Pro věrnostní klub Toyota jsme chtěli zajistit oslovení těch zákazníků, které potřebovala společnost Toyota odměnit a zároveň si s nimi udržet ziskový vztah. Nabídky v rámci věrnostního klubu měly ovšem chodit jen těm zákazníkům, kteří se skutečně chystají nakoupit. Komunikaci na spící část zákaznické databáze jsme chtěli omezit, abychom zvýšili návratnost kampaní a zajistili, že pravidelná dávka dopisů do schránek přinese zisk. Zároveň společnost Toyota chtěla odměňovat své nejvěrnější namísto náhodných kupujících.
Řešení
Jako řešení jsme zvolili afinitní model, který zkombinoval věrnost zákazníka, jeho minulé útraty a zároveň jeho stáří, tedy jak dlouho nakupuje u firmy Toyota. Naše společnost vyvinula prediktivní model na pozitivních příkladech zákazníků, kteří opakovaně nakupují. Model vybírá zákazníky s vysokou pravděpodobností nákupu. Těmto věrným a kvalitním zákazníkům společnost Toyota poskytuje výhody a slevy v měsíčních zásilkách.
Protože je podnikání společnosti Toyota extrémně stabilní, chová se i předpovědní model velmi stabilně. Model byl použit od svého vytvoření ve dvanácti vlnách komunikace, aniž by se snížila jeho účinnost. Model se používá k roztřídění databáze zákazníků na deset skupin (decilů) dle skóre pravděpodobnosti nákupu. Na obrázku vidíme, že nejlepší desetina – decil 10 – nakoupí ve 22 % případů a průměrný decil 6 jen ve 2 % případů. Oslovením decilu 10 tedy dosáhneme desetinásobné návratnosti oproti oslovení „průměrného“ decilu 6. Model tedy při oslovení decilu 10 stabilně přináší desetinásobnou návratnost (ROI) oproti oslovení celé databáze, tedy i průměrných a horších zákazníků.
Nižší decily 1-5, tedy méně afinitní polovina databáze, je zcela vyřazena ze zásilek, čímž jsme dosáhli značných úspor.
Plných 5 ze 7 finančně vyhodnocených vln komunikace bylo vysoce ziskových, při zachování výhodnosti pro zákazníky. Zbylé dvě ze sedmi hodnocených vln komunikace přinesly „jen“ mírný zisk, odměnu zákazníkům a propagaci méně obvyklého zboží.