Når vi har en god modell for pCLV, er neste analyseoppgave å forstå hvorfor og hvordan ulike markedstiltak øker verdien av kundene. Vi vil for eksempel kunne beregne verdien av økte investeringer i reklame og distribusjon i form av vekst i verdien av kundene. Tilsvarende kan man evaluere ulike tiltak for redusert kundefrafall, salg av nye produkter, digitale tjenester og så videre. Vi kan også beregne effekten av konkurrentenes markedstiltak, som for eksempel etablering av nye lokasjoner, prisendringer og nye produkter. Også makroøkonomiske faktorer, som renteendringer, kan bygges inn i modellen. På denne måten utvikler organisasjonen dyp kunde- og markedsinnsikt.
Vi mener bedrifter bør erstatte KTI og NPS med pCLV. Målinger og analyser av kundetilfredshet hjelper bedriften med å forstå hva som skaper verdi for kundene og hvilke kvaliteter bedriften bør bli bedre på. Regelmessige målinger av kundetilfredshet er også viktige signaler i arbeidet med å endre organisasjonskulturen. Tilsvarende brukes NPS som måltall. Fordelen er at dette er en relativt enkel metode for datainnsamling. Men dette er ikke en god strategisk KPI av flere grunner:
For det første måler vi ikke verdien i merkevarebygging for rekruttering av nye kunder, rett og slett fordi måling av kundetilfredshet forutsetter at du er eller har vært kunde.For det andre er det mange kunder som ikke svarer på spørsmål om kundetilfredshet, eller også ofte at selgere og annet frontpersonell presser kundene til å gi bedre score enn de faktisk fortjener.For det tredje forteller kundetilfredshet kun noe om fortid og ikke fremtid.Og for det fjerde måler vi ikke hva konkurrentene gjør for å stjele våre kunder.Riktignok spør vi kundene om de sannsynligvis vil fortsette å være kunder og om de vil anbefale merkevaren til andre, men faktum er at når kundene plutselig står i en valgsituasjon med et attraktivt tilbud fra en konkurrent, er den faktiske lojaliteten ofte lav.
Vi mener derfor bedrifter bør utvikle prediksjonsmodeller for fremtidig kundeatferd som måler pCLV. Mange bedrifter har i dag databaser som registrerer faktisk kundeatferd (kjøpshistorikk), og i tillegg samler man inn data om interaksjoner på nettsider og apper, samt besøk i ulike lokasjoner. Man logger også data om reklameaktiviteter, selgeraktiviteter, nye lokasjoner, nye produkter, nye priser og så videre. Dette kan suppleres med data om konkurrenter og endringer i makroøkonomiske forhold, som for eksempel renteendringer, valutakurser, inflasjon med mer.
Poenget er at mange bedrifter i dag disponerer enorme datamengder som kan settes i system og brukes til å predikere fremtidig kundeatferd.
Referanser:
Fred Selnes and Michael Johnson (2025),Customer Portfolio Management: Creating Value with a Large Leaky Bucket ofCustomers, MIT Press.
Johnson, M. D., &Selnes, F. (2004), Customer Portfolio Management: Toward a Dynamic Theory ofExchange Relationships, Journal of Marketing, 68(2), 1–17.
