F ÖRETAG B

5.2.1Fakta om företaget

Företaget är en ekonomisk förening som verkar inom detaljvaruhandeln, en frivillig livsmedelskedja med 85 butiker i Stockholmsregionen och på Gotland. Föreningen stödjer butikerna med utvecklingsarbete, marknadsföring, prisförhandlingar med media och leverantörer, miljöarbete, utbildning och säkerhetsfrågor. Den ekonomiska förening ägs av enskilda köpmän som driver och utvecklar sina butiker i frivillig samverkan avseende inköp, sortiment, marknadsföring och profil. Butikernas lägen är strategiskt placerade och den dagliga verksamheten bedrivs till förmån för kunden. Den intervjuade arbetar som databas administratör och var väl insatt i ämnet vi behandlar.

Företaget använder sig av tre olika kundkort mot sina konsumenter.

1. Det första kortet, poängkort är ett renodlat bonuskort utan betalfunktion.

Konsumenten betalar hur han/hon vill, kontant eller med kort. För att bonusregistrering ska ske måste man dra sitt bonuskort i kassan.

2. Det andra kortet, hushållskort använder den som vill ha kontroll över sin matkassa med hjälp av ett betalkort. När konsumenten handlar knappar han/hon in sin personliga pinkod och summan dras från kontot. Om konsumenten vill betala på annat sätt kan han/hon ändå få bonus genom att dra kortet i kassan.

3. Det tredje kortet är, företagskort med debetfunktion och företagskort med kredit. Det första, innebär att konsumenten i förväg sätter in pengar. När kunden handlar dras summan från deras konto. Det andra alternativet är att skaffa sig en reservsumma att handla för - en kredit. Det kostar inget förrän konsumenten väljer att utnyttja krediten.

Då får han/hon betala kreditränta [VIV02].

5.2.2 Sammanställning av respondent A CRM och kundkort

Företaget använder sig av en CRM- strategi och syftet med den är att uppnå långsiktig lönsamhet genom att kommunicera med rätt kund på rätt sätt. De påpekar även att relationerna till personalen och fräschheten i butikerna (kvalitet på varor, varors placering osv.) ska ha ett samband för att strategin överhuvudtaget ska fungera. De anser att i en kundrelation är det viktigt med ömsesidigt förtroende och ömsesidig nytta dvs. att både kund och företag ska tjäna på relationen med en etnisk respekt för varandra

Företaget använder sig av kundkort, det de vill uppnå med korten är att skapa en ökad lojalitet. De anser att korten utgör en förutsättning för att använda sig av en CRM- strategi.

Informationen de samlar in från korten är uppgifter om kunden som ex namn, adress, kundens familjeförhållanden, ålder, kön, köp.

Beslutsstödsverktyg

Företaget använder sig av olika verktyg (beslutstödsverktyg/IT- verktyg). Verktygen de nyttjar är ”Oracle discoverer”, ”Oracle worksheet”, ”Oracle Sales analyser”, “Microsoft excel” och ”Microsoft access”. Dessa verktyg används för att kunna klassificera kunder, hitta intressanta kundgrupper att bearbeta på t.ex. rapportering av ekonomiska rapporter, geografisk analys, snittköp osv. Vid förfrågan om i vilken kategori deras verktyg hör hemma anser de att deras verktyg är rapporterings- och analysverktyg. Ett konkret exempel var OLAP som finns i ”Discoverer” och ”Sales analyser”, vilket enligt företaget ses som att ta fram information utifrån ett visst förhållande dvs. vad du frågar efter får du svar på.

När det kommer till att bearbeta/analysera kundinformationen för att få den kunskap de behöver om kunderna, delar de in det arbetet i två dimensioner, kundinformation och köpinformation. För att organisera all data de har använder de sig av DW. Det gör de av två anledningar. Den första är att det frigör deras kunddatabas från onödig belastning när de gör större analyskörningar mot den. Det andra är att snabbheten i analysen ökar genom användning av DW för att data i DW är organiserat på så sätt att det underlättar analysen.

Kundidentifiering:

För att identifiera deras kunder dvs. upptäcka kundernas egenskaper och vanor gör de statistik körningar en gång i månaden. Här tittar de på kunderna utifrån de kriterier de har, alltså ålder, kön, familjeförhållanden osv. samt de köpvanor kunden har (köpfrekvensen, snittköpen och i vilka butiker de handlar i). Verktygen de använder sig av för detta syfte beskrivs ovan.

