Вестник цифровой трансформации

Искусственный интеллект для предотвращения оттока клиентов
Искусственный интеллект для предотвращения оттока клиентов




15:50 13.01.2022  |  Юрий Сирота | 976 просмотров



Прогнозирование оттока клиентов – одна из ключевых задач любого бизнеса. Однако оно важно только в той мере, в какой можно предпринять эффективные действия для удержания клиента, пока не стало слишком поздно.

Предотвращение оттока клиентов представляет огромный дополнительный потенциальный источник дохода для любого бизнеса. Для предотвращения оттока, помимо постоянного улучшения продукта и сервиса, используется предиктивная математика.

Потери в результате оттока

Отток клиентов означает, что они прекращают отношения с компанией. Потери складываются из упущенной выгоды от отказа от бизнеса, а также понесенных затрат на привлечение ушедших клиентов. Затраты на первоначальное привлечение этого клиента, возможно, еще не были покрыты расходами клиента на сегодняшний день (приобретение клиента на самом деле могло быть убыточной инвестицией). Потери увеличиваются затратами на привлечение новых клиентов. Более того, привлечь нового клиента всегда труднее и дороже, чем удержать текущего платящего клиента.

Предсказание оттока

Уменьшение убытков и затрат, связанных с оттоком, является огромным дополнительным источником дохода. Поэтому важно уметь подсветить клиентов с высокой вероятностью оттока – с этим справляется предиктивная математика. При этом желательно иметь алгоритм практических действий для удержания – это уже область предписательной (рекомендательной) математики. Чтобы преуспеть в удержании клиентов, маркетологи, отдел продаж, контакт-центр – те, кто коммуницирует с клиентом, – должны быть в состоянии заранее предсказать, какие клиенты собираются уйти. Кроме того, они должны иметь разработанную последовательность маркетинговых действий, соответствующих профилю каждого клиента, наиболее успешно воздействующую с целью удержания. Вооружившись этими знаниями, можно устранить большую часть оттока клиентов.

От теории к практике

Теоретически это звучит просто, но на практике осуществить гораздо сложнее. Сложность заключается, в частности, в прогнозировании оттока: математические методы моделирования пытаются выявить шаблоны поведения и атрибуты клиентов, профиль которых сигнализирует о повышенной вероятности оттока клиентов на определенном горизонте. Точность предсказания имеет решающее значение для успеха любых активных усилий по удержанию: если маркетолог не знает о клиенте, который склонен к оттоку, никаких действий в отношении этого клиента предпринято не будет. Нейросетевые алгоритмы успешно выявляют склонных к деактивации клиентов. Кроме того, специальные предложения или поощрения, ориентированные на удержание, могут быть непреднамеренно предоставлены активным клиентам, что приведет к снижению доходов без уважительной причины.

Определения, необходимые для предсказания

Отток клиента – это тенденция клиентов отказываться от бренда или определенного бизнеса. Показатель оттока – процент клиентов, которые перестают пользоваться продуктами или услугами компании в течение определенного периода времени. Показатель оттока является индикатором здоровья организации. Некоторый естественный отток неизбежен, и эта цифра отличается от отрасли к отрасли. Но более высокий показатель оттока – верный признак того, что бизнес делает что-то не так. Компании с высоким уровнем оттока не справились со своими отношениями с бывшими клиентами, и, кроме того, наносят ущерб своим будущим усилиям по приобретению, создавая негативную молву о своих продуктах и услугах. Маркетинг может по-разному взаимодействовать с клиентами в зависимости от текущего показателя риска оттока. Один из способов расчета показателя оттока: на момент времени взять активных клиентов, подсчитать количество деактивизировавшихся клиентов на желаемом горизонте времени и вычислить частное. Определение «активного клиента» в компаниях может быть разным, как и горизонт, на котором наблюдаем деактивизацию.

План действий для снижения оттока

Для начала необходимо собрать информацию о клиентах. Далее следует разместить информацию в хранилище данных в правильно спроектированных таблицах, после этого применяется искусственный интеллект для выявления паттернов поведения – индикаторов потенциальных оттоков. После того, как математические методы «подсветят» подверженных риску оттока клиентов, принять соответствующие меры для увеличения интереса клиентов.

Роли, участвующие в антиотточной кампании

Специалисты по искусственному интеллекту создают инструмент, подсвечивающий клиентов, склонных к оттоку и рекомендательные системы, показывающие оптимальный набор действий для удержания.

Бизнес, отдел маркетинга, отдел продаж совершают коммуникации с клиентом с целью удержания. Успех достигается только при совпадении одновременно двух условий: точный сигнал и удачная коммуникация, т. е. при слаженной и умелой работе обоих ролей.

Типы аналитических инструментов, используемых в антиоттоке

Отчетность – это ретроспективный взгляд, она служит запаздывающим индикатором плохого качества обслуживания клиентов. Наивный индикатор «долго не активен» не позволяет реагировать на опережение, да и полностью ушедший клиент, вероятнее всего, уже не активизируется, как показывает практика.

Предиктивная модель прогнозирует отток клиента. Прогноз позволяет превентивно удерживать клиента.

Рекомендательная система предписывает действия для удержания клиента: рекомендует релевантный продукт, скидку, подходящий пакет. Она самая сложная, но и самая ценная!

Последовательность действий для выявления сигналов оттока

Для начала изучается история взаимоотношений с клиентом, вся доступная информация о нем. Посредством аналитических инструментов выявляются шаблоны поведения, сигнализирующие об оттоке. Математические модели (в частности, нейронные сети) раскрывают схемы поведения тех клиентов, которые уже покинули компанию. Рекомендательная система подсвечивает клиентов, склонных к оттоку, и, в самом продвинутом случае, подсказывает наиболее подходящее действие для удержания: конкретное действие из «противоотточного» меню (звонок, скидка, специальный пакет, допродажа). Далее действующая клиентская база сегментируется на тех, кто не склонен к оттоку, и тех, у кого высокая вероятность оттока. Система проверяет поведение текущих клиентов на соответствие выявленным шаблонам и сигнализирует, если обнаруживается поведение, похожее на предотточное. Бизнес совершает коммуникацию с клиентами, склонными к оттоку, с целью превентивного удержания.

Критерии качества прогноза

Главным критерием качества является степень совпадения прогноза и факта. Ошибки неизбежны: в данных много «шума», не все решения клиента могут быть математизированы, и не вся информация у нас имеется. Вопрос лишь в количестве ошибок и их значимости. Как известно, в статистике выделяют два вида ошибок прогноза: первого и второго рода. В результате ошибки первого рода рекомендательная система прогнозирует отток, в то время как клиент на самом деле не планировал этого. В этом случае совершается избыточная коммуникация и несутся расходы на нее. Совершая ошибку второго рода, система не прогнозирует отток, в то время как клиент планирует отказаться от услуг организации. Стоимость такой ошибки – потеря клиента. Стоимость ошибочной коммуникации, как правило, меньше упущенной выгоды от потери клиента.

Что делать с вероятностями оттока?

Математическая модель дает вероятность, трактуемую как склонность к оттоку. Что же делать далее? Ответ очевиден: задача бизнеса – сформировать «противоотточное меню» по удержанию клиента. Далее следует сопоставить каждой вероятности бизнес-действие из этого «меню». При этом чем выше вероятность оттока, тем агрессивнее должно быть действие по удержанию.

Дерево классификации клиентов состоит из четырех листьев. К первой, «хорошей» категории относятся активные клиенты, не планирующие уходить на интересующем нас горизонте времени. Вторая группа – активные клиенты с высокой вероятностью оттока. С ними необходимо провести упреждающую коммуникацию с целью удержания. Третья группа – неактивные сейчас клиенты, но планирующие активизироваться в скором будущем. С ними не следует совершать коммуникацию (и нести расходы). Наконец, четвертая группа – неактивные и не планирующие активизироваться в дальнейшем клиенты. Эту категорию желательно попытаться вернуть, хоть это и маловероятно.

Вероятность быть активным на горизонте времени T подразумевает два случая. В первом случае активные клиенты продолжают оставаться таковыми на выбранном горизонте времени. Во втором случае неактивные в данный момент клиенты активизируются на горизонте времени T. Далее выделяем три сегмента клиентов. Первый сегмент – безвозвратно ушедшие, с которыми не совершаем коммуникацию и не несем расходы. Второй сегмент – клиенты со значимой вероятностью активизироваться, с ними совершаем коммуникацию и несем на это затраты. Третий сегмент – клиенты, которые активизируется самостоятельно, с ними не совершаем коммуникацию и не несем расходы.

Выводы

Прогнозирование оттока важно только в той мере, в какой можно предпринять эффективные действия для удержания клиента, пока не стало слишком поздно. После того, как клиенты, которым грозит отток, определены, сотрудники должны точно знать, какие маркетинговые действия проводить с каждым отдельным клиентом, чтобы максимизировать шансы на то, что клиент останется таковым. Поскольку разные клиенты демонстрируют различное поведение и предпочтения, а также из-за разных причин ухода, очень важно практиковать «целевое упреждающее удержание». Для этого требуется заранее знать, какое маркетинговое действие будет наиболее эффективным для каждого клиента. Сокращение оттока клиентов – цель любого бизнеса.

 

Автор – Юрий Сирота, независимый эксперт. Создавал сигнальные антиотточные системы в крупных российских банках.