Przewidywanie odejścia klienta

Tekst przeczytasz w:  2 minuty

Dla ogólnopolskiej sieci sprzedaży hurtowej FMCG  wdrożyliśmy  model predykcyjny odchodzenia klientów.

Dzięki wczesnemu przewidzeniu potencjalnej rezygnacji, sieć wdrożyła dla wskazanych przez model klientów „system wczesnego reagowania”, który pozwolił ich zatrzymać przy niskim nakładzie kosztów. Ze względu na specyfikę branży, w której działa nasz Klient i brak benchmarków, projekt wymagał opracowania autorskiej metodologii, która uwzględni unikalne uwarunkowania rynku.

PROBLEM

  • Przed realizacją projektu identyfikowano problem odchodzenia klientów jako problem występowania presji konkurencyjnej ze strony innych sieci hurtowych i dyskontów na rynek tradycyjny, powodującej zmniejszenie lojalności i konieczność poszukiwania najtańszej oferty na rynku. Reakcją na taki obraz problemu było manipulowanie ceną towarów, o tyle nieskuteczne, że nie wiadomo było komu i na jakie towary ta cena powinna zostać obniżona.
  • Brak proaktywnego i scentralizowanego procesu utrzymywania klientów.
  • Brak proaktywnego, systematycznego procesu identyfikacji klientów o wysokim ryzyku odejścia.
  • Potrzeba pogłębienia wiedzy o przyczynach decyzji klientów (decyzji o zaprzestaniu współpracy) w celu zmniejszenia kosztów i podniesienia skuteczności akcji utrzymaniowych.
  • Konieczność opracowania własnej metodyki analizowania churnu - „podręcznikowe” definicje nie przystają do rynku FMCG i charakteru relacji pomiędzy sklepami a hurtowniami.

ROZWIĄZANIE

  • Zaplanowanie procesu utrzymania klientów.
  • Oparcie procesu utrzymania klientów o analityczny proces identyfikacji ryzyka odejścia.
  • Sformułowanie specyficznej metodyki analiz opierającej się o zdefiniowanie pojęć takich jak klient, lojalność i odchodzenie zgodnie ze specyfiką branży.
  • Wyliczenie wskaźników na potrzeby budowania modelu predykcyjnego pokrywającego obszary relacji handlowych, aktywności na poziomie grupy, lokalizacji geograficznej, podobieństwa profilu zakupowego klienta do punktów handlowych należących do sieci franczyzowej i wielu innych obszarów.
  • Budowa modelu scoringowego, który z odpowiednim wyprzedzeniem dostarcza informacje o ryzyku odejścia dla każdego klienta.

Efekt/korzyści:

  • Redukcja zjawiska odchodzenia klientów przy minimalnych kosztach obsługi procesu – dedykowana jednostka call center do trudnych rozmów.
  • Rozmowy z klientami o wysokim ryzyku odejścia pozwoliły zmienić perspektywę i zauważyć inne, niż powszechnie postrzegane (cena towaru) czynniki podnoszące ryzyko niezadowolenia i delojalizacji klientów.
  • Lepsze zrozumienie wpływu czynników, takich jak niedobory kluczowego asortymentu na poziomie indywidualnych Klientów.

Churn - drzewo decyzyjne

Fragment drzewa decyzyjnego - jednego z modeli kandydujących do produkcyjnego wdrożenia.

Szczegóły projektu

Czas realizacji

Oprogramowanie

Zaangażowany zespół

8 tygodni

PS CLEMENTINE PRO

Predictive Solutions - 2 osoby.

Po stronie klienta - 1 osoba zaangażowana bezpośrednio i 1 osoba odbierająca wyniki.


Udostępnij artykuł w social mediach:



Branże:


Zainteresowaliśmy Cię?

Chętnie porozmawiamy na tematy dotyczące zastosowania analizy danych w Twoich działaniach

Dysponujemy wiedzą z wielu obszarów i znamy specyfikę branż.

Ustawienia dostępności
Wysokość linii
Odległość między literami
Wyłącz animacje
Przewodnik czytania
Czytnik
Wyłącz obrazki
Skup się na zawartości
Większy kursor
Skróty klawiszowe