Analyzing and Defining an Ideal Customer Profile in B2B SaaS Companies

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2024-01-23
Department
Major/Subject
Information Networks
Mcode
SCI3047
Degree programme
Master’s Programme in Information Networks
Language
en
Pages
54
Series
Abstract
Customer segmentation is a powerful tool for understanding diverse customer bases and individual customer needs within them. Having a deep understanding of a customer base is essential for efficient customer relationship management and subsequently a key part of maximizing value from customers. This is especially true within B2B SaaS companies that often operate on subscription models and rely on maintaining a continuous flow of recurring revenue. This thesis conducts a literature review on central elements of B2B SaaS customer lifetime value and uses it as a base for a customer segmentation analysis. The analysis is done with a data set of B2B customers provided by the company under study and utilizes a combination of the RFM model and the k-means clustering algorithm to segment the customers. The resulting customer segments are analyzed for linkages between organizational properties and behavior. Throughout the process, nuances of customer segmentation in B2B SaaS companies in general are explored. The main findings of the study are distinct traits of companies that provide the target company significant recurring revenue. These are defined for the target company as three industry specific ideal customer profiles in ‘Retail’, ‘Media, Entertainment & Telecom’ and ‘Technology’. The most influential factor on recurring revenue within these industries was identified as the customer company’s ratio of annual revenue per employee. Additionally, this thesis also contributes to existing literature by demonstrating the methodology and success of the analysis, serving as a practical example of customer segmentation within a B2B SaaS environment.

Kundsegmentering är ett kraftfullt verktyg för att förstå olika kundbaser och de individuella kundbehoven inom dem. Att ha en djup förståelse av en kundbas är avgörande för effektiv kundrelationshantering och därmed en nyckel till att maximera värdet av kunder. Detta gäller särskilt inom B2B SaaS-företag som ofta utnyttjar prenumerationsmodeller och är beroende av att upprätthålla ett kontinuerligt flöde av återkommande intäkter. Denna avhandling genomför en litteraturöversikt om centrala element i B2B SaaS kundens livstidsvärde och använder det som grund för en kundsegmenteringsanalys. Analysen görs med data av B2B-kunder som förses av fallföretaget och använder en kombination av RFM-modellen och k-means-algoritmen för att segmentera kunderna. De resulterande kundsegmenten analyseras för samband mellan företagsegenskaper och beteende. Genom hela processen utforskas olika nyanser av kundsegmentering inom B2B SaaS-företag. De huvudsakliga resultaten av studien är distinkta företagsegenskaper som ger det fallföretaget betydande återkommande intäkter. Dessa definieras för fallföretaget som tre branschspecifika ideala kundprofiler inom 'Detaljhandel', 'Media, Underhållning & Telekom' och 'Teknik'. Den mest inflytelserika faktorn på återkommande intäkter inom dessa branscher identifierades som förhållandet mellan kundföretagets årliga omsättning och antalet anställda. Denna avhandling bidrar dessutom till befintlig litteratur genom att demonstrera analysens metodik och resultat som ett praktiskt exempel på kundsegmentering inom en B2B SaaS-miljö.
Description
Supervisor
Gustafsson, Robin
Thesis advisor
Gustafsson, Robin
Keywords
B2B, SaaS, customer segmentation, ICP, RFM
Other note
Citation