Kundsegmentering:

Företaget segmenterar sina kunder dvs. delar in kunderna i olika grupper. Det gör de utifrån familjeförhållanden (antal personer i hushållet), geografi, ålder, köp belopp samt vilka butiker kunderna verkar inom. Till hjälp för att utföra detta arbete använder sig företaget av verktygen som vi nämnt ovan.

Kundförutsägelse:

För att förutsäga kunder behov och köpbeteende blickar företaget bakåt, med andra ord ser de på historiken av deras kunder. Det är beslutsfattaren som får skapa sig en uppfattning om ett förutsägande beteende, genom att titta på historisk data och sedan dra slutsatser utifrån det.

De kan se hur många kunder som försvinner och tillkommer men det är svårt att se enstaka kunders beteende. Dock vet de utifrån erfarenhet och de statistika analyserna de kör vad som kommer att hända nästa månad på ett ungefär. Därmed kan de förutsäga ett beteende.

Företaget gör inga trendanalyser. Även här använder sig företaget av de verktyg vi har nämnt plus olika marknadsundersökningar.

Vid förfrågan om de använder sig av DM verktyg blev svaret nej. Företaget hade uppfattningen om att DM har tunga körningar samt hade de hört via ryktes väga att ett annat känt företag i samma bransch har använt sig av det, där det inte gick så bra för dem. Det påpekas att det var ett tag sen vilket leder till att ny teknik kan ha löst de tidigare problemen.

Företaget anser att deras verktyg stödjer de till cirka 70 procent i deras analysarbete. En anledning till det är att de inte har DM. En annan orsak är att deras DW inte är tillräckligt strukturerat så att det stödjer analysarbetet. Respondenten menar att detta är svårt att uppnå från början och är något som måste utvecklas med tiden. Det kan exempelvis röra sig om att de vill t.ex. titta på historiken dvs. se vad en kundgrupp köpt månad efter månad och iaktta förändringen under ett års period utifrån olika aspekter. Aspekter kan vara geografi, kundklassificeringar, familjeförhållandena osv. Då gäller det att man har tidsbegreppet i analyslagret och alla parametrar som man ska titta på, det räcker inte med realtiden dvs. hur det ser ut nu. Problemet är att ibland ligger veckan i ett månadsskifte vilket innebär att verktygen inte kan skilja på vilken månad veckan tillhör ur ett tidsperspektiv, samt att nya parametrar kan komma på tal vilket leder till att analysbehovet hela tiden ligger före strukturen. Vidare anser företaget att de har tillräckligt med verktyg, men skulle vilja använda informationen på ett bättre sätt dvs. att strukturera upp informationen i DW. De klarar sig bra med sina verktyg, men behöver utvecklas med sina databaser och analysverktyg.

6 ANALYS OCH DISKUSSION

I det här kapitlet försöker vi jämföra teorin med empirin som ska ge oss underlag till att senare besvara forskningsfrågorna och syftet.

6.1 Företag A CRM

Företag A har så kallade kundfokuserade strategier. I teorikapitlet har vi förklarat två begrepp, RM (Relationsmarknadsföring) och CRM (Customer Relationship Management).

Skillnaden är att CRM i själva verket är en automatisering av RM, dvs. en strategi där kunddata administreras och bearbetas med hjälp av IT för att på så sätt tillämpa RM.

Eftersom företaget har en marknadsdatabas för att bearbeta kundinformationen så anser vi att de använder sig av en CRM- strategi. De har CRM- strategi och även kundkort. Alla förutsättningar för att använda sig av IT-verktyg för CRM- syfte uppfylls.

Svaren vi fick om CRM och företagets kundkort stämmer överens med teorin. Med deras kundkort och rabatter strävar företaget till att skapa kundlojalitet och att belöna kunden.

Syftet med företagets kundkort är, som det skrivs i teorin, att skapa kundlojalitet och bättre kundrelationer samt belöna kunden. Ett annat syfte var att analysera kunddata för marknadsföringssyften.

Beslutstödsverktyg Kundidentifiering

Företaget laddar in kundinfo från affärssystemet till en marknadsdatabas en gång i månaden.

