customer retention

Řešení

Identifikace a udržení ohrožených zákazníků

Udržení  zákazníka

Termín „churn“ označuje proces odlivu zákazníků nebo jejich přechodu na méně výnosný produkt. V situaci, kdy na některých globálních trzích dosahuje míra ztráty zákazníků 30%, považují společnosti za jednu z nejvyšších priorit identifikaci a udržení zákazníků, kteří uvažují o odchodu. Trhy jsou nasycené, nespokojení zákazníci ruší nebo snižují nákup služeb či výrobků a nově se objevuje celá kategorie zákazníků, kteří často a téměř profesionálně přecházejí mezi službami a výrobky s cílem vydobýt co nejlepší podmínky.

Vysoké náklady vynaložené na potlačení odchodu zákazníků lze snížit pomocí nových vysoce sofistikovaných postupů (např. analýza přežití – survival analysis), které umožňují analyzovat, proč zákazníci odcházejí, nebo určit, u kterých zákazníků je nejvyšší pravděpodobnost, že v budoucnu odejdou. Všechny tyto informace může oddělení zákaznických služeb využít při monitorování zákaznické základny a při identifikaci těch zákazníků, jejichž zákaznické chování naznačuje, že budou s nejvyšší pravděpodobností uvažovat o změně.

Pravděpodobnost odchodu zákazníka

Není Vám úplně jasné, co vede zákazníky k odchodu? Dokáží Vaše prognózy včas odhalit úmysl zákazníka opustit Vás? Máte nějaké mezery v měření hodnoty zákazníka?  Snažíte se získat jednotný pohled na zákazníka přes všechna Vaše oddělení? Naše analýza pravděpodobnosti odchodu zákazníků přináší způsob, jak si udržet stávající zákazníky a zabránit jim v přechodu ke konkurenci. Bez důkladné datové analýzy se znalost vzorců zákaznického chování pohybuje na úrovni odborných odhadů, které nebývají velmi přesné. Náš model odchodu zákazníků (tzv. „churn“ model) je navržen tak, aby byl maximálně spolehlivý – minimalizuje tzv. falešné alarmy (falešně pozitivní - tedy prognóza, že zákazník odejde, ale ten se vůbec odejít nechystá) i falešné upokojení (falešně negativní - prognóza, že zákazník zůstane, ale ten ji přesto opustí). Abychom dosáhli maximální spolehlivosti našeho modelu odchodu zákazníků, zjišťujeme na základě analýzy sociální sítě (SNA) další spolehlivé prediktivní charakteristiky, které využíváme při modelování.  Žádný model odchodu zákazníků nemůže být stoprocentně přesný, ale naše zkušenost z předešlých projektů ukazuje, že míra odlivu zákazníků, kteří jsou vyhodnoceni jako ti, jejichž loajalita je nejnižší, je 4-10krát vyšší, než je celkový průměr v zákaznické základně. Takový výstup poskytuje solidní bázi pro cílení retenční kampaně.

Pravděpodobnost udržení zákazníka

Představte si, že jste identifikovali zákazníka, u kterého hrozí, že přejde ke konkurenci. Ve snaze tomuto zabránit zvažujete několik strategií na udržení zákazníka, včetně různých nabídek, rozličných komunikačních kanálů nebo cenových úprav. U které z nich je nejvyšší pravděpodobnost, že udrží daného zákazníka? Toto dilema Vám pomůže vyřešit model pravděpodobnosti udržení zákazníka (Propensity to Save nebo „PtS“), který je navržen přesně pro tyto situace.  Při jeho navrhování jsme využili klasifikační stromy, které jsou schopny pojmout malé datové soubory, jež bývají obvykle k tomuto účelu k dispozici.  Z našich zkušeností také víme, že kvůli změnám v podnikatelském prostředí (retenční nabídky, procesy, zákazníci) se modely pravděpodobnosti udržení zákazníka musí poměrně často aktualizovat.

Optimalizace kampaně na udržení zákazníka

Co bych měl učinit pro to, abych si udržel své nejvýnosnější zákazníky? O které zákazníky má cenu pečovat a o které ne? Jak velkou slevu si mohu dovolit nabídnout, aby se mi stále vyplatila v případě, že zákazník zůstane? Chcete-li postupovat co nejlépe a získat co možná nejvyšší návratnost investic, měli byste zvážit optimalizaci svých kampaní na udržení zákazníka. 

V oblasti řízení kampaní na udržení zákazníka nabízí společnost Deloitte možnosti jak maximalizovat hodnotu kampaně na udržení zákazníka prostřednictvím zpracování komplexního scénáře zohledňujícího různé nabídky s cílem udržet si zákazníka, různé komunikační kanály a různé možnosti, kdy danou kampaň zaměřenou na udržení zákazníka spustit. Hodnota této služby spočívá v tom, že omezené prostředky na kampaně jsou efektivně vynakládány pouze na zákazníky s nejvyšším současným ale i předpokládaným budoucím výnosem, což zamezuje plýtvání zdrojů na zákazníky, jejichž předpokládaná profitabilita je velmi nízká, a umožňuje vyhnout se krokům, kdy náklady na udržení zákazníka převyšují možné budoucí zisky.

Ve své podstatě je optimalizace kampaně na udržení zákazníka velmi blízká optimalizaci tzv. cross sell kampaně, a pokud už je jedna z nich připravená, doporučujeme do stejné struktury modelů a procesů začlenit i druhou kampaň, čímž můžete profitovat z jednotného přístupu a omezit náklady na kampaň. Takto budete moci kontrolovaně sdílet marketingové zdroje mezi tzv. cross sell kampaní a kampaní na udržení zákazníka, protože jejich objektivní funkce je pouze jedna.

Optimalizace kampaně na udržení zákazníka

Contact

Jan Balatka

Jan Balatka

Ředitel

Jan Balatka má bohaté zkušenosti zejména se zaměřením na datové analýzy, forenzní analýzy a e-discovery. Má zkušenosti z mezinárodních projektů ve Švýcarsku, Německu, Spojených státech, Jihoafrické re... více