نحوه‌ی ارزش‌گذاری کمپانی از طریق تحلیل مشتریان آن

نویسندگان: پیتر فیدر, دنیل مک‌‌کارتی

و طی هفته‌‎‌های منتهی به عرضه‎‌ی اولیه‌ی سهام خرده‌فروش پوشاکِ ریوالو گروپ، سرمایه‎‌گذاران در تقلا بودند تا یک ارزش‌گذاری منصفانه انجام دهند. تعدادی از IPOهای اخیر – ازجمله‎‌ی عرضه‌ی اولیه‎‌ی شرکت‎‌های حمل‌ونقل اشتراکی اوبر و لیفت – ناامیدکننده بوده‎‌اند. ریوالو هم چندین ماه بود که به خاطر رکود در بازار سهام، عرضه‌ی اولیه‎‌ی خود را به تاخیر می‎‌انداخت. علی‌رغم موانع موجود، برچسب قیمت 1.2 میلیارد دلاری برای عرضه‎‌ی اولیه‎‌ی آن‎‌ها تعیین شد – و با توجه به افزایش 89 درصدی ارزش در اولین روز مبادله، تبدیل به یکی از بهترین عملکردهای اولین روز یک IPO در سال 2019 گردید. همین جهش موجب شد که ارزش کمپانی، حدوداً 4.5 برابر بیش از درآمد آن طی 12 ماه گذشته شود – 5 برابر بالاتر از سایر همتایانش در عرصه‎‌ی خرده‌فروشی پوشاک و عملکردی که بیشتر شبیه به یک کمپانی فناوری بود. چه اتفاقی افتاد و چرا ابتدا سرمایه‎‌گذارها نتوانستند قدرت شرکت ریوالو را درک کنند؟

ارزش‌گذاری بالاتر از حد معمول ریوالو یک اتفاق نبود. بلکه از زیرساخت‎‌های قدرتمند شرکت نشئت می‎‌گرفت که پذیره‌نویس‎‌های تعیین‌کننده‎‌ی قیمت IPO، درک صحیحی از آن نداشتند. این قدرت، ارتباط چندانی به رشد درآمد عملیاتی سازمان نداشت و بیشتر از اقتصاد قدرتمند واحد مشتریان آن حاصل می‌شد: به بیان ساده، ریوالو نه‎‌تنها مشتریان سودآور را جذب کرد، بلکه سال‎‌ها آن‎‌ها را نگه داشت و بدین ترتیب، پتانسیل سوددهی بلندمدت آن‎‌ها بالاتر از رشد درآمدشان تا تاریخ قیمت‌گذاری بود.

موفقیت عرضه‌ی اولیه‎‌ی ریوالو حاکی از حرکت سازمان‌ها به سمت رویکرد‎‌های سرمایه‎‌گذاری مشتری‌مدار است.

این رویکرد را می‌توان یک گذار معنادار از ذهنیت متداول اما خطرناک «رشد به هر قیمت» به سمت ماندگاری درآمد و اقتصاد واحد دانست – که ارمغان‌آور دقت بسیاری، مسئولیت‎‌پذیری و ارزش تشخیصی برای اقتصاد وفاداری است.

در این مقاله، نحوه‎‌ی بهره‎‌برداری مدیران و سرمایه‎‌گذارها از اصول CBCV به‌منظور بهبود شناسایی و سنجش ارزش یک شرکت را ارائه می‎‌دهیم. وقتی کمپانی دارای یک جریان درآمد قابل پیش‎‌بینی و مبتنی بر حق اشتراک (نت‌فلیکس و ورایزون را در نظر بگیرید) یا یک پایگاه مشتریان فعال با سفارش‌های متداول و خریدهای صلاحدیدی (بدون حق اشتراک) باشد (اوبر و والمارت را در نظر بگیرید)، این رویکرد جواب خواهد داد. همچنین فواید ارائه‎‌ی داده‎‌های درست و شفاف مشتریان به سرمایه‎‌گذارها را مطرح می‎‌کنیم – و نحوه‎‌ی اجتناب سرمایه‌گذارها از معیارهای پوچ را خواهیم گفت که ظاهراً شاخص‎‌های مفیدی برای درک رفتار مشتریان هستند، اما عملاً معنا و مفهوم چندانی ندارند.

یک روش دقیق‌تر برای پیش‌بینی درآمد

بنیان CBCV ساده است. اکثر روش‎‌های سنتی برای ارزش‎‌گذاری مالی، نیازمند برآوردهای مالی سه‎‌ماهه علی‌الخصوص تخمین درآمد هستند. ازآنجایی‎‌‏که کل درآمد سازمان از خرید مشتریان حاصل می‎‌شود، CBCV از اصول اساسی حسابداری بهره می‎‌گیرد و به‌جای برآوردهای بالا به پایین، درآمدها را از طریق پایین به بالا تخمین می‌زند. هرچند می‌توان این رویکرد را یک تحول رادیکال نسبت به چارچوب‎‌های سنتی دانست، اما قضیه این نیست: CBCV موجب افزایش توجه سازمان‎‌ها نسبت به تاثیر رفتار تک‎‌تک مشتریان بر درآمد عملیاتی‌شان می‎‌شود.

برای به‌کارگیری CBCV به چه مصالحی نیاز داریم؟ علاوه بر داده‎‌های متعارف و مرتبط با صورت‎‌های مالی، به دو چیز دیگر نیاز داریم: یک مدل برای رفتار مشتری (آن را مدل پایگاه مشتریان می‌نامیم)، و داده‎‌های مشتریان که به این مدل داده می‎‌شوند. این مدل متشکل از چهار مدل فرعی و همبسته است که ناظر بر رفتار هر یک از مشتریان شرکت هستند. آن‎‌ها عبارت‎‌اند از:

  1. مدل جذب مشتری که جریان ورود مشتریان جدید را پیش‌بینی می‎‌کند.
  2. مدل حفظ مشتری که مدت‎‌زمان فعال ماندن هر یک از مشتریان را پیش‌بینی می‎‌کند.
  3. مدل خرید که فاصله‎‌ی میان تراکنش‌های مشتریان با شرکت را پیش‎‌بینی می‎‌کند.
  4. مدل اندازه‎‌ی سبد که میزان هزینه‎‌ی مشتریان در هر خریدشان را پیش‌بینی می‎‌کند.

به‌کارگیری توأمان این مدل‎‌ها اجازه می‌دهد که رفتارهای اساسی هر یک از مشتریان شرکت را شناسایی کنیم – کدام مشتری در چه زمانی جذب خواهد شد، در گذر زمان چقدر هزینه خواهد کرد و… . می‌توانیم با تجمیع تمامی هزینه‎‌های برآوردشده‌ی مشتریان، درآمد سه‎‌ماهه‌ی خود را پیش‌بینی کنیم. می‌توان با به‌کارگیری مجموعه‌ی این مدل‎‌ها، برآوردهای دقیق‌تری از جریان‌‌های درآمد آتی داشت – و از این طریق، تخمین ارزش واقعی یک کمپانی نیز دقیق‌تر خواهد بود.

این یک مدل فراگیر است و می‌توان آن را برای تمامی کسب‌وکارها به کار گرفت. اما نحوه‌ی به‎‌کارگیری آن به مدل کسب‌وکار هر کمپانی بستگی دارد – علی‌الخصوص به اینکه کمپانی از مدل حق اشتراک بهره بگیرد یا خیر. در یک کسب‌وکار مبتنی بر حق اشتراک نظیر باشگاه‎‌ها یا شرکت‎‌های ارتباطات از راه دور، مدیران عموماً اطلاعی از میزان هزینه‎‌کرد مشتریانشان ندارند و ریزش آن‌ها را مستقیماً لمس می‎‌کنند، زیرا لغو قرارداد و مسدود شدن حسابشان را می‎‌بینند. همین امر توجیه ساده‌ای برای نحوه‎‌ی ساخت مدل‎‌های حفظ و خرید مشتری است.

اما کسب‌وکار اکثر کمپانی‌ها به‌گونه‌ای است که مشتریانشان خریدهای صلاحدیدی (بدون حق اشتراک) انجام می‌دهند و ریزش آن‌ها ملموس نیست.

محاسبه‎‌ی این نوع ریزش، نیازمند مدل‎‌های پیچیده‎‌تری است؛ اما بازاریاب‎‌ها روش‎‌های بسیار خوبی برای پیش‌بینی آن توسعه داده‎‌اند.

نیم‌نگاهی به داخل جعبه‌ی سیاه

هرچند این روش ترسناک به نظر می‎‌رسد، اما راه‌اندازی آن نسبتاً ساده است و می‌توان آن را به‌گونه‌ای اصلاح کرد و گسترش داد که متناسب با هر چارچوب کسب‌وکار شود.