Med hjälp av detta verktyg kan de faktiskt identifiera sina kunder dvs. sammanställa data om dem, deras köp osv. Teorin föreslår DW- lösningar för identifiering av kunderna samt användning av marknadsdatabaser. Enligt respondenterna verkar det fungera bra med marknadsdatabasen men DW är ett renodlat beslutstödsverktyg till skillnad från marknadsdataben vilken beskrevs av respondenterna som ett säljstödsverktyg (den stödjer företagets försäljning). Allt detta eftersom DW innehåller mycket större mängd data, bland annat från externa källor och inte bara från kunderna. Eftersom marknadsdatabasen kan hjälpa företaget att presentera olika kundprofiler (kundernas egenskaper och köp) och dela upp kunder i olika grupper, kan vi konstatera att den stödjer även beslut inom kundhanteringen till en viss grad och kan även stödja arbetet med att identifiera sina kunder.

Den kan alltså lika väl fungera som ett beslutstödsverktyg. Det finns ändå några brister i verktyget som respondenterna har påpekat där och som vi anser en DW-lösning skulle kunna täcka:

• Bättre segmentering - Enligt teorin kan DW segmentera kunddata med hjälp av sina avancerade adhoc-frågor till skillnad från marknadsdatabasen, där respondenterna klagade på de fattiga adhoc-frågor och själva segmenteringen.

• Enklare analys och bättre beslutsunderlag – DW finns till för att stödja användarnas beslut i och med att data inte ändras över tiden. Man kan ladda in hur mycket data som helst, både intern och extern. I marknasdsdatabasen kan däremot viktig data inför ett beslut fattas, som gör att analysen blir svårare att utföras.

Företaget kommer faktiskt att införskaffa en DW och det skulle vara intressant att i framtiden undersöka hur det fungerar hos deras företag. Det märkliga är att respondenterna försöker försvara marknadsdatabasen men å andra sidan pratar de om att den ska bytas ut mot en DW.

Med detta som grund plus de brister som har beskrivits ovan kan vi konstatera att företagets marknadsdatabas stödjer företagets arbete, men är inte tillräcklig för kundidentifiering och speciellt för segmentering och förutsägelse, som följer nedan.

Kundsegmentering

Även här används marknadsdatabasen samt några Microsoft produkter, bland annat Excel.

Företaget segmenterar kunderna på gruppnivå efter korttyperna (guldkort osc.). De gör i stort sett som författarna i teorin säger, dvs. delar in kunderna i olika grupper och försöker analysera deras beteende, fast till en viss grad. De har egentligen två stora segment:

privatkunder och företagskunder och utifrån dessa två kundgrupper segmenterar de in efter korttyperna. Respondenterna sa dessutom att genom segmentering på detta sätt kan de hitta kunderna som minskar sitt drivmedelinköp och genomföra analyser av hur mycket företaget säljer för de olika korten. Problemet ligger dock i att de för det mesta segmenterar utifrån korttyperna eftersom det minskar möjligheten att hitta ny kunskap om kunderna som har varit okänd. Den första respondenten påpekade att de saknar segmentering på frekvens, dvs.

analysera både hur ofta och hur mycket kunden handlar för. Den andra respondenten beskrev marknadsdatabasen som ett icke-användarverktyg med en gammal struktur och fördefinierade frågor. Teorin däremot föreslår segmenteringslösningar som t.ex. DM och OLAP. Med hjälp av dessa verktyg kan man analysera och segmentera efter kundernas köpbeteende på en mycket djupare nivå. Det handlar om att hitta de gömda kunskaper som finns i databaserna. DM kan svara på frågor som beslutsfattaren inte hade tänkt fråga och hitta nya kunskaper och segment genom att t.ex. klassificera, gruppera och associera data.

Dessa egenskaper kan företaget inte finna hos marknadsdatabasen. De kan med andra ord inte segmentera utifrån nya mönster och samband som finns i databaserna. OLAP är ett verktyg som kan genomföra multidimensionella analyser och därmed kan täcka företagets brister på segmenteringar på frekvens. OLAP kan segmentera kunder utifrån olika attribut, som beslutsfattare definierar, och presentera segmenten i form av multidimensionella tabeller. Vi kan konstatera att företagets marknadsdatabas kan stödja segmenteringsarbetet men inte fullt ut på grund av att mycket kunskap om kunderna är fortfarande okänd.

Kundförutsägelse

Svaren vi fick från respondenterna skiljer sig från varandra en aning. Den första respondenten verkade vara ganska nöjd med marknadsundersökningar men den andra var lite skeptisk till det och tyckte att det fanns brister i att förutsäga kundernas behov. I teorin påpekas att man lyckas med kundförutsägelser när man kan förutse trender innan de blir självklara på marknaden. Det handlar om att utifrån de historiska data som är tillgängliga i exempelvis DW kunna få kunskap om hur kunderna troligen kommer att bete sig i framtiden.

DM-aktiviteter som enligt teorin kan tillämpas här är sekvens (identifiera köpmönster över långa tidsperioder) och association (undersöka vilka produkter som köps under samma köptillfälle). Företaget använder inget verktyg för att tillämpa dessa aktiviteter. Inget IT-verktyg används i förutsägandesyfte men företaget nöjer sig med marknadsundersökningar där de frågar kundkortsinnehavare om deras köpvanor och köpbeteende. De använder sig

även av undersökningar som andra organisationer i omvärlden har gjort för att på så sätt uppdatera sig på de nya trender som finns hos kunderna. De har alltså svårt med att förutse trender innan de upptäcks av andra. Ett program som används är Microsoft Excel men det används inte för att förutsäga någonting. De verkar därför inte behärska expertis i statistiska metoder (förutsägelsemetoder, regressionsmetoder). På sätt och vis verkar det fungera med marknadsundersökningar och med personalens erfarenheter. Det är viktigt att beakta den mänskliga faktorn vid förutsägelser och uppskattningar, dvs. de erfarenheter och kunskaper hos personalen. Företaget har dock inte något beslutstödsverktyg att kombinera undersökningarna och erfarenheterna med och därmed anser vi att några luckor vid kundförutsägelser skulle kunna fyllas med hjälp av dessa beslutstödsverktyg

Sammanfattning av analysen

Det enda beslutstödsverktyget som företaget använder sig av för sina analytiska uppgifter är marknadsdatabasen. Denna databas som koncentrerar all data kring kunden har några möjligheter men är inte tillräcklig för att öka kunskapen om kunderna.

Kundidentifiering och kundsegmentering är två möjligheter som kan utnyttjas med hjälp av verktyget. Det finns dock brister i dessa två analytiska uppgifter som enligt teorin skulle en DW- lösning kunna lösa, speciellt om den kombineras med OLAP eller DM- verktyg. När det gäller kundförutsägelse är marknadsdatabas för svag för att användas och företaget utnyttjar däremot olika marknadsundersökningar och personalens erfarenheter. Även här skulle DM- verktyg kunna användas för att bättre förutsäga kundernas köpbeteende och behov.

6.2 Företag B CRM

Företaget utnyttjar en CRM- strategi och dess mål är att uppnå långsiktig lönsamhet. Detta finner vi stöd från teorin som säger oss att syftet med CRM är att uppnå kundlojalitet och kundlönsamhet dvs. behålla kunderna för att öka försäljningen. Här kan vi konstatera att företaget har satt upp korrekta mål. Respondenten påpekar att kommunikationen måste fungera för att CRM- strategin ska vara uppnåbar. Det försöker de göra genom att kommunicera med rätt kund på rätt sätt. Teorin beskriver vilka beslut ett företag ska fatta rörande CRM. Det handlar om rätt erbjudande, till rätt kund, i rätt tid och via rätt kommunikationskanal. Vi finner här att deras tillvägagångssätt för att uppfylla CRM- syftet stämmer bra överens med teorin, men det återstår att se ifall de uppfyller syftet eller inte. De betonar att kundrelationer är viktiga som ska hanteras med ömsesidigt förtroende och ömsesidig nytta. Både företag och kund ska tjäna på relationen med etnisk respekt för varandra. Enligt Ralf Blomqvist bör man arbeta för att etablera, utveckla och avveckla relationer med kunder så att ömsesidiga värden skapas. Vi tolkar och skapar oss uppfattningen att företaget är på rätt spår gällande synen på relationer till sina kunder.

Kundkort är något som företaget använder sig av för att generera en ökad lojalitet samt en förutsättning för sin CRM- strategi. Teorin är av samma uppfattning, ett vanligt sätt för företag att skapa sig kundrelationer är nyttjande av kundkort. Syftet med medlemskort är att skapa bindningar mellan företag och kunder för att fördjupa och utveckla kundrelationer och

därmed öka kundlojaliteten för företaget. Företaget är väl medvetet om syftet med att använda sig av kundkort, samt kan vi framföra att det gäller även för hela deras syn på CRM- strategi.

Beslutstödsverktyg Kundidentifiering

Företaget organiserar all data de har genom att använda sig av DW. Orsaken till det är, att det frigör deras kunddatabas från onödig belastning samt att snabbheten i analysarbetet ökar i och med att data i DW är organiserat. Detta leder till att de faktiskt kan identifiera sina kunder. Det gör de genom att titta på sina kunder utifrån kriterier som ålder, kön osv. Enligt teorin ska all information samlas in till en och samma plats (ex. DW). Till följd därav kan frågor som vilka ens kunder är svaras. Ett av de karaktäristiska dragen för DW är ”subject-oriented” dvs. all data är organiserad utifrån olika detaljerade subjekt t.ex. kund där informationen är relevant för beslutstöd. Vi finner att företaget med hjälp av DW kan identifiera sina kunder. Samtidigt påpekar respondenten att deras DW inte är tillräckligt strukturerad så att den stödjer företagets analysarbete till fullo. De menar att detta är svårt att uppnå och måste utvecklas med tiden. Teorin framhåller att med DW kan intern och extern data organiseras och integreras. Dock poängteras det att i fall inte data är organiserat kan det medföra komplikationer och långa åtkomsttider. Vi kan konstatera att företaget inte har en fulländad struktur i sin DW, vilket kan bero på två anledningar. Antingen har de misslyckats i sin process gällande insamlingen och organiseringen av data till sin DW eller så finns inte kunskapen i företaget att hantera detta problem. Den sistnämnda anledningen tolkas på detta sätt pga. respondentens uttalande om att det tar lång tid att få struktur, vilket tolkas av oss som om kunskapen i företaget angående informationsinsamlingen i beslutsstödsverktyget inte är tillräcklig.

Kundsegmentering

När det kommer till segmentering av kunder delar företaget in sina kunder i olika grupper.

Segmenteringen sker utifrån familjeförhållanden, geografi, ålder, köp osv. Teorin framhäver att när man vet vilka ens kunder är kan arbetet med segmentering och analys av kunders beteende börja. Till hjälp för att segmentera sina kunder använder sig företaget av DW samt verktyg som ”Oracle discoverer”, ”Oracle workskeet”, ”Oracle sale analyser”, ”Microsoft Excel”, ”Microsoft Access”. Dessa används för att t.ex. klassificera kunder (segmentera kunder) där t.ex. ”Oracle discoverer” och ”Oracle Sales analyser” är några OLAP verktyg.

Teorin säger att DW kan nyttjas till segmentering med hjälp av förfrågningsverktyg som SQL, men oftast är den här typen av analysarbete mer komplext och kräver starkare verktyg som DM eller statistiska modeller. OLAP går ut på att utföra multidimensionella analyser.

För att uppnå bästa resultat med OLAP kan det användas med DW integrerat med andra verktyg som t.ex. data mining. När vi frågade företaget ifall de använde sig av DM blev svaret nej. De anser att deras verktyg stödjer de till 70 procent, där en av anledningarna till att det inte var 100 procent var att de inte hade data mining. OLAP är ett bra verktyg för åtkomst till data och navigering bland dessa data. Det som OLAP har svårt för är att bedöma vilken data som är viktigast och värdera det. Den saknar en sort intelligens som DM inte saknar. Kontentan av det hela är att OLAP är tillräckligt för segmentering, men vill man gå på djupet och upptäcka kunskap som man inte visste fanns där kan DM vara ett alternativ.

Kundförutsägelse

För att förutsäga beteenden tittar företaget på de historiska data. Det förutsägande beteendet skapar de sig en uppfattning om genom erfarenheter och statistiska analyser de gör. Därmed

För att förutsäga beteenden tittar företaget på de historiska data. Det förutsägande beteendet skapar de sig en uppfattning om genom erfarenheter och statistiska analyser de gör. Därmed