Przewidywanie odejść klientów na podstawie danych

Zanim klient wypowie umowę, decyzja zwykle zapadła już dawno temu. Miesiąc wcześniej przestał się logować, rzadziej sięgał po produkt, zostawił zgłoszenie do obsługi bez odpowiedzi i po cichu rozejrzał się u konkurencji. Wypowiedzenie to już tylko formalność.

Wyzwaniem nie jest reakcja na tę formalność. Jest nim odczytanie sygnałów, które ją poprzedzają, póki jest jeszcze co ratować.

Większość odejść przebiega w ciszy i właśnie dlatego można je przewidzieć

Instynkt podpowiada, żeby czekać na reklamację. I to właśnie ten instynkt jest problemem. Zdecydowana większość niezadowolonych klientów nigdy się nie odzywa. Po prostu sięgają po produkt coraz rzadziej, przedłużają umowę z wahaniem, a w końcu odchodzą.

Cisza to jednak nie to samo co brak sygnałów. Klient, który ma zamiar odejść, zachowuje się inaczej na długo przed samą decyzją. Loguje się rzadziej. Przestaje korzystać z nowych funkcji. Kontaktów z obsługą gwałtownie przybywa albo znikają zupełnie. Płatności zaczynają się opóźniać. Żaden z tych sygnałów z osobna niczego nie przesądza, ale razem układają się we wzorzec, a to właśnie wzorce wychwytują modele.

Co naprawdę daje model odejść

Model odejść przypisuje każdemu klientowi prawdopodobieństwo rezygnacji w określonym horyzoncie, na przykład w ciągu najbliższych 30, 60 lub 90 dni. Powstaje on tak, że dotychczasowych klientów oznacza się jako tych, którzy odeszli albo zostali, a następnie uczy model rozpoznawać, które kombinacje wcześniejszych zachowań odróżniały jedną grupę od drugiej. Liczy się tu wszystko: staż współpracy, świeżość i częstotliwość korzystania, historia kontaktów z obsługą, wskaźniki satysfakcji, opóźnienia w płatnościach i rodzaj planu.

Efektem nie jest kolejny dashboard. To uszeregowana lista: konta najbardziej skłonne do odejścia, i to w pierwszej kolejności, ułożone tak, by działania retencyjne trafiały tam, gdzie realnie zmieniają wynik, a nie tam, gdzie jest najgłośniej.

Wiedza o tym, kto odejdzie, to połowa odpowiedzi. Druga połowa to dlaczego odchodzi i co sprawi, że zostanie.

Stawka ekonomiczna, by robić to dobrze, wcale nie jest mała. Retencja procentuje w sposób, w jaki pozyskiwanie klientów nigdy nie procentuje.

Ta sama arytmetyka tłumaczy, dlaczego zapobieganie wygrywa z odrabianiem strat. Zastąpienie utraconego klienta to najdroższy sposób na wzrost.

To dlatego budżety się przesunęły. Po raz pierwszy firmy wydają więcej na utrzymanie klientów, których już mają, niż na pogoń za tymi, których jeszcze nie pozyskały.

Model jest wart tyle, ile działanie, które wyzwala

Predykcja bez interwencji to po prostu precyzyjniejszy sposób przyglądania się, jak klienci odchodzą. Zespoły, które naprawdę poprawiają wynik, traktują model jako pierwszy krok w pętli, a nie jako ostatnie słowo.

1. Zdefiniuj churn pod swój biznes, a nie w oderwaniu od niego. Brak przedłużenia umowy, wypowiedzenie czy próg bezczynności, każde z nich oznacza inną zmienną docelową i inny horyzont czasowy. Pomyl się na tym etapie, a każda kolejna liczba będzie fałszywa.
2. Oceniaj ryzyko w zestawieniu z wartością, a nie w oderwaniu od niej. Konto o wysokim ryzyku i wysokiej wartości zasługuje na inną reakcję niż konto o wysokim ryzyku i niskiej wartości. Nałożenie prawdopodobieństwa odejścia na wartość klienta w całym cyklu życia porządkuje listę według tego, co naprawdę jest na szali.
3. Powiąż wynik z przyczyną. Analiza czynników retencji odpowiada na pytanie, na które samo prawdopodobieństwo odpowiedzieć nie potrafi: czy klient odchodzi z powodu ceny, słabego wykorzystania produktu czy obsługi, i która dźwignia go ruszy.
4. Dopasuj interwencję do przyczyny. Obawa o cenę i luka we wdrożeniu wymagają zupełnie odmiennych zagrań. Model wskazuje kierunek; analiza czynników celuje precyzyjnie.
5. Mierz przyrost względem grupy kontrolnej. Obejmij działaniami grupę zagrożoną, a jej część odłóż jako grupę kontrolną. Jeśli wśród klientów objętych interwencją odejść nie ubywa, to taki program jest teatrem, a nie retencją.

Gdzie powstaje wartość

Model odejść, który napędza pętlę retencyjną, zmienia ekonomię całej bazy klientów. Przesuwa zespół od reagowania na wypowiedzenia, których cofnąć się już nie da, do działania na wczesnych sygnałach, na które wciąż można wpłynąć. Zaawansowana analityka zastosowana do ścieżki klienta potrafi ograniczyć churn nawet o 15 procent, a klienci, których uda się zatrzymać, to najtańszy wzrost, na jaki firma kiedykolwiek się zdobędzie.

Jeśli chcesz zobaczyć, jak budujemy predykcję i oparte na niej programy retencyjne, poznaj nasze realizacje w obszarze Churn Modeling lub przejrzyj studia przypadków.