بیایید با مطرح کردن یک نمونه، نیم‌نگاهی به داخل این جعبه‎‌ی سیاه بیندازیم. فرض کنید بنیان‎‌گذار یک کمپانی خرده‌پا و سریع‌الرشد در حوزه‎‌ی ارسال غذای نیمه‌آماده هستید که از مدل حق اشتراکی بهره می‎‌گیرد. مجموع درآمد کمپانی شما در چهار ماه اول عملیاتش به ترتیب 1000، 2500، 4500 و 7000 دلار است. می‌خواهید از طریق این اعداد، درآمد آتی کمپانی و شانس موفقیت آن را دریابید. برای شروع باید درآمد ماه پنجم را پیش‌بینی کنید.

فرض کنید مشتریان فعال شما ماهانه مبلغ ثابت 100 دلار برای غذاهای نیمه‌آماده‌ی ارسالی در همان ماه بپردازند و کمپانی در 4 ماه اول خود به ترتیب 10، 20، 30 و 40 مشتری جذب کرده باشد (مجموعاً 100 مشتری). نیمی از مشتریان صرفاً اشتراک یک‌ماهه خریدند و آن را تمدید نکردند؛ اما سایر مشتریانی که بیش از یک ماه دوام آوردند، هیچ‌گاه اشتراکشان را لغو نکردند.

دوک الینگتون در حال امضا دادن در پیتسبرگ، 1946

اولین گام در پیش‌بینی درآمد ماه پنجم، برآورد میزان درآمد حاصل از مشتریان باقی‌مانده است. در صورت پایداری الگوهای پیشین در زمینه‎‌ی حفظ مشتری، از 100 مشتری جذب‎‌شده در 4 ماه اول، نیمی از آن‎‌ها (50 نفرشان) در ماه پنجم هم کماکان با شما خواهند ماند. بنابراین درآمد حاصل از مشتریان باقی‎‌مانده، 5000 دلار است (50 ضربدر 100 دلار). گام بعدی پیش‌بینی میزان درآمد حاصل از مشتریان جدید است. با فرض تداوم الگوهای پیشین در زمینه‌ی جذب مشتری، می‌توانید انتظار 50 مشتری دیگر داشته باشید که آن‎‌ها هم درآمد 5 هزار دلار به همراه دارند. با جمع زدن این دو برآورد، درآمد ماهانه‎‌ی شما 10 هزار دلار خواهد شد.

با بهره‎‌گیری از رویکرد CBCV، رقم درآمد یک عنصر کاملاً بی‌ربط به سایر تعاملات سازمان نیست. بلکه یک تابع مستقیم از مجموعه‌ی مشخصی از عوامل رفتاری آن است – در نمونه‌ی فوق، مجموع مشتریان جذب‎‌شده، تغییرات صورت‌گرفته در روند حفظ مشتریان و متوسط درآمد به ازای هر کاربر (ARPU) ازجمله‎‌ی این عوامل هستند. این چارچوب، روند پیش‌بینی درآمد را تسهیل خواهد کرد و همچون یک عامل تشخیص‌دهنده عمل می‎‌کند که از طریق آن، مدیران و سرمایه‎‌گذاران می‌توانند مبادی ارزش‎‌آفرینی سازمان (و پرسش‌های احتمالی در صورت عدم کسب نتایج قابل انتظار) را شناسایی کنند.

هرچند اکثر کمپانی‎‌ها مثل کترینگ غذای نیمه‎‌آماده‎‌ی نمونه‎‌ی ما نیستند و چنین مدل‎‌های ساده و الگوهای شسته‌رفته‌ای ندارند. مثلاً فرض کنید کترینگ شما دارای یک ساختار قیمت‌گذاری طبقه‎‌ای باشد (یک برنامه‎‌‌ی ثانویه ارائه دهد که به ازای دریافت ماهانه 189 دلار، حجم دوبرابری غذا برای مشتری بفرستد). در این صورت باید یک ARPU متغیر در دوره‎‌های گوناگون در نظر بگیرید. اگر کترینگ اجازه‌ی لغو مرسوله یا خریدهای صلاحدیدی (بدون حق اشتراک) را به مشتریان بدهد، باید دوره‎‌ی تناوب سفارش‎‌ها و متوسط هزینه‎‌‏‌ی هر سفارش را در نظر بگیرید. اگر کترینگ شما مدل حق اشتراکی را کنار بگذارد و امکان سفارش با قیمت‌های جداگانه‎‌ را فراهم کند، باید از مدلی بهره بگیرید که فاصله‎‌ی زمانی میان سفارش‎‌های مشتریان را پیش‎‌بینی کند. همین افزونه‎‌ها موجب افزایش پیچیدگی مدل می‎‌شوند، اما اساس به‎‌کارگیری و محاسبه‎‌ی آن‎‌ها هیچ تفاوتی با نمونه‎‌ی فوق ندارد. اگر خواهان گسترش افق زمانی و پیش‌بینی درآمدهای فراتر از ماه پنجم هستید، می‎‌‌توانید محاسبات فوق را برای چند ماه تکرار کنید. بدین ترتیب می‌توانید یک پیش‏بینی درآمد بلندمدت داشته باشید که از لازمه‌های ارزش‌گذاری شرکت است.

به‌منظور مطالعه‎‌ی بیشتر در زمینه‎‌ی به‎‌کارگیری روش CBCV برای سناریوهای پیچیده‎‌تر، مقالات دانشگاهی «ارزش‌گذاری کسب‎‌وکارهای مبتنی بر حق اشتراک با استفاده از داده‎‌های افشا شده‌ی مشتریان» (ژورنال مارکتینگ، اکتبر 2016) و «ارزش‌گذاری مشتری‎‌محور برای شرکت‎‌های غیرتجاری سهامی عام» (ژورنال مارکتینگ ریسرچ، مارس 2018) را ببینید.

بررسی مشتریان از درون و بیرون سازمان

رونق بینش‎‌های حاصله از روش CBCV، مبتنی بر میزان دسترسی شخص تحلیلگر به داده‎‌های داخلی کمپانی است. یک مدیر شرکت می‌تواند تمامی داده‎‌های مشتریان را زیر نظر بگیرد. اما یک سرمایه‎‌گذار خصوصی که به دنبال ارزیابی اهداف سرمایه‎‌گذاری خود است، معمولاً به داده‎‌های تراکنشی و CRM دسترسی دارد. در شرکت‎‌های مبتنی بر حق اشتراک، این داده‎‌ها شامل مدت‎‌زمان قراردادها، پرداخت‌های دوره‎‌ای و ریزش مشهود مشتریان می‎‌شوند؛ درحالی‌که در شرکت‎‌های مستقل از حق اشتراک، داده‎‌هایی همچون زمان و اندازه‎‌ی هر خرید ارائه می‎‌شوند. دسترسی به سایر داده‎‌های رفتاری، جمعیت‎‌شناختی، نقاط تماسی بازاریابی، تعاملات خدماتی و امثالهم نیز موجب تقویت تحلیل CBCV می‎‌شوند.

شاید کسب اطلاعات و جزئیات دقیق و منظم از داده‎‌های مشتریان، برای نهادها و افراد بیرون از سازمان – صندوق‌های پوشش ریسک، تحلیلگرهای وال‌استریت، قانون‌گذارها و سایرین – میسر نباشد. اما آن‎‌ها می‎‌توانند نمودار گروه مشتریان یا C3 شرکت را ببینند که درآمد گروه‌ها در گذر زمان و تغییرات مجموع هزینه‌کرد مشتریان با افزایش عمر هر گروه را نمایش می‎‌دهد (به‌عنوان نمونه، کادر «C3: یک ابزار جدید برای ارزش‌گذاری شرکت» را ببینید). بسیاری از شرکت‎‌های بزرگ و معتبر (هم شرکت‌های مبتنی بر حق اشتراک و هم کمپانی‎‌های مستقل از آن)، روند افشاسازی C3 خود را آغاز کرده‎‌اند که در میان آن‌ها می‌توان به اسلک تکنولوجیز، دراپ‌باکس، لیفت و بازارگاه‎‌های لوکس نظیر ریل‌ریل و فارفچ اشاره کرد. نمودار C3 در کنار متغیرهایی همچون تعداد مشتریان فعال و مجموع تعداد سفارش‌های یک شرکت، می‌توانند شناخت کافی از رفتار مشتریان را در اختیار سرمایه‎‌گذارها بگذارند.


C3: یک ابزار جدید برای ارزش‌گذاری شرکت

نمودار گروه مشتریان بسیار ساده است: مجموع درآمد هر دوره که به‌تفکیک برای مشتریان جذب‌شده در دوره‎‌های گوناگون ارائه می‎‌شود. هرچند امکان تغییر قالب آن وجود دارد، اما شاهد راهیابی روزافزون C3 به بایگانی عمومی کمپانی‌ها هستیم و سرمایه‎‌گذارها می‌توانند با بهره‎‌گیری از این ابزار قدرتمند، ارزش واقعی کمپانی را بسنجند. این نمونه از C3 متعلق به بایگانی SEC کمپانی پوشاک ریوالو در سال 2019 است.


اگر یک شرکت توان یا قصد انتشار C3 خود را نداشته باشد، سرمایه‎‌گذارها باید آن را تحت فشار بگذارند تا چهار معیار کلیدی خود را افشا کند: تعداد مشتریان فعال (مجموع و درصد مشتریان باسابقه یا مشتریانی که بیش از 12 ماه با شرکت بوده‎‌اند)؛ تعداد ناخالص مشتریان جذب‌شده طی دوره‎‌ی اخیر؛ درآمد (مقدار مجموع و درصد حاصل از مشتریان باسابقه)؛ و تعداد سفارش‎‌ها (مجموع و درصد مربوط به مشتریان باسابقه).

هرچند توصیه‎‌ی اکید ما مبنی بر افشای اطلاعات بیشتر از سوی شرکت‎‌ها است، اما می‌توان با داده‎‌های سه الی چهار سال از این افشاگری‌ها (از طریق بایگانی‎‌های گذشته) نیز یک مدل CBCV را اجرا و سلامت کلی پایگاه مشتریان یک کمپانی را ارزیابی کرد. البته در این صورت، پیش‎‌بینی درآمدهای آتی مبهم‎‌تر خواهد بود.

رواج شفاف‎‌سازی

هم‌اکنون تعداد اندکی از کمپانی‎‌ها، داده‎‌های لازم برای اجرای مدل CBCV را در اختیار افراد بیرون از سازمان می‎‌گذارند و دلایل گوناگونی برای این رفتارشان دارند:

متاسفانه مدیران غالباً ذهنیت «هرچه کمتر بهتر» را در زمینه‎‌ی افشاگری دارند. آن‎‌ها می‌ترسند که صرف‌نظر از آمارها و ارقام مجموع، افشاگری بیشتر موجب ضعف رقابتی آن‎‌‏ها شود یا موجب شکل‎‌گیری دعوی قضایی یا بررسی‌های حقوقی علیه‌شان گردد. شرکت‌های موفق نگران‌اند که در صورت عدم پیشروی صحیح روند افشاگری‌ها، سرمایه‎‌گذارها چه واکنشی نشان خواهند داد. و اغلب پیش‌بینی‎‌های مربوط به مشتریان نیز صرفاً توسط دپارتمان بازاریابی صورت می‎‌گیرند؛ مدیران امور مالی و سایر واحدهای مرتبط عادت ندارند که رفتارهای مشتریان را در پیش‌بینی درآمدهایشان لحاظ کنند و بیشتر علاقه دارند که از روش‎‌های سنتی استفاده کنند.

با توجه به عدم فشار از سوی سرمایه‎‌گذارها و نبود استانداردهای قانونی، شرکت‎‌ها می‌توانند شاخص‌های مدنظر خودشان را افشا کنند و عموماً رویه‎‌ای در پیش می‎‌گیرند که یک تصویر ایده‎‌آل و اغراق‎‌شده پیش روی جامعه‎‌ی سرمایه‎‌گذاران بگذارند. عموماً تعریف صحیحی از معیارها ارائه نمی‎‌شود، بنیانشان بر اساس مفروضات نادرست است یا چارچوب صحیحی ندارند.

پلوتون را در نظر بگیرید که تجهیزات ورزشی پیشرفته‌ی خانگی و حق عضویت ماهانه‎‌ی کلاس‎‌های تناسب‌اندام آنلاین خود را می‌فروشد. در هنگام ثبت فرم S-1 پیش از عرضه‎‌ی اولیه‌‌ی اوت 2019، کمپانی ادعا کرد که در سال مالی اخیر، ارزش طول عمر مشتری (CLV) به ازای هر مشترکشان 3593 دلار بوده است. پلوتون فرمول خود برای محاسبه‎‌ی CLV را نیز افشا کرد که مشکلات زیادی داشت. چشمگیرترین مشکل این فرمول، عدم محاسبه‎‌ی ارزش پول در گذر زمان بود. آن‌ها صرفاً بیش از 13 سال نقدینگی سال‎‌های آینده را اضافه کرده بودند، بدون اینکه از ارزش پول بکاهند. درحالی‌که به‎‌کارگیری یک نرخ تنزیل متعادل، موجب کاهش بیش از 50 درصد از CLV آن‌ها می‎‌شد – افتی که پیامدهای گسترده‎‌‏ای برای سلامت پایگاه مشتریانشان داشت. با افزایش تعداد شرکت‎‌هایی که داوطلبانه شاخص‎‌های مشتریان خود را افشا می‎‌کنند، تحلیلگرها باید مراقب باشند و داده‎‌های احتمالاً گمراه‎‌کننده یا صرفاً متظاهرانه را اصلاح کنند.

اگر مدیر هستید و هم‎‌اکنون شاخص‌های مشتریان سازمانتان را افشا نمی‎‌‏کنید، به این فکر باشید که در صورت الزامی شدن افشاسازی، چه چیزهایی مشاهده خواهید کرد.

اگرچه معیارهای پلوتون با ایده‎‌آل‎‌ها فاصله دارند، اما بااین‌حال موجب افزایش شفاف‎‌سازی پیرامون مشتریان می‎‌شوند و قوت قلبی برای سهامداران، کمپانی‌ها و مشتریان هستند. با افزایش خریدهای آنلاین و کاهش اعتبار معیارهای سنتی نظیر اختلاف فروش یک فروشگاه نسبت به مقاطع زمانی پیشین، سهامداران بیش‌ازپیش برای ارزیابی سرمایه‎‌گذاری‎‌های خود به داده‎‌های مشتریان متکی می‌شوند. مدیران می‌توانند با بهره‌گیری از داده‎‌های مشتریان، استدلال‎‌های خود برای سرمایه‎‌گذاری بر فعالیت‌های بلندمدت را ارائه دهند و تاثیر این سرمایه‎‌گذاری‎‌ها بر CLV و سایر معیارهای بلندمدت را به اشتراک بگذارند. با مشتریان همچون یک دارایی استراتژیک برخورد خواهد شد و ارتقای ارزش آن‎‌ها یکی از برنامه‎‌های بلندمدت سازمان است. این ذهنیت می‌تواند یک تحول خوشایند برای وضعیت کنونی باشد که سهامداران هیچ اطلاعاتی برای ارزیابی سودآوری بلندمدت مشتریان ندارند و بدین ترتیب، شرکت‌ها را ملزم به برآورده‎‌سازی معیارهای کوتاه‎‌مدت می‎‌کنند.

تا زمان تکمیل تحول CBCV، چه وظیفه‎‌ای دارید؟ اگر سرمایه‌گذار هستید، معیارهای مرتبط با مشتریان را نادیده نگیرید، چراکه امکان نهان کردن آن‏ها در گزارش‎‌های مالی وجود دارد؛ با جدیت به دنبال آن‎‌‏ها باشید. اگر داده‎‌های موردنیازتان افشا نشده‎‌اند، خوهان افشای آنها یا به دنبال منابع جایگزین و موثق برای کسب آن‎‌ها باشید. تمرکز بر اقتصاد واحد، غالباً فرصت‎‌هایی افشا خواهد کرد که می‌توانید از آن‎‌ها بهره بگیرید.

اگر مدیر هستید و هم‎‌اکنون شاخص‌های مشتریان سازمانتان را افشا نمی‎‌‏کنید، به این فکر باشید که در صورت الزامی شدن افشاسازی، شاهد چه چیزهایی خواهید بود. اگر به شاخص‎‌های کنونی خود افتخار نمی‎‌کنید، هم‌اکنون یک فرصت طلایی دارید تا در خفا، تمرکز مجددی بر سلامت پایگاه مشتریانتان داشته باشید و آن را ترمیم کنید. طولی نخواهد کشید که شرکت‎‌کنندگان بازار، خواستار شفاف‎‌سازی خواهند شد.


دنیل مک‎‌کارتی، استادیار بازاریابی دانشکده‎‌ی کسب‎‌وکار گوئیزتا از دانشگاه ایموری و هم‌بنیان‎‌گذار «تتا ایکوئیتی پارتنرز » است که تامین‎‌کننده‎‌ی راهکارهای ارزش‌گذاری مشتری‌محور برای سازمان‎‌ها محسوب می‎‌شود.

پیتر فیدر، استاد بازاریابی دانشکده‎‌ی وارتون در دانشگاه پنسیلوانیا، یکی از مولفان «شیوه‌نامه‎‌ی مشتری‌مداری» و هم‌بنیان‌گذار تتا ایکوئیتی پارتنرز است.

این مقاله در شماره ی زیر منتشر شده است:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *