रेस्टॉरंट्स आणि हॉटेल्ससाठी कस्टमर लाइफटाइम व्हॅल्यू

रेस्टॉरंट्स आणि हॉटेल्ससाठी Customer Lifetime Value Purple Engage मार्केटिंग ब्रिफिंग वेळ: अंदाजे १० मिनिटे --- परिचय Purple Engage मार्केटिंग ब्रिफिंगमध्ये आपले स्वागत आहे. मी तुमचा होस्ट आहे, आणि आज आपण customer lifetime value बद्दल बोलत आहोत - रेस्टॉरंट्स आणि हॉटेल्ससाठी याचा नेमका अर्थ काय आहे, त्याची योग्य गणना कशी करावी आणि सर्वात महत्त्वाचे म्हणजे ते कसे वाढवावे. तुम्ही एखाद्या हॉस्पिटॅलिटी व्हेन्यूमध्ये मार्केटिंग डायरेक्टर किंवा CRM मॅनेजर असाल, तर हे खास तुमच्यासाठी आहे. --- विभाग १: हे का महत्त्वाचे आहे - १ मिनिट एक कटू सत्य स्वीकारून सुरुवात करूया. बहुतांश हॉस्पिटॅलिटी व्हेन्यूज त्यांच्या मार्केटिंग बजेटचा मोठा हिस्सा नवीन पाहुणे मिळवण्यासाठी खर्च करतात, आणि जे आधीच ग्राहक आहेत त्यांना टिकवून ठेवण्यासाठी जवळजवळ काहीच खर्च करत नाहीत. हे अगदी चुकीचे आहे. याचे कारण असे आहे. Bain and Company च्या संशोधनातून असे दिसून आले आहे की पाहुण्यांना टिकवून ठेवण्याचे प्रमाण केवळ ५ टक्क्यांनी वाढवल्यास नफा २५ ते ९५ टक्क्यांनी वाढू शकतो. आणि Harvard Business School च्या मते नवीन ग्राहक मिळवण्याचा खर्च सध्याच्या ग्राहकाला टिकवून ठेवण्यापेक्षा ५ ते ७ पटीने जास्त असतो. Customer lifetime value - म्हणजेच CLV - ही अशी एकमेव संख्या आहे जी हा युक्तिवाद सिद्ध करते. एखादा पाहुणा जोपर्यंत तुमच्याकडे येत राहील, त्या संपूर्ण कालावधीत तो तुमच्या व्हेन्यूसाठी किती मौल्यवान आहे हे ती अचूकपणे सांगते. केवळ आज रात्रीचे कव्हर किंवा केवळ या वीकेंडचे रूम बुकिंग नाही. तर संपूर्ण नातेसंबंध. जेव्हा तुम्हाला ती संख्या समजते, तेव्हा प्रत्येक मार्केटिंग निर्णय बदलतो. तुम्ही प्रत्येक पाहुण्याला सारखीच वागणूक देणे थांबवता. ज्यांचे मूल्य जास्त आहे त्यांच्यामध्ये तुम्ही अधिक गुंतवणूक करू लागता. आणि तुम्ही अशा मोहिमा राबवता ज्या लोकांना केवळ एकदाच दारातून आत आणत नाहीत, तर वारंवार परत आणतात. --- विभाग २: दृष्टिकोन - ५ मिनिटे तर मग तुम्ही हॉस्पिटॅलिटी व्हेन्यूसाठी CLV ची गणना प्रत्यक्षात कशी करता? याचे सूत्र सोपे आहे. CLV म्हणजे सरासरी भेट मूल्य (average visit value) गुणिले भेटीची वारंवारता (visit frequency) गुणिले पाहुण्यांचे आयुष्यमान (guest lifespan). चला मी यातील प्रत्येक गोष्ट स्पष्ट करतो. सरासरी भेट मूल्य (Average visit value) म्हणजे प्रत्येक भेटीदरम्यान पाहुणा खर्च करत असलेली सरासरी रक्कम. रेस्टॉरंटसाठी, हे पेयांसह सरासरी कव्हर मूल्य आहे. हॉटेलसाठी, हे अन्न आणि पेय, स्पा आणि इतर अनुषंगिक खर्चासह प्रति मुक्कामाचे सरासरी उत्पन्न आहे. भेटीची वारंवारता (Visit frequency) म्हणजे पाहुणा वर्षातून किती वेळा भेट देतो. इथेच बहुतांश व्हेन्यूजचे दुर्लक्ष होते. त्यांना त्यांचे एकूण कव्हर्स किंवा ऑक्युपन्सी रेट माहित असतो, परंतु त्यापैकी किती पुनरावृत्ती करणारे पाहुणे आहेत आणि किती नवीन आहेत याची त्यांना कल्पना नसते. पाहुण्यांचे आयुष्यमान (Guest lifespan) म्हणजे एखादा पाहुणा निष्क्रिय होण्यापूर्वी किती काळ परत येत राहतो. एका परिसरातील रेस्टॉरंटसाठी, निष्ठावंत नियमित ग्राहकासाठी हा काळ ३ ते ५ वर्षांचा असू शकतो. एखाद्या डेस्टिनेशन हॉटेलसाठी, याचे मोजमाप वेगळ्या पद्धतीने केले जाऊ शकते - एका दशकात पाहुणा किती वेळा बुकिंग करतो. आता हे वास्तववादी बनवण्यासाठी मी तुम्हाला काही आकडेवारी देतो. एक सामान्य डायनिंग रेस्टॉरंटचे उदाहरण घेऊ. एक वन-टाइम (एकदाच येणारा) गेस्ट पंचेचाळीस पाउंड खर्च करतो, एकदाच भेट देतो आणि पुन्हा कधीही परत येत नाही. CLV: पंचेचाळीस पाउंड. एक कधीतरी येणारा गेस्ट प्रति भेट बावन्न पाउंड खर्च करतो, वर्षातून आठ वेळा येतो आणि तीन वर्षांसाठी सक्रिय राहतो. CLV: एक हजार दोनशे अठ्ठेचाळीस पाउंड. एक निष्ठावंत नियमित ग्राहक प्रति भेट अडुसष्ठ पाउंड खर्च करतो, महिन्यातून दोनदा येतो आणि पाच वर्षांसाठी सक्रिय राहतो. CLV: आठ हजार एकशे साठ पाउंड. तो निष्ठावंत नियमित ग्राहक वन-टाइम गेस्टपेक्षा एकशे ऐंशी पटीने अधिक मौल्यवान आहे. एकशे ऐंशी पट. आणि तरीही बहुतेक वेन्यूज या दोघांसाठी अगदी सारखेच मार्केटिंग करतात. हाच तर्क हॉटेल्सनाही लागू होतो. केवळ एकदा सुट्टी घालवण्यासाठी येणाऱ्या गेस्टचे व्हॅल्यू प्रोफाइल, वर्षातून बारा रात्री मुक्काम करणाऱ्या बिझनेस ट्रॅव्हलरपेक्षा खूप वेगळे असते. उदाहरणार्थ, Premier Inn ने याच फरकाला अचूकपणे समजून आणि त्यावर कृती करून महत्त्वपूर्ण स्पर्धात्मक फायदा मिळवला आहे. आता हीच गोष्ट अधिक रंजक बनते - आणि नेमकी इथेच बहुतेक वेन्यूज अडखळतात. CLV ची अचूक गणना करण्यासाठी, तुम्हाला वैयक्तिक गेस्ट्स त्यांच्या भेटींच्या इतिहासाशी आणि खर्चाच्या डेटाशी लिंक करावे लागतील. हे ऐकायला सोपे वाटते, पण प्रत्यक्षात खूप कठीण आहे. पॉइंट-ऑफ-सेल सिस्टीम्स व्यवहारांची नोंद ठेवतात, लोकांची नाही. रिझर्व्हेशन सिस्टीम्स बुकींग्जची नोंद ठेवतात, पण थेट चालत येणाऱ्यांची (walk-ins) नाही. हॉटेल PMS सिस्टीम्स मुक्कामाचा डेटा गोळा करतात, पण फक्त थेट बुक करणाऱ्या गेस्ट्सचाच. याचा परिणाम असा होतो की बहुतेक वेन्यूज वैयक्तिक पातळीवर न करता एका सेगमेंट पातळीवर CLV चा अंदाज लावत आहेत. त्यांना त्यांची सरासरी माहित असते, परंतु कोणते विशिष्ट गेस्ट्स त्या सरासरीच्या वर किंवा खाली आहेत हे ते ओळखू शकत नाहीत. आणि याचा अर्थ ते यावर कोणतीही कारवाई करू शकत नाहीत. हीच ती समस्या आहे जी गेस्ट WiFi सोडवते - जेव्हा ते योग्यरित्या सेट केले जाते. जेव्हा एखादा गेस्ट तुमच्या WiFi शी कनेक्ट होतो, तेव्हा ते एक लॉगिन पेज पूर्ण करतात. त्या लॉगिनद्वारे त्यांचे नाव, ईमेल पत्ता आणि - महत्त्वाचे म्हणजे - GDPR अंतर्गत मार्केटिंग कम्युनिकेशन्स प्राप्त करण्यासाठी त्यांची संमती कॅप्चर केली जाते. Purple च्या दृष्टिकोनाला आम्ही जागरूक-पर्याय (conscious-choice) ऑप्ट-इन्स म्हणतो. गेस्ट सक्रियपणे कम्युनिकेशन्स मिळवणे निवडतो. हा आधीच टिक केलेला बॉक्स नाही. हा एक पडताळणी केलेला, जाणीवपूर्वक घेतलेला निर्णय आहे. हे कायदेशीर आणि व्यावसायिक दोन्ही दृष्ट्या महत्त्वाचे आहे, कारण ऑप्ट-इन केलेले गेस्ट इतर माध्यमांद्वारे मिळवलेल्या संपर्कांपेक्षा लक्षणीय उच्च दराने प्रतिसाद देतात. पण इथे मुख्य मुद्दा आहे. प्रत्येक वेळी तोच गेस्ट परत येतो आणि तुमच्या WiFi शी पुन्हा कनेक्ट होतो, तेव्हा Purple त्या नवीन भेटीला त्यांच्या आधीपासून असलेल्या प्रोफाइलशी लिंक करते. आता तुमच्याकडे त्या विशिष्ट व्यक्तीने किती वेळा, कोणत्या तारखांना आणि कोणत्या वेळी भेट दिली याचा पडताळणी केलेला रेकॉर्ड असतो. हा भेटीच्या वारंवारतेचा (visit frequency) डेटा आहे, जो वैयक्तिक गेस्ट पातळीवर स्वयंचलितपणे कॅप्चर केला जातो. तुमच्या POS किंवा PMS डेटासह एकत्रित करून, तुम्ही वास्तविक लोकांसाठी वास्तविक CLV ची गणना करू शकता - एखाद्या काल्पनिक सेगमेंटसाठीची केवळ सरासरी नाही. Mailchimp किंवा Klaviyo सारखी टूल्स तुमच्याकडे आधीपासून असलेल्या लिस्टला मोहिमा पाठवण्यासाठी उत्कृष्ट आहेत. परंतु ते लिस्ट तयार करत नाहीत. ते भेटीचा डेटा कॅप्चर करत नाहीत. गेल्या मंगळवारी तुमचा ईमेल उघडणारी व्यक्ती खरंच गेल्या बुधवारी आली होती की नाही, हे त्यांना माहीत नसते. Purple ला हे माहीत असते. - - - विभाग 3: व्यावहारिक पावले आणि अडचणी - 2 मिनिटे चला, आता व्यावहारिक बाबींवर येऊया. तुमच्या वेन्यूवर CLV ट्रॅकिंग लागू करण्यासाठी खालील पायऱ्या फॉलो करा. पहिली पायरी: फर्स्ट-पार्टी डेटा गोळा करण्यासाठी तुमचे WiFi लॉगिन सेट करा. जर तुम्ही कोणत्याही लॉगिनशिवाय ओपन नेटवर्क चालवत असाल, तर तुम्ही अतिथींच्या संवादातील सर्वात मौल्यवान भाग गमावत आहात. किमान नाव आणि ईमेल गोळा करणारे GDPR - सुसंगत स्प्लॅश पेज तैनात करा. दुसरी पायरी: तुमचा WiFi डेटा तुमच्या CRM सोबत इंटिग्रेट करा. Purple Engage गोळा केलेल्या संपर्काला अशा प्रोफाइलशी जोडते जे प्रत्येक पुढील भेटीचा मागोवा घेते. तुम्हाला हे मॅन्युअली करण्याची गरज नाही. हे स्वयंचलित आहे. तिसरी पायरी: तुमचा खर्चाचा डेटा कनेक्ट करा. जर तुमचे POS किंवा PMS ट्रान्झॅक्शन डेटा एक्सपोर्ट करू शकत असेल, तर तो तुमच्या अतिथी प्रोफाइल्सशी मॅप करा. भेटीच्या वारंवारतेनुसार विभागलेला प्रत्येक भेटीचा ढोबळ सरासरी खर्च देखील संपूर्ण एकाच सरासरी खर्चापेक्षा खूप जास्त उपयुक्त ठरतो. चौथी पायरी: तुमचे सेगमेंट्स तयार करा. कमीत कमी तुमच्याकडे चार सेगमेंट्स असावेत: एकदा भेट दिलेले नवीन अतिथी, दोन ते पाच वेळा भेट दिलेले प्रासंगिक अतिथी, वर्षातून सहा किंवा त्याहून अधिक वेळा भेट देणारे नियमित अतिथी, आणि नव्वद किंवा त्याहून अधिक दिवसांत भेट न दिलेले जुने अतिथी. पाचवी पायरी: प्रत्येक सेगमेंटसाठी ऑटोमेटेड मोहिमा सेट करा. नवीन अतिथींसाठी स्वागत ईमेल. जुन्या अतिथींसाठी पुन्हा जोडण्यासाठीची ऑफर. CLV नुसार तुमच्या टॉप वीस टक्के अतिथींसाठी खास रिवॉर्ड. हे क्लिष्ट असण्याची गरज नाही. ते वेळेवर आणि सुसंगत असणे आवश्यक आहे. आता संभाव्य चुकांकडे वळूया. CLV कडे एक लाइव्ह मेट्रिक म्हणून पाहण्याऐवजी ती केवळ एक वेळची गणना मानणे ही सर्वात मोठी चूक आहे. तुमच्या अतिथींचे मिश्रण बदलते. खर्चाचे पॅटर्न बदलतात. तुम्हाला किमान त्रैमासिक आधारावर CLV ची पुन्हा गणना करणे आवश्यक आहे, आणि आदर्शपणे ते तुमच्या CRM मध्ये आपोआप अपडेट होत राहिले पाहिजे. दुसरी चूक म्हणजे जुन्या अतिथींकडे दुर्लक्ष करणे. ज्या अतिथीने सहा वेळा भेट दिली आणि नंतर येणे बंद केले, अशा अतिथीला पुन्हा मिळवणे हे कधीही न भेटलेल्या नवीन अतिथीपेक्षा जास्त फायद्याचे असते. त्यांचा CLV इतिहास सांगतो की त्यांना तुमचा वेन्यू आवडला होता. काहीतरी बदलले आहे. योग्य वेळी राबवलेली री-एंगेजमेंट मोहीम - कदाचित साठ दिवसांच्या निष्क्रियतेनंतर सुरू केलेली - त्या गटातील महत्त्वपूर्ण टक्केवारी परत मिळवू शकते. तिसरी चूक म्हणजे जेव्हा तुम्ही टॉप गटासाठी ऑप्टिमाइझ करायला हवे, तेव्हा तुम्ही सरासरी CLV साठी ऑप्टिमाइझ करता. CLV नुसार तुमचे टॉप वीस टक्के अतिथी सहसा तुमच्या महसुलाचा सुमारे साठ टक्के हिस्सा निर्माण करतात. ते कोण आहेत हे ओळखा आणि त्यांना तशीच वागणूक द्या. --- विभाग ४: जलद प्रश्न आणि उत्तरे - १ मिनिट प्रश्न: आमच्याकडे लॉयल्टी प्रोग्राम नाही. आम्ही तरीही CLV ची गणना करू शकतो का? होय. भेटीच्या वारंवारतेचा मागोवा घेण्यासाठी तुम्हाला लॉयल्टी प्रोग्रामची गरज नाही. अतिथी WiFi लॉगिन डेटा तुम्हाला वैयक्तिक प्रोफाइल्सशी जोडलेले भेटीचे टाइमस्टॅम्प देतो. कोणत्याही लॉयल्टी कार्ड इन्फ्रास्ट्रक्चरशिवाय भेटीची वारंवारता मोजण्यासाठी आणि CLV चा अंदाज लावण्यासाठी हे पुरेसे आहे. प्रश्न: अतिथींनी प्रत्येक भेटीदरम्यान WiFi कनेक्ट केले नाही तर काय? हा एक रास्त मुद्दा आहे. WiFi - आधारित व्हिजिट ट्रॅकिंग सर्वच भेटी टिपेल असे नाही, तर त्यातील काही भाग टिपतो. यात सुसंगतता महत्त्वाची आहे. जर एखादा अतिथी बहुतांश भेटींमध्ये कनेक्ट होत असेल, तर सेगमेंटेशनच्या हेतूंसाठी संबंधित वारंवारता डेटा तरीही वैध ठरतो. जसजसा काळ जाईल आणि WiFi चा वापर वाढेल - जो आता बहुतांश कॅज्युअल डायनिंग वातावरणात ऐंशी टक्क्यांहून अधिक आहे - हा डेटा अधिक पूर्ण होत जाईल.प्रश्न: आमच्या बुकिंग डेटाचा वापर करण्याच्या तुलनेत हे कसे वेगळे आहे? बुकिंग डेटा केवळ अशा पाहुण्यांची माहिती गोळा करतो जे आगाऊ आरक्षण करतात. थेट येणारे ग्राहक (Walk-ins), बारला भेट देणारे आणि अचानक भेट देणारे ग्राहक यामध्ये दिसत नाहीत. WiFi डेटा या सर्वांची माहिती मिळवतो, मग त्यांनी बुकिंग केले असो वा नसो. विशेषतः रेस्टॉरंट्ससाठी, जिथे ग्राहकांचा एक मोठा हिस्सा थेट येणारा (walk-ins) असतो, तिथे हा एक मोठा फरक ठरतो. --- विभाग ५: सारांश आणि पुढील पावले - १ मिनिट थोडक्यात सांगायचे तर, 'कस्टमर लाइफटाइम व्हॅल्यू' (CLV) हे अत्यंत महत्त्वाचे परिमाण आहे जे बहुतेक हॉस्पिटॅलिटी ब्रँड्स योग्यरित्या मोजत नाहीत. याचे सूत्र सोपे आहे: सरासरी भेट मूल्य (average visit value) गुणिले भेटींची वारंवारता (visit frequency) गुणिले पाहुण्याचा जीवनकाळ (guest lifespan). कठीण गोष्ट म्हणजे हे प्रत्यक्षात आणण्यासाठी वैयक्तिक पातळीवरील डेटा मिळवणे. GDPR सुसंगत लॉगिनसह सेट केलेले आणि तुमच्या CRM ला जोडलेले गेस्ट WiFi, या डेटा समस्येचे निराकरण करते. हे तुमची संपर्क यादी स्वयंचलितपणे तयार करते, पुन्हा येणाऱ्या भेटींचा मागोवा घेते आणि वैयक्तिक पाहुण्यांच्या पातळीवर CLV ची गणना करण्यासाठी आणि त्यानुसार कृती करण्यासाठी तुम्हाला पायाभूत आधार देते. जे ब्रँड्स हे चांगल्या प्रकारे करतात - आणि Premier Inn, Pizza Express, आणि Whitbread हे याचे गांभीर्याने पालन करणाऱ्या ऑपरेटरचे उत्तम उदाहरणे आहेत - ते प्रत्येक भेटीला केवळ एक व्यवहार मानणाऱ्या इतर ब्रँड्सच्या तुलनेत प्रति ग्राहक लक्षणीयरीत्या जास्त महसूल मिळवतात. तुमचे पुढील पाऊल: तुमच्या सध्याच्या WiFi सेटअपचे ऑडिट करा. ते पाहुण्यांचा डेटा गोळा करत आहे का? तो डेटा तुमच्या CRM मध्ये जात आहे का? तुमचे CRM भेटीच्या वारंवारतेनुसार वर्गीकरण करत आहे का? जर यापैकी कोणत्याही प्रश्नाचे उत्तर 'नाही' असेल, तर तिथूनच सुरुवात करायची आहे. याबद्दल अधिक माहितीसाठी, purple.ai ला भेट द्या आणि Engage प्लॅटफॉर्म एक्सप्लोर करा. विश्लेषणाच्या बाजूने अधिक सखोल माहिती देण्यासाठी 'ड्वेल टाइम' (dwell time) आणि भेटीच्या डेटाचा वर्गीकरणासाठी वापर करण्याबाबत एक मार्गदर्शिका देखील उपलब्ध आहे. ऐकल्याबद्दल धन्यवाद. आम्ही लवकरच नवीन माहितीसह पुन्हा भेटू. --- स्क्रिप्ट समाप्त