In dit hoofdstuk zal de analyse van de verzamelde data beschreven worden. Daarnaast zullen de resultaten die uit de analyse naar voren komen in dit hoofdstuk beschreven worden. In hoofdstuk 5 zullen deze resultaten dan dienen als basis van de aanbevelingen en conclusies. Dit hoofdstuk is opgedeeld in verschillende paragrafen. In de eerste paragraaf zullen de algemene resultaten gepresenteerd worden. In paragraaf 4.2 zal de factor analyse stap voor stap behandeld worden. In de paragraaf 4.3 zal vervolgens de CLV per klant berekend worden en ten slotte zal in paragraaf 4.4 een groepsindeling van de klanten worden gemaakt op basis van de CLV en retentiekans.
§ 4.1 Algemene Resultaten
Bedrijf X heeft een klantenbestand van 152 gefactureerde klanten. Aangezien dit onderzoek zich richt op het maximaliseren van de waarde van de klanten, worden alleen deze 152 gefactureerde klanten gebruikt als basis van het onderzoek. Het is namelijk niet mogelijk om zonder winst en afzetgegevens tot een CLV per klant te komen. Het onderzoek is daarom ook niet anoniem, wat betekent dat iedere klant gevraagd wordt naar naam en adresgegevens.
Iedere klant heeft per post een vragenlijst opgestuurd gekregen, deze is terug te vinden in bijlage I. In totaal hebben 76 klanten een ingevulde vragenlijst retour gestuurd. Het onderzoek kent daarmee dus een respons van exact 50 procent. Er zal nu gekeken worden of de 76 respondenten representatief zijn voor het volledige klantenbestand. Dit zal gebeuren aan de hand van de indeling van de klanten naar bedrijfssoort (montage, bouwmaterialenhandel en industrie). Als de verdeling van alle klanten vergeleken wordt met de verdeling van de 76 respondenten, dan is te zien dat er geen grote verschillen zijn (zie tabel 4.1.1). Op basis van dit gegeven wordt er aangenomen dat de 76 respondenten representatief zijn voor het totale klantenbestand.
Totale databestand Data voor analyse
Montage/afbouw 7,2% 10,5%
Bouwmaterialenhandel (onderdeel keten) 44,1% 38,2%
Bouwmaterialenhandel (onafhankelijk) 44,8% 46,1%
Industrie 3,9% 5,2%
100,0% 100,0%
Tabel 4.1.1, representativiteit respondenten
Nu zeker is dat de respondenten representatief zijn kan een begin gemaakt worden met de analyse van de verzamelde data. Dit zal mede gebeuren aan de hand van de in hoofdstuk twee geïntroduceerde theorie en modellen.
Volgens het model van Rust, Lemon en Zeithaml (2000) is het customer equity opgebouwd uit drie onderdelen: value equity, brand equity en relationship equity. Er zal per onderdeel gekeken worden hoe de respondenten ze beoordeeld hebben. Dit wordt gedaan om een beter beeld te krijgen van de sterke en zwakke punten van zowel Bedrijf X als de concurrentie, zodat bepaald kan worden hoe de customer equity bij de klanten van Bedrijf X opgebouwd is.
Brand equity
De variabelen uit het onderzoek die aansluiten bij de bepaling van brand equity zijn: de typering van Bedrijf X, Bedrijf Y en Bedrijf Z, de beoordeling van de kernwaarden van Bedrijf X en hoe ziet men Bedrijf X in vergelijking met de concurrentie. Als de antwoorden van de respondenten op deze variabelen onder de loep worden genomen, dan valt op dat Bedrijf X door de klanten getypeerd wordt als betrouwbaar (zie tabel 4.1.2). De eigenschap betrouwbaar is dus het meest dominant van de gegeven vijf eigenschappen. Dit betekent echter niet dat de respondenten die Bedrijf X betrouwbaar vinden, Bedrijf X niet ook klantgericht kunnen vinden. De ontbrekende eigenschap in de tabel is innovatief. Deze eigenschap werd door geen van de respondenten aangekruist als beste typering voor Bedrijf X en is derhalve niet opgenomen in de tabel.
45 29,6 59,2 59,2 7 4,6 9,2 68,4 17 11,2 22,4 90,8 7 4,6 9,2 100,0 76 50,0 100,0 76 50,0 152 100,0 Betrouwbaar Kwaliteit Klantgericht Goedkoop Total Valid System Missing Total
Frequency Percent Valid Percent
Cumulative Percent
Tabel 4.1.2, beste typering Bedrijf X
In hoofdstuk één zijn de kernwaarden geïntroduceerd zoals die door Bedrijf X gebruikt worden. Als de respondenten gevraagd wordt welke waarde het best bij Bedrijf X past, dan blijkt dat ‘wij handelen klantgericht’ en ‘wij willen samen met de klant succesvol zijn’ het hoogste scoren (beide ruim 30 procent). De bijbehorende figuur A.1 is in bijlage II te vinden.
Als de respondenten gevraagd wordt om een vergelijking te maken tussen Bedrijf X en de concurrentie, dan blijkt dat Bedrijf X gezien wordt als goedkoop en als een aanbieder met een goede logistiek in vergelijking met de concurrentie. Concurrent Bedrijf Y wordt gezien als een aanbieder met veel kennis en goede kwaliteit, maar tegelijkertijd toch ook wel als arrogant (nummer één antwoord bij open antwoordmogelijkheid). Concurrent Bedrijf Z wordt geroemd om haar kennis en om haar uitgebreide assortiment. Zie bijlage II voor de bijbehorende figuren van het bovenstaande (figuur A.2– A.5).
Relationship equity
De variabelen die aansluiten bij de bepaling van de relationship equity zijn: deelname aan het spaarprogramma, oordeel aanwezigheid loyaliteitsprogramma en verandering afname sinds start spaarprogramma.
Doet u mee met het spaarprogramma?
33 21,7 43,4 43,4 43 28,3 56,6 100,0 76 50,0 100,0 76 50,0 152 100,0 Nee Ja Total Valid System Missing Total
Frequency Percent Valid Percent
Cumulative Percent
Tabel 4.1.3, Deelname spaarprogramma
In tabel 4.1.3 is te zien dat ruim 56 procent van de respondenten meedoet aan het spaarprogramma dat Bedrijf X aanbiedt aan haar klanten. Als vervolgens ook gevraagd wordt of de respondenten de aanwezigheid van een spaarprogramma belangrijk vinden, dan blijkt de ruime meerderheid (60 procent) hier neutraal tegenover te staan, terwijl slechts 19 procent van de respondenten dit wel belangrijk tot zeer belangrijk vindt (zie bijlage II, figuur B.2). Op de vraag of de respondenten sinds deelname aan het spaarprogramma meer afnemen bij Bedrijf X, antwoordt meer dan 90 procent nee (bijlage II, figuur B.1). Voor Bedrijf X zou dit dus betekenen dat het spaarprogramma niet effectief ingezet kan worden om klanten meer af te laten nemen. Het programma zou echter wel de loyaliteit van de klanten kunnen beïnvloeden. Dit laatste zal onderzocht worden in paragraaf 4.3.
Value equity
De variabelen uit het onderzoek die aansluiten bij value equity zijn: tevredenheid klanten over Bedrijf X, de beoordeling van kwaliteit, assortiment, prijzen, levering, front- en back office en de communicatie, waarom de respondenten voor Bedrijf X kiezen en de verbeterpunten voor Bedrijf X. Dit zijn voor Bedrijf X dus directe indicatoren hoe de klanten de producten en diensten van Bedrijf X beoordelen.
