Technology for creating a production function of customer capital at the high-tech companies with a closed cycle

Создание предприятия с замкнутым циклом – это не только технологический вопрос, но и проблема экономико-управленческого характера. В контексте современной экономики такие компании имеют возможность создавать популярные бренды, пользующиеся доверием в связи с экологичностью производства. Отсюда возникает потребность в грамотной реализации потенциала бренда и, в свою очередь, в повышении эффективности работы с клиентами – увеличении клиентского капитала фирмы.

Клиентский капитал компании представляет собой суммарную приведенную стоимость пожизненных потребительских ценностей, сгенерированных клиентской базой компании [5] (Makarova, 2016). Именно клиенты формируют основной материальный доход компании, а эффективность бизнеса определяется минимизацией издержек на обеспечение необходимой ценности для клиентов [6] (Malyhina, 2019). Поэтому оценка клиентского капитала компании является актуальной проблемой как для экономистов, так и для менеджмента. Определенным опытом в изучении параметров клиентского капитала обладают [3, 4, 9, 11, 12] (Zagorodnikov, Sokolyanskiy, 2020; Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015; Runova, Chulyukov, Sokolyanskiy, Knyazeva, 2016; Sokolyanskiy, Kaganov, Volosnikova, Ishimtsev, 2015).

Целью работы было выбрано комплексное рассмотрение клиентского капитала высокотехнологичных компаний, переходящих на замкнутый цикл производства. Под комплексным рассмотрением понимается экономическая оценка величины клиентского капитала и его последующее моделирование с помощью производственной функции.

Визуализация данных с помощью производственной функции используется с тем, чтобы снизить вероятность стратегических ошибок при принятии решений, повышая эффективность управления клиентским капиталом компании [1, 2] (Alabugin, Beregovaya, 2019; Vlasov, Shimko, 2005).

В рамках настоящей работы в качестве объектов исследования выбраны 2 высокотехнологичные зарубежные инновационные компании: The Boeing Company и Airbus SE, клиентская база которых однородна – компании являются конкурентами. Все данные, используемые для нижеследующих расчетов, взяты из публичных отчетов вышеуказанных фирм и достаточны для проведения оценки по выбранным метрикам.

На сегодняшний день для оценки клиентского капитала существует несколько метрик. По мнению Созонова Ю.С., наиболее широко используемыми в практике управления клиентским капиталом являются метрики RFM, SOW (доля в покупках), PCV (ценность клиента за прошлые периоды времени) и, наиболее продвинутая, СLV (пожизненная ценность клиента). Для расчета величины пожизненной ценности клиента нужно определить чистый денежный поток, который фирма ожидает получить от него за все время сотрудничества, а затем привести эту сумму к текущему времени, осуществив операцию дисконтирования [Berger, Nasr, 1998]. Есть целый ряд метрик, построенных на базе CLV. Например, CEC (вклад новых клиентов в клиентский капитал компании) определяется увеличением клиентского капитала компании от вновь привлеченного клиента, CEE (эластичность клиентского капитала) представляет собой отношение изменения клиентского капитала компании (в % от исходного значения) к изменению расходов на маркетинг (в % от исходного значения) [Villanueva, Hanssens, 2007]. В рамках данной работы представлен результат оценки по метрике CLV, потому что она дает возможность определить действия, направленные на максимизацию клиентского капитала компании. Метрики же CEE и CEC служат в первую очередь для оценки эффективности маркетинговой деятельности, что менее интересно с точки зрения разработки инструментария по управлению клиентским капиталом [4, 8] (Kaganov, Sokolyanskiy, Volosnikova, Ishimtsev, 2015; Pomogaeva, Brovchenko, 2018).

Чтобы рассчитать пожизненную ценность клиента (CLV), воспользуемся формулой, предложенной Гуптой и Леманном [15] (Gupta, Lehmann, 2003):

, (1)

где: c – прямые затраты на удовлетворение нужд клиента;

p – цена реализации;

r – коэффициент удержания клиентов;

i – ставка дисконтирования.

Другими словами, оценка CLV определяется величиной маржи (m), умноженной на мультипликатор маржи (r/ [1+i-r]). Примем коэффициент удержания клиентов в первом приближении равным 0,9, а ставка дисконтирования будет равняться 0,375.

Данный подход определяет среднее значение CLV и использует общедоступные данные, чтобы получить информацию о средней маржинальной прибыли и средних затратах на маркетинг.

С помощью предложенной формулы были рассчитаны значения ценности клиента за 2015–2017 гг. для выбранных предприятий и использованы в построении производственной функции.

Рассмотрим каждое предприятие как экономическую систему, работу которой характеризуют некоторые экономические параметры – переменные.

При условии ординарного подхода к трактованию «производственной функции» выделяем три динамические, т.е. зависящие от времени, переменные: трудозатраты, финансы и специфический капитал (в нашем случае – клиентский):

L(t) – трудозатраты, Q(t) – финансы, K(t) – клиентский капитал.

Примем следующие условия и допущения, накладываемые на производственную функцию, т. е. определим границы системы:

1. Потенциируемая скалярная функция, т.е. существуют градиенты по трем направлениям.

2. Трехмерная, т.е. зависящая от трудозатрат, финансовой переменной и величины клиентского капитала.

Простейшая математическая модель, удовлетворяющая данным условиям, – плоскость. Тогда запишем линейную производственную функцию П в виде:

. (2)

Отсюда производные функции по трем направлениям будут характеризовать соответствующие тенденции и будут называться потенциалами:

(3), где

– трудовой потенциал, – финансовый потенциал,

– клиентский потенциал.

Определим трудовую переменную L(t) как трудозатраты и будем использовать суммарное рабочее время, затраченное на производство продукта. Размерность – рабочие часы.

Определим финансовую переменную Q(t) как общую капитализацию компании. Размерность – млн $.

Определим специфическую переменную, характеризующую клиентский капитал K(t) как количество клиентов компании. Размерность – единицы клиентов.

Для построения плоскости оценим потенциалы функции по направлениям L, Q и K.

Оценим показатель эффективности труда A.

A = [суммарная стоимость всех произведенных продуктов, млн $]/ [общие трудочасы, час],

где Общие трудочасы = [количество сотрудников] ∙ [стандартное рабочее время в год]. Таким образом, размерность произведения А∙L(t) – млн $.

Оценим показатель финансовой эффективности B.

В статье А. Пендака [7] (Pendak, 2017) предложена оценка финансовой эффективности с использованием оборотного капитала:

В = [величина оборотного капитала, млн $]/ [сальдо, млн $] – б/р. Таким образом, размерность произведения В∙Q(t) – млн $.

Оценим показатель эффективности работы с клиентами C.

Примем в этом качестве удельный CLV, рассчитанный выше: C = CLV, млн $ / [количество клиентов]. Таким образом, размерность произведения C∙K(t) – млн $.

Произведя необходимые расчеты, описанные выше, построим производственные функции. Так как мы имеем фиксированное значение каждого экономического параметра за год, то 1 год соответствует точке с координатами (BQ(t), AL(t), CK(t)). Плоскость однозначно задается тремя точками. Следовательно, будем использовать информацию о работе компаний за 2015–2017 гг.

Таблица 1

Экономические параметры The Boeing Company, 2015–2017

Таблица 2

Экономические параметры Airbus SE, 2015–2017 гг.

Рисунок 1. Производственные функции компаний Airbus SE и The Boeing Company 2015–2017 гг.

Источник: составлено авторами.

В ходе работы было проведено сравнение подходов к оценке клиентского капитала компании. Был выбран наиболее оптимальный (метод оценки CLV), исходя из требований дальнейшего моделирования клиентского капитала.

Клиентский капитал компаний был визуализирован в виде линейной производственной функции, построенной методом оценки тенденций (производных по направлениям). Для визуализации были выбраны основные экономические параметры.

Создав производственную функцию клиентского капитала, авторы расширили набор линейных производственных функций. Сводный график, представленный на рисунке 1, позволяет проследить поведение величины клиентского капитала в конкурентной среде, поэтому результаты настоящей работы могут быть использованы, прежде всего, в стратегическом менеджменте, при планировании и прогнозировании.