppe af kunder, der har fået en god kundeoplevelse?

Men kan vi forvente effekter af samme størrelsesorden, hvis vi interesserer os for andre kendetegn ved fordelingen i antallet af køb end blot gennemsnittet? Vil vi for eksempel se den samme effekt på 34 køb, hvis vi interesserer os for den øvre kvartil i antallet af køb? Lad os forfølge ideen om, at effekterne kan være forskellige ved at kigge på percentilerne for antal køb. Det viser tabel 3.

Klik for at forstørre. Tabel 3. Deskriptiv analyse. Percentiler.

I tabellen kan man se, at halvdelen af alle kunder højst har 109 køb, mens den anden halvdel har 109 eller flere køb. Dét kan aflæses af medianen. Endvidere kan vi se, at forskellen på detractor og attractor i medianværdien er 26, hvilket er lavere end føromtalte 34.

Effekten på den øvre kvartil viser, at forskellen på detractor og attractor er 45, dvs. større end de 34. Her er effekten altså cirka 32 procent højere. Det betyder, at den almindelige regressionsanalyse vil undervurdere effekten af gode kundeoplevelser for at flytte antallet af køb, når kunden allerede køber på et højt niveau. Ved at skabe gode kundeoplevelser flyttes særligt topniveauet i dette eksempel. Det stiger fra 160 til 207. Det er særligt interessant, hvis kunden først er lønsom ved for eksempel 150 køb.

På den måde kan samme data med en anden metode afdække flere effektforskelle i antallet af køb. Vi behøver ikke længere kun at være optaget af gennemsnittet.

Brug de rette metoder og undgå datadøden

Mængden af data eksploderer lige nu. Det gør det mere vigtigt end nogensinde før at undgå datadøden og være nysgerrig på, hvordan du skaber reel indsigt ud fra data. Forskellige statistiske metoder kan hver især bidrage med noget forskelligt i processen om at udlede relevante indsigter.

I denne artikel har vi blot arbejdet med den klassiske regressionsanalyse og den mindre brugte Ikke-parametrisk regressionsanalyse. Den sørger for, at man ikke forfalder til at drage for simple konklusioner omkring effekterne. Fortællingen om effekterne beriges med en enkel metode, der giver et langt mere nuanceret indblik i datasammenhænge, som man ellers kan have svært ved at se ud af datamaterialet.

Større indsigt i de kritiske KPI’er

Ligesom et gennemsnit giver en ufuldstændig beskrivelse af en fordeling, giver regressionsanalyse en ufuldstændig beskrivelse af effekten.

Ikke-parametrisk regression er særlig relevant, når man ønsker en forståelse for, hvad der driver og påvirker de kritiske KPI’er. Man stræber normalt efter en høj værdi på ens KPI’er og sjældent efter en gennemsnitlig (læs: middelmådig) værdi. Her bidrager ikke-parametrisk regression med en langt tydeligere fortælling om den reelle værdi, uden at der har været brug for mere data.


Om skribenten, Thomas Lehman Jensen:
Thomas er business manager hos Rambøll Management Consulting, hvor han arbejder med forretningsudvikling og vækst gennem kundeindsigt. Thomas har 18 års erfaring med at analysere, vurdere og rådgive virksomheder om at skabe bedre resultater for og med virksomhedens nære interessenter – medarbejdere, ledere og kunder.