Magma topp logo Til forsiden Econa

Gard Gustav Havelin arbeider som konsulent i Accenture innen forretningsområdet Sales & Customer Services. Han er utdannet siviløkonom, med master i økonomisk styring fra Norges Handelshøyskole (2012).

Ane Emilie Ro Helsem er Associate i forretningsområdet Audit & Advisory i Deloitte. Hun er utdannet siviløkonom, med master i økonomisk styring fra Norges Handelhøyskole (2012).

Øyvind Helgesen er dr. oecon fra NHH og er professor i markedsføring ved Høgskolen i Ålesund og professor II i management accounting ved NHH. Han har ca. 25 publikasjoner i vitenskaplige tidsskrift. Disse dekker ulike områder innenfor markedsføring og management accounting.

Bruk og nytte av kundelønnsomhetsanalyser i store norske foretak

figurfigurfigur

Bruk og nytte av kundelønnsomhetsanalyser i store norske foretak

Sammendrag

Interessen for kundelønnsomhetsanalyser er økende. Fagområdet har utviklet seg mye de siste tiårene, men mye er fortsatt uutforsket. Denne studien er den første i Norge som ser på bruk og nytte av ulike former for kundelønnsomhetsanalyser. Problemstillingene er: I hvilken grad bruker store norske selskaper kundelønnsomhetsanalyser, og hvordan oppleves nytteverdien av disse? Problemstillingene besvares både for kundelønnsomhetsanalyser samlet sett og for fire analyseteknikker, dvs. lønnsomhetsanalyse av enkeltkunder, kundesegment, enkeltkunders livsløpsverdi og verdivurdering av enkeltkunder. Datamaterialet ble hentet inn våren 2012 via et elektronisk spørreskjema til CFO-er, økonomi-, regnskaps- og markedssjefer i de største selskapene i Norge (etter driftsinntekter 2010). Funnene viser at en stor andel av de største norske foretakene bruker kundelønnsomhetsanalyser, men bruksgraden varierer en hel del. Gjennomsnittlig bruksgrad (helhetsvurdering) er 5,17 (skala fra 1 til 7), men varierer mye blant analyseteknikkene. Gjennomsnittlig nytteverdi (helhetsvurdering) er 5,34. Variasjonen blant teknikkene er her ikke så stor som for bruksgrad. Potensiell nytte (helhetsvurdering) er 5,96. Studien analyserer sammenhenger mellom bruk, nytte og potensiell nytte, drøfter funnene, fremmer forslag for videre forskning og peker på ledelsesmessige implikasjoner for om mulig å kunne realisere nyttepotensialet.

Innledning

Kundelønnsomhetsanalyser og andre bedriftsøkonomiske analyser som gir støtte ved markedsbeslutninger, har fått økende oppmerksomhet den senere tid (van Raaij 2005, Hansen 2006, Ryals 2008). Flere studier har tatt for seg bruksgrad og/eller opplevd nytteverdi av kundelønnsomhetsanalyser i norske selskaper (Helgesen og Voldsund 2009, Eriksrud og McKeown 2010, Johansen 2010, Bjørnenak og Kaarbøe 2011). Studiene kartlegger imidlertid kundelønnsomhetsanalyser som et samlebegrep, dvs. at det ikke tas hensyn til at det finnes ulike analyseteknikker.

Hensikten med denne studien er å kartlegge bruk og nytte av ulike analyseteknikker for kundelønnsomhetsanalyser i store norske foretak. Fokuset rettes mot de mest omtalte teknikkene, dvs. lønnsomhetsanalyse av enkeltkunder, lønnsomhetsanalyse av kundesegment, enkeltkunders livsløpsverdi og verdivurdering av enkeltkunder. I tillegg til bruk og nytte av disse fire analyseteknikkene avdekkes også en helhetsvurdering, dvs. bruk, nytte og potensiell nytte av kundelønnsomhetsanalyser samlet sett. Problemstillingene som ønskes besvart, er som følger: I hvilken grad bruker store norske selskaper kundelønnsomhetsanalyser, og hvordan oppleves nytteverdien av disse? Problemstillingene ønskes besvart både for de fire teknikkene og for kundelønnsomhetsanalyser samlet sett.

Kort om kundelønnsomhetsanalyser

Kundelønnsomhetsanalyser (helhetsvurdering) er en fellesbetegnelse for lønnsomhetsanalyser av kunder, dvs. for alle analyser med formål å vurdere inntekter, kostnader, lønnsomhet, risikoer, nåverdier m.m. knyttet til en kunde eller et kundesegment (van Raaij mfl. 2003, McManus og Guilding 2008, Havelin og Helsem 2012). En vanlig inndeling av slike analyser er lønnsomhetsanalyse av enkeltkunder, lønnsomhetsanalyse av kundesegment, enkeltkunders livsløpsverdi og verdivurdering av enkeltkunder (Guilding og McManus 2002, Lind og Strömsten 2006). Denne inndelingen er lagt til grunn for denne studien. Det understrekes at de fire analyseteknikkene ikke er gjensidig utelukkende, men snarere gir supplerende informasjon ved markedsbeslutninger.

Lønnsomhetsanalyser av enkeltkunder

Kundelønnsomhetsanalyser av enkeltkunder baseres på et detaljert tallgrunnlag for hver enkelt kunde (Helgesen 2007, Bjørnenak og Helgesen 2013). Siden det tas utgangspunkt i den individuelle kunden, og ikke i hele kundebasen, betegnes denne tilnærmingen som «nedenfra og opp» (Ryals 2002). Det kan for eksempel legges til grunn et hierarki som består av ordrer, kunder, markeder og forretningsområder. Kostnader tilordnes de ulike nivåene i markedshierarkiet med vektlegging av at det skal være en årsaks-/virkningssammenheng mellom ressursbruk og kostnader som tilordnes hvert av nivåene og nivåets lønnsomhetsobjekter. Dette innebærer for eksempel at kostnader som naturlig tilhører markedsnivået, ikke tilordnes kundenivået. Tidsdreven aktivitetsbasert kalkulasjon (TDABC) er svært godt egnet for slike kostnadstilordninger (Kaplan og Anderson 2007, Everaert mfl. 2008).

Lønnsomhetsanalysene kan gjennomføres ad hoc, men kan også inngå som en naturlig del av økonomistyringen av et foretak med løpende rapportering av resultatregnskaper, balanseoppstillinger og økonomiske nøkkeltall for alle lønnsomhetsobjekter på hvert nivå i hierarkiet (Helgesen 2007). Tilnærmingen kan også brukes som ledd i budsjettarbeidet. Det ligger også til rette for porteføljeanalyser av lønnsomhetsobjekter, for eksempel kundeporteføljer (Ryals 2008, Bjørnenak og Helgesen 2009). Utformingen av lønnsomhetsanalysene inkludert rapporter må nødvendigvis tilpasses den aktuelle kontekst. Således vil aktuelle rapporter for en bank se helt annerledes ut enn for eksempel rapporter for en fiskeeksportør.

Lønnsomhetsanalyser av kundesegmenter

Denne analyseteknikken likner lønnsomhetsanalyse av enkeltkunder, men til forskjell er kundesegment analyseobjektet. Et kundesegment vil si en gruppe av kunder med homogene karakteristika. Ved etablering av segmentene kan en bruke både ikke-økonomiske (demografi, geografi, etc.) og økonomiske kriterier (Helgesen 2006). Lønnsomhetsanalyse av kundesegment har en «ovenfra og ned»-tilnærming ved at den tar utgangspunkt i selskapets totale inntekter, kostnader og resultat, og deretter beregner lønnsomheten for ulike kundesegment, en tilnærming som innebærer at detaljer om enkeltkunder ikke fanges opp (Ryals 2008). Indirekte kostnader fordeles ofte proporsjonalt med volum, selv om dette ikke nødvendigvis gir en god indikasjon på kundenes ressursbruk. Den implisitte antagelsen er da at kundesegment som tilfører like mye inntekter, også legger like mye beslag på selskapets ressurser. Gitt at kundesegment ofte har varierende behov og etterspør forskjellige produkter/tjenester, er det sannsynlig at denne antagelsen ikke holder (Ryals 2008).

Enkeltkunders livsløpsverdi

Enkeltkunders livsløpsverdi (customer lifetime value) er mye mer fremtidsrettet enn lønnsomhetsanalyser av enkeltkunder og kundesegmenter (Pfeifer mfl. 2005). I stedet for å basere analysene på historisk lønnsomhet beregnes nåverdien av enkeltkunders fremtidige netto kontantstrømmer, dvs. fremtidige forventede kundeinnbetalinger fratrukket fremtidige forventede kunderelaterte utbetalinger (Ryals 2008). Ved utregning av nåverdien er det naturlig at kapitalkostnaden tar hensyn til kunders kredittverdighet (Helgesen 2008). Enkeltkunders livsløpsverdi estimeres vanligvis som verdien av det gjenværende livsløpet for den enkelte kunde (Guilding og McManus 2002). Med en slik tilnærming fokuserer analyseteknikken kun på hva som skjer i fremtiden, og ikke på hva som har skjedd frem til i dag.

Det er ofte svært stor usikkerhet knyttet til varigheten av kunderelasjonen og det fremtidige aktivitetsnivået. Historisk informasjon om enkeltkunder, for eksempel lønnsomhetsanalyser, kan gjøre estimeringene mer overkommelige. På den annen side kan det være viktig å unngå at historiske data blir for ledende. En kunde som historisk sett har vært ulønnsom, kan ha en positiv nåverdi for den gjenværende kundelevetiden (Pfeifer mfl. 2005). Én av fordelene med analyseteknikken enkeltkunders livsløpsverdi er at den, sammenliknet med retrospektive lønnsomhetsanalyser, gir et mer strategisk relevant mål på en kundes verdi. Dette gir selskapet bedre retningslinjer for kundestrategier (van Raaij 2005).

Verdivurdering av enkeltkunder

I likhet med enkeltkunders livsløpsverdi baseres denne teknikken på nåverdikalkuleringer av fremtidig netto kontantstrøm, men tar også hensyn til eksterne virkninger ved verdivurderingen av kunder (Lind og Strömsten 2006). Med eksterne virkninger menes positive og negative virkninger eller strategiske konsekvenser av en kunderelasjon. En kunde er strategisk verdifull hvis relasjonen til denne kunden fører til påviselige økninger i inntekter hos andre kunder eller til reduksjon av kostnader.

Ifølge van Raaij (2005) er det tre kilder til eksterne virkninger: tiltrekning, læring og volum. Et eksempel på tiltrekning er at en eksisterende kunde (kunde A) fungerer som bindeledd til en ny kunde (kunde B). Kunde A betegnes da gjerne som en referansekunde (Jalkal og Salminen 2010). Tankegangen er at kunde B ikke ville ha kjøpt av selskapet hvis ikke det hadde vært for kunde A. Ifølge denne analyseteknikken verdsettes da kunde A som nåverdien av kunde As og deler av kunde Bs fremtidige netto kontantstrømmer. En kunde kan også ha negativ tiltrekning, noe som kan svekke omdømmet. Noen kunder kan bidra med læring. De kan for eksempel være samarbeidspartnere i forbindelse med utvikling av nye produkter og tjenester eller hjelpe selskapet til å effektivisere prosesser og på den måten bidra til at kostnadene reduseres. Store kunder kan være strategisk viktige grunnet volum. De kan stå for en stor del av selskapets omsetning og også dekke store deler av de faste kostnadene.

En fordel med bruk av verdivurdering av enkeltkunder er at selskapene får en bedre og mer rettferdig helhetlig vurdering av kundene. En ulempe er at det er en svært krevende oppgave å fastsette hvor mye som skal tillegges/fratrekkes en kunde med strategisk positiv/negativ betydning (van Raaij 2005).

Tidligere studier

Oss bekjent er Guilding og McManus (2002) den eneste studien som har kartlagt bruk og nytte av ulike former for kundelønnsomhetsanalyser. Studien tar for seg de fire teknikkene kort gjennomgått ovenfor i tillegg til en helhetsvurdering av kundelønnsomhetsanalyser (bruk og nytte). Studien ble gjennomført i Australia med utgangspunkt i de 300 største børsnoterte selskapene i Australia. Spørreskjema og tilhørende begrepsforklaring ble sendt ut postalt til 251 selskaper. Studien oppnådde en responsrate på 49,4 prosent (124 respondenter). I Norge er det gjennomført noen få studier som tenderer mot det samme, men disse er ikke så detaljert mht. analyseteknikker (Helgesen og Voldsund 2009, Eriksrud og McKeown 2010, Johansen 2010). Derfor tas det utgangspunkt i studien til Guilding og McManus (2002).

Metode

For å finne svar på formulerte problemstillinger ble det gjennomført en spørreundersøkelse blant de største foretakene i Norge. Uttesting av spørreskjemaet førte til noen mindre justeringer. Som vedlegg til selve spørreskjemaet fulgte en kort beskrivelse av de fire teknikkene for kundelønnsomhetsanalyser, jfr. gjennomgangen ovenfor. I tillegg til spørreskjema og følgeskriv ble det sendt to purringer med cirka to ukers mellomrom.

Basert på offentlig tilgjengelig informasjon ble det laget en oversikt over de 300 største foretakene. Alle hadde mer enn 1,7 milliarder kroner i omsetning i 2010. Noen av foretakene ble ekskludert fra studien fordi de ikke har kunder i tradisjonell forstand (helseforetak, holdingselskaper, m.m.). Man stod igjen med 233 foretak som alle ble kontaktet. Totalt 102 respondenter svarte på spørreskjemaet. Fra elleve foretak forelå to svar. Svar fra CFO ble foretrukket, noe som tas igjen nedenfor. Man stod dermed igjen med 91 respondenter, noe som ga en svarprosent på 39,1 prosent.

For å undersøke grunnene til manglende deltakelse ble det sendt en e-post til de selskapene som ikke hadde svart på spørreskjemaet. Det kom 27 svar på henvendelsen. Frafallet skyldtes mangel på tid (18 stykker), lite kunnskap om emnet (2 stykker), feil mottaker av undersøkelsen (3 stykker), og at selskapet ikke egner seg for kundelønnsomhetsanalyser (4 stykker). Sistnevnte tilsier at den faktiske populasjonen er lavere enn antatt, noe som ble bekreftet ved gjennomgang av mottatte svar. Kommentarer fra sju av respondentene tilsa at foretakets aktiviteter ikke egner seg for kundelønnsomhetsanalyser. Disse ble derfor tatt ut av utvalget. Dette indikerer at den faktiske populasjonen nok var lavere enn 233 foretak.

I spørreskjemaet ble følgende kontrollspørsmål tatt med helt mot slutten: «Føler du at du hadde grunnlag for å besvare spørsmålene om bruk og nytte av ulike former for kundelønnsomhetsanalyser i denne spørreundersøkelsen?» Det var 65 respondenter som svarte «Ja» og 19 som svarte «Nei». For å se nærmere på dette ble utvalget delt i to grupper («Ja» og «Nei»). Det ble gjennomført enkle t-tester på aktuelle svar (inkludert innebygde «kontrollspørsmål») for å avdekke eventuelle signifikante forskjeller. Slike forskjeller ble funnet. Man valgte derfor å ta alle 19 ut av utvalget. I tillegg ble det avdekket at svarene fra noen av respondentene var inkonsistente ved at de i ett spørsmål sier at de bruker en analyseteknikk for kundelønnsomhetsanalyser, for så i neste omgang å si at de ikke gjør det (spørsmål om nytte). Derfor ble ytterligere tolv respondenter utelatt fra analysene. Dermed står en igjen med 53 respondenter, som utgjør 22,7 prosent av antatt populasjon på 233 respondenter.

Figur 1 Respondenter etter bransje og stilling (n = 53).

figur

Figur 1 viser at de 53 respondentene representerer 13 ulike bransjer. Over halvparten av selskapene tilhører følgende fire bransjer: industrivirksomhet (18,9 prosent), finansiell tjenesteyting og rådgivning (13,2 prosent), konsumgoder (13,2 prosent) og olje og gass (13,2 prosent). Figur 1 gir også oversikt over hvilke stillinger respondentene har i de respektive foretakene. Det fremgår at 22 respondenter (41,5 prosent) har stilling som CFO, men andre sentrale stillinger er også representert.

I og med at en hadde valgt svar fra CFO-er ved doble svar, jf. gjennomgangen ovenfor, ble det undersøkt om det er systematiske skjevheter i respondenters svar. Dette ble gjort via enkle t-tester der CFO-er dannet «Gruppe 1» og øvrige respondenter «Gruppe 2». T-testene avdekket ikke signifikante forskjeller mht. gjennomsnittsverdier.

Resultater

I diskusjonen om kundelønnsomhetsanalyser ovenfor ble fire analyseteknikker kort gjennomgått. I undersøkelsen ble det spurt om bruk og nytte av hver av disse teknikkene, men respondentene ble også bedt om å gi en helhetsvurdering av kundelønnsomhetsanalyser, dvs. en helhetsvurdering av bruksgrad, nytte og potensiell nytte. Spørsmålene var som følger: «I hvilken grad bruker deres selskap kundelønnsomhetsanalyser?», «Hvor stor nytte har deres selskap av kundelønnsomhetsanalyser i dag?», og «Hvor stor potensiell nytte mener du at deres selskap kan ha av kundelønnsomhetsanalyser?». Det ble benyttet en Likert-skala med sju svarmuligheter med 1 lavest («I svært liten grad» / «Svært liten nytte») og 7 høyest («I svært stor grad» / «Svært stor nytte»). I tillegg kunne respondentene krysse av for «Bruker ikke» / «Ingen nytte». Alle de 53 respondentene svarte på alle de tre spørsmålene. Tabell 1 oppsummerer svarene fra respondentene, og figur 2 oppsummerer hovedfunnene.

Figur 2 Bruksgrad, nytte og potensiell nytte av kundelønnsomhetsanalyser (helhetsvurdering) (n = 53).

figur
Tabell 1 Kundelønnsomhetsanalyser – helhetsvurderinger (n = 53).
Bruker ikke teknikken (i %)Bruker teknikken (i %)
1234567GjennomsnittStandardavvikSkjevhetKurtose
Bruk0,00,05,73,817,030,228,315,15,171,31–0,650,18
Nytte0,00,03,83,813,235,820,822,65,341,29–0,560,18
Potensiell nytte0,00,00,00,09,415,145,330,25,960,92–0,70–0,17

Tabell 1 og figur 2 viser at gjennomsnittlig bruksgrad av kundelønnsomhetsanalyser (helhetsvurdering) er 5,17, gjennomsnittlig nytteverdi for kundelønnsomhetsanalyser er 5,34, og gjennomsnittlig potensiell nytte av kundelønnsomhetsanalyser er 5,96.

Hvis det legges til grunn at svaralternativene 5, 6 og 7 indikerer «i stor grad» og svaralternativene 1, 2 og 3 «i liten grad» (skala 1 til 7), er det slik at 73,6 % av respondentene oppgir at de bruker kundelønnsomhetsanalyser (helhetsvurdering) i stor grad, mens 9,5 % oppgir at de bruker kundelønnsomhetsanalyser i liten grad. Analogt oppgir 79,3 % av respondentene at de har høy nytte av kundelønnsomhetsanalyser, mens 7,6 % oppgir at de har lav nytte av kundelønnsomhetsanalyser. Tabell 1 viser videre at 90,6 % av respondentene mener at det er høy potensiell nytte av kundelønnsomhetsanalyser, mens ingen mener at det er lav potensiell nytte (svarer 1, 2 eller 3).

For å avdekke bruken av hver av de fire omtalte teknikkene for kundelønnsomhetsanalyser ble respondentene spurt om bruksgraden for hver dem. Også her ble det benyttet en Likert-skala med sju svarmuligheter med 1 lavest («I svært liten grad») og 7 høyest («I svært stor grad»). I tillegg kunne respondentene krysse av for at en ikke bruker denne analyseteknikken. Tabell 2 oppsummerer svarene fra respondentene.

Tabell 2 Kundelønnsomhetsanalyser – bruk av analyseteknikker (n = 53).
Bruker ikke teknikken (i %)Bruker teknikken (i %)
I svært liten gradI svært stor gradGjennomsnittlig bruksgradStandardavvik bruksgradSkjevhetKurtose
1234567
Lønnsomhetsanalyse av enkeltkunder5,74,010,08,012,028,028,010,04,741,63–0,72–0,30
Lønnsomhetsanalyse av kundesegmenter5,70,06,04,014,012,044,020,05,441,39–1,040,44
Enkeltkunders livløpsverdi30,216,218,913,518,913,513,55,43,571,850,18–1,08
Verdivurdering av enkeltkunder22,67,39,814,614,626,812,214,64,391,79–0,27–0,78

Alle de 53 foretakene benytter minst én av de fire analyseteknikkene som er tatt med i studien. Imidlertid varierer bruksgraden. Tabellen gir derfor informasjon både om andelen som bruker teknikken, og graden av bruk blant dem som bruker analyseteknikken. Tabell 2 viser således at av utvalget på 53 er det 5,7 prosent (tre respondenter) som ikke gjennomfører lønnsomhetsanalyser av enkeltkunder. Deretter viser tabellen svarfordelingen for de 50 respondentene som bruker denne teknikken. For disse er gjennomsnittlig bruksgrad cirka 4,74. I tillegg viser tabellen standardavviket, skjevheten og kurtosen for den aktuelle variabelen.

Tabell 2 viser at andelen respondenter som bruker analyseteknikkene «Enkeltkunders livsløpsverdi» og «Verdivurdering av enkeltkunder», er langt lavere enn andelene som bruker teknikkene «Lønnsomhetsanalyse av enkeltkunder» og «Lønnsomhetsanalyse av kundesegmenter». Gjennomsnittlig bruksgrad blant dem som bruker de forskjellige teknikkene, varierer også. «Lønnsomhetsanalyse av kundesegmenter» har høyest gjennomsnittlig bruksgrad (5,44). Deretter er rekkefølgen slik: «Lønnsomhetsanalyse av enkeltkunder» (4,74), «Verdivurdering av enkeltkunder» (4,39) og til slutt «Enkeltkunders livsløpsverdi» (3,57). Tabellen viser ellers blant annet at det er minst variasjon i bruksgraden blant dem som bruker «Lønnsomhetsanalyser av kundesegmenter», og størst variasjon blant dem som bruker teknikken «Enkeltkunders livsløpsverdi».

Bruken av kundelønnsomhetsanalyser ble analysert nærmere ved å se på sammenhenger mellom bruksgrader for hver av de fire analyseteknikkene og oppgitt samlet bruksgrad (helhetsvurdering). Tabell 3 viser estimater 1 av koeffisientene (B) i regresjonslikningen. To av koeffisientene er signifikante 2 (p < 0,05). Det fremgår at «Lønnsomhetsanalyse av kundesegmenter» har størst grad av «samvariasjon» med «Bruk (helhetsvurdering)», men «Lønnsomhetsanalyse av enkeltkunder» har også ganske stor «innflytelse» på totaloppfatningen. De to koeffisientestimatene er henholdsvis på 0,38 og 0,30. Modellen er signifikant på 0,01-nivået (F = 4,54), har en forklaringsevne på cirka 29 prosent (R2adj. = 0,29) og er egnet for regresjonsanalyser. Disse resultatene underbygger funnet om at det er analyseteknikkene «Lønnsomhetsanalyse av kundesegmenter» og «Lønnsomhetsanalyse av enkeltkunder» som har størst bruksgrad.

Tabell 3 Koeffisientestimater for regresjonslikning-bruk av analyseteknikker  bruk totalt sett (n = 35).
Bt-verdi
Konstant1,501,62*
Bruk av lønnsomhetsanalyse av enkeltkunder0,302,49c
Bruk av lønnsomhetsanalyse av kundesegmenter0,382,75c
Bruk av enkeltkunders livsløpsverdi0,120,91*
Bruk av verdivurdering av enkeltkunder–0,04–0,31*
a) p < 0,001
b) p < 0,01
c) p < 0,05
*) ikke sig.

Respondentene ble også spurt om hvor stor nytten var for hver av disse fire teknikkene. Tabell 4 oppsummerer funnene og viser at gjennomsnittlig nytte varierer blant dem som bruker de forskjellige teknikkene. «Lønnsomhetsanalyse av kundesegmenter» har høyest gjennomsnittlig nytteverdi (5,86). Deretter er rekkefølgen slik: «Lønnsomhetsanalyse av enkeltkunder» (5,44), «Verdivurdering av enkeltkunder» (4,54) og til slutt «Enkeltkunders livsløpsverdi» (4,27). Tabellen viser ellers blant annet at det er minst variasjon i nytteverdien blant dem som bruker «Lønnsomhetsanalyser av kundesegmenter» og størst variasjon blant dem som bruker analyseteknikken «Enkeltkunders livsløpsverdi».

Tabell 4 Kundelønnsomhetsanalyser – nytte av analyseteknikker (n = 53).
Bruker ikke teknikken (i %)Bruker teknikken (i %)
Svært liten nytteSvært stor nytteGjennomsnittlig nytteStandardavvik nytteSkjevhetKurtose
1234567
Lønnsomhetsanalyse av enkeltkunder5,72,00,06,014,024,030,024,05,441,34–0,921,05
Lønnsomhetsanalyse av kundesegmenter5,70,00,02,010,018,040,030,05,861,03–0,760,02
Enkeltkunders livløpsverdi30,213,58,113,516,216,216,216,24,272,00–0,24–1,09
Verdivurdering av enkeltkunder22,67,39,89,822,012,224,414,64,541,83–0,40–0,85

For å validere funnene vedrørende nytte av de fire teknikkene ble respondentene bedt om å tilkjennegi graden av enighet med følgende påstand: «Denne analyseteknikken er for ressurskrevende i forhold til nytteverdi». Fortsatt ble det benyttet en Likert-skala med sju svarmuligheter med 1 lavest («Helt uenig») og 7 høyest («Helt enig»). I tillegg kunne respondentene krysse av for «Vet ikke». Alle fire korrelasjonsanalysene mellom oppgitt nytteverdi og svarene på dette valideringsspørsmålet er negative 3, og tre er signifikante minimum på 0,05-nivået.

En sammenlikning av gjennomsnittsverdiene i tabellene 2 og 4 avdekker at gjennomsnittlige nytteverdier overstiger gjennomsnittlige bruksgrader for alle de fire analyseteknikkene. Figur 3 gir en illustrasjon.

Figur 3 Bruksgrad og nytte av de ulike analyseteknikkene.

figur

Sammenhenger mellom bruk og nytteverdier kan analyseres nærmere. Dette kan gjøres ved hjelp av fire bivariate regresjonsanalyser der bruksgraden tilbys som forklaringsvariabel for variasjoner i nytte, dvs. én regresjonsanalyse for hver av de fire analyseteknikkene. Logikken er at jo høyere bruken er, jo høyere er nytten. Selvsagt kan en snu på denne formuleringen. Imidlertid er det av underordnet betydning fordi fremstillingen i realiteten bare avdekker sammenhenger, og ikke årsaks-/virkningsforhold.

Tabell 5 Koeffisientestimater for regresjonslikninger vedrørende bruk  nytte.
Bt-verdiR2adj.n =
Konstant2,936,40a
Bruk av lønnsomhetsanalyse av enkeltkunder0,535,81a0,4050
Konstant4,187,65a
Bruk av lønnsomhetsanalyse av kundesegmenter0,313,16b0,1650
Konstant1,392,87b
Bruk av enkeltkunders livsløpsverdi0,816,67a0,5537
Konstant1,462,58c
Bruk av verdivurdering av enkeltkunder0,705,84a0,4541
a) p < 0,001b) p < 0,01c) p < 0,05

For hver av de fire regresjonslikningene viser tabell 5 koeffisientestimater (B), t-verdier, modellens forklaringsevne (R2adj.) og antall respondenter (n). Alle regresjonskoeffisientene er signifikante minimum på 0,01-nivået. Analyser av restleddene m.m. tilsier at modellene er egnet for regresjonsanalyser. For alle de fire regresjonsmodellene er det slik at jo høyere bruken er, jo høyere er nytten. Funnene indikerer at økt bruksgrad har varierende grad av sammenheng (B) med økt nytteverdi. Rekkefølgen er slik: «Enkeltkunders livsløpsverdi» (0,81), «Verdivurdering av enkeltkunder» (0,70), «Lønnsomhetsanalyse av enkeltkunder» (0,53) og «Lønnsomhetsanalyse av kundesegmenter» (0,31).

Det er også naturlig å se nærmere på sammenhenger mellom bruk av hver enkelt av de fire analyseteknikkene og nytten totalt sett (helhetsvurdering). På grunn av varierende svarandeler av bruk og nytte av de ulike analyseteknikkene er det mest hensiktsmessig å gjennomføre enkle, bivariate regresjonsanalyser der bruksgraden tilbys som forklaringsvariabel for opplevd total nytte (helhetsvurdering).

Tabell 6 Koeffisientestimater for regresjonslikninger vedrørende bruk  total nytte.
Bt-verdiR2adj.n =
Konstant4,267,78a
Bruk av lønnsomhetsanalyse av enkeltkunder0,232,07c0,0650
Konstant3,795,52a
Bruk av lønnsomhetsanalyse av kundesegmenter0,292,40c0,0950
Konstant4,9310,43a
Bruk av enkeltkunders livsløpsverdi0,161,39*0,0337
Konstant4,238,22a
Bruk av verdivurdering av enkeltkunder0,262,39c0,1141
a) p < 0,001b) p < 0,01c) p < 0,05*) ikke sig.

For hver av de fire regresjonslikningene viser tabell 6 koeffisientestimater (B), t-verdier, modellens forklaringsevne (R2adj.) og antall respondenter (n). Alle fire koeffisientestimatene (B) er positive, men bare tre er signifikante (minimum på 0,05-nivået): «Lønnsomhetsanalyse av kundesegmenter» (0,29), «Verdivurdering av enkeltkunder» (0,26), «Lønnsomhetsanalyse av enkeltkunder» (0,23) og «Enkeltkunders livsløpsverdi» (0,16), som da ikke er signifikant. Analyser av restleddene m.m. tilsier at modellene er egnet for regresjonsanalyser.

Tabell 7 Koeffisientestimater for regresjonslikningen total nytte  potensiell nytte (n = 53).
Bt-verdi
Konstant4,128,56a
Total nytte (i dag)0,353,94a
a) p < 0,001

Avslutningsvis analyseres sammenhengen mellom dagens nytte og potensiell nytte (helhetsvurderinger). Tabell 7 viser koeffisientestimatene for regresjonslikningen der nytten i dag er forklaringsvariabel for potensiell nytte. Modellen er signifikant på 0,001-nivået og har en forklaringsevne på 22 prosent. Dette tilsier at jo høyere nytte kundelønnsomhetsanalysene har i dag, jo høyere potensiell nytte mener respondentene at slike analyser kan ha.

Diskusjon og konklusjon

I denne studien ser en på bruk og nytteverdi av kundelønnsomhetsanalyser i store norske selskaper. Studien kartlegger bruk, nytte og potensiell nytte av kundelønnsomhetsanalyser (helhetsvurdering) samt bruk og nytteverdi av fire analyseteknikker, dvs. lønnsomhetsanalyse av enkeltkunder, lønnsomhetsanalyse av kundesegment, enkeltkunders livsløpsverdi og verdivurdering av enkeltkunder. Studiens problemstillinger er som følger: I hvilken grad bruker store norske selskaper kundelønnsomhetsanalyser, og hvordan oppleves nytteverdien av disse? Problemstillingene besvares både for kundelønnsomhetsanalyser samlet sett og for de fire teknikkene.

Det er gjennomført en spørreundersøkelse blant et utvalg av Norges største bedrifter. En gjennomgang av de 300 største bedriftene, alle med en omsetning på mer enn 1,7 milliarder kroner (2010), endte opp med en populasjon på 233 foretak. En hadde da ekskludert helseforetak, holdingselskaper, m.m., dvs. foretak som ikke hadde kunder i «tradisjonell» forstand. Alle ble kontaktet. En fikk svar fra 91 foretak, dvs. en svarprosent på 39,1 prosent.

For å sikre kvaliteten på svarene ba en respondentene tilkjennegi om de «følte at de hadde grunnlag for å svare på spørsmålene om kundelønnsomhetsanalyser». Det var 19 som mente at de ikke hadde det nødvendige grunnlaget. Basert på statistiske analyser ble disse tatt ut av utvalget. Ytterligere tolv respondenter ble utelatt fra analysene fordi svarene var inkonsistente. En stod dermed igjen med 53 respondenter, dvs. en svarprosent på 22,7 prosent av antatt populasjon på 233 respondenter.

Imidlertid er nok den reelle populasjonen en del lavere. Dette fremgår av svarene fra dem som svarte på spørreundersøkelsen, og fra de 27 respondentene som svarte på en henvendelse om hvorfor de ikke hadde deltatt i undersøkelsen, jf. diskusjonen under «Metode» ovenfor. Funnene indikerer således at kundelønnsomhetsanalyser kan være egnet for cirka 2/3 av de 300 største bedriftene i Norge. Det understrekes at de 300 største norske bedriftene nok ikke er representative for norske foretak. Det er grunn til å tro at den administrative kapasiteten og kompetansenivået i de store foretakene gir et bedre grunnlag for å kunne ta i bruk nye analyseteknikker enn det tilfellet er for norske foretak generelt sett. Valget av respondenter ble også gjort for å oppnå mange svar på spørreundersøkelsen. Dette ble innfridd. Imidlertid understrekes det at funnene nok ikke kan generaliseres.

Studien avdekker at gjennomsnittlig bruksgrad av kundelønnsomhetsanalyser (helhetsvurdering) er 5,17 (skala fra 1 til 7) for de 53 respondentene, gjennomsnittlig nytteverdi er 5,34, og gjennomsnittlig potensiell nytteverdi er 5,96. Funnene samsvarer 4 med resultatene til Guilding og McManus (2002) som også fant at nytteverdien var høyere enn bruksgraden. Studien avdekker ellers at potensiell nytteverdi oppfattes som betydelig høyere enn dagens nytteverdi. Dette må kunne betegnes som et meget interessant funn.

For de fire analyseteknikkene er rekkefølgen av studiens funn den samme for bruksgrad og nytteverdi. Her vises begge, først bruksgrad og deretter nytteverdi: «Lønnsomhetsanalyse av kundesegmenter» (5,44), (5,86), «Lønnsomhetsanalyse av enkeltkunder» (4,74), (5,44), «Verdivurdering av enkeltkunder» (4,39), (4,54) og til slutt «Enkeltkunders livsløpsverdi» (3,57), (4,27). For alle de fire teknikkene er altså nytteverdien høyere enn bruksgraden. Disse resultatene er i stor grad i overensstemmelse med funnene i den australske studien (Guilding og McManus 2002). En multippel regresjonsanalyse av sammenhenger mellom bruk av de fire analyseteknikkene og oppgitt bruksgrad (helhetsvurdering) underbygger funnet om at det er «Lønnsomhetsanalyse av kundesegmenter» og «Lønnsomhetsanalyse av enkeltkunder» som har størst bruksgrad.

Sammenhenger mellom bruk og nytte er analysert ved hjelp av to sett av bivariate regresjonsanalyser. Først er bruk tilbudt som forklaringsvariabel for nytte for hver av de fire analyseteknikkene. Dette gir fire regresjonslikninger som alle er signifikante. Deretter tilbys bruk av de fire analyseteknikkene som forklaringsvariabel for nytte totalt sett. Bare tre av fire bivariate regresjonslikninger er signifikante. Dessuten er modellenes forklaringsevner svake. Derfor legges det størst vekt på de fire førstnevnte regresjonsanalysene. Disse viser at økt bruksgrad har varierende grad av sammenheng (B) med økt nytteverdi. Rekkefølgen er slik: «Enkeltkunders livsløpsverdi» (0,81), «Verdivurdering av enkeltkunder» (0,70), «Lønnsomhetsanalyse av enkeltkunder» (0,53) og «Lønnsomhetsanalyse av kundesegmenter» (0,31). En bør merke seg at variansforklaringen (R2adj.) er betydelig lavere for regresjonslikningen som ser på «Lønnsomhetsanalyse av kundesegmenter» enn for de tre andre regresjonslikningene. Koeffisientestimat og variansforklaring indikerer at økt bruk av segmentanalyser ikke har samme effekt på økt nytte som tilfellet er for de tre andre analyseteknikkene. Dette tilsier at økt bruk av analyseteknikker med fokus på enkeltkunder øker nytteverdiene i større grad enn økt bruk av teknikken som fokuserer på kundesegmenter. Resultatet synes logisk i og med at bruk av kundesegmentanalyser vanligvis skjer ad hoc, for eksempel i forbindelse med strategiske prosesser, og således ikke inngår som del av den løpende økonomistyringen av et foretak. Teknikken er rask og effektiv, men ettersom detaljer om enkeltkunder ikke fanges opp, er lønnsomhetsanalysene for «aggregerte» til at de gir særlig verdi for løpende økonomisk styring. Derimot kan individuelle kundelønnsomhetsanalyser inngå som del av den løpende økonomistyringen og således være tilgjengelig for beslutningstakere i ulike beslutningssituasjoner.

Funnenes ledelsesmessige implikasjoner kan knyttes til implementering og bruk av kundelønnsomhetsanalyser. Kundesegmentanalyser er vanligvis den første analyseteknikken som tas i bruk (Ryals 2008). Fordelen med lønnsomhetsanalyser av kundesegment er at de er lite ressurskrevende ved at de er relativt enkle å utarbeide og oppdatere. De kan gi god innsikt i lønnsomheten av hvert segment, men gir ikke et nøyaktig bilde av lønnsomheten på kundenivået, noe som kan resultere i feilaktige beslutninger. En naturlig utvikling er å etablere kundelønnsomhetsanalyser for enkeltkunder. Dette kan være en meget omfattende utviklingsprosess (Helgesen 2007). Etter at en har fått på plass pålitelige oppstillinger av historiske tallstørrelser, kan en utarbeide budsjetter og prognoser for kommende perioder samt ta i bruk analyseteknikker som er fremtidsorienterte, dvs. «Enkeltkunders livsløpsverdi» og «Verdivurdering av enkeltkunder». Studiens funn indikerer at det synes å være grenser for den nytte en kan oppnå ved å konsentrere oppmerksomheten mot segmentanalyser. Økt nytte fra dagens nivå får en først ved å ta i bruk analyseteknikker basert på tallstørrelser knyttet til enkeltkunder og da kanskje særlig fremtidsrettede analyseteknikker. Det kan derfor synes å være et paradoks at det er relativt sett færre brukere av teknikkene «Enkeltkunders livsløpsverdi» og «Verdivurdering av enkeltkunder» enn det tilfellet er for de to andre teknikkene. De som bruker disse teknikkene, tilkjennegir jo at nytteverdien stiger ganske mye ved økt bruk. Det kan være flere grunner til at disse teknikkene ikke brukes. Det kan selvsagt tenkes at foretaket holder på å innføre disse nye teknikkene basert på erfaringer fra historiske tallstørrelser. Manglende bruk kan imidlertid skyldes at det kan være vanskelig å finne tallstørrelser for fremtidige inn- og utbetalinger og/eller for eksterne virkninger, eller at estimatene blir altfor usikre. Videre kan manglende bruk kanskje tilskrives mangelfull innsikt, jf. diskusjonen nedenfor, men kanskje også at forholdet nytte/kostnad ikke blir gunstig, dvs. at det økonomiske styringssystemet ikke blir kostnadseffektivt (Cooper og Kaplan 1999). Imidlertid skulle en tro at økt bruk (innsikt) som gir økt nytte, gir grunnlag for bedre beslutninger og forbedrede foretaksprestasjoner, dvs. at en kan styre kundeporteføljen på en slik måte at en oppnår økt kundelønnsomhet (Gupta og Lehmann 2005, Kumar 2008, Ryals 2008).

Studien viser ellers at kunnskapen om kundelønnsomhetsanalyser tilsynelatende er varierende. Av flere grunner ble 31 respondenter tatt ut av datasettet (følte at de ikke hadde grunnlag for å svare på spørsmålene, svarte inkonsistent, etc.). Dette er beklagelig når det samtidig tilkjennegis høy potensiell nytte av kundelønnsomhetsanalyser. Etter alt å dømme kan økt kunnskap medvirke til at en bedre kan utnytte potensialet. I denne sammenheng minnes det om at potensiell nytte (totalvurdering) i gjennomsnitt er 5,96 (skala 1 til 7), og at respondentene mener at jo høyere nytten er i dag, jo større potensial ser de i kundelønnsomhetsanalyser.

Denne studien tar for seg store norske foretak og ser på situasjonen våren 2012. Selvsagt hadde en fått enda bedre innsikt om studien hadde omfattet et mer representativt utvalg av norske foretak. For å si noe om utviklingstrekk er det ønskelig at en tilsvarende studie gjennomføres om ikke så mange år. Hvis dette gjøres, kan en kanskje også trekke inn en femte analyseteknikk eller vinkling på kundelønnsomhetsanalyser. I mange bransjer, særlig B2B, er kundeakkvisisjonskostnadene ganske høye (Egan 2008). Derfor er en opptatt av å holde på kundene, men ønsker også å ha innsikt i «kundepleiekostnadene» (customer retention costs) (Reinartz mfl. 2005). Analyseteknikken betrakter kundene som investeringsobjekter (Gupta og Lehmann 2005). Denne tilnærmingen er derfor opptatt både av fortid og fremtid.

En helhetsvurdering viser at store norske foretak bruker kundelønnsomhetsanalyser i stor grad. Nytteverdien synes også å være stor, men potensialet oppfattes å være enda større. Av de ulike analyseteknikkene er det lønnsomhetsanalyser av kundesegment som har høyest bruksgrad. Funnene tyder på at det er grenser for den nytte som kan oppnås ved hjelp av segmentanalyser. Derfor synes «nyttepotensialet» å være knyttet til økt bruk av analyseteknikker basert på tallstørrelser for enkeltkunder, dvs. lønnsomhetsanalyse av enkeltkunder, enkeltkunders livsløpsverdi og verdivurdering av enkeltkunder. Kunnskapen om slike analyseteknikker synes å være varierende. Realisering av nyttepotensialet ser derfor ut til være knyttet til bygging av kompetanse og ferdigheter.

  • 1: Det var 35 av de 53 respondentene som brukte alle fire analyseteknikkene.
  • 2: Signifikansnivået for konstantleddet kan oppfattes som uinteressant informasjon, men er likevel vist.
  • 3: I og med at svaralternativene i tilleggsspørsmålet er snudd i forhold til svarene vist i tabell 4, forventet en negative korrelasjonskoeffisienter.
  • 4: Dessverre er det ikke mulig å sammenlikne resultatene i denne studien med resultatene i studien til Guilding og McManus (2002). Dette kommer av at den australske studien baseres på en skala (1–7) med følgende «ankerfester»: (1) «ikke i det hele tatt» («used not at all») og (7) «i stor grad» («used to a large extent»).
  • Litteratur
  • Bjørnenak, T. og Ø. Helgesen. 2009. Kunderelasjoner og økonomisk styring. I B.T. Kalsaas (red.), Ledelse av verdikjeder: strategi, design og konkurranseevne, 99–115. Trondheim: Tapir akademisk forlag.
  • Bjørnenak, T. og Ø. Helgesen. 2013. Customer relations and cost management. I F. Mitchell, H. Nørreklit og M. Jacobsen (red.), The Routledge Companion to Cost Management, 250–266. London og New York: Routledge, Taylor & Francis Group.
  • Bjørnenak, T. og K. Kaarbøe. 2011. Dynamiske styringssystemer – hva er det? Magma, 14(5): 22–30.
  • Cooper R. og R.S. Kaplan. 1999. The design of cost management systems. Andre utgave. Upper Saddle River, NJ: Prentice Hall.
  • Egan, J. 2008. Relationship marketing: exploring relational strategies in marketing. Tredje utgave. Harlow, Essex, England: Pearson Education Ltd.
  • Eriksrud, M.S. og M.B. McKeown. 2010. Budsjettrevolusjonen lar vente på seg: norske bedrifter kritiserer budsjettet, men er ennå ikke klare for budsjettløs styring. Masterutredning, Norges Handelshøyskole, Bergen.
  • Everaert, P., W. Bruggeman, og G. De Creus. 2008. Teaching and educational note: Sanac Inc.: From ABC to time-driven ABC (TDABC) – An instructional case. Journal of Accounting Education, 26: 118–154.
  • Guilding, C. og L. McManus. 2002. The incidence, perceived merit and antecedents of customer accounting: an exploratory note. Accounting, Organizations and Society, 27(1/2): 45–59.
  • Gupta, S. og D.R. Lehmann. 2005. Managing Customers as Investments. The Strategic Value of Customers in the Long Run. Are You Spending More on Your Customers Than They Are Worth? Upper Saddle River, NJ: Pearson Education, Inc.
  • Hansen, O.B. 2006. Utviklingen av modeller i lærebøker innen management accounting de siste 20 årene. Magma, 9(3): 91–107.
  • Havelin, G.G. og A.E.R. Helsem. 2012. Kundelønnsomhetsanalyser i Norge: En studie av bruksgrad og nytteverdi. Masterutredning, Norges Handelshøyskole, Bergen.
  • Helgesen, Ø. 2006. Customer segments based on customer account profitability. Journal of Targeting, Measurement & Analysis for Marketing, 14(3): 225–237.
  • Helgesen, Ø. 2007. Customer accounting and customer profitability analysis for the order handling industry—A managerial accounting approach. Industrial Marketing Management, 36(6): 757–769.
  • Helgesen, Ø. 2008. Targeting customers: A financial approach based on creditworthiness. Journal of Targeting, Measurement and Analysis for Marketing, 16(4): 261–273.
  • Helgesen, Ø. og T. Voldsund. 2009. Financial decision support for marketers in the Norwegian fishing and furniture industries. British Food Journal, 111(6–7): 622–642.
  • Jalkal, A. og R.T. Salminen. 2010. Practices and functions of customer reference marketing – Leveraging customer references as marketing assets. Industrial Marketing Management, 39: 975–985.
  • Johansen, M. 2010. Beyond budgeting: noe som passer for meg? En studie av spredningen av beyond budgeting i Norge. Masterutredning, Norges Handelshøgskole, Bergen.
  • Kaplan, R.S. og S.R. Anderson. 2007. Time-driven activity-based costing: a simpler and more powerful path to higher profits. Boston: Harvard Business School Press.
  • Kumar V. 2008. Managing Customers for Profit. Strategies to Increase Profits and Build Loyalty. Upper Saddle River, NJ: Pearson Education, Inc.
  • Lind, J. og T. Strömsten. 2006. When do firms use different types of customer accounting? Journal of Business Research, 59(12): 1257–1266.
  • McManus, L. og C. Guilding. 2008. Exploring the potential of customer accounting: a synthesis of the accounting and marketing literatures. Journal of Marketing Management, 24(7/8): 771–795.
  • Pfeifer, P.E., M.E. Haskins og R.M. Conroy. 2005. Customer lifetime value, customer profitability, and the treatment of acquisition spending. Journal of Managerial Issues, 17(1): 11–25.
  • Reinartz, W., J.S. Thomas og V. Kumar. 2005. Balancing acquisition and retention resources to maximize customer profitability. Journal of Marketing, 69 (January): 63–79.
  • Ryals, L. 2002. Are your customers worth more than money? Journal of Retailing and Consumer Services, 9(5): 241–251.
  • Ryals, L. 2008. Managing Customers Profitably. West Sussex, England: John Wiley & Sons Ltd.
  • van Raaij, E.M. 2005. The strategic value of customer profitability analysis. Marketing Intelligence & Planning, 23(4): 372–381.
  • van Raaij, E.M., M.J.A. Vernoij, og S. van Triest. 2003. The implementation of customer profitability analysis: A case study. Industrial Marketing Management, 32(7): 573–583.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS