Oferta

Analizy antychurn (rezygnacje klientów)

Dodano:
6 października 2020

Zatrzymaj najbardziej wartościowych klientów, którzy rozważają odejście

Pozyskiwanie nowych klientów jest trudne i kosztowne. W większości dojrzałych branż, gdy rynek nie rośnie już tak dynamicznie, trzeba przeciągać klientów od konkurencji, co z wiąże się często z oferowaniem dużych rabatów i innego rodzajów kosztownych benefitów, oraz wydatkami na reklamę. W tej sytuacji kluczowe staje się więc utrzymanie własnych klientów i zapobieganie ich odchodzeniu do konkurencji. Wykorzystując modele predykcyjne można przewidywać, którzy klienci są w największym stopniu zagrożeni rezygnacją w określonym czasie (np. w następnym kwartale). Mając taką wiedzę można skierować do zagrożonych klientów odpowiednie kampanie utrzymaniowe.

Analityka pozwala później także mierzyć skuteczność takich kampanii i szacować ich ROI. W połączeniu z modelami szacującymi wartość klienta możliwe jest nadanie priorytetu utrzymaniu klientów najbardziej wartościowych, których strata w największym stopniu obciążyłaby budżet firmy. Możliwe jest także odpowiednie alokowanie budżetu przeznaczonego na działania retencyjne. Przykładowo do klientów o najwyższej wartości, można skierować kampanię telefoniczną wspartą atrakcyjną ofertą rabatową, podczas gdy mniej wartościowym klientom, wysłać wiadomość e-mail. Kluczem do sukcesu takiej strategii jest jak najbardziej precyzyjne prognozowanie zagrożenia odejściem. Jest to możliwe dzięki modelom predykcyjnym, gdyż klienci zazwyczaj wysyłają sygnały (czasem dosyć subtelne), które świadczą o podwyższonym prawdopodobieństwie ich odejścia. Im więcej źródeł danych mogą wykorzystać modele, tym dokładniejsze prognozy (dużą wartość stanowią przykładowo dane o reklamacjach i kontaktach z biurem obsługi), jednak często nawet same dane transakcyjne stanowią dobrą podstawę do budowy modeli.

Analiza rezygnacji klientów pozwala nie tylko na identyfikowanie tych najbardziej zagrożonych ale także na zrozumienie czynników, które wpływają na wzrost prawdopodobieństwa odejścia (np. zakup konkretnego produktu lub usługi, wizyta w określonym punkcie sprzedaży, zbyt długi czas oczekiwania na rozpatrzenie reklamacji). Pozwala to na wskazanie obszarów w firmie, w których konieczne są zmiany dla zwiększenia satysfakcji i utrzymania konsumentów.

Zjawisko churn odnoszone jest zazwyczaj do biznesów opartych o subskrypcje bądź kontrakty (przykładowo abonamenty w telefonii), jednak może być ono definiowane i analizowane także w przypadku relacji opierających się o nieregularne transakcje. Zaawansowane metody analityczne mogą w takich przypadkach dać odpowiedź na pytanie jakie jest prawdopodobieństwo, że konsument bez transakcji w ciągu ostatnich 9-miesięcy powróci jeszcze do sklepu. Odpowiedź zależy oczywiście od branży ale także od historii konkretnego konsumenta i momentu cyklu jego życia (identyfikacja którego możliwa jest dzięki modelom cyklu życia klienta). Warto zacząć od analizy podstawowych źródeł danych i stopniowo rozbudowywać narzędzie, zwiększając dokładność prognoz i pogłębiając zrozumienie zjawiska.