利益驅動保留管理與機器學習
企業忠誠度最高的評級和保持率收入增長了250%速度比他們的同行和交付兩到五倍的股東回報超過10年的時間。獲得忠誠和獲得最大數量的客戶留下來是在最佳利益的公司和它的客戶基礎。beplay体育app下载地址
為什麼公司鬥爭保留?除了一些基於訂閱的企業,如電信,報告每用戶平均收入(ARPU),大多數公司不要求或被迫在公共文件中披露這。許多公司專注於功能優先級而不是客戶,相信通過這些努力客戶忠誠度自然會出現。事實上,最近的一項調查由尼爾森強調,解決“客戶流失是最後一個優先級時,企業的營銷目標。”
尤其成問題的越來越多的證據表明,客戶正在重新考慮怎樣和在哪裏花他們的錢。beplay体育app下载地址雖然大多數研究識別這些轉變的一部分對COVID消費者的反應,但事實上,這在品牌忠誠度越來越不感興趣早於當前的危機。
在客戶的終身價值交付
客戶保留必須成為任何公司尋求的優先事項長期增長。在最近的一係列文章在客戶生命周期價值訂閱和non-subscription模型,我們研究如何保留在建立有利可圖的客戶關係中起著至關重要的作用。至少,客戶需要在公司保持了足beplay体育app下载地址夠長的時間,以抵消他們的收購成本,但理想關係繼續提供利潤遠遠超出。
圖1所示。生產在客戶生命周期的不同階段的旅程
有效管理的關鍵瀦留,減少流失率,發展方式的理解客戶生命周期應該進步(圖1),檢查在一生的旅程客戶可能會流失。beplay体育app下载地址在早期階段,客戶仍在學習他們所消費beplay体育app下载地址的產品和服務,如何從他們中獲得益處。主動參與,鼓勵采用行為最大化這些好處可以幫助客戶過渡到後期的持續消費。beplay体育app下载地址在這些後期,通過品牌識別與客戶不僅可以鼓勵繼續忠誠但幫助客戶成為品牌大使,幫助beplay体育app下载地址有機給業務帶來新客戶,減少加載的挑戰。
你救不了他們……
當客戶放棄的關係,重要的是,我們明白為什麼。一些生產的長期關係可能代表自然的結論終於結束。在這樣的場景中,我們將繼續獲得價值過渡客戶提供的其他產品和服務在我們的投資組合或合作夥伴組織。或者我們可能僅僅允許客戶離開,內容知道滿足客戶可能會繼續作為淨推薦。
當客戶提前離開,我們需要采取糾正措施。生產在早期階段的一生的旅程可能表明困難使用產品或服務或通過他們認識價值。在後期可能表明生產減少價值真實的或者所感知到的,由於產品的變化,其交付或競爭格局。在任何階段,業務流程等問題未能識別信用卡到期可能無意中把客戶。beplay体育app下载地址生產的具體原因是高度多樣,每一個都需要不同的回應在個體和組織兩個層麵。
你也不應該
解決個人時,重要的是要考慮任何糾正措施的成本和效益。每一個客戶都有潛在價值的公司,派生關係的生命周期。避免生產成本是否通過促銷活動,折扣或其他優惠政策不應該超過剩餘價值我們可能會希望保留。我們的目標應該始終保持盈利能力。
這不僅需要仔細考慮個體的CLV但實施積極的成本保持運動。規劃和管理以及相關的勞動力成本一致,持續接觸必須平均(理想情況下大)分數的高危客戶留存。beplay体育app下载地址
這是在沒有辦法旨在阻止組織追求保留管理策略。事實上,許多研究表明,它的成本比(或更多)獲得一個新顧客比留住一個現有的,和公司可能看到增加95%的利潤每個生產減少5%。不過,我們必須小心背後的宏觀模式識別和解決生產繼續保持壓力下降,同時有選擇地參與高危客戶與誰有最岌岌可危。beplay体育app下载地址這是機器學習和預測分析可以幫助的地方。
使用機器學習來量化生產的可能性
飛機離港前的客戶發出的信beplay体育app下载地址號通常是埋在整體客戶活動的噪音。防止客戶離開需要我們有一些先進的注意,通過大量曆史數據的仔細檢查,機器學習模型是適合的。
經典的技術,如使用邏輯回歸、決策樹、積極的生產檢測可能對事件如生產(理想情況下)發生的頻率較低(圖2)。更多的現代技術,如神經網絡和梯度增加樹木更能撿的微妙變化模式表示攪動,但需要仔細的配置和評價。
圖2。生產之間的不平衡和not-churning類在一個真實的數據集
成功的關鍵是遠離這些模型他們會或不會他們心態,轉而接受任何客戶流失預測中固有的不確定性。當我們開始檢查所有脆弱的客戶生產的可量化的風險,從我們的計算我們可以專注於消除不beplay体育app下载地址確定性。配備更可靠的預測波動風險,我們可以更仔細地檢查剩餘CLV與個人客戶和更有針對性的做出決定何時以及如何進行幹預。beplay体育app下载地址
使用磚關注的業務結果
機器學習和數據科學一般來說並不容易。但結合數據與專業軟件、管理基礎設施,使模型處理和頻繁的再加工,並提供輸出下遊業務係統不應該消耗您組織的時間。
下利用彈性雲計算基礎設施平台最受歡迎的機器學習庫預先集成,數據科學家們立即訪問所需的功能運動。Beplay体育安卓版本使用預先集成的框架如hyperopt和mlflow,以前費力又費時的家務優化模型的性能和配置可以自動化(圖3),由一個強大的、可動態伸縮的數據處理引擎,山上的數據駐留在哪個客戶信號可以快速高效地檢查。
圖3。模型精度相對於各種hyperparameter值
看看這些功能一起來解決客戶流失預測,看看我們的解決方案加速器資產演示如何從原始數據到預測利用真實的數據: