Πρόβλεψη Churn: πώς να εντοπίσετε τους πελάτες που πρόκειται να φύγουν και να ενεργήσετε εγκαίρως

Ένα μοντέλο πρόβλεψης απόκλισης εκτιμά πόσο πιθανό είναι κάθε πελάτης να σταματήσει να αγοράζει, να ακυρώσει ή να λήξει εντός ενός καθορισμένου παραθύρου, ώστε να μπορείτε να ενεργήσετε πριν φύγει. Για να λειτουργήσει, χρειάζεται τρία πράγματα: σήματα συμπεριφοράς που αλλάζουν πριν φύγει ένας πελάτης (μείωση χρήσης, πιο αργές συνδέσεις, εισιτήρια υποστήριξης, χαμένες πληρωμές), σαφής ορισμός του τι σημαίνει "αναπήδησε" και ένα ιστορικό με ετικέτα του ποιος πραγματικά έφυγε και μια απόφαση που επισυνάπτεται στη βαθμολογία ώστε μια σημαία υψηλού κινδύνου να ενεργοποιεί μια πραγματική παρέμβαση. Το μοντέλο παράγει μια πιθανότητα ανά πελάτη. Αυτός ο αριθμός από μόνος του δεν κάνει τίποτα. Η μείωση της αναστάτωσης είναι μια ξεχωριστή πειθαρχία: εξαρτάται από το τι κάνετε με τη λίστα κινδύνου, όχι από το πόσο σωστά την είχατε προβλέψει. Αντιμετωπίστε τη παρτιτούρα ως την αρχή της εργασίας και όχι ως το τέλος της.

Τι σήματα χρειάζεται ένα μοντέλο πρόβλεψης ανατροπής;

Ένα μοντέλο μπορεί να δει μόνο αυτό που καταγράφετε. Τα χρήσιμα σήματα είναι αυτά που κινούνται πριν φύγει ένας πελάτης, όχι μετά.

• Τάση αφοσίωσης, όχι μόνο επίπεδο. Ένας πελάτης που μειώνεται από την καθημερινή σε εβδομαδιαία χρήση σας λέει περισσότερα από την απόλυτη χρήση του. Η κλίση μετράει περισσότερο από τη θέση.
• Τελευταία και συχνότητα. Ημέρες από την τελευταία σύνδεση, την τελευταία παραγγελία ή την τελευταία σημαντική ενέργεια. Η επιμήκυνση των κενών είναι μια έγκαιρη προειδοποίηση.
• Υποστήριξη και τριβή. Όγκος εισιτηρίων, επαναλαμβανόμενες αποτυχημένες ενέργειες, παράπονα, χρόνος για επίλυση.
• Εμπορικά σήματα. Αποτυχημένες πληρωμές, υποβαθμίσεις, απόρριψη ανανεώσεων, πτώση αξίας παραγγελίας.
• Πλαίσιο κύκλου ζωής. θητεία, τύπος σχεδίου, ολοκλήρωση ενσωμάτωσης. Ένας πελάτης τριών εβδομάδων και ένας πελάτης τριών ετών ανατρέπονται για διαφορετικούς λόγους.

Ο ειλικρινής περιορισμός: εάν ένα σήμα δεν καταγραφεί σήμερα, το μοντέλο δεν μπορεί να το χρησιμοποιήσει αύριο. Συχνά το πρώτο πραγματικό κομμάτι της εργασίας είναι να διορθώσετε αυτό που καταγράφετε, όχι να εκπαιδεύσετε τίποτα.

Πώς χαρακτηρίζετε το churn ώστε το μοντέλο να μπορεί να μάθει;

Η επισήμανση είναι εκεί όπου τα περισσότερα έργα αναστέλλουν αθόρυβα λάθος, επειδή η "αναδόμηση" δεν είναι ένα πράγμα. Πρέπει να το ορίσετε πριν το μοντελοποιήσετε.

1. Διαλέξτε το συμβάν ανατροπής. Η ακύρωση είναι εύκολη. Ένας ήσυχος πελάτης που απλώς σταματά να παραγγέλνει είναι πιο δύσκολος. Για μη συνδρομητικές επιχειρήσεις, συνήθως ορίζετε την ανατροπή ως μη δραστηριότητα εντός ενός κυλιόμενου παραθύρου (για παράδειγμα, καμία αγορά σε 90 ημέρες).
2. Επιλέξτε το παράθυρο πρόβλεψης. Προβλέπετε ανατροπή στις επόμενες 30, 60 ή 90 ημέρες; Το παράθυρο πρέπει να ταιριάζει με το χρόνο που χρειάζεται η παρέμβασή σας να λειτουργήσει.
3. Δημιουργήστε το ιστορικό. Πάρτε ένα παρελθοντικό χρονικό σημείο, χρησιμοποιήστε μόνο τα δεδομένα που ήταν διαθέσιμα τότε και επισημάνετε εάν κάθε πελάτης έπεσε μετά από αυτό. Η χρήση πληροφοριών που δεν υπήρχαν ακόμη (σφάλμα διαρροής) κάνει ένα μοντέλο να φαίνεται εξαιρετικό στις δοκιμές και άχρηστο στην παραγωγή.
4. Ελέγξτε το βασικό επιτόκιο. Εάν μόνο ένα μικρό μερίδιο πελατών διασπάται, η ακρίβεια από μόνη της είναι παραπλανητική. Ένα μοντέλο που προβλέπει «κανείς δεν φεύγει» μπορεί να σκοράρει πολύ και να μην βοηθήσει κανέναν.

Ποια είναι η διαφορά μεταξύ της πρόβλεψης της ανατροπής και της μείωσής της;

Αυτή είναι η διάκριση που αποφασίζει εάν το έργο πληρώνει για τον εαυτό του.

	Πρόβλεψη ανατροπής	Μείωση της ανατροπής
Έξοδος	Μια βαθμολογία κινδύνου ανά πελάτη	Λιγότεροι πελάτες πραγματικά φεύγουν
Ανήκει σε	Δεδομένα και μηχανική	Η ομάδα που μιλάει με πελάτες
Μετρήθηκε με	Ακρίβεια μοντέλου, ακρίβεια, ανάκληση	Ποσοστό διατήρησης, εξοικονομημένα έσοδα
Αποτυγχάνει όταν	Τα σήματα λείπουν ή έχουν διαρρεύσει	Κανείς δεν ενεργεί στο σκορ

Ένα μοντέλο που κατατάσσει τους πελάτες σας με βάση τον κίνδυνο είναι μόνο η διάγνωση. Η μείωση προέρχεται από την ανταπόκριση: μια κλήση από έναν διαχειριστή λογαριασμού, μια στοχευμένη προσφορά, μια επιδιόρθωση στο βήμα ενσωμάτωσης όπου αποχωρούν οι χρήστες. Το σκορ δείχνει την ανταπόκριση στα σωστά άτομα. Δεν κάνει την απάντηση να συμβεί.

Αυτή είναι η ίδια λογική που διέρχεται από προγνωστικά αναλυτικά στοιχεία: μετατροπή δεδομένων σε αποφάσεις. Μια πρόβλεψη που κανείς δεν ενεργεί είναι χόμπι, όσο ακριβής κι αν είναι.

Πώς ενεργείτε σε ένα σκορ ανατροπής χωρίς να το σπαταλάτε;

Το να ενεργείς σωστά σημαίνει να είσαι επιλεκτικός, γιατί η παρέμβαση έχει κόστος και μια λάθος παρέμβαση μπορεί να κάνει κακό.

• Ορίστε ένα όριο ανάλογα με τη χωρητικότητα. Εάν η ομάδα σας μπορεί να καλεί πενήντα πελάτες την εβδομάδα, η βαθμολογία θα πρέπει να τους δίνει τους πενήντα περισσότερους σε κίνδυνο, όχι μια λίστα με χιλιάδες.
• Αντιστοιχίστε την ενέργεια με το λόγο. Ένας πελάτης που διατρέχει κίνδυνο έναντι της τιμής χρειάζεται διαφορετική απάντηση από αυτόν που έχει κολλήσει σε ένα σπασμένο χαρακτηριστικό. Τα σήματα που οδήγησαν το σκορ συνήθως σας λένε ποια.
• Αποφύγετε την υπερβολική επαφή με το χρηματοκιβώτιο. Η επικοινωνία με έναν ευχαριστημένο πελάτη χαμηλού κινδύνου με μια προσφορά διατήρησης μπορεί να γεννήσει την ιδέα της αποχώρησης. Η ακρίβεια σας προστατεύει εδώ.
• Κλείστε το βρόχο. Καταγράψτε τι κάνατε και αν λειτούργησε και μετά ανατροφοδοτήστε το. Τα δεδομένα παρέμβασης είναι αυτά που επιτρέπουν στο μοντέλο και το βιβλίο παιχνιδιού να βελτιωθούν.

Με αυτόν τον τρόπο, το σκορ γίνεται μια ουρά που εργάζεται η ομάδα σας, με τις πιο πολύτιμες συζητήσεις στην κορυφή.

Το πρακτικό takeaway

Η κατασκευή του μοντέλου είναι το μικρότερο μισό της δουλειάς. Το μεγαλύτερο μισό ορίζει με ειλικρίνεια την ανατροπή, αποτυπώνει τα σήματα που κινούνται νωρίς και συνδέει μια πραγματική δράση στο σκορ. Εάν σχεδιάζετε ένα μοντέλο πρόβλεψης απόκλισης, κάντε μια ερώτηση πριν αγγίξετε δεδομένα: όταν ένας πελάτης βαθμολογείται με υψηλό ρίσκο, τι συμβαίνει στη συνέχεια και ποιος το κάνει; Εάν δεν υπάρχει απάντηση, έχετε ένα έργο μαθηματικών, όχι ένα πρόγραμμα διατήρησης. Αν υπάρχει, έχετε κάτι που αξίζει να χτίσετε. Αυτό είναι το είδος εργασίας που βασίζεται στην πρακτική μας προγνωστικά αναλυτικά.