Вернуться назад

Прогнозирование и сокращение оттока клиентов с помощью машинного обучения

Эта статья посвящена применению машинного обучения для предотвращения оттока клиентов. На примере одного клиента мы покажем, как определить потребность, проблему, найти решение и ключевые преимущества.


Что такое отток клиентов?

Отток клиентов - это термин, используемый, когда существующий клиент перестает пользоваться услугами компании и/или перестает покупать ее продукты. Другими словами, клиент решает разорвать свои связи с компанией. Некоторые типы оттока не могут быть предотвращены – например, переезд в другую страну. Такой отток классифицируется как неадресный отток. В этой статье мы сосредоточимся на другом классе оттока клиентов - адресуемом оттоке.

Отток капитала - это огромная проблема для компаний, так как он способствует снижению выручки. В то же время это создает дополнительное давление на команду, чтобы компенсировать потерянный доход. Один из способов сделать это - привлечь новых клиентов. Но, как мы все знаем, привлечение клиентов сложно и дорого. Кроме того, затраты на привлечение клиентов еще больше повлияют на общий доход компании.

Есть и некоторые другие косвенные результаты, связанные с оттоком клиентов. Ушедшие клиенты начинают новые отношения с конкурентами компании. Иногда они могут даже попытаться забрать с собой других постоянных клиентов.

В одной из недавних исследовательских заметок PWC был сделан вывод о том, что:

«Финансовые учреждения потеряют 24% выручки в ближайшие 3-5 лет, в основном из-за оттока клиентов в новые финтех-компании.»

По причинам, упомянутым выше и многим другим, сокращение оттока клиентов является ключевой бизнес-стратегией для большинства компаний. Даже если сокращение оттока клиентов не является стратегической целью компании, это определенно в их интересах, чтобы сохранить каждого клиента.

Итак, теперь, когда мы понимаем, что такое отток клиентов и почему он должен быть решен в срочном порядке, давайте рассмотрим различные подходы, которые компании используют сегодня для решения этой проблемы.

Как правило, племенные знания и/или предвзятое суждение используются для выявления клиентов, которые, вероятно, могут уйти. В таких сценариях вы, скорее всего, в конечном итоге нацельтесь на клиентов, которые не будут покидать вас. Предоставление таким клиентам стимулов к удержанию добавляет ненужные эксплуатационные расходы. Кроме того, вы рискуете не достучаться до клиентов, которые могут действительно уйти. Следовательно, вы в конечном итоге теряете свой бизнес.

Теперь, когда мы понимаем, что такое отток клиентов и почему он должен быть решен в срочном порядке, давайте рассмотрим различные подходы, которые компании используют сегодня для решения этой проблемы.


Может ли управляемая ИИ аналитика помочь спрогнозировать/уменьшить отток клиентов?

Мы углубимся в тематическое исследование, в котором излагаются потребности, проблемы, решения, подходы и преимущества для решения. Данные, имена, номера и некоторые другие элементы были анонимизированы / рандомизированы для защиты конфиденциальной информации и уважения их конфиденциальности. Такой пример приводит один из калифорнийских стартапов.

Бизнес: Международный Банк.

Отрасль: Финансовые Услуги.

Потребность: крупные банки теряют клиентов из-за финтех-стартапов. Стартапы используют основанный на данных подход к приобретению, обслуживанию и удержанию клиентов. Крупные банки нуждаются в инновациях, чтобы удержать клиентов. Они должны активно обращаться к клиентам, которые могут уйти.

Проблема: ведущий многонациональный банк фокусируется на частном банковском деле. Банк столкнулся с возросшим оттоком клиентов за прошедший период из-за возросшей конкуренции на рынке. Банк обладает большим объемом клиентских данных, но не использует их эффективно.

Кроме того, банк хочет понять факторы, влияющие на отток капитала, чтобы они могли быть более активными в решении таких вопросов, а не просто реагировать постфактум. Реальная проблема и потребность заключается в том, чтобы уменьшить отток клиентов, стабилизировать бизнес и увеличить прибыль.

Решение: с помощью платформы на базе ИИ, в банке начали обнаруживать характеристики, которые вызвали отток клиентов. Эти закономерности были выявлены автоматически с помощью лежащих в их основе сложных алгоритмов машинного обучения. Кроме того, профиль оттока клиентов выявил высокодоходных клиентов в зоне риска. Проактивные кампании теперь проводятся регулярно, чтобы гарантировать, что они могут удержать таких клиентов, прежде чем они уйдут.

Подход: вот трехэтапный подход, который действительно хорошо работал для банка:

Определите и подключитесь к нужному набору данных: данные о клиентах, включая демографию, активы, кредитные баллы, жалобы, счета, срок владения и т. д.

Преобразование данных самообслуживания: были удалены неважные столбцы, отсутствующие/недействительные данные исправлены с помощью быстрых опций, данные из различных источников объединены вместе.

Автоматические аналитические данные в один клик: были обнаружены аналитические данные, которые создали профиль оттока клиентов. Были предсказаны характеристики таких клиентов и их склонность к оттоку. Эта прогностическая модель теперь используется для прогнозирования и уменьшения оттока, активно обращаясь к ним.


Ключевые выводы, обнаруженные с помощью платформы на базе ИИ

Интересные идеи автоматически всплывали на поверхность с помощью двигателя искусственного интеллекта.Эти открытия поразили команду многонационального банка. Вот несколько ключевых:

  • Возраст клиента, количество жалоб, баланс счета и количество продуктов, которые он использует, оказывают наибольшее влияние на то, уйдет клиент или нет.
  • Клиенты в более молодом возрастном диапазоне и с низким балансом счета с большей вероятностью закроют свои счета.
  • Женщины-клиенты в возрастной группе 25-35 лет скорее всего уйдут.
  • Большинство клиентов, которые ушли, не использовали никаких продуктов, кроме банковского счета.
  • Кредитный рейтинг не оказывает большого влияния на отток клиентов.

Как мы видели в приведенном выше примере, один из ведущих транснациональных банков смог использовать платформу на базе ИИ, чтобы понять, почему их клиенты уходят. Теперь они могут активно бороться с оттоком капитала. Обратите внимание, что все инсайты были обнаружены автоматически, не тратя 100 часов на ручное обнаружение данных или не написав ни одной строки кода.

Система использовала лежащие в ее основе алгоритмы машинного обучения для ответа на конкретные бизнес-вопросы и обнаружения скрытых инсайтов в данных.

Работники банка теперь могут четко понимать профили клиентов, которые уходят. Они могут обратиться к существующим клиентам, которые соответствуют такому профилю, и принять превентивные меры для снижения оттока.

Celado Unchurn позволяет делать аналогичный анализ внутри вашей системы с сохранением персональных данных и интегрировано в вашу CRM или ERP систему

В следующих материалах расскажем о наших внедрениях.

В статье использовались материалы:

https://www.tellius.com/machine-learning-reduce-customer-churn/

Другие статьи по этой теме

Система прогноза оттока клиентов

Как прогнозирование может обеспечить безопасность ценных клиентов

Уменьшение оттока клиентов в сети ресторанов быстрого питания

Взгляните на наш кейс по удержанию клиентов

Контакты
ООО Селадо

г. Москва, метро Павелецкая, Павелецкая набережная д. 2 стр 3, офис 106, БЦ LoftVille

+7 (495) 003-91-37
Свяжитесь с нами: