Przewidywanie odpływu klientów za pomocą predykcyjnych algorytmów sieci neuronowych

Przewidywanie odpływu klientów za pomocą predykcyjnych algorytmów sieci neuronowych

Przewidywanie odpływu klientów jest jednym z kluczowych zadań każdej firmy. Jest to jednak ważne tylko o tyle, o ile można podjąć skuteczne działania w celu zatrzymania klientów, zanim będzie za późno.


Zapobieganie rezygnacji z usług stanowi ogromne dodatkowe źródło potencjalnych dochodów dla każdej firmy. Aby zapobiec rezygnacji z usług, oprócz ciągłego doskonalenia produktów i usług stosuje się matematykę predykcyjną.


Odpływ klientów oznacza zakończenie relacji z firmą. Na straty składają się utracone zyski z tytułu rezygnacji oraz koszty poniesione w celu pozyskania utraconych klientów. Koszt początkowego pozyskania tego klienta mógł nie zostać jeszcze pokryty przez dotychczasowe wydatki klienta (w rzeczywistości pozyskanie klienta mogło być inwestycją przynoszącą straty). Straty są doliczane do kosztów pozyskania nowych klientów. Co więcej, pozyskanie nowego klienta jest zawsze trudniejsze i droższe niż utrzymanie dotychczasowego płacącego klienta.


Ograniczenie strat i kosztów związanych z rezygnacją z usług to ogromne dodatkowe źródło dochodów. Dlatego ważne jest, aby umieć wyróżnić klientów o wysokim prawdopodobieństwie rezygnacji - matematyka predykcyjna może sobie z tym poradzić. Jednocześnie pożądane jest posiadanie algorytmu dla praktycznych miar retencji - jest to już obszar matematyki rekomendacyjnej - nakazowej. Aby odnieść sukces w utrzymaniu klientów, marketerzy, sprzedawcy, centra kontaktowe - czyli ci, którzy komunikują się z klientami - muszą być w stanie przewidzieć z wyprzedzeniem, którzy klienci odejdą. Ponadto muszą opracować sekwencję działań marketingowych, która będzie pasować do profilu każdego klienta i najskuteczniej wpłynie na osiągnięcie celu, jakim jest zatrzymanie go w firmie. Mając taką wiedzę, można wyeliminować większość klientów, którzy odchodzą.


W teorii brzmi to prosto, ale w praktyce jest to znacznie trudniejsze do zrealizowania. W szczególności trudność polega na przewidywaniu rezygnacji: metody modelowania matematycznego mają na celu identyfikację wzorców zachowania i atrybutów klientów, których profil wskazuje na większe prawdopodobieństwo rezygnacji klienta w określonym horyzoncie czasowym. Dokładność przewidywań ma kluczowe znaczenie dla powodzenia wszelkich proaktywnych działań retencyjnych: jeśli marketer nie wie, że klient jest zagrożony rezygnacją, nie zostaną podjęte żadne działania wobec tego klienta. Algorytmy sieci neuronowych skutecznie identyfikują klientów podatnych na dezaktywację. Ponadto oferty specjalne lub zachęty lojalnościowe mogą być nieumyślnie oferowane aktywnym klientom, co powoduje utratę przychodów bez uzasadnionej przyczyny.


Odpływ klientów to tendencja klientów do porzucania marki lub konkretnego przedsiębiorstwa. Wskaźnik rezygnacji - odsetek klientów, którzy przestali korzystać z produktów lub usług firmy w danym okresie czasu. Wskaźnik rezygnacji jest wskaźnikiem kondycji organizacji. Pewna część naturalnej rotacji jest nieunikniona, a jej liczba różni się w zależności od branży. Jednak wyższy wskaźnik rezygnacji to pewny znak, że firma robi coś nie tak. Firmy z wysokim wskaźnikiem rezygnacji nie radzą sobie z zarządzaniem relacjami z byłymi klientami i szkodzą swoim przyszłym staraniom o pozyskanie klientów, tworząc negatywne recenzje swoich produktów i usług. Marketerzy mogą wchodzić w interakcje z klientami na różne sposoby, w zależności od ich aktualnego wskaźnika ryzyka rezygnacji. Jednym ze sposobów obliczania wskaźnika rezygnacji jest wzięcie pod uwagę aktywnych klientów w określonym czasie, policzenie liczby dezaktywowanych klientów w wybranym horyzoncie czasowym i obliczenie ilorazu. Definicja "aktywnego klienta" w firmach może być różna, podobnie jak horyzont czasowy, w którym obserwuje się dezaktywację.


Plan działania w celu zmniejszenia churn. Pierwszym krokiem jest zebranie informacji o kliencie. Następnie informacje są umieszczane w hurtowni danych w odpowiednio zaprojektowanych tabelach, po czym sztuczna inteligencja jest wykorzystywana do identyfikacji wzorców zachowania - wskaźników potencjalnego odejścia. Po "zidentyfikowaniu" przez metody matematyczne klientów zagrożonych rezygnacją, podejmowane są odpowiednie działania mające na celu zwiększenie zainteresowania klientów ofertą przedsiębiorstwa.


Można stworzyć  narzędzie, które wyróżnia klientów podatnych na rezygnację oraz systemy rekomendacji, które wskazują najlepszy zestaw działań retencyjnych.

Biznes, marketing, sprzedaż nawiązują komunikację z klientem w celu jego utrzymania. Sukces można osiągnąć tylko wtedy, gdy jednocześnie spełnione są dwa warunki: dokładny sygnał i udana komunikacja.

Model predykcyjny przewiduje rezygnację klientów. Prognoza pozwala zapobiegawczo zatrzymać klienta.

System rekomendacji nakazuje działania mające na celu zatrzymanie klienta: poleca odpowiedni produkt, rabat, odpowiedni pakiet. To najtrudniejsze, ale i najcenniejsze!


W pierwszej kolejności badana jest historia relacji z klientem, czyli wszystkie dostępne informacje na jego temat. Narzędzia analityczne identyfikują wzorce zachowania, które sygnalizują odejście klienta. Modele matematyczne (w szczególności sieci neuronowe) ujawniają wzorce zachowania klientów, którzy już opuścili firmę. System rekomendacji wyodrębnia klientów ze skłonnością do odejścia i w najbardziej zaawansowanym przypadku sugeruje najbardziej odpowiednie działanie retencyjne: konkretne działanie z menu przeciwdziałania rezygnacji (rozmowa telefoniczna, rabat, pakiet specjalny, upselling). Istniejąca baza klientów jest dalej dzielona na tych, którzy prawdopodobnie nie odejdą, i tych, którzy z dużym prawdopodobieństwem odejdą. System monitoruje zachowanie obecnych klientów pod kątem zidentyfikowanych wzorców i wysyła sygnały, jeśli wykryje zachowanie zbliżone do pre-flow.


Głównym kryterium jakości jest stopień zgodności prognozy z faktem. Błędy są nieuniknione: w danych jest dużo „szumu", nie wszystkie decyzje klientów da się zmatematyzować, a my nie mamy wszystkich informacji. Jedyne pytanie to liczba błędów i ich znaczenie. Jak wiadomo, w statystykach występują dwa rodzaje błędów prognoz: pierwszy i drugi rodzaj. W wyniku błędu typu I rekomendujący przewiduje rezygnację, gdy klient tak naprawdę tego nie zaplanował. W takim przypadku następuje zbędna komunikacja i ponoszone są koszty. 

Popełniając błąd typu II, system nie przewiduje odejścia, gdy klient planuje opuścić organizację. Kosztem takiego błędu jest utrata klienta. Koszt błędnej komunikacji jest zwykle mniejszy niż utracony zysk z utraty klienta.

 Głównym kryterium jakości jest stopień, w jakim prognoza odpowiada faktom. Błędy są nieuniknione: w danych jest dużo "szumu", nie wszystkie decyzje klientów można zmatematyzować i nie będziemy dysponować wszystkimi informacjami. Pozostaje tylko pytanie o liczbę błędów i ich znaczenie. Jak wiadomo, w statystyce występują dwa rodzaje błędów predykcji: typu pierwszego i typu drugiego. W wyniku błędu typu pierwszego rekomendujący przewiduje anulowanie rezerwacji, podczas gdy klient w rzeczywistości tego nie planował. W takim przypadku dochodzi do niepotrzebnej komunikacji i powstają koszty. 

W wyniku błędu typu II system nie przewiduje rezygnacji, gdy klient zamierza opuścić organizację. Kosztem takiego błędu jest utrata klienta. Koszt błędnej komunikacji jest zwykle mniejszy niż zysk utracony w wyniku utraty klienta.

Model matematyczny daje prawdopodobieństwo, interpretowane jako skłonność do rezygnacji. Co robić dalej? Odpowiedź jest oczywista: zadaniem firmy jest stworzenie listy działań, które pozwoli utrzymać klientów. Następnie należy dopasować każde prawdopodobieństwo do działania handlowego z tej listy. Im większe prawdopodobieństwo odejścia, tym bardziej agresywne powinny być działania retencyjne.


Drzewo klasyfikacji klientów ma cztery liście. Pierwsza kategoria - "dobrzy" - to aktywni klienci, którzy nie mają zamiaru odejść w interesującym ich horyzoncie czasowym. Druga grupa to aktywni klienci, u których prawdopodobieństwo odejścia jest wysokie. Aby ich zatrzymać, konieczna jest proaktywna komunikacja z nimi. Trzecia grupa to klienci, którzy są obecnie nieaktywni, ale oczekują, że będą aktywni w najbliższej przyszłości. Nie należy się z nimi kontaktować (i ponosić kosztów). Wreszcie czwarta grupa to klienci nieaktywni, którzy nie mają zamiaru być aktywni w przyszłości. Wskazane jest podjęcie próby powrotu do tej kategorii, choć jest to mało prawdopodobne.


Prawdopodobieństwo bycia aktywnym w horyzoncie czasowym implikuje dwa przypadki. W pierwszym przypadku aktywni klienci pozostają aktywni przez cały wybrany horyzont czasowy. W drugim przypadku aktualnie nieaktywni klienci są aktywowani w horyzoncie czasowym. Następnie wyróżniamy trzy segmenty klientów. Pierwszy segment to ci, którzy bezpowrotnie odeszli, z którymi się nie komunikujemy i ponosimy koszty. Drugi segment to klienci o wysokim prawdopodobieństwie aktywacji, z którymi prowadzimy komunikację i ponosimy w związku z tym koszty. Trzeci segment to klienci, którzy aktywują się sami, nie komunikujemy się z nimi i nie ponosimy żadnych kosztów.

 
Przewidywanie rezygnacji jest ważne tylko w takim stopniu, w jakim można podjąć skuteczne działania w celu zatrzymania klientów, zanim będzie za późno. Po zidentyfikowaniu klientów wychodzących pracownicy muszą dokładnie wiedzieć, jakie działania marketingowe należy podjąć w stosunku do każdego klienta, aby zmaksymalizować szanse na to, że pozostanie on klientem wychodzącym. Ponieważ różni klienci przejawiają różne zachowania i preferencje, a także z powodu różnych powodów odchodzą, bardzo ważne jest stosowanie praktyki "ukierunkowanego proaktywnego utrzymywania klientów".

Nasza lokalizacja

Agencja Interaktywna  Web Wizard.com
rok założenia 2000


52-220 Wrocław, ul. Gen. Grota-Roweckiego 8/10
NIP:        PL 899-142-54-65
REGON:   932899803

kontakt telefoniczny w godzinach 8.30 - 16.30

tel.    +48 71 346 29 73
tel. kom.  +48 502 387 145

 

Formularz kontaktowy

Od nawiązania kontaktu z Nami, dzieli Cię Tylko jeden krok, który może być początkiem długoletniej współpracy.
Z pewnością szybko ulegnie zapomnieniu treść przesłanej korespondencji, ale nigdy nie zapomnisz tego jak się czułeś podczas współpracy z nami.

Zaczynamy?

 

*

Przeglądaj Dodaj plik

Podanie powyższych danych jest dobrowolne, przy czym podanie adresu e-mail jest niezbędne do uzyskania odpowiedzi. Osobie, której dane dotyczą, przysługuje prawo dostępu do treści jej danych osobowych oraz możliwość ich poprawiania lub usunięcia.

Administratorem danych osobowych jest Agencja Interaktywna Web Wizard.com z siedzibą we Wrocławiu, ul. Gen. Grota-Roweckiego 8/10, 52-220 Wrocław prowadząca działalność gospodarczą na podstawie wpisu do ewidencji działalności gospodarczej nr 1661331 z dnia 13.03.2003, REGON: 932899803, e-mail: biuro@webwizard.com.pl

Dane osobowe zawarte w powyższym formularzu będą przetwarzane w celu udzielenia odpowiedzi na zadane pytanie. Szczegółowe informacje znajdują się w Polityce prywatności.