In de enquête is de respondenten gevraagd waarom zij voor de producten van Bedrijf X kiezen (vraag negen van de enquête). Ondanks dat er maar één antwoordmogelijkheid gekozen mocht worden, om zodoende een juist beeld te krijgen van de meest dominante reden, hebben veel respondenten meerdere antwoordmogelijkheden aangekruist bij deze vraag. Als gevolg hiervan is voor de analyse van deze vraag van alle antwoordmogelijkheden een dummy variabele gemaakt. Een dummy variabele kan twee waarden hebben: 1 en 0. Wanneer een respondent dus twee antwoorden aangekruist heeft, dan krijgen die beide variabelen een waarde 1. Alle andere variabelen krijgen de waarde 0. Als resultaat van het gebruik van dummy variabelen kan er dus wel opgemaakt welk percentage van de respondenten een bepaalde variabele heeft aangekruist en welk percentage niet. Vervolgens kan door onderlinge
dominante reden is om te kiezen voor Bedrijf X. Uit figuur C.1 in bijlage II blijkt dat de respondenten vooral voor Bedrijf X kiezen vanwege de prijs, de logistiek en de kwaliteit.
De respondenten is ook gevraagd naar hun tevredenheid, zowel een totale tevredenheid als een oordeel voor verschillende onderdelen, zoals prijzen, assortiment en levering.
In welke mate bent u tevreden over Bedrijf X producten?
4 2,6 5,3 5,3 61 40,1 80,3 85,5 11 7,2 14,5 100,0 76 50,0 100,0 76 50,0 152 100,0 Niet ontevreden/ niet tevreden Tevreden Zeer tevreden Total Valid System Missing Total
Frequency Percent Valid Percent
Cumulative Percent
Tabel 4.1.4, tevredenheid Bedrijf X
In tabel 4.1.4 is te zien dat de totale beoordeling van Bedrijf X toch wel goed genoemd mag worden. Meer dan 80 procent van de respondenten is namelijk tevreden over de producten van Bedrijf X. Als er iets dieper ingegaan wordt op zowel de producten als de diensten van Bedrijf X dan blijkt verder dat de klanten erg positief zijn over alle gevraagde onderwerpen (zie tabel 4.1.5 en 4.1.6).
…
Tabel 4.1.5 per onderdeel (vraag 21-25)
…
Tabel 4.1.6, tevredenheid per onderdeel (vraag 25-30)
Uit de data blijkt dat de technische helpdesk en de communicatie(middelen) van Bedrijf X het laagst scoren (3,79 en 3,86 op een schaal van 5). Dit zou in eerste instantie impliceren dat dit de belangrijkste verbeterpunten van Bedrijf X zijn en dat een verhoging van de value equity, en daarmee de customer equity, gerealiseerd zou kunnen worden door de technische helpdesk en de communicatie te verbeteren. Om echter beter gefundeerde conclusies te trekken is het verstandig om de prestaties van Bedrijf X af te zetten tegen die van de concurrentie. In de enquête is de respondenten bij vraag 31 namelijk gevraagd om de prestaties van Bedrijf X te vergelijken met die van Bedrijf Y en Bedrijf Z. Dit is gedaan met behulp van een vijf-punts-Likert-schaal waarbij de antwoordmogelijkheden varieerden van veel slechter (waarde één) tot veel beter (waarde vijf) dan de concurrentie (zie tabel 4.1.7 en 4.1.8).
Statistics 76 76 76 76 76 76 76 76 76 76 3,21 3,01 3,28 3,71 3,72 2 1 1 2 3 5 5 5 5 5 Valid Missing N Mean Minimum Maximum De kwaliteit is: Het assortiment is: De prijzen zijn: De kwaliteit van de levering is: De betrouwbaar heid van de levering is:
Tabel 4.1.7, oordeel klanten in vergelijking met concurrentie (vraag 31a-e) Statistics 75 75 76 76 76 77 77 76 76 76 3,41 3,19 3,51 3,49 3,22 2 1 2 2 2 5 5 5 5 5 Valid Missing N Mean Minimum Maximum De manier van klachtenafh andeling is: De technische helpdesk is: De buitendienst is: De binnendienst is: De communicatie is:
Tabel 4.1.8, oordeel klanten in vergelijking met concurrentie (vraag 31 f-j)
Het blijkt dat Bedrijf X op alle onderdelen minimaal gelijkwaardig is aan de concurrenten (gelijkwaardig is een score van drie). Te zien is echter wel dat het assortiment hier laag scoort en dat ook weer de beoordeling van de helpdesk en de communicatie minder goed beoordeeld wordt door de respondenten dan de andere onderdelen in vergelijking met de concurrentie.
Als laatste onderdeel van de value equity is de respondenten gevraagd naar punten van verbetering. Naast enkele voorgedrukte antwoordmogelijkheden, hadden de respondenten bij deze vraag ook de mogelijkheid om zelf een antwoord te bedenken. Uit de data blijkt dat de respondenten de prijs, de technische helpdesk, de communicatie en het assortiment graag verbetert zien (bijlage II, figuur C.2). Het feit dat men de prijs verbetert wil zien is op zich logisch. Iedere cent dat de prijs daalt is namelijk ‘winst’ voor de klanten. Het is echter niet in overeenstemming met het feit dat de klanten Bedrijf X zien als goedkoop in vergelijking met de concurrentie (figuur A.2 bijlage II).
§ 4.2 Factor analyse
Voordat er begonnen zal worden met de berekening van de CLV per klant, zal er eerst gekeken worden of het aantal gebruikte variabelen van het onderzoek door middel van factor analyse verminderd kan worden.
Het primaire doel van factor analyse is om onderliggende verbanden tussen variabelen te definiëren (Hair et al, 2006). Op deze wijze zal de bestaande data gereduceerd worden door variabelen die hoge onderlinge correlatie vertonen tot één factor te maken. Tegelijkertijd wordt er wel gestreefd naar zo
van multicollineariteit. Multicollineariteit kan gezien worden als de mate waarin een variabele verklaard kan worden door andere variabelen in de analyse (Hair et al., 2006, blz.2). Als de mate van multicollineariteit toeneemt, dan wordt analyse dus bemoeilijkt, omdat door de onderlinge correlatie tussen de variabelen in de analyse het uiteindelijke effect op een andere afhankelijke variabele vertroebeld wordt.
De vragenlijst die gebruikt is voor dit onderzoek bestaat uit 36 vragen. Een vuistregel is dat wanneer er gebruik gemaakt gaat worden van factor analyse, dat er dan minimaal vijf keer zoveel respondenten moeten zijn als variabelen (Hair et al, 2006, blz. 112). Het aantal respondenten in dit onderzoek is slechts 76. Dit betekent dat er dus geen factoranalyse plaats kan vinden voor alle variabelen. Er zal dus een selectie gemaakt moeten worden welke variabelen meegenomen gaan worden in de analyse. Het beste geschikt voor factor analyse zijn metrische variabelen (ordinale en ratio variabelen). Dummy variabelen zijn vaak niet goed te gebruiken voor factor analyse. Alleen de metrische variabelen zullen dus in aanmerking komen voor factor analyse. De factor analyse zal uitgevoerd worden aan de hand van vijf stappen (Hair et al., 2006, blz.107-140).
Stappenplan Factor Analyse 1) Doel factor analyse:
De eerste stap is om duidelijk te krijgen waar de factor analyse voor moet dienen en wat het doel van het onderzoek is. In dit exploratieve onderzoek is het doel van de factor analyse om variabelen met een hoge onderlinge correlatie tot één factor te maken. Het dient dus om de data overzichtelijker te maken voor verdere analyse.
2) Ontwerp van een factor analyse:
Tijdens de tweede stap moet gekozen worden tussen twee typen factor analyse: een R-type factor analyse, dit type wordt gebruikt voor correlatie tussen variabelen, en een Q-type factor analyse, dit type wordt gebruikt voor het identificeren van groepen individuen die een gelijk patroon vertonen op de aanwezige variabelen. In dit onderzoek zal dus gekozen worden voor een R-type factor analyse.
