Внедрение искусственного интеллекта для прогнозирования клиентов, которым грозит отток

Потеря чего-либо для кого-либо, как правило, не является радостным моментом. Это никому не нравится. Часто мы думаем, что если узнаем об этом событии заранее, мы сделаем все, чтобы его предотвратить.

Точно так же успешные компании понимают последствия потери ценных клиентов. Их успех зависит от того, чтобы клиенты были довольны, чтобы они продолжали использовать свои продукты из года в год. Когда клиенты прекращают использовать их продукты раньше, их бизнес теряет тонны будущих доходов и роста.

В этом посте мы поговорим о том, как предсказать, какие клиенты будут уходить в ближайшем будущем и почему они будут уходить? Знание заранее, какие клиенты собираются уйти, очень полезно для вас и вашего бизнеса. Но не так полезно, как знать, почему они сбиваются. Если вы не знакомы с термином отток, перейдите по этой ссылке.

Перво-наперво вам нужны правильные данные, чтобы что-либо предсказывать !!

Правильные данные для прогнозирования оттока

Первое, что вам понадобится при прогнозировании клиентов из группы риска, - это данные. Постарайтесь собрать все данные о клиентах из отделов продаж, маркетинга, операций, обслуживания клиентов, ИТ и продуктов.

Составьте целостный список функций, которые могут повлиять на отток пользователей.

Историческое наблюдение за оттоком населения

Исторически сложилось так, что давайте создадим бинарный флаг для каждого клиента, а затем свернем его, чтобы наблюдать за темпами оттока с течением времени, а затем проверить с отделами продаж и финансов, выглядит ли он правильным или нет. Мы делаем это, чтобы определить, построили ли мы правильную логику для определения оттока клиентов.

Посмотрите также на отток в разных когортах, как показано на рисунке ниже -

Теперь давайте построим функции на основе факторов, которые могут повлиять на отток.

  1. Опыт работы с продуктом. В идеале, опыт работы с продуктом должен быть самым важным фактором, способствующим оттоку клиентов. Если конкуренты продают аналогичные продукты, то другими факторами могут быть продажи, цены, доступ к продукту на рынок, обслуживание клиентов, лояльность и т. Д.

Например, в сфере телекоммуникаций вы можете создать такие функции, как количество прерванных вызовов, количество звонков с низким качеством, покрытие мобильной сети и т. Д., Чтобы измерить качество продукта.

Если ваш бизнес не зависит от какого-либо конкретного продукта, попробуйте сначала создать продукт, а затем беспокойтесь о его оттоке.

2. Транзакции. Большинство моделей, которые я видел в производстве в разных отраслях, основаны на использовании продукта. На основе данных о транзакциях мы создаем такие функции, как срок владения, недавняя транзакция, средний размер заказа, количество различных продуктов или, в основном, называемые RFM (функции «Время последнего посещения», «Частота» и «Денежные средства»). Здесь вы берете все доступные данные и сравниваете их с новейшим алгоритмом, таким как xgboost, нейронные сети и т. Д., Для достижения максимальной точности.

В таких моделях у вас нет возможности узнать, почему клиенты больше не покупают у вас товары? Почему они больше с вами не обручились?

3. Ценообразование. Настройте ценообразование в соответствии с ценой конкурента. Если вы предлагаете определенный продукт по X, а конкурент предлагает по Y, ваша функция должна быть X-Y. Если конкурент снизил цену в последнее время, вы испытаете дополнительный отток.

4. Поддержка клиентов. Когда ваши клиенты говорят с вами, вы слушаете? Вам нужно держать руку на пульсе всего клиентского опыта. Аналитика продукта не учитывает это. Вместо этого вам нужно поговорить со своими клиентами и узнать от них, как идут дела. Вот почему регулярные проверки Net Promoter Scores (NPS) и удовлетворенности клиентов (CSAT) являются обязательными.

Частота и серьезность проблем с обслуживанием также являются важным показателем оттока. Клиенты, разочарованные впечатлениями от продукта, не захотят оставаться с ними, если у них нет выбора. А в сегодняшней гиперконкурентной среде у вашего клиента всегда есть другой вариант.

5. Демографические данные

Демографические данные, такие как возраст, местоположение, уровень дохода, история образования, семья, домохозяйство и т. Д., Также могут установить некоторую корреляцию с оттоком. Исследуйте дальше, чтобы установить причинно-следственную связь.

Никаких моделей машинного обучения "черный ящик", пожалуйста!

Если вы отправляете список клиентов, которые собираются уйти в ближайшем будущем без причины ухода, то они вряд ли смогут что-то с этим поделать. Ваши прогностические модели должны быть детерминированными по своей природе.

Чтобы удерживать клиентов, вам нужно знать,

  • У них плохой опыт работы с продуктами, или есть другие доступные продукты, которые им больше подходят.
  • Они платят больше, чем другие, за одни и те же услуги.
  • У них плохое обслуживание клиентов

Заключение

Удержание клиентов является обязательным условием для вашего бизнеса. Данные о подписке, платежах, продукте и поддержке объединены, чтобы предоставить полное представление о клиенте. При построении прогностической модели делайте прогнозы заранее, чтобы ваша команда могла действовать проактивно, а не реагировать. Вы также должны убедиться, что ваша модель не является черным ящиком - убедитесь, что конкретные риски оттока можно идентифицировать, чтобы ваша команда знала, как реагировать.

Хотите сделать будущее менее неопределенным? Прогнозные модели - ваш ключ к пониманию того, что будет дальше.

Ссылки - Google, некоторые блоги и т. Д.