3) Aannames voor factor analyse:
Voordat er gebruik gemaakt kan worden moet er eerst gekeken worden of de data wel geschikt is voor factor analyse. Dit moet zowel op statistische basis als op conceptuele basis. Op conceptuele basis komen er slechts enkele variabelen in aanmerking, namelijk vraag 21 tot en met 30 en vraag 31. De variabelen van deze vragen hebben namelijk antwoordmogelijkheden die hetzelfde meten en betekenen aan de hand van een vijf-punts-Likert schaal, voldoen aan het feit dat er genoeg waarnemingen zijn om een factor analyse uit te voeren en daarnaast kunnen deze variabelen van invloed zijn op de bepaling van de retentiekans. Om vervolgens de retentiekans zo nauwkeurig
mogelijk te berekenen is het dus verstandig om de variabelen waarvan gedacht wordt dat ze onderlinge correlatie hebben, tot één factor te maken.
Om te kunnen zien of er voldoende statistische basis is voor een factor analyse zal er eerst een KMO en Bartlett’s test uitgevoerd worden. Hiermee wordt getoetst of er correlaties bestaan tussen de variabelen. Om een factor analyse uit te mogen voeren moet er op de KMO test minimaal 0,5 gescoord worden. Op de Bartlett’s test dient een significante waarde gescoord te worden (kleiner dan 0,05). Uit tabel 4.2.1 blijkt dat er voor de variabelen vraag 21 tot en met 30 voldoende basis is voor een factor analyse. De KMO test geeft namelijk een score van 0,779 en de Bartlett’s test een significantie van 0,00. Voor vraag 31 blijkt ook voldoende basis te zijn voor een factor analyse (bijlage II, figuur D.1).
KMO and Bartlett's Test
,779 378,233 45 ,000 Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. Approx. Chi-Square df Sig. Bartlett's Test of Sphericity
Tabel 4.2.1, KMO en Bartlett’s test
4) Factoren samenstellen en totale fit meten
De factoren zullen tijdens deze stap samengesteld worden. Voordat de uiteindelijke factoren samengesteld kunnen worden, zal er eerst een methode gekozen moeten worden om de factor analyse mee uit te voeren. Er zijn twee opties: component factor analyse (analyseert de totale variantie) en common factor analyse (probeert de common variantie te verklaren). In dit onderzoek zal gebruik gemaakt gaan worden van de component factor analyse, omdat data reductie het primaire doel is. Na analyse blijkt dat er het beste voor zowel vraag 21 tot en met 30 als voor vraag 31 voor twee factoren gekozen kan worden. Dit valt op te maken uit twee verschillende uitkomsten. Ten eerste moeten de factoren een eigenwaarde hebben die gelijk of groter is dan één. Ten tweede moeten de factoren minimaal 60% van de variatie in de data verklaren. Voor beide groepen variabelen is dat bij twee factoren het geval (zowel eigenwaarde groter dan één als minmaal 60% verklaring). De bijbehorende figuren zijn te vinden in bijlage II (figuur D.2 en D.3).
Dat er gekozen moet worden voor twee factoren is ook op te maken uit de bijbehorende screeplots. Een screeplot geeft de uitkomst van de scree test aan. Dit is een test die gebruikt wordt om het aantal factoren te identificeren dat gebruikt kan worden alvorens de hoeveelheid unieke variantie dominant wordt aan de hoeveelheid common variantie. Hieronder is de screeplot te zien naar aanleiding van de factor analyse van vraag 21 tot en met 30. Te zien is dat de eigenwaarde van de eerste twee factoren boven de één ligt en dat de eigenwaarde van een derde factor al lager is dan de minimale waarde van één.
10 9 8 7 6 5 4 3 2 1 Component Number 4 2 0 E ig e n v a lu e Scree Plot
5) Interpretatie van de factoren
Tijdens deze stap moeten drie andere stappen uitgevoerd worden: het aanmaken van een factor matrix (geeft aan hoe hoog een variabele scoort op een factor), een rotatiemethode kiezen (om simpelere en meer betekenisvolle factoren te krijgen) en de interpretatie van de factoren.
Omdat een ongeroteerde factormatrix nog weinig informatie herbergt zal deze niet opgenomen worden in het onderzoek. Er zal direct doorgegaan worden op het kiezen van een rotatiemethode. Het doel van roteren is om de interpretatie te vergemakkelijken. Dit gebeurt door het aantal hoge scores van variabelen op factoren zoveel mogelijk te verminderen, met als uiteindelijk doel om per variabele maar op één factor hoog te scoren. Er zijn twee methodes: orthogonal factor rotatie en oblique factor rotatie (Hair et al., 2006, blz. 124). Bij de eerste methode blijft de hoek tussen de x-as en y-as 90 graden, terwijl bij de tweede methode de hoek gewijzigd kan worden. Omdat de tweedemethode nog niet zo goed ontwikkelt is als de eerste zal er in dit onderzoek gebruik gemaakt worden van een orthogonal rotatie methode. Binnen deze methode zijn er drie keuzemogelijkheden: quartimax, varimax en equimax. Gekozen zal worden voor varimax, omdat dit de kolommen (factoren) gemakkelijker maakt om te interpreteren en omdat dit een zeer succesvolle methode is gebleken voor rotatie (Hair et al., 2006, blz.126). In tabel 4.2.2 is de geroteerde component matrix te zien van de factor analyse van de vragen 21 tot en met 30 (in de bijlage is de geroteerde matrix voor vraag 31 te vinden). Uit deze matrix valt af te leiden welke variabelen hoog scoren op de eerste factor en welke variabelen hoog scoren op de tweede factor. De hoogste ladingen zijn vet gedrukt.
…
Op te maken valt dus dat de eerste vijf variabelen (vraag 21 tot en met 25) hoog scoren op factor één, terwijl de onderste vijf factoren hoog scoren op factor twee (vraag 26 tot en met 30). Als dit verklaard moet worden, dan kan er dus geconcludeerd worden dat de tien vragen die dieper ingaan op de tevredenheid van de respondenten over Bedrijf X in te delen zijn in twee factoren. De eerste factor kan dan vertaald worden als een factor product (inclusief levering). De tweede factor kan omschreven worden als een factor back office. Deze factor is samengesteld uit variabelen die allemaal dieper ingaan op de service die Bedrijf X verleent. De uiteindelijke factorindeling van vraag 31 is te vinden in figuur D.4 in de bijlage.
De aangemaakte factoren bestaan uit variabelen die het oordeel van klanten meten (absoluut en relatief) en die gebruikt kunnen worden voor de bepaling van de retentiekans. Het oordeel van klanten over Bedrijf X zal namelijk van invloed kunnen zijn op het feit of men klant blijft of niet. De factorscores van alle vier de factoren zullen de individuele variabelen vervangen in de formule voor de bepaling van de retentie. De berekening van de retentiekans en van de CLV zal in de volgende paragraaf aan bod komen.
§ 4.3 Customer Lifetime Value
In deze paragraaf zal per klant een CLV berekend worden. De CLV per klant kan gezien worden als de totale customer equity per klant (zie hoofdstuk twee) en geeft dus aan welke klanten het meest en het minst waardevol voor Bedrijf X zijn.
De benodigde gegevens voor het berekenen van een CLV zijn: meeste recente jaarwinst per klant, retentiekans, disconteringsvoet en een tijdsperiode.
Model CLV:
∑
=+
∗
−
=
T t t t t t id
r
c
p
CLV
0 0 ,)
1
(
)
(
- AC waarbij=
0 , iCLV
Customer Lifetime Value op tijdstip 0=
−
tt
c
p
winst per klant in 2006=
t
r
retentiekans van de klant op tijdstip t (individueel berekent)=
t
d
disconteringsvoet, hier acht procent=
=
T
tijdshorizon, hier drie jaarWinst per klant
De winst die gebruikt zal worden als basis van de berekening van de CLV is de meest recente jaarwinst. In dit geval zal dus de winst van 2006 als basis dienen voor het CLV model.